CN107404656A - 直播视频推荐方法、装置及服务器 - Google Patents
直播视频推荐方法、装置及服务器 Download PDFInfo
- Publication number
- CN107404656A CN107404656A CN201710493565.1A CN201710493565A CN107404656A CN 107404656 A CN107404656 A CN 107404656A CN 201710493565 A CN201710493565 A CN 201710493565A CN 107404656 A CN107404656 A CN 107404656A
- Authority
- CN
- China
- Prior art keywords
- live video
- live
- similarity
- characteristic
- preset standard
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004891 communication Methods 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims description 27
- 239000013598 vector Substances 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 19
- 238000013136 deep learning model Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013526 transfer learning Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
- H04N21/25891—Management of end-user data being end-user preferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Computer Graphics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明提供的一种直播视频推荐方法、装置及服务器,涉及互联网推荐领域。直播视频推荐方法应用于与客户端通信连接的服务器,所述方法包括:获取多个正在直播的直播视频对应的图像数据;分别根据每个图像数据获得每个所述图像数据对应的特征数据;根据特征数据判断任意两个所述直播视频之间的相似度是否满足预设标准;根据接收到的客户端发送的观看请求,查找与所述观看请求对应的目标直播视频之间的相似度满足所述预设标准的所述直播视频;将所查找到的所述直播视频推荐给所述客户端。实现了对正在直播的直播视频之间的及时有效的相似度分析,且能保证给用户推荐的实效性,提高用户体验。填补了直播领域直播视频实时推荐的空缺。
Description
技术领域
本发明涉及互联网推荐领域,具体而言,涉及一种直播视频推荐方法、装置及服务器。
背景技术
在信息爆炸的时代,各式各样的信息充斥着互联网。互联网上数据量极大,使用户无法凭一己之力从互联网上所有的信息中筛选出感兴趣的内容,由此互联网推荐应运而生。
互联网推荐的信息多样,可以是文章、视频、软件等。现阶段的推荐技术都是根据用户选的感兴趣信息对应的相关文字描述信息、评论信息等进行相关度计算,再选出其他与用户选的感兴趣信息相关内容。现阶段的推荐技术效果不错同时也非常成熟,但这样的推荐技术面对直播这一新兴行业,却显得有心无力。直播行业的内容实时生成、文字描述随意且多变,在直播视频结束之前根本无法通过现阶段的推荐算法选出相关的其他直播视频。
发明内容
本发明的目的在于提供一种直播视频推荐方法、装置及服务器,用以改善上述问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
本发明实施例提供一种直播视频推荐方法。所述方法应用于与客户端通信连接的服务器,所述方法包括:获取多个正在直播的直播视频对应的图像数据;分别根据每个所述图像数据获得每个所述图像数据对应的特征数据;根据所述特征数据判断任意两个所述直播视频之间的相似度是否满足预设标准;根据接收到的客户端发送的观看请求,查找与所述观看请求对应的目标直播视频之间的相似度满足所述预设标准的所述直播视频;将所查找到的所述直播视频推荐给所述客户端。
本发明实施例还提供一种直播视频推荐装置。所述装置应用于与客户端通信连接的服务器,所述装置包括:获取模块、提取模块、评估模块、查找模块及推送模块;其中,获取模块,用于获取多个正在直播的直播视频对应的图像数据;提取模块,用于分别根据每个所述图像数据获得每个所述图像数据对应的特征数据;评估模块,用于根据所述特征数据判断任意两个所述直播视频之间的相似度是否满足预设标准;查找模块,用于根据接收到的客户端发送的观看请求,查找与所述观看请求对应的目标直播视频之间的相似度满足所述预设标准的所述直播视频;推送模块,用于将所查找到的所述直播视频推荐给所述客户端。
本发明实施例还提供一种服务器。所述服务器包括:存储器;处理器;以及直播视频推荐装置,所述直播视频推荐装置安装于所述存储器中并包括一个或多个由所述处理器执行的软件功能模组,所述装置包括:获取模块、提取模块、评估模块、查找模块及推送模块;其中,获取模块,用于获取多个正在直播的直播视频对应的图像数据;提取模块,用于分别根据每个所述图像数据获得每个所述图像数据对应的特征数据;评估模块,用于根据所述特征数据判断任意两个所述直播视频之间的相似度是否满足预设标准;查找模块,用于根据接收到的客户端发送的观看请求,查找与所述观看请求对应的目标直播视频之间的相似度满足所述预设标准的所述直播视频;推送模块,用于将所查找到的所述直播视频推荐给所述客户端。
与现有技术相比,本发明提供的一种直播视频推荐方法。所述方法通过根据多个直播视频的图像数据对应的特征数据对任意两个直播视频之间相似度是否满足预设标准的评估,使评估结果不依赖于相关文字描述信息、评论信息,实现对实时播放的直播视频之间进行相似度分析。从而可向用户及时的、精准地推送与观看的实时直播视频相似度满足预设标准的其他直播视频,提高用户体验。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明的应用环境示意图。
图2为本发明较佳实施例提供的服务器的方框示意图。
图3示出本发明较佳实施例提供的一种直播视频推荐方法的步骤流程图。
图4为图1中步骤S101的子步骤流程图。
图5为图1中步骤S103的子步骤流程图。
图6示出本发明较佳实施例提供的一种直播视频推荐装置的示意图。
图7为图6中的评估模块的功能子模块示意图。
图标:100-服务器;111-存储器;112-处理器;113-通信单元;200-用户终端;300-客户端;400-直播视频推荐装置;401-获取模块;402-提取模块;403-评估模块;4031-计算子模块;4032-评估子模块;4033-确定子模块;404-对应关系建立模块;405-查找模块;406-推送模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本发明下述各实施例如无特别说明均可应用于如图1所示的环境中,如图1所示,服务器100通过有线或无线网络与用户终端200通信连接。
本发明实施例所提供的直播视频推荐方法及装置可应用于如图1所示的应用环境的服务器100中。如图1所示,服务器100、用户终端200位于网络中,网络包括无线网络或有线网络,通过网络,用户终端200与服务器100进行数据交互。服务器100可以是一个服务器100,也可以是多个执行不同任务的服务器100。
于本发明实施例中,用户终端200优选为移动终端设备,例如可以包括智能手机、平板电脑、电子书阅读器、膝上型便携计算机、车载电脑、穿戴式移动终端等等。该用户终端200中安装客户端300(例如,斗鱼客户端),与服务器100相对应,具体地,所述客户端300与服务器100通信连接,为用户提供服务。
如图2所示,是所述服务器100的方框示意图。所述服务器100包括直播视频推荐装置400、存储器111、处理器112、通信单元113。
所述存储器111、处理器112以及通信单元113各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述直播视频推荐装置400包括至少一个可以软件或固件(firmware)的形式存储于所述存储器111中或固化在服务器100的操作系统(operating system,OS)中的软件功能模块。所述处理器112用于执行所述存储器111中存储的可执行模块,例如所述直播视频推荐装置400所包括的软件功能模块及计算机程序等。
其中,所述存储器111可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器111用于存储程序以及语音数据,所述处理器112在接收到执行指令后,执行所述程序。所述通信单元113用于通过所述网络建立所述服务器100与用户终端200之间的通信连接,并用于通过所述网络收发数据。
应当理解的是,图2所示的结构仅为服务器100的结构示意图,所述服务器100还可包括比图1中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
第一实施例
请参照图3,是本发明较佳实施例提供的应用于图2所示的服务器100的直播视频推荐方法的流程图。所述直播视频推荐方法包括以下步骤:
步骤S101,获取多个正在直播的直播视频对应的图像数据。
本实施例中,正在直播的直播视频可以是服务器100接收到的直播视频。可选地,可以是服务器100接收所有的直播客户端实时上传的直播视频,并从接收的直播视频中获取当前最近的图像数据。需要说明的是,客户端300根据使用状态的不同分为直播客户端及观看客户端,直播客户端为用于拍摄直播视频上传服务器100以分享直播视频的客户端300,观看客户端为用于从服务器100获取被分享的直播视频以便客户进行观看的客户端300。观看客户端通过向服务器100发送请求获取直播客户端上传服务器100的直播视频。如图4所示,步骤S101还包括以下子步骤:
子步骤S1011,按照预设时间周期间隔分别从多个正在直播的所述直播视频中各采集一帧直播画面数据。
在本实施例中,多个正在直播的所述直播视频均会实时的由直播客户端实时向服务器100上传直播视频的视频流,服务器100按照预设时间周期间隔各采集当前最新接收到的所有的所述直播视频的视频流当前一帧画面数据。例如,服务器100按照5秒钟为间隔获取一次最新接收到的所述直播视频的视频流的前期一帧画面数据。这一过程为持续进行,确保实时性。需要说明的是,多个正在直播的所述直播视频为所有与服务器100通信连接的直播客户端实时上传的所有的正在直播的直播视频。
子步骤S1012,根据所述直播画面数据、与所述直播画面数据对应的直播间信息数据及主播信息数据生成所述图像数据。
在本实施例中,每个直播视频均有对应的直播间信息数据及主播信息数据,所述直播间信息数据及主播信息数据的数据量小,而且通过直播间信息数据及主播信息数据能快速查找到对应的直播视频。将所述直播视频对应的直播间信息数据及主播信息数据作为直播视频对应的直播画面数据的属性数据,以生成对应的所述图像数据。
步骤S102,分别根据每个所述图像数据获得每个所述图像数据对应的特征数据。
在本实施例中,服务器100内预设已训练好的深度学习模型。服务器100通过采集大量接收到的直播视频的直播画面数据作为样本集,对所述深度学习模型进行增量训练,可选地,训练过程采用迁移学习方法,不断利用样本集训练深度学习模型的最后一层(即分类器层),进而不断改进其他层的参数,直至分类器层的准确度达到95%左右。以使深度学习模型完成业务化定制。例如,深度学习模型可以是从GoogleTensorflow官网下载已经训练好的inception v3模型,将该inception v3模型的分类器层的节点设置为10000再用样本集训练inception v3模型的分类器层,以获得针对直播视频的业务化定制的inceptionv3模型。将完成业务化定制的深度学习模型最后一层(即分类器层)去除,以倒数第二层(即特征提取层)作为输出层。需要说明的是,深度学习包括多个层级,上一个层级的输出数据为下一层级的输入数据,各层级之间保留了对输入数据的最大化描述,分类器层为深度学习模型的最后一层,现有技术中通常采用分类层的输出结果为最终输出结果,已进行对图像数据的识别,而本发明中,以倒数第二层(即特征提取层)作为最后的输出层,特征提取层的输出结果是从图像数据提取出的多维的特征向量,特征向量可以全面反映图片的视觉属性,且方便计算及对比。可选地,利用所述深度学习模型对每一次采集获得的每个所述图像数据的直播画面数据进行特征提取处理。将所述深度学习模型的特征提取层输出的所述特征向量作为所述特征数据。
步骤S103,根据所述特征数据判断任意两个所述直播视频之间的相似度是否满足预设标准。
在本实施例中,在同一次采集到的图像数据对应的特征数据中根据任意两个特征数据对所述特征数据对应的两个直播视频的相似度是否满足预设标准的进行评估。当两个直播视频的相似度满足预设标准则表明这两个直播视频是相似的。如图5所示,步骤S103包括以下子步骤:
子步骤S1031,计算任意两个正在直播的直播视频对应的所述图像数据的所述特征向量之间的欧氏距离。
在本实施例中,特征数据包括特征向量,服务器100根据每一次采集到的图像数据中提取的特征向量,分别计算本次采集到的图像数据对应的特征向量中每一个特征向量与其他的特征向量之间的欧氏距离。需要说明的是,欧氏距离是一个通常采用的距离定义,指在m维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离。计算欧氏距离计算量比较小,速度快。
子步骤S1032,根据两个所述特征向量之间的所述欧氏距离评估对应的两个直播视频的相似度。
在本实施例中,如果两个图像数据之间越近似,则分别表征这两个图像数据的特征向量的欧氏距离越小。将每一个。欧氏距离越小,对应的直播视频相似度就越高。
子步骤S1033,根据所述两个直播视频的相似度确定是否满足所述预设标准。
在本实施例中,可选地,可以通过两个直播视频对应的图像数据的特征向量之间的欧氏距离确定两个直播视频之间的相似度是否满足预设标准。可选地,当所述欧氏距离小于预设阈值时,确定所述直播视频之间的相似度满足所述预设标准。
步骤S104,将相似度满足所述预设标准的两个直播视频对应的所述图像数据中的直播间信息数据及主播信息数据对应。
在本实施例中,将满足预设标准的两个直播视频对应的直播间信息数据及主播信息数据对应起来,使通过其中一个直播视频就能快速查找到另一个直播视频,即建立相似度满足预设标准的两个直播视频之间的对应关系。可选地,对应关系可以保存至两个直播视频均结束为止;也可以是保存直到至少一个直播视频结束为止。
步骤S105,根据接收到的客户端300发送的观看请求,查找与所述观看请求对应的目标直播视频之间的相似度满足所述预设标准的所述直播视频。
在本实施例中,观看客户端向服务器100请求获取请求对应的目标直播视频时,服务器100除了将目标直播视频发送至观看客户端以便客户观看之外,还按照预设时间间隔根据目标直播视频的直播间信息数据及主播信息数据查询是否存在相似度满足预设标准的直播视频,查找到则流程进入步骤S106。可选地,从当前正在直播的直播视频中查找与所述目标直播视频的相似度满足所述预设标准的直播视频。
步骤S106,将所查找到的所述直播视频推荐给所述客户端300。
在本实施例中,获取查找到的所述直播视频对应的直播间信息数据及主播信息数据,以生成推荐列表,并将推荐列表发送给观看客户端,以便使用观看客户端的用户选择。可选地,在观看客户端请求观看的目标直播结束前或观看客户端退出观看目标视频之前,步骤S106结束后流程均会回到步骤S105,当查找到与已被推荐的直播视频不同的、与目标直播视频相似度满足预设标准的直播视频后,流程再次进入步骤S106。
第二实施例
请参考图6,本发明较佳实施例提供直播视频推荐装置400,直播视频推荐装置400包括获取模块401、提取模块402、评估模块403、查找模块405、推送模块406及对应关系建立模块404。
获取模块401,用于获取多个正在直播的直播视频对应的图像数据。
在本发明实施例中,所述步骤S101、子步骤S1011、子步骤S1012均可以由获取模块401执行。
提取模块402,用于分别根据每个所述图像数据获得每个所述图像数据对应的特征数据。
在本发明实施例中,所述步骤S102可以由提取模块402执行。可选地,利用所述深度学习模型对每个所述图像数据进行特征提取处理,将所述深度学习模型的特征提取层输出的所述特征向量作为所述特征数据。需要说明的是,服务器100内预设已训练好的深度学习模型。服务器100通过采集大量接收到的直播视频的直播画面数据作为样本集,对所述深度学习模型进行增量训练,可选地,训练过程采用迁移学习方法,不断利用样本集训练深度学习模型的最后一层(即分类器层),进而不断改进其他层的参数,直至分类器层的准确度达到95%左右。以使深度学习模型完成业务化定制。例如,深度学习模型可以是从GoogleTensorflow官网下载已经训练好的inception v3模型,将该inception v3模型的分类器层的节点设置为10000再用样本集训练inception v3模型的分类器层,以获得针对直播视频的业务化定制的inception v3模型。将完成业务化定制的深度学习模型最后一层(即分类器层)去除,以倒数第二层(即特征提取层)作为输出层。需要说明的是,深度学习包括多个层级,上一个层级的输出数据为下一层级的输入数据,各层级之间保留了对输入数据的最大化描述,分类器层为深度学习模型的最后一层,现有技术中通常采用分类层的输出结果为最终输出结果,已进行对图像数据的识别,而本发明中,以倒数第二层(即特征提取层)作为最后的输出层,特征提取层的输出结果是从图像数据提取出的多维的特征向量,特征向量可以全面反映图片的视觉属性,且方便计算及对比。可选地,利用所述深度学习模型对每一次采集获得的每个所述图像数据的直播画面数据进行特征提取处理。将所述深度学习模型的特征提取层输出的所述特征向量作为所述特征数据。
评估模块403,用于根据所述特征数据判断任意两个所述直播视频之间的相似度是否满足预设标准。
在本发明实施例中,所述步骤S103可以由评估模块403执行。如图7所示,评估模块403还包括以下子模块:
计算子模块4031,用于计算任意两个正在直播的直播视频对应的所述图像数据的所述特征向量之间的欧氏距离。
在本发明实施例中,所述子步骤S1031可以由计算子模块4031执行。
评估子模块4032,用于根据两个所述特征向量之间的所述欧氏距离评估对应的两个直播视频的相似度。
在本发明实施例中,所述子步骤S1032可以由评估子模块4032执行。
确定子模块4033,用于根据所述两个直播视频的相似度确定是否满足所述预设标准,当所述欧氏距离小于预设阈值时,确定所述直播视频之间的相似度满足所述预设标准。
在本发明实施例中,所述子步骤S1033可以由确定子模块4033执行。
对应关系建立模块404,用于将相似度满足所述预设标准的两个直播视频对应的所述图像数据中的直播间信息数据及主播信息数据对应。
在本发明实施例中,所述步骤S104可以由对应关系建立模块404执行。
查找模块405,用于根据接收到的客户端300发送的观看请求,查找与所述观看请求对应的目标直播视频之间的相似度满足所述预设标准的所述直播视频。
在本发明实施例中,所述步骤S105可以由对应查找模块405执行。
推送模块406,用于将所查找到的所述直播视频推荐给所述客户端300。
在本发明实施例中,所述步骤S106可以由对应查找模块405执行。
综上所述,本发明提供的一种直播视频推荐方法、装置及服务器。所述方法应用于与客户端通信连接的服务器,所述方法包括:获取多个正在直播的直播视频对应的图像数据;分别根据每个所述图像数据获得每个所述图像数据对应的特征数据;根据所述特征数据判断任意两个所述直播视频之间的相似度是否满足预设标准;根据接收到的客户端发送的观看请求,查找与所述观看请求对应的目标直播视频之间的相似度满足所述预设标准的所述直播视频;将所查找到的所述直播视频推荐给所述客户端。实现了对正在直播的直播视频之间的相似度分析,计算量小,分析速度快。且能保证给用户推荐的实效性,提高用户体验。填补了直播领域直播视频实时推荐的空缺。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种直播视频推荐方法,其特征在于,所述方法应用于与客户端通信连接的服务器,所述方法包括:
获取多个正在直播的直播视频对应的图像数据;
分别根据每个所述图像数据获得每个所述图像数据对应的特征数据;
根据所述特征数据判断任意两个所述直播视频之间的相似度是否满足预设标准;
根据接收到的客户端发送的观看请求,查找与所述观看请求对应的目标直播视频之间的相似度满足所述预设标准的所述直播视频;
将所查找到的所述直播视频推荐给所述客户端。
2.如权利要求1所述的方法,其特征在于,所述服务器包括预设置的深度学习模型,所述特征数据包括特征向量,所述获得每个所述图像数据对应的特征数据的步骤包括:
利用所述深度学习模型对每个所述图像数据进行特征提取处理,将所述深度学习模型的特征提取层输出的所述特征向量作为所述特征数据。
3.如权利要求2所述的方法,其特征在于,所述根据所述特征数据判断任意两个所述直播视频之间的相似度是否满足预设标准的步骤包括:
计算任意两个正在直播的直播视频对应的所述图像数据的所述特征向量之间的欧氏距离;
根据两个所述特征向量之间的所述欧氏距离评估对应的两个直播视频的相似度;
根据所述两个直播视频的相似度确定是否满足所述预设标准,当所述欧氏距离小于预设阈值时,确定所述直播视频之间的相似度满足所述预设标准。
4.如权利要求1所述的方法,其特征在于,所述获取多个正在直播的直播视频对应的图像数据的步骤包括:
按照预设时间周期间隔分别从多个正在直播的所述直播视频中各采集一帧直播画面数据;
根据所述直播画面数据、与所述直播画面数据对应的直播间信息数据及主播信息数据生成所述图像数据。
5.如权利要求4所述的方法,其特征在于,在判断任意两个所述直播视频之间的相似度是否满足预设标准之后,所述方法还包括:
将相似度满足所述预设标准的两个直播视频对应的所述图像数据中的直播间信息数据及主播信息数据对应。
6.如权利要求5所述的方法,其特征在于,
查找与所述目标直播视频之间相似度满足预设标准的直播视频,将查找到的所述直播视频推荐给所述客户端,包括:
从当前正在直播的直播视频中查找与所述目标直播视频的相似度满足所述预设标准的直播视频;
获取查找到的所述直播视频对应的直播间信息数据及主播信息数据,以生成推荐列表。
7.一种直播视频推荐装置,其特征在于,所述装置应用于与客户端通信连接的服务器,所述装置包括:
获取模块,用于获取多个正在直播的直播视频对应的图像数据;
提取模块,用于分别根据每个所述图像数据获得每个所述图像数据对应的特征数据;
评估模块,用于根据所述特征数据判断任意两个所述直播视频之间的相似度是否满足预设标准;
查找模块,用于根据接收到的客户端发送的观看请求,查找与所述观看请求对应的目标直播视频之间的相似度满足所述预设标准的所述直播视频;
推送模块,用于将所查找到的所述直播视频推荐给所述客户端。
8.如权利要求7所述的装置,其特征在于,所述服务器包括预设置的深度学习模型,所述特征数据包括特征向量,所述提取模块还用于:
利用所述深度学习模型对每个所述图像数据进行特征提取处理,将所述深度学习模型的特征提取层输出的所述特征向量作为所述特征数据。
9.如权利要求8所述的装置,其特征在于,所述评估模块包括:
计算子模块,用于计算任意两个正在直播的直播视频对应的所述图像数据的所述特征向量之间的欧氏距离;
评估子模块,用于根据两个所述特征向量之间的所述欧氏距离评估对应的两个直播视频的相似度;
确定子模块,用于根据所述两个直播视频的相似度确定是否满足所述预设标准,当所述欧氏距离小于预设阈值时,确定所述直播视频之间的相似度满足所述预设标准。
10.一种服务器,其特征在于,所述服务器包括:
存储器;
处理器;以及
直播视频推荐装置,所述直播视频推荐装置安装于所述存储器中并包括一个或多个由所述处理器执行的软件功能模组,所述直播视频推荐装置包括:
获取模块,用于获取多个正在直播的直播视频对应的图像数据;
提取模块,用于分别根据每个所述图像数据获得每个所述图像数据对应的特征数据;
评估模块,用于根据所述特征数据判断任意两个所述直播视频之间的相似度是否满足预设标准;
查找模块,用于根据接收到的客户端发送的观看请求,查找与所述观看请求对应的目标直播视频之间的相似度满足所述预设标准的所述直播视频;
推送模块,用于将所查找到的所述直播视频推荐给所述客户端。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710493565.1A CN107404656B (zh) | 2017-06-26 | 2017-06-26 | 直播视频推荐方法、装置及服务器 |
PCT/CN2017/110935 WO2019000789A1 (zh) | 2017-06-26 | 2017-11-14 | 直播视频推荐方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710493565.1A CN107404656B (zh) | 2017-06-26 | 2017-06-26 | 直播视频推荐方法、装置及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107404656A true CN107404656A (zh) | 2017-11-28 |
CN107404656B CN107404656B (zh) | 2019-01-29 |
Family
ID=60405094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710493565.1A Active CN107404656B (zh) | 2017-06-26 | 2017-06-26 | 直播视频推荐方法、装置及服务器 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107404656B (zh) |
WO (1) | WO2019000789A1 (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108076354A (zh) * | 2017-12-20 | 2018-05-25 | 北京潘达互娱科技有限公司 | 直播间推荐方法及设备 |
CN108171160A (zh) * | 2017-12-27 | 2018-06-15 | 广州虎牙信息科技有限公司 | 一种任务结果识别方法、装置、存储介质及电子设备 |
CN108228826A (zh) * | 2018-01-02 | 2018-06-29 | 联想(北京)有限公司 | 一种信息查找方法及电子设备 |
CN108764141A (zh) * | 2018-05-25 | 2018-11-06 | 广州虎牙信息科技有限公司 | 一种游戏场景描述方法、装置、设备及其存储介质 |
CN109190666A (zh) * | 2018-07-30 | 2019-01-11 | 北京信息科技大学 | 基于改进的深度神经网络的花卉图像分类方法 |
CN109462778A (zh) * | 2018-11-15 | 2019-03-12 | 武汉斗鱼网络科技有限公司 | 一种直播标识的推荐方法以及相关设备 |
CN110879944A (zh) * | 2018-09-05 | 2020-03-13 | 武汉斗鱼网络科技有限公司 | 基于人脸相似度的主播推荐方法、存储介质、设备及系统 |
CN111026910A (zh) * | 2018-10-09 | 2020-04-17 | 北京奇虎科技有限公司 | 视频推荐方法、装置、电子设备及计算机可读存储介质 |
CN111949819A (zh) * | 2019-05-15 | 2020-11-17 | 北京字节跳动网络技术有限公司 | 用于推送视频的方法和装置 |
CN112507167A (zh) * | 2020-12-10 | 2021-03-16 | 北京达佳互联信息技术有限公司 | 一种识别视频合集的方法、装置、电子设备及存储介质 |
CN112637629A (zh) * | 2020-12-25 | 2021-04-09 | 百度在线网络技术(北京)有限公司 | 直播内容推荐方法及装置、电子设备和介质 |
CN113497947A (zh) * | 2020-03-20 | 2021-10-12 | 广州虎牙科技有限公司 | 一种视频推荐信息的输出方法、装置及系统 |
CN113609332A (zh) * | 2021-08-11 | 2021-11-05 | 上海众源网络有限公司 | 一种视频直播资源推荐方法、系统和装置 |
CN114650432A (zh) * | 2022-04-25 | 2022-06-21 | 咪咕视讯科技有限公司 | 直播视频显示方法、装置、电子设备和介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105187930A (zh) * | 2015-09-18 | 2015-12-23 | 广州酷狗计算机科技有限公司 | 基于视频直播的互动方法及装置 |
CN106028070A (zh) * | 2016-05-16 | 2016-10-12 | 乐视控股(北京)有限公司 | 直播或轮播频道推荐方法、装置及视频服务器 |
CN106101806A (zh) * | 2016-07-04 | 2016-11-09 | 天脉聚源(北京)传媒科技有限公司 | 一种分享直播视频时的视频处理方法及装置 |
CN106303515A (zh) * | 2016-09-26 | 2017-01-04 | 广州华多网络科技有限公司 | 一种在线直播视频质量测试方法和装置 |
CN106454492A (zh) * | 2016-10-12 | 2017-02-22 | 武汉斗鱼网络科技有限公司 | 一种基于延时传送的直播色情内容审核系统及方法 |
CN106506448A (zh) * | 2016-09-26 | 2017-03-15 | 北京小米移动软件有限公司 | 直播显示方法、装置及终端 |
CN106560811A (zh) * | 2016-09-23 | 2017-04-12 | 武汉斗鱼网络科技有限公司 | 一种基于主播风格的直播间推荐方法及系统 |
CN106792150A (zh) * | 2016-12-20 | 2017-05-31 | 深圳市茁壮网络股份有限公司 | 一种海报生成方法及装置 |
CN106792229A (zh) * | 2016-12-19 | 2017-05-31 | 广州虎牙信息科技有限公司 | 基于直播间视频流弹幕的投票交互方法及其装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9736502B2 (en) * | 2015-09-14 | 2017-08-15 | Alan H. Barber | System, device, and method for providing audiences for live video streaming |
CN106096520A (zh) * | 2016-06-02 | 2016-11-09 | 乐视控股(北京)有限公司 | 一种信息推送方法及装置 |
CN106341704A (zh) * | 2016-08-18 | 2017-01-18 | 北京奇虎科技有限公司 | 一种基于主播的推荐方法及装置 |
CN106604051A (zh) * | 2016-12-20 | 2017-04-26 | 广州华多网络科技有限公司 | 直播频道推荐方法及装置 |
-
2017
- 2017-06-26 CN CN201710493565.1A patent/CN107404656B/zh active Active
- 2017-11-14 WO PCT/CN2017/110935 patent/WO2019000789A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105187930A (zh) * | 2015-09-18 | 2015-12-23 | 广州酷狗计算机科技有限公司 | 基于视频直播的互动方法及装置 |
CN106028070A (zh) * | 2016-05-16 | 2016-10-12 | 乐视控股(北京)有限公司 | 直播或轮播频道推荐方法、装置及视频服务器 |
CN106101806A (zh) * | 2016-07-04 | 2016-11-09 | 天脉聚源(北京)传媒科技有限公司 | 一种分享直播视频时的视频处理方法及装置 |
CN106560811A (zh) * | 2016-09-23 | 2017-04-12 | 武汉斗鱼网络科技有限公司 | 一种基于主播风格的直播间推荐方法及系统 |
CN106303515A (zh) * | 2016-09-26 | 2017-01-04 | 广州华多网络科技有限公司 | 一种在线直播视频质量测试方法和装置 |
CN106506448A (zh) * | 2016-09-26 | 2017-03-15 | 北京小米移动软件有限公司 | 直播显示方法、装置及终端 |
CN106454492A (zh) * | 2016-10-12 | 2017-02-22 | 武汉斗鱼网络科技有限公司 | 一种基于延时传送的直播色情内容审核系统及方法 |
CN106792229A (zh) * | 2016-12-19 | 2017-05-31 | 广州虎牙信息科技有限公司 | 基于直播间视频流弹幕的投票交互方法及其装置 |
CN106792150A (zh) * | 2016-12-20 | 2017-05-31 | 深圳市茁壮网络股份有限公司 | 一种海报生成方法及装置 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108076354A (zh) * | 2017-12-20 | 2018-05-25 | 北京潘达互娱科技有限公司 | 直播间推荐方法及设备 |
CN108171160A (zh) * | 2017-12-27 | 2018-06-15 | 广州虎牙信息科技有限公司 | 一种任务结果识别方法、装置、存储介质及电子设备 |
CN108228826A (zh) * | 2018-01-02 | 2018-06-29 | 联想(北京)有限公司 | 一种信息查找方法及电子设备 |
CN108764141A (zh) * | 2018-05-25 | 2018-11-06 | 广州虎牙信息科技有限公司 | 一种游戏场景描述方法、装置、设备及其存储介质 |
CN109190666B (zh) * | 2018-07-30 | 2022-04-29 | 北京信息科技大学 | 基于改进的深度神经网络的花卉图像分类方法 |
CN109190666A (zh) * | 2018-07-30 | 2019-01-11 | 北京信息科技大学 | 基于改进的深度神经网络的花卉图像分类方法 |
CN110879944A (zh) * | 2018-09-05 | 2020-03-13 | 武汉斗鱼网络科技有限公司 | 基于人脸相似度的主播推荐方法、存储介质、设备及系统 |
CN111026910A (zh) * | 2018-10-09 | 2020-04-17 | 北京奇虎科技有限公司 | 视频推荐方法、装置、电子设备及计算机可读存储介质 |
CN111026910B (zh) * | 2018-10-09 | 2024-04-05 | 三六零科技集团有限公司 | 视频推荐方法、装置、电子设备及计算机可读存储介质 |
CN109462778B (zh) * | 2018-11-15 | 2020-10-16 | 武汉斗鱼网络科技有限公司 | 一种直播标识的推荐方法以及相关设备 |
CN109462778A (zh) * | 2018-11-15 | 2019-03-12 | 武汉斗鱼网络科技有限公司 | 一种直播标识的推荐方法以及相关设备 |
CN111949819A (zh) * | 2019-05-15 | 2020-11-17 | 北京字节跳动网络技术有限公司 | 用于推送视频的方法和装置 |
CN113497947A (zh) * | 2020-03-20 | 2021-10-12 | 广州虎牙科技有限公司 | 一种视频推荐信息的输出方法、装置及系统 |
CN113497947B (zh) * | 2020-03-20 | 2023-03-21 | 广州虎牙科技有限公司 | 一种视频推荐信息的输出方法、装置及系统 |
CN112507167A (zh) * | 2020-12-10 | 2021-03-16 | 北京达佳互联信息技术有限公司 | 一种识别视频合集的方法、装置、电子设备及存储介质 |
CN112637629B (zh) * | 2020-12-25 | 2023-06-20 | 百度在线网络技术(北京)有限公司 | 直播内容推荐方法及装置、电子设备和介质 |
CN112637629A (zh) * | 2020-12-25 | 2021-04-09 | 百度在线网络技术(北京)有限公司 | 直播内容推荐方法及装置、电子设备和介质 |
CN113609332A (zh) * | 2021-08-11 | 2021-11-05 | 上海众源网络有限公司 | 一种视频直播资源推荐方法、系统和装置 |
CN113609332B (zh) * | 2021-08-11 | 2024-03-08 | 上海众源网络有限公司 | 一种视频直播资源推荐方法、系统和装置 |
CN114650432A (zh) * | 2022-04-25 | 2022-06-21 | 咪咕视讯科技有限公司 | 直播视频显示方法、装置、电子设备和介质 |
CN114650432B (zh) * | 2022-04-25 | 2023-10-17 | 咪咕视讯科技有限公司 | 直播视频显示方法、装置、电子设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107404656B (zh) | 2019-01-29 |
WO2019000789A1 (zh) | 2019-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107404656A (zh) | 直播视频推荐方法、装置及服务器 | |
CN109902708B (zh) | 一种推荐模型训练方法及相关装置 | |
CN106326391B (zh) | 多媒体资源推荐方法及装置 | |
CN108108821A (zh) | 模型训练方法及装置 | |
CN110008397B (zh) | 一种推荐模型训练方法及装置 | |
CN112837106A (zh) | 商品推荐方法、装置、计算机设备 | |
CN106126582A (zh) | 推荐方法及装置 | |
CN107894998B (zh) | 视频推荐方法及装置 | |
CN105320706A (zh) | 搜索结果的处理方法和装置 | |
CN109033149A (zh) | 信息推荐方法、装置、服务器及存储介质 | |
CN112100221B (zh) | 一种资讯推荐方法、装置、推荐服务器及存储介质 | |
CN110163703A (zh) | 一种分类模型建立方法、文案推送方法和服务器 | |
JP2011227721A (ja) | 関心抽出装置、関心抽出方法、及び関心抽出プログラム | |
CN111626767B (zh) | 资源数据的发放方法、装置及设备 | |
CN113536105A (zh) | 推荐模型训练方法和装置 | |
CN114245185B (zh) | 视频推荐方法、模型训练方法、装置、电子设备及介质 | |
CN114817655A (zh) | 跨模态检索方法、网络训练方法、装置、设备及介质 | |
CN112269943B (zh) | 一种信息推荐系统及方法 | |
CN111683280B (zh) | 视频处理方法、装置及电子设备 | |
CN107665202A (zh) | 一种构建兴趣模型的方法、装置及电子设备 | |
CN112182460A (zh) | 资源的推送方法和装置、存储介质及电子装置 | |
CN114491093B (zh) | 多媒体资源推荐、对象表征网络的生成方法及装置 | |
CN110971973A (zh) | 一种视频推送方法、装置及电子设备 | |
CN114329055A (zh) | 搜索推荐方法及推荐装置、电子设备、存储介质 | |
CN106445934A (zh) | 一种数据处理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240206 Address after: Room 801, 85 Kefeng Road, Huangpu District, Guangzhou City, Guangdong Province Patentee after: Yami Technology (Guangzhou) Co.,Ltd. Country or region after: China Address before: 430000 East Lake Development Zone, Wuhan City, Hubei Province, No. 1 Software Park East Road 4.1 Phase B1 Building 11 Building Patentee before: WUHAN DOUYU NETWORK TECHNOLOGY Co.,Ltd. Country or region before: China |