[发明专利]音频搜索模型的训练方法、音频搜索方法和相关产品

说明书

本申请涉及一种音频搜索模型的训练方法、音频搜索方法、装置、计算机设备、存储介质和计算机程序产品。通过将用户的搜索操作数据及特征向量、用户特征向量和多个音频的音频特征向量输入待训练的音频搜索模型中的分解机模块、树模型交叉模块和深度神经网络模块，得到模型搜索评分，根据搜索评分与模型搜索评分的相似度，训练得到音频搜索模型。实际搜索时将用户的搜索文本输入用户对应的音频搜索模型，基于得到的多个搜索评分对多个音频进行排序得到音频搜索结果序列。相较于传统的基于深度神经网络进行音频搜索，本方案通过包含分解机模块、深度神经网络模块和树模型交叉模块的音频搜索模型搜索出符合用户搜索意图的音频，提高音频搜索精确度。

技术领域

本申请涉及音频处理技术领域，特别是涉及一种音频搜索模型的训练方法、音频搜索方法、装置、存储介质和计算机程序产品。

背景技术

随着数字音乐和移动音乐的快速发展，用户已经可以通过多种听歌软件进行听歌行为。用户在使用听歌软件过程中需要对相应的歌曲音频进行搜索，听歌软件需要对用户输入的关键词等搜索信息进行结果搜索并对搜索出来的结果进行排序展示。目前对音频搜索结果的排序方式通常是通过深度神经网络来确定的。然而通过该方式确定出的音频搜索结果的排序方式无法准确满足用户的搜索意图。

因此，目前的音频搜索方法存在搜索精度差的缺陷。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高搜索精度的音频搜索模型的训练方法、音频搜索方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种音频搜索模型的训练方法，所述方法包括：

获取经用户搜索音频得到的音频搜索结果序列中的多个音频和所述多个音频各自的搜索评分，获取所述用户搜索音频对应的搜索操作数据及搜索后操作数据；

根据所述搜索操作数据及搜索后操作数据，得到搜索操作特征向量和搜索后操作特征向量；

将所述搜索后操作特征向量、所述用户的用户特征向量和所述多个音频各自的音频特征向量输入待训练的音频搜索模型中的分解机模块，将所述搜索操作数据输入所述待训练的音频搜索模型中的树模型交叉模块，将所述搜索操作特征向量输入所述待训练的音频搜索模型中的深度神经网络模块；

根据所述分解机模块、树模型交叉模块和深度神经网络模块各自对所述多个音频的模块搜索评分，得到所述待训练的音频搜索模型对所述多个音频的模型搜索评分；

根据每个音频对应的搜索评分与对应的模型搜索评分的相似度，调整所述待训练的音频搜索模型的模型参数，直至满足模型训练条件时得到音频搜索模型。

在其中一个实施例中，所述根据所述分解机模块、树模型交叉模块和深度神经网络模块各自对所述多个音频的模块搜索评分，得到所述待训练的音频搜索模型对所述多个音频的模型搜索评分，包括：

获取所述分解机模块基于所述搜索后操作特征向量、各个音频对应的音频特征向量以及所述用户的用户特征向量输出的各个音频对应的第一模块评分；

获取所述深度神经网络模块基于所述搜索操作特征向量输出的各个音频对应的第二模块评分；

获取所述树模型交叉模块基于所述搜索操作数据输出的各个音频对应的第三模块评分；

根据所述第一模块评分、所述第二模块评分和所述第三模块评分的拼接结果，得到所述待训练的音频搜索模型对所述多个音频各自的模型搜索评分。

在其中一个实施例中，所述获取所述分解机模块基于所述搜索后操作特征向量、所述各个音频对应的音频特征向量以及所述用户的用户特征向量输出的各个音频对应的第一模块评分，包括：

通过所述分解机模块、所述搜索后操作特征向量和用户特征向量，确定所述用户对所述各个音频的音频喜好程度信息；