CN109033233A - 一种直播间推荐方法、存储介质、电子设备及系统 - Google Patents
一种直播间推荐方法、存储介质、电子设备及系统 Download PDFInfo
- Publication number
- CN109033233A CN109033233A CN201810718820.2A CN201810718820A CN109033233A CN 109033233 A CN109033233 A CN 109033233A CN 201810718820 A CN201810718820 A CN 201810718820A CN 109033233 A CN109033233 A CN 109033233A
- Authority
- CN
- China
- Prior art keywords
- direct broadcasting
- broadcasting room
- score
- assessed
- evaluation index
- 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
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明公开了一种直播间推荐方法、存储介质、电子设备及系统,涉及大数据推荐领域,其能够根据指定直播间来为用户推荐该用户偏好的推荐直播间,具体包括以下过程:根据预设的直播间质量评分过程计算N个直播间的质量评分,其中N为大于1的整数,且所述N个直播间为待评分直播间组。计算待评分直播间组中每个直播间与指定直播间之间的共同标签的相似度。将质量评分和共同标签的相似度输入预设的推荐指数算法得到待评分直播间组中每个直播间的推荐指数。将推荐指数超过预设的推荐指数阈值的直播间作为推荐直播间,或者,对推荐指数进行排序,将排序靠前的预设数量的直播间作为推荐直播间。本发明能够更好计算直播间的相似度。
Description
技术领域
本发明涉及大数据推荐领域,具体涉及一种直播间推荐方法、存储介质、电子设备及系统。
背景技术
随着直播的发展,观看直播的人越来越多,直播涉及的内容越来越广泛,直播平台需要处理的数据逐渐变复杂。
在大数据的应用领域中,一种主要的发展方向是,根据自身的海量数据向不同的客户进行个性化推荐。而在直播平台中,比较常用的推荐策略是根据用户看过的房间,向用户推荐相似的房间。而对于多个推荐的直播间其相对于用户观看的直播间,哪一个更相似需要进行计量。因此需要一种算法能对直播间的相似度进行度量,帮助用户更加迅速的找到其喜欢的直播间,同时直播间也能够迅速的找到对其感兴趣的观众,积累关注度。
被广泛使用的计算相似度的算法有以下两种,但在直播房间推荐中都存在问题:
a)余弦距离算法:该算法将每个用户对房间的观看行为视为向量的一个维度,直播间的之间的相似度根据该维度采用余弦公式进行计算。该方法的缺点在于容易出现反复推荐同一个热门的直播,而实际相似度高但是观看人数较少的直播反而推荐较少的现象;此外这种算法抗噪声的能力不强,经常会出现一些错误的度量。
b)杰卡德系数算法:该算法是基于集合进行计算的,房间之间的相似度是通过计算同时观看两个房间的用户数除以至少观看了其中一个房间的用户数来得到的。该方法的缺点在于仅仅考虑了两个房间的观看用户,但是未考虑这些用户对其他房间的观看情况,利用的只是部分信息,相似性度量判断标准比较片面。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种直播间推荐方法,能够更好计算直播间的相似度。
为达到以上目的,本发明采取的技术方案是:
一种直播间推荐方法,根据指定直播间来为用户推荐该用户偏好的推荐直播间,其包括以下过程:
根据预设的直播间质量评分过程计算N个直播间的质量评分,其中N为大于1的整数,且所述N个直播间为待评分直播间组;
计算待评分直播间组中每个直播间与指定直播间之间的共同标签的相似度;
将所述质量评分和共同标签的所述相似度输入预设的推荐指数算法得到待评分直播间组中每个直播间的推荐指数;
将所述推荐指数超过预设的推荐指数阈值的直播间作为推荐直播间,或者,
对推荐指数进行排序,将排序靠前的预设数量的直播间作为推荐直播间。
在上述技术方案的基础上,所述直播间质量评分过程为:
获取所有直播间的每个预设评价指标中得分的最高分和最低分,并由所述预设评价指标的最高分减去最低分得到该预设评价指标的得分区间;
选定待评分直播间组中的一个直播间作为待评估直播间,获取待评估直播间的各个预设评价指标的得分以及对应的权重;
通过待评估直播间的每一个所述预设评价指标的得分差值,由该得分差值除以相应预设评价指标的得分区间,得到该预设评价指标的客观得分率;其中,所述得分差值为预设评价指标的得分减去该预设评价指标的得分区间的最低分;
将每个预设评价指标的客观得分率和对应的所述权重相乘之后再进行累加,得到待评估直播间的质量评分。
在上述技术方案的基础上,所述直播间质量评分过程具体使用的公式为:
其中:
x`ir是待评估直播间的第i个所述预设评价指标的得分,min(x′i)是所有直播间第i个预设评价指标得分的最低分,max(x′i)是所有直播间第i个预设评价指标得分的最高分,xir是待评估直播间的客观得分率;
所述每个指标的客观得分率和对应的权重相乘之后累加,得到待评估直播间的质量评分,具体使用公式:
其中:wi是待评分直播间组中一个直播间的第i个预设评价指标的权重,且n是预设评价指标总个数;Q(r)为该直播间的质量评分。
在上述技术方案的基础上,计算待评分直播间组中每个直播间与指定直播间之间的共同标签的相似度包括:
S2-1,选定共同标签中的一个具体标签,获取待评分直播间组中包含该具体标签的直播间总数M;
S2-2,在预设时间段内,获取指定直播间被观看的次数A和以及待评分直播间组中其他的包含有所述具体标签直播间被观看次数B,在A和B中取较小值作为指定直播间人次总数;
S2-3,选定待评分直播间组中的包含该具体标签一个直播间作为待评估直播间,在预设时间段内,获取待评估直播间被观看的次数X以及待评分直播间组中其他的含有所述具体标签直播间被观看的次数Y,在X和Y中取较小值作为待评估直播间人次总数;
S2-4,将待评分直播间组中包含该具体标签的直播间总数M、观看指定直播间人次总数和观看待评估直播间人次总数输入预设的相似度算法得到指定直播间和待评估直播间对所述具体标签的相似度;
S2-5,重复步骤S2-1至S2-4计算所述共同标签中所有标签的相似度并累加,得到指定直播间和选定的待评估直播间的总相似度;
S2-6,重复步骤S2-5计算待评分直播间组中的每一个直播间与指定直播间的总相似度。
在上述技术方案的基础上,选定待评分直播间组中的一个直播间作为待评估直播间,所述待评估直播间和指定直播间的相似度计算的具体公式为:
其中:X(I1,I2,t)是所述待评估直播间与所述指定直播间关于第t个所述共同标签的相似度;c(t,I1)表示指定直播间人次总数;c(t,I2)表示待评估直播间人次总数;df(t)是具有第t个所述共同标签的直播间个数。
在上述技术方案的基础上,选定待评分直播间组中的一个直播间作为待评估直播间,推荐指数算法计算公式为:
其中:x`ir是所述待评估直播间的第i个所述预设评价指标的得分,min(x′i)是所有直播间第i个所述预设评价指标得分的最低分,max(x′i)是所有直播间第i个所述预设评价指标得分的最高分;wi是第i个所述预设评价指标的权重,且n是预设评价指标的总个数;c(t,I1)表示观看指定直播间的人次总数;c(t,I2)表示观看待评估直播间的人次总数;df(t)是具有第t个共同标签的直播间个数。
本发明还提供一种存储介质,该存储介质上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现上述技术方案的的方法。
本发明还提供一种电子设备,包括存储器和处理器,存储器上储存有在处理器上运行的计算机程序:所述处理器执行所述计算机程序时实现上述技术方案的方法。
本发明还提供一种直播间推荐系统,其包括:
第一计算模块,用于根据预设的直播间质量评分过程计算N个直播间的质量评分,其中N为大于1的整数,且所述N个直播间为待评分直播间组;
第二计算模块,用于计算待评分直播间组中每个直播间与指定直播间之间共同标签的相似度;
结果计算模块,用于将所述质量评分和共同标签的相似度输入预设的推荐指数算法得到待评分直播间组中每个直播间的推荐指数;
推荐模块,用于将所述推荐指数超过预设的推荐指数阈值的直播间作为推荐直播间,或者,对推荐指数进行排序,将排序靠前的预设数量的直播间作为推荐直播间。
在上述技术方案的基础上,所述第一计算模块还包括:
得分区间计算子模块,用于获取所有直播间的每个预设评价指标中得分的最高分和最低分,并由所述预设评价指标的最高分减去最低分得到该预设评价指标的得分区间;
数据准备子模块,用于选定待评分直播间组中的一个直播间作为待评估直播间,获取待评估直播间的各个预设评价指标的得分以及对应的权重;
客观得分率计算子模块,用于计算通过所述待评估直播间的每一个预设评价指标的得分差值,使用该得分差值除以相应预设评价指标的得分区间,得到该评价指标的客观得分率,其中,所述得分差值为预设评价指标的得分减去该预设评价指标的得分区间的最低分;
评分子模块,用于将每个预设评价指标的客观得分率和对应的权重相乘之后再进行累加,得到待评估直播间的质量评分。
评分子模块,用于将每个所述预设评价指标的所述客观得分率和对应的所述权重相乘之后再进行累加,得到所述待评估直播间的质量评分。
与现有技术相比,本发明的优点在于:
(1)本发明一种直播间推荐方法、存储介质、电子设备及系统根据N个所述直播间中每个直播间和指定直播间所共含的共同标签,计算每个标签相似度,并结合直播间的评估指数,能够更加贴合客户的需要计算直播间的相似度。
(2)本发明一种直播间推荐方法、存储介质、电子设备及系统评估指数综合了所有直播间的得分,使得直播间评估指数的计算更加客观,准确。
(3)本发明一种直播间推荐方法、存储介质、电子设备及系统对两个直播间在各个共同标签的相似度都进行了计算,使得计算结果更加全面。
附图说明
图1为本发明一种直播间推荐方法的流程图;
图2为本发明一种直播间推荐系统的结构示意图。
1-第一计算模块,2-第二计算模块,3-结果计算模块,推荐模块。
具体实施方式
以下结合附图对本发明的实施例作进一步详细说明。
实施例一
参见图1所示,本发明实施例提供一种直播间推荐方法,包括以下步骤:
S1:根据预设的直播间质量评分过程计算N个直播间的质量评分,其中N为大于1的整数,且所述N个直播间为待评分直播间组。计算待评分直播间组中每个直播间的质量评分,使得系统能够通过比较数值的大小来判断直播间直播内容的质量的高低。如果直播间在共同标签方面的相似度相差不大,系统能够通过计算直播间的质量评分进一步的计算和度量直播间的相似度。同时,能够避免待评分直播间组中某个直播间和指定直播间虽然标签差不多,但是直播质量相差很多,却被推荐给客户的情况出现。保证直播间的内容除了标签,其直播质量是较高的。
S2:计算待评分直播间组中每个直播间与指定直播间之间共同标签的相似度。由于相似的直播间会存在1个或者多个共同标签,但是如果仅从共同标签拥有的个数进行判断,会出现和指定直播间共同标签多,但是直播内容差别反而比共同标签少的直播间大的状况出现。如虽然乙直播间和甲直播间的共同标签个数比丙直播间和甲直播间的共同标签多;但是甲和丙更加贴合标签,进而使得内容相对于甲和丙更加相近。因此,对两个直播间所拥有的每个共同标签相似度进行计算,并通过计算得出的数字进行比较,能够帮助系统对直播间相似程度进行排序,来实现量化的度量,能够更好的体现出两个直播间之间,每个共同标签的相似度。使得计算结果更加全面以及客观。
需要说明的是,本申请所说的标签可以是平台、用户、主播为直播间添加的关键字、词或者描述性语句。只要能够从一个方面反应直播间的属性即可。
S3:将所述质量评分和共同标签的相似度输入预设的推荐指数算法,得到待评分直播间组中每个直播间的推荐指数。将质量评分和标签相似度进行结合,更好的使用数值度量出待评分直播间组中每个直播间相对于指定直播间的相似度,考虑客观而且全面。
S4:将推荐指数超过预设的推荐指数阈值的直播间作为推荐直播间,或者,对推荐指数进行排序,将排序靠前的预设数量的直播间作为推荐直播间。经过上述的计算,待评分直播间组相对指定直播间的推荐指数能够通过量化的方式,以数值进行排序,从而实现针对指定直播间相似同时质量良好的直播间的客观评估。
需要说明的是,共同标签为两个直播间之间所拥有的相同的标签,在本申请中提及的共同标签指的是指定直播间和其他直播间所共有的标签。如指定直播间拥有“游戏、射极、竞技、搞笑、休闲”共5个标签,而待评估直播间拥有“游戏、竞技、互动多、休闲、颜值”共5个标签,这两个直播间均含有标签“游戏、竞技、休闲”,那么指定直播间和待评估直播间的共同标签为“游戏、竞技、休闲”。
可选的,在上述实施例的基础上,其直播间质量评分过程包括以下具体步骤:
选定待评分直播间组中的一个直播间作为待评估直播间,获取待评估直播间的各个预设评价指标的得分以及对应的权重。要从数值上表现一个直播间的直播质量,首先需要从各个方面对直播间进行考量,如直播频率、直播时长、人气等等,所以直播平台需要针对所有直播间预设各种预设评价指标,通过获取待评估直播间在各个预设的预设评价指标的得分,即能够客观的了解待评估直播间总体的直播情况,还能够通过数值客观的展现直播间的直播质量。
获取所有直播间的每个预设评价指标中得分最高分和最低分,并对每一项预设评价指标,使用最高分减去最低分得到预设评价指标的得分区间;使用待评估直播间的每一预设评价指标的得分减去该预设评价指标的最低分,得到的得分差值;再使用得分差值除以得分区间,得到待评估直播间在该预设评价指标的客观得分率。虽然通过待评估直播间在各个指标的得分,能够了解待评估直播间的总体直播情况,但是对于一个直播间来说,预设评估指标的得分只能反映针对客观指标的高低,并不能反映所处的直播平台上的整体直播环境中是否处于较高的位置,比如,某一项预设评价指标十分严格,导致直播平台各个直播间的得分均较低,而如果仅看该直播间的得分,会得出其质量一般或者较差的结论,但是使用本方法,能够克服预设评价指标过于严格或者宽松的问题,使得计算的客观得分率能够更加准确的反应多个所述直播间中每个直播间在各个方面上,相对于整体直播环境而言所处的直播水准。
优选的,其使用的公式如下:
其中:xir是待评估直播间的第i个预设评价指标的得分,min(x′i)是所有直播间第i个预设评价指标得分的最低分,max(x′i)是所有直播间第i个预设评价指标得分的最高分,xir是待评估直播间的客观得分率。其中某项预设评估指标的得分的最大值减去最小值表现了该项指标中的得分区域,而待评估直播间的得分减去最小值表现了在该得分区域中,得到多少分,再将两个区域相除,得出待评估直播间在整个直播平台上得分水准。
将每个预设评价指标的客观得分率和对应的权重相乘之后累加,得到待评估直播间的质量评分,依照上述方法计算待评估直播间的质量评分过程。虽然各个预设评价指标都能够作为衡量待评估直播间直播水准的一个评价方面,但是各个预设评价指标中存在相对重要的预设评价指标,也有相对不重要的预设评价指标,如果计算中将所有预设评价指标都一视同仁,可能造成重要预设评价指标均高分的直播间和不重要预设评价指标均高分的直播间的客观得分率相差不大甚至相等,从而被系统判定两个直播间相似度高。因此,对应每个预设评价指标设置相应的权重,使得相对重要的预设评价指标得分能够在计算客观得分率中占有较大的比重,能够使客观得分率有侧重,偏重于较重要的预设评价指标,从而更加准确的表现出直播间水准。
优选的,其计算公式为:
其中:wi是第i个预设评价指标的权重,且n是预设评价指标总个数;Q(r)为质量评分可选的。
本发明还提供的一种直播间推荐方法的实施例,在上述实施例的基础上:上述计算每个共同标签的相似度具体步骤为:
S2-1,选定共同标签中的一个具体标签,获取待评分直播间组所述中包含共同标签中具有同一个该具体标签的直播间总数M。
S2-2,在预设时间段内,获取指定直播间被观看的次数A,以及其他的包含有所述具体标签直播间被观看的次数B,在A和B中取较小值作为指定直播间被观看的人次总数。在一个时间段内,多个用户多次观看了指定直播间,同时其他的同样含有该标签的直播间也被观看数次,其次数越大越符合标签的内容,直播间被关于标签被感兴趣的观众观看次数越多,因而观看的次数可以作为符合程度的指标。但是用户观看指定直播间或者其他含有该标签的直播间的次数与其他标签也是有关联的,用户可能观看其他标签导致指定直播间次数远多于其他含有该标签直播间观看次数,或者观看其他含有该标签直播间次数远多于指定直播间观看次数,因此,取A和B中的较小值,更能体现对于该用户标签的符合度。
S2-3,选定待评分直播间组中的包含所述具体标签的一个直播间作为待评估直播间,在预设时间段内,获取待评估直播间被观看次数X以及待评分直播间组中其他的含有所述具体标签直播间被观看次数Y,在X和Y中取较小值作为待评估直播间被观看的人次总数。同前述,通过待评估直播间被观看的人次总数能够体现对于用户来说的待评估直播间对具体标签的符合程度。
S2-4,将待评分直播间组中包含该具体标签的直播间总数M、观看指定直播间被观看的人次总数和观看待评估直播间被观看的人次总数输入预设的相似度算法得到指定直播间和指定直播间对所述具体标签的相似度。
S2-5,重复步骤S2-1至S2-4计算所述共同标签中所有标签的相似度并累加,得到指定直播间和选定的待评估直播间的总相似度。共同可能为多个标签,因此,需要对每一个标签都进行评估,得出指定直播间和待评估之间在所有的共同标签的相似度,将这些相似度相加,得到指定直播间和待评估的总相似度。
S2-6,重复步骤S2-5计算待评分直播间组中的每一个直播间与待评估直播间的总相似度。在得出待评估直播间的总相似度后,再从待评分直播间组选定新的待评估直播间直至待评分直播间组均计算完毕。
需要说明的是,在预设的统计周期内,客户观看了一特定直播间次数为1次,和其他客户观看了其他含有具体标签的直播间次数为一次,则特定直播间被观看次数加1。即直播间的被观看次数取的是在预设的统计周期内特定直播间被观看的次数和其他含有具体标签的直播间被观看的次数的“交集”,即较小值。
优选的,计算每个共同标签的相似度具体公式为:
X(I1,I2,t)是待评估直播间与指定直播间关于第t个共同标签的相似度;c(t,I1)表示指定直播间人次总数;c(t,I2)表示待评估直播间人次总数;df(t)是具有第t个共同标签的直播间个数。
下面举例说明相似度算法的计算过程:
假定直播间A为指定直播间,其标签包含有T1、T2和T3,直播间B为待评估直播间,其含有标签T1、T2和T4,那么直播间A和直播间B的共同标签为T1和T2。
将T1作为具体标签,含有T1标签的直播间总数为1000,在1天内,统计直播间A被观看5次,其他含有T1具体标签直播间被观看的次数为10次,在该统计时间段,即一天内,统计直播间B1被观看次数为2次,其他含有该T1标签直播间被观看的次数为4次。
将T2作为具体标签,含有T2标签的直播间总数为1000,在一天内统计直播间A被观看7其他含有T2具体标签直播间被观看的次数为2,;在该统计时间段,即一天内统计直播间B被观看次数为16次,其他含有T2具体标签直播间被观看次数为8次。
那么,关于T1标签,直播间A的人次总数为:观看直播间A5次和观看其他含有T1具体标签直播间的人次总数次数为10次中的较小值,即5次。
关于关于T1标签,直播间B的人次总数为:直播间B1被观看2次和其他含有T1具体标签直播间被观看4次的较小值,即4次;
关于T2标签,直播间A的人次总数为:观看直播间A被7次和观看其他含有T2具体标签直播间被观看次数为2次中的较小值,即2次。
关于T2标签,直播间B的人次总数为:观看直播间B被16次和观看其他含有T2具体标签直播间被观看次数为8次中的较小值,即8次。
那么计算直播间A和直播间B的相似度为:
客户观看指定直播间后又在其他含有该具体标签直播间间接说明客户对该标签下的直播间感兴趣,通过获取客户在直播间和另一含有同一具体标签直播间的人次总数。能够从人次总数上反应一个直播间在该标签上的符合程度,而如果直播间较符合该标签,则在该标签上的人气高。因此,从人次总数能够间接的反应直播间符合标签的程度。因此两个在统一标签上人次总数上相近的,相似度高,反之则低。虽然人次总数能够反映某一标签的相似程度,但是有的标签覆盖的直播间多,有的标签覆盖的直播间少,这样会造成覆盖直播间多的便签对应的人次总数较大,因此还需要考虑带有该标签直播间的总数。
综上所述,将两个直播间关于该标签的人次总数相乘后除以直播间总数,能够从平台总体状况下反应两个直播间关于该标签的相似程度。
同时,在计算完该标签上,待评测直播间和指定直播间的相似度后,依照此方法依次计算所有的共同标签,再将所有标签的相似度并相加,得到指定直播间和待评估直播间的总相似度。
在得出待评估直播间的总相似度后,再从待评分直播间组选定新的待评估直播间直至待评分直播间组的所有直播间均计算完毕。
优选的,计算直播间相似度的公式为:
x`ir是待评估直播间的第i个预设评价指标的得分,min(x′i)是所有直播间第i个预设评价指标得分的最低分,max(x′i)是所有直播间第i个预设评价指标得分的最高分;wi是第i个预设评价指标的权重,且n是预设评价指标总个数;c(t,I1)表示指定直播间人次总数;c(t,I2)表示待评估直播间人次总数;df(t)是具有第t个共同标签的直播间个数。
此外,对应上述直播间推荐方法,本发明还提供一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述各实施例所述的定时器设置方法的步骤。需要说明的是,所述存储介质包括U盘、移动硬盘、ROM(Read-Only Memory,只读存储器)、RAM(Random Access Memory,随机存取存储器)、磁碟或者光盘等各种可以存储程序代码的介质。
基于同一发明构思,本申请提供了实施例一对应的电子设备的实施例,详见实施例二
实施例二
另外,对应上述直播间推荐方法,本发明实施例还提供一种电子设备的实施例,该电子设备存储有计算机程序,计算机程序被处理器执行时实现上述各实施例所述的定时器设置方法的步骤。需要说明的是,所述电子设备包括存储器和处理器,存储器上储存有在处理器上运行的计算机程序,通过以下具体步骤处理器执行计算机程序时,实现以下步骤:
根据预设的直播间质量评分过程计算多个N个直播间的质量评分,其中N为大于1的整数,且所述N个直播间为待评分直播间组。
计算待评分直播间组多个所述直播间中每个直播间与所述指定直播间之间的共同标签的相似度。
至少将所述质量评分和所述共同标签的所述相似度作为输入预设的推荐指数算法的输入参数,经过该推荐指数算法计算得到待评分直播间组多个所述直播间中每个直播间的推荐指数。
将所述推荐指数超过预设的推荐指数阈值的直播间作为推荐直播间,或者,对推荐指数进行排序,将排序靠前的预设数量的直播间作为推荐直播间。
该电子设备运行上述计算机程序时,可以实现实施例一中任一实施方式。
需要说明的是,本实施例中使用的方法和实施例一一种直播间推荐方法是基于同一构思的,故而基于本申请实施例一种介绍的方法,本领域的技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式,所以在此对于该电子设备如何实现本申请实施例中的方法以及各种优选方案不再详细介绍。
基于同一发明构思,本申请提供了实施例一对应的一种直播间推荐系统,详见实施例三。
实施例三
如图2所示,本发明实施例还提供一种直播间推荐系统,其包括:
第一计算模块1,用于根据预设的直播间质量评分过程计算N个直播间的质量评分,其中N为大于1的整数,且所述N个直播间为待评分直播间组。设置第一计算模块计算待评分直播间组中每个直播间的质量评分,能够在数值上反应直播间直播内容的质量,如果直播间的标签之间的相似度相差不大,通过质量评分能够进一步的计算和度量直播间的相似度。同时,能够避免待评估直播间和指定直播间虽然标签差不多,但是直播质量相差很多,却被推荐给客户的情况出现。保证直播间内容除了标签,其直播质量也是相似的。
第二计算模块2,用于计算待评分直播间组中每个直播间与指定直播间之间共同标签的相似度,计算每个共同标签的相似度。由于相似的直播间会存在1个或者多个共同的标签,但是如果仅从共同标签拥有的个数进行判断,会出现个数相等,以及虽然标签相同和指定直播间共同标签多,但是直播内容差别反而比共同标签少的直播间大的状况出现。如虽然乙直播间和甲直播间的共同标签比丙直播间和甲直播间的共同标签多;但是甲和丙更加贴合标签,使得内容相对于甲和乙更加相近,内容还是有一定的差别的情况。因此,对两个直播间所拥有的每个共同标签进行计算,并通过计算得出的数字,帮助系统进行数值大小的比较来完成实际的度量,能够更好的表现出两个直播间之间,在每个共同标签的相似度。使得计算结果更加全面以及客观。结果计算模块,用于将所有的共同标签的相似度相加,并将得到的和与直播间指数相乘,得到待评分直播间组中每个直播间相对于第一直播间的相似度。将评估指数和标签相似度进行结合,更好的度量出待评分直播间组中每个直播间相对于第一直播间的相似度,考虑客观而且全面。
结果计算模块3,用于至少将所述质量评分和共同标签的相似度作为预设的推荐指数算法的输入参数,经过该推荐指数算法计算得到待评分直播间组中每个直播间的推荐指数。将质量评分和共同标签均作为输入推荐指数算法的参数,能够更好的使用数值度量出待评分直播间组中每个直播间相对于指定直播间的相似度,考虑客观而且全面。
推荐模块4,用于将所述推荐指数超过预设的推荐指数阈值的直播间作为推荐直播间,或者,对推荐指数进行排序,将排序靠前的预设数量的直播间作为推荐直播间。通过推荐模块,待评分直播间组相对指定直播间的推荐指数能够通过量化的方式,以数值进行排序,从而实现针对指定直播间相似同时质量良好的直播间的客观评估。
优选的,第一计算模块还包括客观得分率计算子模块和评分子模块。
得分区间计算子模块,用于获取所有直播间的每个预设评价指标中得分的最高分和最低分,并由所述预设评价指标的最高分减去最低分得到该预设评价指标的得分区间。
数据准备子模块,用于选定待评分直播间组中的一个直播间作为待评估直播间,获取该待评估直播间的各个所述预设评价指标的得分以及对应每一项所述预设评价指标的权重。
客观得分率计算子模块,用于计算通过所述待评估直播间的每一个所述预设评价指标的得分减去每一个所述预设评价指标的最低分得到得分差值,由该得分差值除以对应的直播间的所述得分区间得到所述待评估直播间的对应该评价指标的客观得分率。
评分子模块用于将每个预设评价指标的客观得分率和对应的权重相乘之后再进行累加,得到待评估直播间的质量评分。
前述方法实施例中的各种变化方式和具体实例同样适用于本实施例的系统,通过前述方法的详细描述,本领域技术人员可以清楚的知道本实施例中系统的实施方法,所以为了说明书的简洁,在此不再详述。
虽然通过待评估直播间在各个预设评价指标的得分能够了解待评估直播间的总体直播情况,但是对于一个直播间来说,评估指标的得分只能反映针对客观预设评价指标的高低,并不能反映所处的直播平台上的整体直播环境中是否处于较高的位置,比如,某一项预设评价指标十分严格,导致直播平台普遍得分十分低,而如果仅看该直播间的得分,会得出其质量一般或者较差的结论,但是使用本方法,获取所有直播间各个预设评价指标中最大和最小的,能够克服预设评价指标过于严格或者宽松的问题,使得计算的客观得分率能够更加准确的反应待评估直播间在各个方面上,相对于整体直播环境而言所处的直播水准。
总体来说,本发明一种直播间推荐方法、存储介质、电子设备及系统根据多个所述直播间中每个直播间和指定直播间所共含的共同标签,计算每个标签相似度,并结合直播间的评估指数,能够更加贴合客户的需要计算直播间的相似度。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种直播间推荐方法,根据指定直播间来为用户推荐该用户偏好的推荐直播间,其特征在于,其包括以下过程:
根据预设的直播间质量评分过程计算N个直播间的质量评分,其中N为大于1的整数,且所述N个直播间为待评分直播间组;
计算待评分直播间组中每个直播间与指定直播间之间的共同标签的相似度;
将所述质量评分和共同标签的所述相似度输入预设的推荐指数算法得到待评分直播间组中每个直播间的推荐指数;
将所述推荐指数超过预设的推荐指数阈值的直播间作为推荐直播间,或者,
对推荐指数进行排序,将排序靠前的预设数量的直播间作为推荐直播间。
2.如权利要求1所述的一种直播间推荐方法,其特征在于,所述直播间质量评分过程为:
获取所有直播间的每个预设评价指标中得分的最高分和最低分,并由所述预设评价指标的最高分减去最低分得到该预设评价指标的得分区间;
选定待评分直播间组中的一个直播间作为待评估直播间,获取待评估直播间的各个预设评价指标的得分以及对应的权重;
获得待评估直播间的每一个所述预设评价指标的得分差值,由该得分差值除以相应预设评价指标的得分区间,得到该预设评价指标的客观得分率;其中,所述得分差值为预设评价指标的得分减去该预设评价指标的得分区间的最低分;
将每个预设评价指标的客观得分率和对应的所述权重相乘之后再进行累加,得到待评估直播间的质量评分。
3.如权利要求2所述的一种直播间推荐方法,其特征在于,所述直播间质量评分过程具体使用的公式为:
其中:
x`ir是待评估直播间的第i个所述预设评价指标的得分,min(x′i)是所有直播间第i个预设评价指标得分的最低分,max(x′i)是所有直播间第i个预设评价指标得分的最高分,xir是待评估直播间的客观得分率;
所述每个指标的客观得分率和对应的权重相乘之后累加,得到待评估直播间的质量评分,具体使用公式:
其中:wi是待评估直播间的第i个预设评价指标的权重,且n是预设评价指标总个数;Q(r)为该直播间的质量评分。
4.如权利要求1所述的一种直播间推荐方法,其特征在于,计算待评分直播间组中每个直播间与指定直播间之间的共同标签的相似度包括:
S2-1,选定共同标签中的一个具体标签,获取待评分直播间组中包含该具体标签的直播间总数M;
S2-2,在预设时间段内,获取指定直播间的被观看的次数A,以及其他的包含有所述具体标签直播间被观看的次数B,在A和B中取较小值作为指定直播间观看人次总数;
S2-3,选定待评分直播间组中的包含所述具体标签的一个直播间作为待评估直播间,在预设时间段内,获取待评估直播间被观看的次数X以及待评分直播间组中其他的含有所述具体标签直播间被观看的次数Y,在X和Y中取较小值作为待评估直播间人次总数;
S2-4,将待评分直播间组中包含该具体标签的直播间总数M、观看指定直播间人次总数和观看待评估直播间人次总数输入预设的相似度算法得到指定直播间和待评估直播间对所述具体标签的相似度;
S2-5,重复步骤S2-1至S2-4计算所述共同标签中所有标签的相似度并累加,得到指定直播间和选定的待评估直播间的总相似度;
S2-6,重复步骤S2-5计算待评分直播间组中的每一个直播间与指定直播间的总相似度。
5.如权利要求4所述的一种直播间推荐方法,其特征在于,选定待评分直播间组中的一个直播间作为待评估直播间,所述待评估直播间和指定直播间的相似度计算的具体公式为:
其中:X(I1,I2,t)是所述待评估直播间与所述指定直播间关于第t个所述共同标签的相似度;c(t,I1)表示指定直播间人次总数;c(t,I2)表示待评估直播间人次总数;df(t)是具有第t个所述共同标签的直播间个数。
6.如权利要求4所述的一种直播间推荐方法,其特征在于,选定待评分直播间组中的一个直播间作为待评估直播间,推荐指数算法计算公式为:
其中:x`ir是所述待评估直播间的第i个所述预设评价指标的得分,min(x′i)是所有直播间第i个所述预设评价指标得分的最低分,max(x′i)是所有直播间第i个所述预设评价指标得分的最高分;wi是第i个所述预设评价指标的权重,且n是预设评价指标的总个数;c(t,I1)表示指定直播间人次总数;c(t,I2)表示待评估直播间人次总数;df(t)是具有第t个共同标签的直播间个数。
7.一种存储介质,该存储介质上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1至6任一项所述的方法。
8.一种电子设备,包括存储器和处理器,存储器上储存有在处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的方法。
9.一种直播间推荐系统,其特征在于,其包括:
第一计算模块(1),用于根据预设的直播间质量评分过程计算N个直播间的质量评分,其中N为大于1的整数,且所述N个直播间为待评分直播间组;
第二计算模块(2),用于计算待评分直播间组中每个直播间与指定直播间之间共同标签的相似度;
结果计算模块(3),用于将所述质量评分和共同标签的相似度输入预设的推荐指数算法得到待评分直播间组中每个直播间的推荐指数;
推荐模块(4),用于将所述推荐指数超过预设的推荐指数阈值的直播间作为推荐直播间,或者,对推荐指数进行排序,将排序靠前的预设数量的直播间作为推荐直播间。
10.如权利要求9所述的一种直播间推荐系统,其特征在于:所述第一计算模块还包括:
得分区间计算子模块,用于获取所有直播间的每个预设评价指标中得分的最高分和最低分,并由所述预设评价指标的最高分减去最低分得到该预设评价指标的得分区间;
数据准备子模块,用于选定待评分直播间组中的一个直播间作为待评估直播间,获取待评估直播间的各个预设评价指标的得分以及对应的权重;
客观得分率计算子模块,用于计算通过所述待评估直播间的每一个预设评价指标的得分差值,使用该得分差值除以相应预设评价指标的得分区间,得到该评价指标的客观得分率,其中,所述得分差值为预设评价指标的得分减去该预设评价指标的得分区间的最低分;
评分子模块,用于将每个预设评价指标的客观得分率和对应的权重相乘之后再进行累加,得到待评估直播间的质量评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810718820.2A CN109033233B (zh) | 2018-06-29 | 2018-06-29 | 一种直播间推荐方法、存储介质、电子设备及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810718820.2A CN109033233B (zh) | 2018-06-29 | 2018-06-29 | 一种直播间推荐方法、存储介质、电子设备及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109033233A true CN109033233A (zh) | 2018-12-18 |
CN109033233B CN109033233B (zh) | 2021-05-28 |
Family
ID=65521512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810718820.2A Active CN109033233B (zh) | 2018-06-29 | 2018-06-29 | 一种直播间推荐方法、存储介质、电子设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033233B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740914A (zh) * | 2018-12-28 | 2019-05-10 | 武汉金融资产交易所有限公司 | 一种金融业务评估、推荐的方法、存储介质、设备及系统 |
CN110222297A (zh) * | 2019-06-19 | 2019-09-10 | 武汉斗鱼网络科技有限公司 | 一种标签用户的识别方法以及相关设备 |
CN111949866A (zh) * | 2020-08-10 | 2020-11-17 | 广州汽车集团股份有限公司 | 应用推荐处理方法和装置 |
CN112312173A (zh) * | 2019-07-24 | 2021-02-02 | 广州虎牙科技有限公司 | 主播推荐方法、装置、电子设备及可读存储介质 |
CN114650429A (zh) * | 2022-02-24 | 2022-06-21 | 北京达佳互联信息技术有限公司 | 一种信息显示方法、装置、电子设备及存储介质 |
CN114697711A (zh) * | 2020-12-30 | 2022-07-01 | 武汉斗鱼网络科技有限公司 | 一种主播推荐方法、装置、电子设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103546773A (zh) * | 2013-08-15 | 2014-01-29 | Tcl集团股份有限公司 | 电视节目的推荐方法及其系统 |
WO2016119504A1 (zh) * | 2015-01-27 | 2016-08-04 | 中兴通讯股份有限公司 | 一种媒体节目分享的方法及装置 |
CN106095974A (zh) * | 2016-06-20 | 2016-11-09 | 上海理工大学 | 基于网络结构相似性的推荐系统评分预测与推荐算法 |
CN106204161A (zh) * | 2016-07-26 | 2016-12-07 | 郑州郑大智能科技股份有限公司 | 一种互联网环境下电力用户群体分析方法 |
CN106651542A (zh) * | 2016-12-31 | 2017-05-10 | 珠海市魅族科技有限公司 | 一种物品推荐的方法及装置 |
CN107205178A (zh) * | 2017-04-25 | 2017-09-26 | 北京潘达互娱科技有限公司 | 直播间推荐方法及装置 |
CN107679943A (zh) * | 2017-09-27 | 2018-02-09 | 广州市万表科技股份有限公司 | 智能推荐方法和系统 |
-
2018
- 2018-06-29 CN CN201810718820.2A patent/CN109033233B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103546773A (zh) * | 2013-08-15 | 2014-01-29 | Tcl集团股份有限公司 | 电视节目的推荐方法及其系统 |
WO2016119504A1 (zh) * | 2015-01-27 | 2016-08-04 | 中兴通讯股份有限公司 | 一种媒体节目分享的方法及装置 |
CN106095974A (zh) * | 2016-06-20 | 2016-11-09 | 上海理工大学 | 基于网络结构相似性的推荐系统评分预测与推荐算法 |
CN106204161A (zh) * | 2016-07-26 | 2016-12-07 | 郑州郑大智能科技股份有限公司 | 一种互联网环境下电力用户群体分析方法 |
CN106651542A (zh) * | 2016-12-31 | 2017-05-10 | 珠海市魅族科技有限公司 | 一种物品推荐的方法及装置 |
CN107205178A (zh) * | 2017-04-25 | 2017-09-26 | 北京潘达互娱科技有限公司 | 直播间推荐方法及装置 |
CN107679943A (zh) * | 2017-09-27 | 2018-02-09 | 广州市万表科技股份有限公司 | 智能推荐方法和系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740914A (zh) * | 2018-12-28 | 2019-05-10 | 武汉金融资产交易所有限公司 | 一种金融业务评估、推荐的方法、存储介质、设备及系统 |
CN110222297A (zh) * | 2019-06-19 | 2019-09-10 | 武汉斗鱼网络科技有限公司 | 一种标签用户的识别方法以及相关设备 |
CN112312173A (zh) * | 2019-07-24 | 2021-02-02 | 广州虎牙科技有限公司 | 主播推荐方法、装置、电子设备及可读存储介质 |
CN112312173B (zh) * | 2019-07-24 | 2023-03-28 | 广州虎牙科技有限公司 | 主播推荐方法、装置、电子设备及可读存储介质 |
CN111949866A (zh) * | 2020-08-10 | 2020-11-17 | 广州汽车集团股份有限公司 | 应用推荐处理方法和装置 |
CN111949866B (zh) * | 2020-08-10 | 2024-02-02 | 广州汽车集团股份有限公司 | 应用推荐处理方法和装置 |
CN114697711A (zh) * | 2020-12-30 | 2022-07-01 | 武汉斗鱼网络科技有限公司 | 一种主播推荐方法、装置、电子设备和存储介质 |
CN114697711B (zh) * | 2020-12-30 | 2024-02-20 | 广州财盟科技有限公司 | 一种主播推荐方法、装置、电子设备和存储介质 |
CN114650429A (zh) * | 2022-02-24 | 2022-06-21 | 北京达佳互联信息技术有限公司 | 一种信息显示方法、装置、电子设备及存储介质 |
CN114650429B (zh) * | 2022-02-24 | 2024-04-16 | 北京达佳互联信息技术有限公司 | 一种信息显示方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109033233B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109033233A (zh) | 一种直播间推荐方法、存储介质、电子设备及系统 | |
AU2016247184B2 (en) | Attribute weighting for media content-based recommendation | |
Garcin et al. | Offline and online evaluation of news recommender systems at swissinfo. ch | |
Elahi et al. | Exploring the semantic gap for movie recommendations | |
Neidhardt et al. | Eliciting the users' unknown preferences | |
Headrick et al. | Proximity-to-goal as a constraint on patterns of behaviour in attacker–defender dyads in team games | |
Capuano et al. | Fuzzy group decision making for influence-aware recommendations | |
Shi et al. | Heterecom: a semantic-based recommendation system in heterogeneous networks | |
CN103365936A (zh) | 视频推荐系统及其方法 | |
CN106168980A (zh) | 多媒体资源推荐排序方法及装置 | |
CN106131703A (zh) | 一种视频推荐的方法和终端 | |
CN106096047B (zh) | 基于熵值法的用户分区偏好计算方法及系统 | |
CN104199896A (zh) | 基于特征分类的视频相似度确定及视频推荐方法 | |
CN105718510B (zh) | 一种多媒体数据推荐方法及装置 | |
CN109800328B (zh) | 视频推荐方法、其装置、信息处理设备及存储介质 | |
CN106202242A (zh) | 一种应用程序推荐方法和装置 | |
Hsu et al. | Predicting movies user ratings with imdb attributes | |
CN107948754A (zh) | 一种视频推荐方法和系统 | |
Colucci et al. | Evaluating item-item similarity algorithms for movies | |
Machado et al. | Multidimensional scaling analysis of soccer dynamics | |
CN105260906B (zh) | 互动链接推送方法及装置 | |
Zhao et al. | A lightweight mobile outdoor augmented reality method using deep learning and knowledge modeling for scene perception to improve learning experience | |
CN105204626B (zh) | 一种对用户分级控制的方法和装置 | |
CN104954821B (zh) | 一种节目关联度的计算方法及其计算系统 | |
CN109640128A (zh) | 一种电视用户观看行为特征提取方法及系统 |
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 |