CN108271076A - 一种推荐直播间的方法及装置 - Google Patents

Abstract

本发明公开了一种推荐直播间的方法及装置，应用于互联网直播技术领域，所述方法包括：获取多个用于表征直播类型的直播标签；分别基于用户对各个直播标签的历史操作行为，获得各个直播标签的标签推荐度；根据各个直播标签的标签推荐度，从所有直播标签中确定出预设数量的直播标签作为推荐标签；将与所述推荐标签对应的推荐直播间推荐给所述用户。本发明通过在获取多个直播标签之后，根据用户对各个直播标签的历史操作行为获得各个直播标签的标签推荐度，再根据各个直播标签的标签推荐度确定出推荐标签，最终将推荐标签所对应的推荐直播间推荐给用户，从而，推荐给用户的直播间贴近用户的需求。

Description

一种推荐直播间的方法及装置

技术领域

本发明涉及互联网直播技术领域，尤其涉及一种推荐直播间的方法及装置。

背景技术

随着科学技术的快速发展，越来越多的电子多媒体技术应用到人们的日常生活中，其中，视频直播就是其中一种新兴的应用。视频直播可以同一时间透过网络系统在不同的交流平台以视讯的方式进行现场直播，具有直观、快速、交互性强的特点。现有技术在向用户推荐直播间时，往往向所有用户推荐相同的直播间，因此，推荐的直播间无法满足不同用户的不同需求。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的推荐直播间的方法及装置。

本发明实施例提供一种推荐直播间的方法，所述方法包括：

获取多个用于表征直播类型的直播标签；

分别基于用户对各个直播标签的历史操作行为，获得各个直播标签的标签推荐度；

根据各个直播标签的标签推荐度，从所有直播标签中确定出预设数量的直播标签作为推荐标签；

将与所述推荐标签对应的推荐直播间推荐给所述用户。

优选的，获得每个直播标签的标签推荐度，包括：

基于在当前日期之前的预设时间段内所述用户对所述直播标签的操作行为，获得所述直播标签的第一推荐度，同时，基于当前日期用户对所述直播标签的操作行为，获得所述直播标签的第二推荐度；

基于所述第一推荐度和所述第二推荐度，获得所述直播标签的标签推荐度。

优选的，通过下述公式获得所述直播标签的第一推荐度：

其中，H_o为所述直播标签的第一推荐度，N₁为所述预设时间段包含的日期的数量，w_j为第一频率型操作行为权重，w_k为第一数量型操作行为权重，L_fi为第i日所述用户对所述直播标签进行的频率型操作行为的次数，A_fi为第i日所述用户对所有标签进行的频率型操作行为的次数，T_N为当前日期，T_Ai为第i日的日期，G_j为第一时间衰减重力因子，G_k为第二时间衰减重力因子，L_ni为第i日所述用户对所述直播标签进行的数量型操作行为所对应的数量参数的参数值，max(L_ni)为第i日所述用户对所有标签进行的数量型操作行为所对应的数量参数的参数值中的最大值。

优选的，通过下述公式获得所述直播标签的第二推荐度：

其中，H_r为所述直播标签的第二推荐度，N₂为当前日期所述用户对所述直播标签进行的操作行为的数量，w_a为第二数量型操作行为权重，w_b为第二频率型操作行为权重，m_i为当第i次操作行为是数量型操作行为时，该数量型操作行为所对应的数量参数的参数值，当第i次操作行为是频率型操作行为时，m_i为0，Q为加成因子，T_Ai为第i次操作行为发生的时间，T_Di为第i次操作行为发生的时间的动态基准时间，T_Di大于T_Ai，x_Ai为用于表征第i次操作行为是否是频率型操作行为的参数，当第i次操作行为是频率型操作行为时，x_Ai为1，当第i次操作行为不是频率型操作行为时，x_Ai为0，X_Ai为当第i次操作行为是频率型操作行为时，前一分钟该频率型操作行为发生的次数，K为时间递减因子。

优选的，通过下述公式获得所述直播标签的标签推荐度：

H＝w_o*H_o+w_r*H_r

其中，H为所述直播标签的标签推荐度，w_o为所述第一推荐度的权重，H_o为所述第一推荐度，w_r为所述第二推荐度的权重，H_r为所述第二推荐度。

优选的，在所述将与所述推荐标签对应的推荐直播间推荐给所述用户之前，所述方法还包括：

判断与所述推荐标签对应的推荐直播间是否满足预设推荐条件；

其中，所述将与所述推荐标签对应的推荐直播间推荐给所述用户，包括：

将满足所述预设推荐条件的推荐直播间推荐给所述用户。

优选的，在所述将与所述推荐标签对应的推荐直播间推荐给所述用户之后，所述方法还包括：

获取用于表征所述用户观看所述推荐直播间的情况的反馈信息；

基于所述反馈信息，确定与所述推荐直播间对应的所述推荐标签的标签质量。

优选的，所述获取多个用于表征直播类型的直播标签，包括：

获取标签质量超过预设标签质量阈值的多个所述直播标签。

优选的，所述历史操作行为包括频率型操作行为和/或数量型操作行为。

基于同一发明构思，本发明实施例还提供一种推荐直播间的装置，所述装置包括：

获取模块，用于获取多个用于表征直播类型的直播标签；

获得模块，用于分别基于用户对各个直播标签的历史操作行为，获得各个直播标签的标签推荐度；

确定模块，用于根据各个直播标签的标签推荐度，从所有直播标签中确定出预设数量的直播标签作为推荐标签；

推荐模块，用于将与所述推荐标签对应的推荐直播间推荐给所述用户。

本发明实施例中的一个或多个技术方案，至少具有如下技术效果或优点：

本发明通过在获取多个直播标签之后，根据用户对各个直播标签的历史操作行为获得各个直播标签的标签推荐度，再根据各个直播标签的标签推荐度确定出推荐标签，最终将推荐标签所对应的推荐直播间推荐给用户，从而，推荐给用户的直播间贴近用户的需求。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考图形表示相同的部件。在附图中：

图1示出了本发明实施例的一种推荐直播间的方法的流程图；

图2示出了本发明实施例的一种推荐直播间的装置的结构图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供一种推荐直播间的方法，如图1所示，该方法可以应用于服务器侧，所述方法包括：

步骤101：获取多个用于表征直播类型的直播标签。

在本发明的实施例中，用户侧的客户端能够接受用户对直播标签进行的操作，具体来讲，用户对直播间进行的操作即相当于用户对标签进行的操作，当用户对某一直播间进行了操作，则将会在该直播间所对应的各个直播标签上标记该操作。进一步，具体的标记方式可以为对各个直播标签添加标记信息，标记信息中记录有对应的操作行为。

其中，用户对直播间进行的操作包括数量型操作和/或频率型操作，数量型操作是单次操作中包含有数量参数的操作，而频率型操作是单次操作中不包含数量参数的操作。具体的，数量型操作可以为在直播间内赠送礼物的操作，在一次赠送礼物的操作中用户可以设置赠送礼物的数量，因此，在直播间内赠送礼物的操作属于数量型操作，频率型操作可以为在直播间内发送弹幕的操作，在一次发送弹幕的操作中用户只能发送一条弹幕，因此，发送弹幕的操作属于频率型操作。

进一步，当用户在直播间内向主播赠送礼物，对应地，将会在该直播间的所有直播标签的标记信息中记录赠送礼物行为；当用户在直播间内发送弹幕，对应地，将会在该直播间的所有直播标签的标记信息中记录发送弹幕行为。另外，在向直播标签中标记操作行为的同时还会将操作行为所属的用户进行标记，通常可以标记用户名，即，在标记信息中添加执行操作的用户名。

例如，直播间A对应有第一直播标签和第二直播标签时，当用户在直播间A内向主播赠送了礼物，同时在直播间A内发送了弹幕，则，将会在第一直播标签的第一标记信息中记录用户甲的用户名，以及赠送礼物行为和发送弹幕行为，同时将会在第二直播标签的第二标记信息中记录用户甲的用户名，以及赠送礼物行为和发送弹幕行为。

客户端在根据用户的操作对直播标签进行标记之后，可以将携带有标记信息的直播标签发送给服务器。服务器接收携带有标记信息的直播标签。在步骤101中，获取多个归属于同一用户的直播标签，即，步骤101中获取的多个直播标签均标记有属于该用户的操作行为。

步骤102：分别基于用户对各个直播标签的历史操作行为，获得各个直播标签的标签推荐度。

具体来讲，服务器在接收到直播标签之后，将会对直播标签进行汇总分析，从而，获得每个直播标签的标签推荐度，其中，每个直播标签的标签推荐度的计算方式相同，单个直播标签(以第一直播标签为例)的标签推荐度的获得过程如下：

基于在当前日期之前的预设时间段内用户对第一直播标签的操作行为，获得第一直播标签的第一推荐度，同时，基于当前日期用户对第一直播标签的操作行为，获得第一直播标签的第二推荐度，基于第一推荐度和第二推荐度，获得第一直播标签的标签推荐度。

其中，可以采用以下公式一获得第一直播标签的第一推荐度：

其中，H_o为第一直播标签的第一推荐度，N₁为预设时间段包含的日期的数量，w_j为第一频率型操作行为权重，w_k为第一数量型操作行为权重，w_j和w_k可以根据实际需要进行设定，L_fi为第i日所述用户对第一直播标签进行的频率型操作行为的次数，A_fi为第i日所述用户对所有标签进行的频率型操作行为的次数，T_N为当前日期，T_Ai为第i日的日期，G_j为第一时间衰减重力因子，G_k为第二时间衰减重力因子，G_j和G_k可以根据实际需要进行设定，L_ni为第i日所述用户对第一直播标签进行的数量型操作行为所对应的数量参数的参数值，max(L_ni)为第i日所述用户对所有标签进行的数量型操作行为所对应的数量参数的参数值中的最大值。另外，需要说明的是，在计算时L_fi与A_fi为针对同类型的频率型操作行为，即，当L_fi针对的是发送弹幕操作行为，则A_fi也针对的是发送弹幕操作行为。

例如，当预设时间段为2天时，预设时间段包含第一历史日期和第二历史日期，若，在第一历史日期，用户对第一直播标签进行了3次发送弹幕操作，用户对直播平台全站的所有标签进行发送弹幕操作的总次数为10次，用户对第一直播标签进行的所有赠送礼物的操作总计赠送礼物数量为50个，用户对直播平台全站的所有标签进行的赠送礼物的操作中对第二直播标签赠送的礼物总数最多，且为60个；在第二历史日期，用户对第一直播标签进行了4次发送弹幕操作，用户对直播平台全站的所有标签进行发送弹幕操作的总次数为11次，用户对第一直播标签进行的所有赠送礼物的操作总计赠送礼物数量为51个，用户对直播平台全站的所有标签进行的赠送礼物的操作中对第二直播标签赠送的礼物总数最多，且为61个，则公式一的参数可以展开为：

其中，N₁为2，L_f1为3，A_f1为10，T_n为当前日期，T_A1为第一历史日期，L_f2为4，A_f2为11，T_A2为第二历史日期，L_n1为50，max(L_n1)为60，L_n2为51，max(L_n2)为61。

需要说明的是，当在同一日期中用户对第一直播标签进行了属于不同类型的频率型操作行为，则先分别计算针对不同类型的频率型操作行为的再将计算得到的结果进行求和，并将求和后的结果作为当天的总结果。

其中，可以采用以下公式二获得第一直播标签的第二推荐度：

其中，H_r为第一直播标签的第二推荐度，N₂为当前日期所述用户对第一直播标签进行的操作行为的数量，w_b为第二频率型操作行为权重，w_a为第二数量型操作行为权重，w_b和w_a可以根据实际需要进行设定，m_i为当第i次操作行为是数量型操作行为时，该数量型操作行为所对应的数量参数的参数值，当第i次操作行为是频率型操作行为时，m_i为0，Q为加成因子，T_Ai为第i次操作行为发生的时间，T_Di为第i次操作行为发生的时间的动态基准时间，T_Di大于T_Ai，x_Ai为用于表征第i次操作行为是否是频率型操作行为的参数，当第i次操作行为是频率型操作行为时，x_Ai为1，当第i次操作行为不是频率型操作行为时，x_Ai为0，X_Ai为当第i次操作行为是频率型操作行为时，前一分钟该频率型操作行为发生的次数，K为时间递减因子。Q和K可以根据实际需要进行设定。

例如，用户在当前日期对第一直播标签进行了两次操作行为，第一次操作行为为用户对第一直播标签进行了3次发送弹幕操作，第二次操作为用户对第一直播标签进行了发送礼物数量为50个的赠送礼物操作行为，则，由于第一次操作是发送弹幕操作，因此，为0，由于第二次操作为赠送礼物操作，因此，为0，从而公式二的展开式为：

其中，x_A1为1，X_A1为0，T_D1为大于T_A1的第一动态基准时间，T_A1为第一次操作行为发生的时间，T_D2为大于T_A2的第二动态基准时间，T_A2为第二次操作行为发生的时间，m₂为50。

在获得第一推荐度和第二推荐度之后，通过以下公式三获得第一直播标签的标签推荐度：

H＝w_o*H_o+w_r*H_r 公式三

其中，H为第一直播标签的标签推荐度，w_o为第一直播标签的第一推荐度的权重，H_o为第一直播标签的第一推荐度，w_r为第一直播标签的第二推荐度的权重，H_r为第一直播标签的第二推荐度。其中，w_o和w_r可以根据实际需要进行设定，例如，可以设定w_o的值大于w_r的值，从而在当前日期之前的预设时间段内用户对第一直播标签的操作行为对第一直播标签的标签推荐度的影响，将会大于在当前日期用户对第一直播标签的操作行为对第一直播标签的标签推荐度的影响。

在本发明的实施例中，在获得各个直播标签的标签推荐度之后，还可以根据各个直播标签的标签推荐度，获得排名前预设数量的用户最喜爱的直播间为TopM₁，以及获得排名前预设数量的用户最喜爱的分区TopM₂。

步骤103：根据各个直播标签的标签推荐度，从所有直播标签中确定出预设数量的直播标签作为推荐标签。

在本发明的实施例中，在获得各个直播标签的标签推荐度之后，按照标签推荐度的高低，对所有直播标签进行排序，接着在排序后得到的标签序列中自标签推荐度最高的直播标签起确定出预设数量的直播标签作为推荐标签。例如，当获得第一直播标签的标签推荐度为80、第二直播标签的标签推荐度为70、第三直播标签的标签推荐度为60，预设的推荐的标签的数量为2个，则确定出的推荐标签为第一直播标签和第二直播标签。

步骤104：将与所述推荐标签对应的推荐直播间推荐给所述用户。

在本发明的实施例中，在获得推荐标签之后，服务器将会根据推荐标签查找推荐直播间，并将推荐直播间发送给用户侧的客户端，以实现将推荐直播间推荐给用户。

另外，在本发明的实施例中，在将与推荐标签对应的推荐直播间推荐给用户之前，还可以包括：判断推荐直播间是否满足预设推荐条件，从而，步骤104为：将满足预设推荐条件的推荐直播间推荐给用户。

其中，可以通过以下公式四判断某一推荐直播间(以第一推荐直播间为例)是否满足预设推荐条件：

其中，为用于表征第一推荐直播间是否满足预设推荐条件的参数，当为1时表明第一推荐直播间满足预设推荐条件，当为0时表明第一推荐直播间不满足预设推荐条件，为用于表征第一推荐直播间的播放状态的参数，当为1时表明第一推荐直播间处于开播中，当为0时表明第一推荐直播间未开播，为用于表征第一推荐直播间的禁播状态的参数，当为1时表明第一推荐直播间未禁播，当为0时表明第一推荐直播间禁播，为用于表征第一推荐直播间人气状态的参数，当为1时表明第一推荐直播间满足最小人气要求，当为0时表明第一推荐直播间不满足最小人气要求。

当第一推荐直播间处于开播中且未禁播且满足最小人气要求，则为1，表明第一推荐直播间满足预设推荐条件，从而将第一推荐直播间推荐给用户。

另外，在本发明的实施例中，当满足所述预设推荐条件的推荐直播间的数量小于预设数量时，可以利用用户最喜爱的直播间TopM₁进行补全。当用户为没有历史记录的新用户时，可以从全站的TopM₁进行补全。

在本发明的实施例中，在步骤104之后，在将与推荐标签对应的推荐直播间推荐给用户之后，服务器还会获取用于表征所述用户观看所述推荐直播间的情况的反馈信息，基于所述反馈信息，确定与所述推荐直播间对应的所述推荐标签的标签质量。

具体来讲，在将推荐直播间发送给用户之后，在客户端侧用户可能会点击并观看推荐直播间，当用户点击并观看推荐直播间之后，将会生成用于表征用户观看推荐直播间的情况的反馈信息，客户端将反馈信息发送给服务器。服务器接收反馈信息，根据反馈信息能够确定出推荐标签的标签质量。在一种优选的实施方式中，针对某一直播标签而言，服务器可以根据来自不同用户的不同反馈信息，获得该直播标签的标签质量，具体地，可以采用以下公式五获得某一直播标签(以第一直播标签为例)的标签质量：

其中，P为第一直播标签的标签质量，w₁为点击用户权重，w₂为点击数量权重，w₃为观看时长权重，C_u为点击第一直播标签所对应的直播间的用户的数量，S_u为第一直播标签被曝光的用户的数量，例如，当携带有第一直播标签的直播间被展现给第一用户和第二用户，则S_u等于2，C_n为第一直播标签所对应的直播间被点击的次数，S_n为第一直播标签所对应的直播间被曝光的次数，T_Ri为用户单次观看第一直播标签所对应的直播间的时长，T_i为用户单次观看其他直播标签所对应的直播间的时长，N₃为用户观看第一直播标签对应的直播间的次数，N₄为用户观看其他直播标签对应的直播间的次数。

从而，在步骤101中，可以获取标签质量超过预设标签质量阈值的多个直播标签，其中，预设标签质量阈值可以根据实际情况进行设定。

基于同一发明构思，本发明实施例还提供一种推荐直播间的装置，如图2所示，所述装置包括：

获取模块201，用于获取多个用于表征直播类型的直播标签；

获得模块202，用于分别基于用户对各个直播标签的历史操作行为，获得各个直播标签的标签推荐度；

确定模块203，用于根据各个直播标签的标签推荐度，从所有直播标签中确定出预设数量的直播标签作为推荐标签；

推荐模块204，用于将与所述推荐标签对应的推荐直播间推荐给所述用户。

本发明实施例中的一个或多个技术方案，至少具有如下技术效果或优点：

本发明通过在获取多个直播标签之后，根据用户对各个直播标签的历史操作行为获得各个直播标签的标签推荐度，再根据各个直播标签的标签推荐度确定出推荐标签，最终将推荐标签所对应的推荐直播间推荐给用户，从而，推荐给用户的直播间贴近用户的需求。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的推荐直播间的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种推荐直播间的方法，其特征在于，所述方法包括：

获取多个用于表征直播类型的直播标签；

分别基于用户对各个直播标签的历史操作行为，获得各个直播标签的标签推荐度；

根据各个直播标签的标签推荐度，从所有直播标签中确定出预设数量的直播标签作为推荐标签；

将与所述推荐标签对应的推荐直播间推荐给所述用户。

2.如权利要求1所述的方法，其特征在于，获得每个直播标签的标签推荐度，包括：

基于在当前日期之前的预设时间段内所述用户对所述直播标签的操作行为，获得所述直播标签的第一推荐度，同时，基于当前日期用户对所述直播标签的操作行为，获得所述直播标签的第二推荐度；

基于所述第一推荐度和所述第二推荐度，获得所述直播标签的标签推荐度。

3.如权利要求2所述的方法，其特征在于，通过下述公式获得所述直播标签的第一推荐度：

其中，H_o为所述直播标签的第一推荐度，N₁为所述预设时间段包含的日期的数量，w_j为第一频率型操作行为权重，w_k为第一数量型操作行为权重，L_fi为第i日所述用户对所述直播标签进行的频率型操作行为的次数，A_fi为第i日所述用户对所有标签进行的频率型操作行为的次数，T_N为当前日期，T_Ai为第i日的日期，G_j为第一时间衰减重力因子，G_k为第二时间衰减重力因子，L_ni为第i日所述用户对所述直播标签进行的数量型操作行为所对应的数量参数的参数值，max(L_ni)为第i日所述用户对所有标签进行的数量型操作行为所对应的数量参数的参数值中的最大值。

4.如权利要求2所述的方法，其特征在于，通过下述公式获得所述直播标签的第二推荐度：

其中，H_r为所述直播标签的第二推荐度，N₂为当前日期所述用户对所述直播标签进行的操作行为的数量，w_a为第二数量型操作行为权重，w_b为第二频率型操作行为权重，m_i为当第i次操作行为是数量型操作行为时，该数量型操作行为所对应的数量参数的参数值，当第i次操作行为是频率型操作行为时，m_i为0，Q为加成因子，T_Ai为第i次操作行为发生的时间，T_Di为第i次操作行为发生的时间的动态基准时间，T_Di大于T_Ai，x_Ai为用于表征第i次操作行为是否是频率型操作行为的参数，当第i次操作行为是频率型操作行为时，x_Ai为1，当第i次操作行为不是频率型操作行为时，x_Ai为0，X_Ai为当第i次操作行为是频率型操作行为时，前一分钟该频率型操作行为发生的次数，K为时间递减因子。

5.如权利要求2所述的方法，其特征在于，通过下述公式获得所述直播标签的标签推荐度：

H＝w_o*H_o+w_r*H_r

其中，H为所述直播标签的标签推荐度，w_o为所述第一推荐度的权重，H_o为所述第一推荐度，w_r为所述第二推荐度的权重，H_r为所述第二推荐度。

6.如权利要求1所述的方法，其特征在于，在所述将与所述推荐标签对应的推荐直播间推荐给所述用户之前，所述方法还包括：

判断与所述推荐标签对应的推荐直播间是否满足预设推荐条件；

其中，所述将与所述推荐标签对应的推荐直播间推荐给所述用户，包括：

将满足所述预设推荐条件的推荐直播间推荐给所述用户。

7.如权利要求1所述的方法，其特征在于，在所述将与所述推荐标签对应的推荐直播间推荐给所述用户之后，所述方法还包括：

获取用于表征所述用户观看所述推荐直播间的情况的反馈信息；

基于所述反馈信息，确定与所述推荐直播间对应的所述推荐标签的标签质量。

8.如权利要求1所述的方法，其特征在于，所述获取多个用于表征直播类型的直播标签，包括：

获取标签质量超过预设标签质量阈值的多个所述直播标签。

9.如权利要求1所述的方法，其特征在于，所述历史操作行为包括频率型操作行为和/或数量型操作行为。

10.一种推荐直播间的装置，其特征在于，所述装置包括：

获取模块，用于获取多个用于表征直播类型的直播标签；

获得模块，用于分别基于用户对各个直播标签的历史操作行为，获得各个直播标签的标签推荐度；

确定模块，用于根据各个直播标签的标签推荐度，从所有直播标签中确定出预设数量的直播标签作为推荐标签；

推荐模块，用于将与所述推荐标签对应的推荐直播间推荐给所述用户。