摘要：本发明公开了一种奖励模型训练方法、排序方法、装置、设备及介质，应用于计算机技术领域，包括：对训练数据集进行分组，得到预设数量个训练数据子集；利用预设数量个训练数据子集对待训练的奖励模型进行训练，得到预设数量个初始奖励模型；利用预设数量个初始奖励模型确定每个训练数据子集中训练数据对的置信度，基于置信度对训练数据对进行过滤，得到筛选后的训练数据集；置信度为训练数据对获得赞成票的比例；基于筛选后的训练数据集对初始奖励模型中的目标初始奖励模型进行训练得到目标奖励模型。本申请在对奖励模型进行训练的过程中，通过训练数据对的置信度，对训练数据对进行过滤，提高训练数据对的质量，防止影响奖励模型的拟合。

摘要：本发明实施例公开了一种索引建立装置和方法，用于数据检索系统中，所述数据索引建立装置包括：索引模块，用于将数据实时写入N个数据库中的一个，当所述N个数据库写满时将在所述数据库中存在时间较长的数据用最新数据覆盖，并建立所述N个数据库的索引，其中，所述数据库具有预定义的数据容量上限，N为预定义的大于等于1的自然数；传输模块，用于将建立的所述N个数据库的索引通过网络传输给所述数据检索系统中的检索模块，以便检索模块提供检索服务。采用本发明，可以实现数据索引的快速建立，以便实现实时搜索。

摘要：本申请公开了一种音乐分类方法、设备及介质，方法包括：获取打标签音乐样本、无标签音乐样本、分类任务样本；确定初始网络模型，其包括对比学习编码器和分类器；利用无标签音乐样本对对比学习编码器进行训练，获得第一训练损失；利用分类任务样本对分类器进行训练，获得第二训练损失；根据第一训练损失和第二训练损失计算总训练损失；通过迭代训练获得总训练损失满足预设损失条件的优化网络模型，其包括训练后的对比学习编码器和训练后的分类器；利用打标签音乐样本对优化网络模型进行训练，获得音乐分类模型；利用音乐分类模型对目标音乐数据进行处理，获得分类结果。应用本申请所提供的技术方案，可以有效提高音乐分类结果的准确性。

摘要：本申请涉及一种音乐搜索场景下的槽位抽取方法、装置和设备。方法包括：提取音乐搜索文本的语义特征，获得文本语义特征；从预先构建的热度音乐知识库中，获取与音乐搜索文本匹配的知识文本、以及知识文本的槽位类型信息和知识文本的互动热度信息；根据知识文本、知识文本的槽位类型信息和知识文本的互动热度信息，确定音乐搜索文本的知识特征；将文本语义特征和知识特征进行融合获得融合特征，根据融合特征确定音乐搜索文本的槽位抽取结果。采用本方法可提升槽位抽取准确率。

摘要：本申请涉及一种歌曲推荐方法、计算机设备、计算机可读存储介质和计算机程序产品，涉及歌曲推荐技术领域，能够提升工作场景中歌曲推荐准确率。所述方法包括：在检测到账户对应的用户执行工作任务的情况下，确定所述用户在执行所述工作任务时的作业行为特征；所述作业行为特征包括所述用户生成所述工作任务的任务内容时的第一作业行为特征，和/或，所述用户修改所述任务内容时的第二作业行为特征；根据所述作业行为特征，确定表征所述用户的情绪状态和/或心情场景的用户状态信息；根据所述用户状态信息，获取向所述用户的所述账户推荐的目标歌曲。

摘要：本申请提供了一种歌曲特征的处理方法、设备和存储介质，涉及音频技术领域，所述方法包括：确定目标歌曲以及从曲库中确定后验特征满足预设条件的多首候选歌曲，其中所述后验特征用于表征所述候选歌曲被用户操作的情况；根据每首所述候选歌曲的音频特征和所述目标歌曲的音频特征之间的相似度，在所述多首候选歌曲中确定满足相似度条件的至少一首所述候选歌曲作为参考歌曲；以及，根据至少一首所述参考歌曲的后验特征，生成所述目标歌曲的后验特征。采用本申请可以对没有后验特征的歌曲，自动生成其后验特征。

摘要：本公开提供了一种样本处理方法、设备、存储介质和程序产品，属于互联网技术领域。采用该技术方案，对负样本进行进一步分级，分为多个标签排位，样本分级细腻，根据多个级别的训练样本，对排序模型进行训练。这样，会使排序模型的训练过程的收敛速度得到提升。

摘要：本申请涉及一种歌单排序方法、计算机设备、可读存储介质和程序产品，所述方法包括：获取目标用户输入的搜索词条和与所述搜索词条相关联的多个目标歌单；针对每个所述目标歌单，分别获取所述目标歌单的属性特征、所述目标歌单与所述目标用户的用户画像的匹配度以及所述目标歌单在预设维度下的历史转化率；所述历史转化率表示转化成功的次数与总次数的比值；分别将每个所述目标歌单的所述属性特征、所述匹配度和所述历史转化率输入预训练的歌单排序模型，得到每个所述目标歌单的推荐值；根据每个所述目标歌单的所述推荐值对所述多个目标歌单进行排序，得到针对所述搜索词条生成的歌单排序结果。采用本方法能够提高向用户展示的歌单的准确性。

摘要：本申请涉及一种搜索联想词展示方法、计算机设备、可读存储介质和程序产品，所述方法包括：根据用户在音乐应用中输入的搜索词，获取多个联想词；获取各个所述联想词与所述搜索词的相关性、各个所述联想词的历史交互特征、实时交互特征和飙升交互特征；根据所述相关性、所述历史交互特征、所述实时交互特征和所述飙升交互特征，对各个所述联想词进行排序；按照排序结果展示各个所述联想词。本方法通过综合这几种特征和联想词与搜索词的相关性特征进行联想词的排序，能够同时兼顾联想词的相关性和实时性特征，以及兼顾联想词的历史及热度情况，使得排序结果能够实时的响应热点，达到热点与传统的平衡。

摘要：本申请涉及一种问题搜索文本挖掘方法、装置、设备和存储介质，涉及数据挖掘技术领域。方法包括：获取目标音乐平台中至少一个音乐搜索文本分别对应的用户行为特征；针对每个音乐搜索文本，根据音乐搜索文本对应的用户行为特征，判断音乐搜索文本是否为疑似有问题的搜索文本；若音乐搜索文本被判定为疑似有问题的搜索文本，则获取音乐搜索文本的第一音乐搜索结果；根据第一音乐搜索结果，判断音乐搜索文本是否为真正有问题的搜索文本。采用本方法可提升音乐问题搜索文本的挖掘效率。