CN109495770A - 一种直播间推荐方法、装置、设备及介质 - Google Patents
一种直播间推荐方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109495770A CN109495770A CN201811406317.XA CN201811406317A CN109495770A CN 109495770 A CN109495770 A CN 109495770A CN 201811406317 A CN201811406317 A CN 201811406317A CN 109495770 A CN109495770 A CN 109495770A
- Authority
- CN
- China
- Prior art keywords
- user
- direct broadcasting
- broadcasting room
- liking
- similarity
- 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
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]
- H04N21/20—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
- H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
-
- 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
- H04N21/4508—Management of client data or end-user data
- H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
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
本发明实施例公开了一种直播间推荐方法、装置、设备及介质,所述方法包括:当需要为当前用户推荐直播间时,获取当前时刻的目标用户;基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度;基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的历史喜爱度;根据所述相似度以及所述历史喜爱度生成与当前用户匹配的直播间推荐集合;将与当前用户匹配的直播间推荐集合中的直播间推荐给所述当前用户。通过采用上述技术方案,可以实现为用户进行直播间的个性化推荐。
Description
技术领域
本发明实施例涉及互联网直播技术领域,尤其涉及一种直播间推荐方法、装置、设备及介质。
背景技术
在大数据的应用领域中,一个重要的方向是根据海量数据对用户进行个性化推荐。
在直播平台中,常用的推荐策略是基于与用户观看过的房间相似的房间进行推荐,因此需要对直播间各房间之间的相似度进行度量。此外,在一些基于用户的协同过滤推荐算法中,也需要计算用户两两之间的相似度,以将其中一个用户喜欢观看的房间推荐给与该用户相似度较高的用户。
常用的计算用户两两之间相似度的算法有杰卡德系数算法,该算法被广泛使用,但将该算法应用在直播间推荐中存在一些问题。杰卡德系数是基于集合进行计算的,则两个用户之间的相似度等于两个用户观看的共同直播间数除以两个用户观看的直播间并集的数量。可见,该算法的缺点在于仅从观看的相同直播间数量上衡量两个用户之间的相似度,故存在直播间推荐不准确的问题。
发明内容
本发明实施例提供一种直播间推荐方法、装置、设备及介质,通过所述方法可实现直播间的个性化推荐。
为实现上述目的,本发明实施例采用如下技术方案:
第一方面,本发明实施例提供了一种直播间推荐方法,所述方法包括:
当需要为当前用户推荐直播间时,获取当前时刻的目标用户;
基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度;
基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的历史喜爱度;
根据所述相似度以及所述历史喜爱度生成与当前用户匹配的直播间推荐集合;
将与当前用户匹配的直播间推荐集合中的直播间推荐给所述当前用户。
第二方面,本发明实施例提供了一种直播间推荐装置,所述装置包括:
获取模块,用于当需要为当前用户推荐直播间时,获取当前时刻的目标用户;
相似度计算模块,用于基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度;
历史喜爱度确定模块,用于基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的历史喜爱度;
生成模块,用于根据所述相似度以及所述历史喜爱度生成与当前用户匹配的直播间推荐集合;
推荐模块,用于将与当前用户匹配的直播间推荐集合中的直播间推荐给所述当前用户。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可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如上述第一方面所述的直播间推荐方法。
第四方面,本发明实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时实现如上述第一方面所述的直播间推荐方法。
本发明实施例提供的一种直播间推荐方法,通过当需要为当前用户推荐直播间时,获取当前时刻的目标用户;基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度;基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的喜爱度;根据所述目标用户与当前用户之间的相似度以及所述目标用户对其观看过的直播间的喜爱度生成与当前用户匹配的直播间推荐集合;将与当前用户匹配的直播间推荐集合中的直播间推荐给所述当前用户的技术手段,实现了为当前用户进行个性化推荐的目的。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1为本发明实施例一提供的一种直播间推荐方法流程示意图;
图2为本发明实施例一提供的一种用户特征关系示意图;
图3为本发明实施例二提供的一种直播间推荐方法流程示意图;
图4为本发明实施例三提供的一种直播间推荐装置结构示意图;
图5为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面将结合附图对本发明实施例的技术方案作进一步的详细描述,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。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动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。
实施例一
图1为本发明实施例一提供的一种直播间推荐方法流程示意图。本实施例公开的直播间推荐方法可适用于对直播间的海量用户进行个性化推荐的情况,以实现为用户推送用户喜欢的直播节目。所述方法可以由直播间推荐装置来执行,其中该装置可由软件和/或硬件实现,并一般集成在终端中,例如服务器等。具体参见图1所示,该方法包括如下步骤:
步骤110、当需要为当前用户推荐直播间时,获取当前时刻的目标用户。
通常,当检测到有用户登录直播平台时的时刻则为需要为用户推荐直播间的时刻,同时,该用户被定义为当前用户,该时刻被定义为当前时刻;例如2018年12月1日的上午8点整检测到用户a登录直播平台,则用户a为当前用户,2018年12月1日的上午8点为当前时刻。所述当前时刻的目标用户具体指截至当前时刻在直播平台注册过的所有用户,在直播平台注册过的用户信息统一被保存至直播平台的数据库中,所述用户信息例如可以包括用户昵称、性别、年龄、用户观看过的直播间以及观看时长和用户的充值消费信息中的至少一种。因此,获取当前时刻的目标用户可直接从直播平台对应的数据库中调取。
步骤120、基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度。
其中,所述当前特征包括性别、年龄、购买能力以及观看偏好中的至少一种。所述购买能力可依据用户的充值消费情况粗略估算,也可借助第三方平台提供的用户在其他方面的消费信息对用户的购买能力进行精细估算,所述第三方平台例如可以是淘宝等购物网站。所述观看偏好可通过用户观看过的直播间进行确定,例如用户观看1号直播间的次数非常多,则可将用户的观看偏好确定为1号直播间的直播主题,如“王者荣耀”等。
具体的,所述基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度,包括:
基于所述目标用户的当前特征建立用户特征关系图;
根据所述用户特征关系图计算所述目标用户与当前用户之间的相似度。
所述基于所述目标用户的当前特征建立用户特征关系图,包括:
将每个目标用户作为图中的一个节点;
若两个目标用户之间存在至少一个相同的当前特征,则在所述两个目标用户对应的节点之间形成一条边。
进一步的,按照如下公式计算所述目标用户与当前用户之间的相似度:
其中,simt(u,v)表示在时刻t时,用户u与用户v之间的相似度,L表示在用户特征关系图中用户u与用户v之间的距离,NL(u)表示在用户特征关系图中距用户u的距离小于L的用户集合,NL(v)表示在用户特征关系图中距用户v的距离小于L的用户集合,|NL(u)∩NL(v)|表示在用户特征关系图中距用户u和用户v距离小于L的共有用户数量。
需要说明的是,在用户特征关系图中用户u与用户v之间的距离L具体为:从用户u对应的节点出发沿用户特征关系图中的边到达用户v对应的节点所经过的最小节点数。具体参见图2所示的一种用户特征关系示意图,从用户u对应的节点出发沿用户特征关系图中的边到达用户v对应的节点所经过的最小节点数为2,分别为节点c和节点v,即用户u与用户v之间的距离L为2;从用户u对应的节点出发沿用户特征关系图中的边到达用户b对应的节点所经过的最小节点数为2,分别为节点a和节点b,即用户u与用户b之间的距离L为2;从用户a对应的节点出发沿用户特征关系图中的边到达用户b对应的节点所经过的最小节点数为1,为节点b,即用户a与用户b之间的距离L为1。在图2所示的用户特征关系图中,距用户u的距离小于L的用户集合NL(u)为{a,c},距用户v的距离小于L的用户集合NL(v)为{b,c},距用户u和用户v距离小于L的共有用户数量|NL(u)∩NL(v)|为1,所述共有用户为用户c;距用户u和用户v距离小于L的所有用户数量|NL(u)∪NL(v)|为3,即用户a、b和c。为了降低计算复杂度,如果L的值大于4,则直接将目标用户与当前用户之间的相似度simt(u,v)确定为0,而不再套用上述公式(1)进行计算。
步骤130、基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的历史喜爱度。
其中,所述目标用户的历史观看行为具体可包括:所述目标用户截至当前时刻观看过哪些直播间,对应的观看时长是多少,给哪些直播间发送过弹幕或者送过礼物等;若用户对直播间的观看次数越多,观看时长越长,则表面用户对这些直播间的历史喜爱度越高,同时用户给直播间发弹幕或者送礼物的互动行为也能在一定程度上反映用户对这些直播间的历史喜爱度。
步骤140、根据所述相似度以及所述历史喜爱度生成与当前用户匹配的直播间推荐集合。
具体的,可以将与当前用户相似度达到设定阈值的目标用户喜欢的直播间确定为与当前用户匹配的直播间推荐集合。所述目标用户喜欢的直播间可通过所述目标用户对各直播间的历史喜爱度进行确定,通常将历史喜爱度达到阈值的直播间确定为目标用户喜欢的直播间。优选的,与当前用户匹配的直播间推荐集合中不包括当前用户观看过的直播间,以免导致用户重复观看,给用户带来不良的观看体验。也可通过目标用户与当前用户之间的相似度,以及所述目标用户对其观看过的直播间的历史喜爱度计算当前用户对其未观看过的直播间的喜爱度,进而将当前用户对其未观看过的直播间的喜爱度达到阈值的直播间确定为与当前用户匹配的直播间推荐集合。
步骤150、将与当前用户匹配的直播间推荐集合中的直播间推荐给所述当前用户。
本实施例提供的一种直播间推荐方法,通过当需要为当前用户推荐直播间时,获取当前时刻的目标用户;基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度;基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的喜爱度;根据所述目标用户与当前用户之间的相似度以及所述目标用户对其观看过的直播间的喜爱度生成与当前用户匹配的直播间推荐集合;将与当前用户匹配的直播间推荐集合中的直播间推荐给所述当前用户的技术手段,实现了为当前用户进行个性化推荐的目的。
实施例二
图3为本发明实施例二提供的一种直播间推荐方法流程示意图。在上述实施例的基础上,本实施例对上述步骤130“基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的喜爱度”和步骤140“根据所述相似度以及所述历史喜爱度生成与当前用户匹配的直播间推荐集合”进行了进一步优化,优化的好处是可准确确定目标用户对其观看过的直播间的喜爱度以及当前用户对其未观看过的直播间的喜爱度,从而提高直播间推荐的准确度。具体参见图3所示,该方法包括如下步骤:
步骤310、当需要为当前用户推荐直播间时,获取当前时刻的目标用户。
步骤320、基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度。
步骤330、基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的历史喜爱度。
具体的,按照如下公式确定所述目标用户对其观看过的直播间的历史喜爱度:
其中,scoret(u,r)表示在时刻t用户u对其观看过的直播间r的历史喜爱度,表示用户u在距时刻t设定时间段内观看直播间r的总时长,表示用户u在距时刻t设定时间段内观看直播间s的总时长,ur表示目标用户在距时刻t设定时间段内观看过的直播间集合,s表示ur中的任意元素,β表示时间衰减系统。所述设定时间段可以设置为30天,假设时刻t为2018年12月1日的上午8点,则距时刻t 30天的时间段为2018年11月1日的上午8点-2018年12月1日的上午8点,在这段时间内用户u观看直播间r的总时长表示为
步骤340、根据所述相似度以及所述历史喜爱度计算当前用户对其未观看过的直播间的预测喜爱度。
具体的,按照如下公式计算当前用户对其未观看过的直播间的预测喜爱度:
其中,scoret(u,r)表示在时刻t用户u对其未观看过的直播间r的预测喜爱度,scoret(j,r)表示在时刻t用户j对其观看过的直播间r的历史喜爱度,simt(u,j)表示在时刻t用户u和用户j之间的相似度,Wr表示距时刻t设定时间段内观看过直播间r的用户集合,j表示用户集合Wr中的任意用户,表示相似度衰减系数,其中,α为常数,通常设置为0.01,T表示距时刻t的设定时间段的天数,例如,若所述设定时间段取2018年11月1日的上午8点-2018年12月1日的上午8点,则所述T为30。
步骤350、由所述预测喜爱度达到设定阈值的直播间组成与当前用户匹配的直播间推荐集合。
步骤360、将与当前用户匹配的直播间推荐集合中的直播间推荐给所述当前用户。
在上述实施例的基础上,本实施例提供的一种直播间推荐方法,通过根据所述目标用户与当前用户之间的相似度以及所述目标用户对其观看过的直播间的喜爱度计算当前用户对其未观看过的直播间的喜爱度,由当前用户对其未观看过的直播间的喜爱度达到设定阈值的直播间组成与当前用户匹配的直播间推荐集合的技术手段,实现了准确确定当前用户对其未观看过的直播间的喜爱度,从而提高直播间推荐的准确度。
实施例三
图4为本发明实施例三提供的一种直播间推荐装置的结构示意图。参见图4所示,所述装置包括:获取模块410、相似度计算模块420、历史喜爱度确定模块430、生成模块440和推荐模块450;
其中,获取模块410,用于当需要为当前用户推荐直播间时,获取当前时刻的目标用户;
相似度计算模块420,用于基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度;
历史喜爱度确定模块430,用于基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的历史喜爱度;
生成模块440,用于根据所述相似度以及所述历史喜爱度生成与当前用户匹配的直播间推荐集合;
推荐模块450,用于将与当前用户匹配的直播间推荐集合中的直播间推荐给所述当前用户。
进一步的,相似度计算模块420包括:
建立单元,用于基于所述目标用户的当前特征建立用户特征关系图;
计算单元,用于根据所述用户特征关系图计算所述目标用户与当前用户之间的相似度。
进一步的,所述建立单元具体用于:
将每个目标用户作为图中的一个节点;
若两个目标用户之间存在至少一个相同的当前特征,则在所述两个目标用户对应的节点之间形成一条边;
其中,所述当前特征包括性别、年龄、购买能力以及观看偏好中的至少一种。
进一步的,所述计算单元具体用于:
按照如下公式计算所述目标用户与当前用户之间的相似度:
其中,simt(u,v)表示在时刻t时,用户u与用户v之间的相似度,L表示在用户特征关系图中用户u与用户v之间的距离,NL(u)表示在用户特征关系图中距用户u的距离小于L的用户集合,NL(v)表示在用户特征关系图中距用户v的距离小于L的用户集合,|NL(u)∩NL(v)|表示在用户特征关系图中距用户u和用户v距离小于L的共有用户数量。
进一步的,历史喜爱度确定模块430具体用于:
按照如下公式确定所述目标用户对其观看过的直播间的历史喜爱度:
其中,scoret(u,r)表示在时刻t用户u对其观看过的直播间r的历史喜爱度,表示用户u在距时刻t设定时间段内观看直播间r的总时长,表示用户u在距时刻t设定时间段内观看直播间s的总时长,ur表示目标用户在设定时间段内观看过的直播间集合,s表示ur中的任意元素,β表示时间衰减系统。
进一步的,生成模块440包括:
喜爱度计算单元,用于根据所述相似度以及所述历史喜爱度计算当前用户对其未观看过的直播间的预测喜爱度;
组成单元,用于由所述预测喜爱度达到设定阈值的直播间组成与当前用户匹配的直播间推荐集合。
进一步的,喜爱度计算单元具体用于:
按照如下公式计算当前用户对其未观看过的直播间的预测喜爱度:
其中,score(u,r)表示在时刻t用户u对其未观看过的直播间r的预测喜爱度,score(j,r)表示在时刻t用户j对其观看过的直播间r的历史喜爱度,simt(u,j)表示在时刻t用户u和用户j之间的相似度,Wr表示距时刻t设定时间段内观看过直播间r的用户集合,j表示用户集合Wr中的任意用户,表示相似度衰减系数,其中,α为常数,T表示距时刻t的设定时间段。
本实施例提供的直播间推荐装置,通过当需要为当前用户推荐直播间时,获取当前时刻的目标用户;基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度;基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的喜爱度;根据所述目标用户与当前用户之间的相似度以及所述目标用户对其观看过的直播间的喜爱度生成与当前用户匹配的直播间推荐集合;将与当前用户匹配的直播间推荐集合中的直播间推荐给所述当前用户的技术手段,实现了为当前用户进行个性化推荐的目的。
实施例四
图5为本发明实施例四提供的一种电子设备的结构示意图。如图5所示,该电子设备包括:处理器670、存储器671及存储在存储器671上并可在处理器670上运行的计算机程序;其中,处理器670的数量可以是一个或多个,图5中以一个处理器670为例;处理器670执行所述计算机程序时实现如上述实施例一中所述的直播间推荐方法。如图5所示,所述电子设备还可以包括输入装置672和输出装置673。处理器670、存储器671、输入装置672和输出装置673可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器671作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中直播间推荐装置/模块(例如,获取模块410、相似度计算模块420、历史喜爱度确定模块430、生成模块440和推荐模块450等)。处理器670通过运行存储在存储器671中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述的直播间推荐方法。
存储器671可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器671可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器671可进一步包括相对于处理器670远程设置的存储器,这些远程存储器可以通过网络连接至电子设备/存储介质。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置672可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置673可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种直播间推荐方法,该方法包括:
当需要为当前用户推荐直播间时,获取当前时刻的目标用户;
基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度;
基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的历史喜爱度;
根据所述相似度以及所述历史喜爱度生成与当前用户匹配的直播间推荐集合;
将与当前用户匹配的直播间推荐集合中的直播间推荐给所述当前用户。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的直播间推荐相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,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,存储介质,或者网络设备等)执行本发明各个实施例所述的。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种直播间推荐方法,其特征在于,包括:
当需要为当前用户推荐直播间时,获取当前时刻的目标用户;
基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度;
基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的历史喜爱度;
根据所述相似度以及所述历史喜爱度,生成与当前用户匹配的直播间推荐集合;
将与当前用户匹配的直播间推荐集合中的直播间推荐给所述当前用户。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度,包括:
基于所述目标用户的当前特征建立用户特征关系图;
根据所述用户特征关系图计算所述目标用户与当前用户之间的相似度。
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标用户的当前特征建立用户特征关系图,包括:
将每个目标用户作为图中的一个节点;
若两个目标用户之间存在至少一个相同的当前特征,则在所述两个目标用户对应的节点之间形成一条边;
其中,所述当前特征包括性别、年龄、购买能力以及观看偏好中的至少一种。
4.根据权利要求3所述的方法,其特征在于,所述根据所述用户特征关系图计算所述目标用户与当前用户之间的相似度,包括:
按照如下公式计算所述目标用户与当前用户之间的相似度:
其中,simt(u,v)表示在时刻t时,用户u与用户v之间的相似度,L表示在用户特征关系图中用户u与用户v之间的距离,NL(u)表示在用户特征关系图中距用户u的距离小于L的用户集合,NL(v)表示在用户特征关系图中距用户v的距离小于L的用户集合,|NL(u)∩NL(v)|表示在用户特征关系图中距用户u和用户v距离小于L的共有用户数量。
5.根据权利要求1所述的方法,其特征在于,所述基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的历史喜爱度,包括:
按照如下公式确定所述目标用户对其观看过的直播间的历史喜爱度:
其中,scoret(u,r)表示在时刻t用户u对其观看过的直播间r的历史喜爱度,
表示用户u在距时刻t设定时间段内观看直播间r的总时长,表示用户u在距时刻t设定时间段内观看直播间s的总时长,ur表示目标用户在距时刻t设定时间段内观看过的直播间集合,s表示ur中的任意元素,β表示时间衰减系统。
6.根据权利要求5所述的方法,其特征在于,所述根据所述相似度以及所述历史喜爱度,生成与当前用户匹配的直播间推荐集合,包括:
根据所述相似度以及所述历史喜爱度计算当前用户对其未观看过的直播间的预测喜爱度;
由所述预测喜爱度达到设定阈值的直播间组成与当前用户匹配的直播间推荐集合。
7.根据权利要求6所述的方法,其特征在于,所述根据所述相似度以及所述历史喜爱度计算当前用户对其未观看过的直播间的预测喜爱度,包括:
按照如下公式计算当前用户对其未观看过的直播间的预测喜爱度:
其中,scoret(u,r)表示在时刻t用户u对其未观看过的直播间r的预测喜爱度,scoret(j,r)表示在时刻t用户j对其观看过的直播间r的历史喜爱度,simt(u,j)表示在时刻t用户u和用户j之间的相似度,Wr表示距时刻t设定时间段内观看过直播间r的用户集合,j表示用户集合Wr中的任意用户,表示相似度衰减系数,其中,α为常数,T表示距时刻t的设定时间段的天数。
8.一种直播间推荐装置,其特征在于,所述装置包括:
获取模块,用于当需要为当前用户推荐直播间时,获取当前时刻的目标用户;
相似度计算模块,用于基于所述目标用户的当前特征计算所述目标用户与当前用户之间的相似度;
历史喜爱度确定模块,用于基于所述目标用户的历史观看行为确定所述目标用户对其观看过的直播间的历史喜爱度;
生成模块,用于根据所述相似度以及所述历史喜爱度生成与当前用户匹配的直播间推荐集合;
推荐模块,用于将与当前用户匹配的直播间推荐集合中的直播间推荐给所述当前用户。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可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如权利要求1-7中任一项所述的直播间推荐方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时实现如权利要求1-7中任一项所述的直播间推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811406317.XA CN109495770B (zh) | 2018-11-23 | 2018-11-23 | 一种直播间推荐方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811406317.XA CN109495770B (zh) | 2018-11-23 | 2018-11-23 | 一种直播间推荐方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109495770A true CN109495770A (zh) | 2019-03-19 |
CN109495770B CN109495770B (zh) | 2021-03-16 |
Family
ID=65697708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811406317.XA Active CN109495770B (zh) | 2018-11-23 | 2018-11-23 | 一种直播间推荐方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109495770B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210905A (zh) * | 2019-05-31 | 2019-09-06 | 拉扎斯网络科技(上海)有限公司 | 特征相似度计算方法、装置、电子设备及计算机存储介质 |
CN110263258A (zh) * | 2019-06-25 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 内容推荐的方法、装置、电子设备及计算机可读介质 |
CN111506816A (zh) * | 2020-04-20 | 2020-08-07 | 喜大(上海)网络科技有限公司 | 推荐方法、装置、设备及存储介质 |
CN111556327A (zh) * | 2020-04-02 | 2020-08-18 | 北京达佳互联信息技术有限公司 | 直播间推荐方法、装置、终端、服务器、系统及存储介质 |
CN112788351A (zh) * | 2019-11-01 | 2021-05-11 | 武汉斗鱼鱼乐网络科技有限公司 | 一种目标直播间的识别方法、装置、设备和存储介质 |
CN113207010A (zh) * | 2021-06-02 | 2021-08-03 | 清华大学 | 模型训练方法、直播推荐方法、设备、程序产品 |
CN113301442A (zh) * | 2021-05-20 | 2021-08-24 | 北京百度网讯科技有限公司 | 确定直播资源的方法、设备、介质及程序产品 |
CN113412608A (zh) * | 2019-06-24 | 2021-09-17 | 深圳市欢太科技有限公司 | 内容推送方法、装置、服务端及存储介质 |
CN114520929A (zh) * | 2022-02-13 | 2022-05-20 | 武汉斗鱼鱼乐网络科技有限公司 | 一种视频播放方法、装置、介质及计算机设备 |
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 |
CN114756746A (zh) * | 2022-04-07 | 2022-07-15 | 北京达佳互联信息技术有限公司 | 虚拟空间推荐方法、装置、电子设备及存储介质 |
CN115514995A (zh) * | 2021-06-23 | 2022-12-23 | 武汉斗鱼鱼乐网络科技有限公司 | 一种直播间推荐信息的展示方法、装置以及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101374214A (zh) * | 2007-08-23 | 2009-02-25 | 索尼株式会社 | 信息处理装置、信息处理方法及程序 |
WO2012017786A1 (ja) * | 2010-08-06 | 2012-02-09 | 日本電気株式会社 | コミュニケーション支援装置、コミュニケーション支援方法、およびコンピュータ読み取り可能な記録媒体 |
CN102609533A (zh) * | 2012-02-15 | 2012-07-25 | 中国科学技术大学 | 一种基于核方法的协同过滤推荐系统及方法 |
CN104333773A (zh) * | 2013-12-18 | 2015-02-04 | 乐视网信息技术(北京)股份有限公司 | 一种视频推荐方法及服务器 |
CN104391925A (zh) * | 2014-11-20 | 2015-03-04 | 四川长虹电器股份有限公司 | 一种基于tv用户协同预测的视频推荐方法及系统 |
CN105184654A (zh) * | 2015-10-20 | 2015-12-23 | 中国石油大学(华东) | 一种基于社区划分的舆情热点实时获取方法与获取装置 |
CN106294800A (zh) * | 2016-08-16 | 2017-01-04 | 武汉斗鱼网络科技有限公司 | 基于加权k近邻评分的直播间推荐方法及系统 |
CN106997358A (zh) * | 2016-01-22 | 2017-08-01 | 中移(杭州)信息技术有限公司 | 信息推荐方法及装置 |
-
2018
- 2018-11-23 CN CN201811406317.XA patent/CN109495770B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101374214A (zh) * | 2007-08-23 | 2009-02-25 | 索尼株式会社 | 信息处理装置、信息处理方法及程序 |
WO2012017786A1 (ja) * | 2010-08-06 | 2012-02-09 | 日本電気株式会社 | コミュニケーション支援装置、コミュニケーション支援方法、およびコンピュータ読み取り可能な記録媒体 |
CN102609533A (zh) * | 2012-02-15 | 2012-07-25 | 中国科学技术大学 | 一种基于核方法的协同过滤推荐系统及方法 |
CN104333773A (zh) * | 2013-12-18 | 2015-02-04 | 乐视网信息技术(北京)股份有限公司 | 一种视频推荐方法及服务器 |
CN104391925A (zh) * | 2014-11-20 | 2015-03-04 | 四川长虹电器股份有限公司 | 一种基于tv用户协同预测的视频推荐方法及系统 |
CN105184654A (zh) * | 2015-10-20 | 2015-12-23 | 中国石油大学(华东) | 一种基于社区划分的舆情热点实时获取方法与获取装置 |
CN106997358A (zh) * | 2016-01-22 | 2017-08-01 | 中移(杭州)信息技术有限公司 | 信息推荐方法及装置 |
CN106294800A (zh) * | 2016-08-16 | 2017-01-04 | 武汉斗鱼网络科技有限公司 | 基于加权k近邻评分的直播间推荐方法及系统 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210905A (zh) * | 2019-05-31 | 2019-09-06 | 拉扎斯网络科技(上海)有限公司 | 特征相似度计算方法、装置、电子设备及计算机存储介质 |
CN113412608A (zh) * | 2019-06-24 | 2021-09-17 | 深圳市欢太科技有限公司 | 内容推送方法、装置、服务端及存储介质 |
CN110263258A (zh) * | 2019-06-25 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 内容推荐的方法、装置、电子设备及计算机可读介质 |
CN112788351B (zh) * | 2019-11-01 | 2022-08-05 | 武汉斗鱼鱼乐网络科技有限公司 | 一种目标直播间的识别方法、装置、设备和存储介质 |
CN112788351A (zh) * | 2019-11-01 | 2021-05-11 | 武汉斗鱼鱼乐网络科技有限公司 | 一种目标直播间的识别方法、装置、设备和存储介质 |
CN111556327A (zh) * | 2020-04-02 | 2020-08-18 | 北京达佳互联信息技术有限公司 | 直播间推荐方法、装置、终端、服务器、系统及存储介质 |
US11245944B2 (en) | 2020-04-02 | 2022-02-08 | Beijing Dajia Internet Information Technology Co., Ltd. | Method and apparatus for recommending live streaming room |
CN111506816B (zh) * | 2020-04-20 | 2023-05-09 | 喜大(上海)网络科技有限公司 | 推荐方法、装置、设备及存储介质 |
CN111506816A (zh) * | 2020-04-20 | 2020-08-07 | 喜大(上海)网络科技有限公司 | 推荐方法、装置、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 |
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 |
CN113301442A (zh) * | 2021-05-20 | 2021-08-24 | 北京百度网讯科技有限公司 | 确定直播资源的方法、设备、介质及程序产品 |
CN113301442B (zh) * | 2021-05-20 | 2022-10-21 | 北京百度网讯科技有限公司 | 确定直播资源的方法、设备、介质及程序产品 |
CN113207010A (zh) * | 2021-06-02 | 2021-08-03 | 清华大学 | 模型训练方法、直播推荐方法、设备、程序产品 |
CN115514995A (zh) * | 2021-06-23 | 2022-12-23 | 武汉斗鱼鱼乐网络科技有限公司 | 一种直播间推荐信息的展示方法、装置以及设备 |
CN114520929A (zh) * | 2022-02-13 | 2022-05-20 | 武汉斗鱼鱼乐网络科技有限公司 | 一种视频播放方法、装置、介质及计算机设备 |
CN114756746A (zh) * | 2022-04-07 | 2022-07-15 | 北京达佳互联信息技术有限公司 | 虚拟空间推荐方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109495770B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109495770A (zh) | 一种直播间推荐方法、装置、设备及介质 | |
CN104598505B (zh) | 多媒体资源推荐方法及装置 | |
CN103649981B (zh) | 用于输送目标内容的方法和装置 | |
CN102316130B (zh) | 一种基于用户的行为判断其与好友的亲疏度的方法与设备 | |
US20140280221A1 (en) | Tailoring user experience for unrecognized and new users | |
CN108536814B (zh) | 直播间推荐方法、计算机可读存储介质及电子设备 | |
CN105005582A (zh) | 多媒体信息的推荐方法及装置 | |
CN105103176A (zh) | 信息处理设备、信息处理方法和程序 | |
CN105812937A (zh) | 一种电视节目推荐方法和电视节目推荐装置 | |
CN104053023A (zh) | 一种确定视频相似度的方法及装置 | |
CN111159570A (zh) | 一种信息推荐方法及服务器 | |
CN109558514A (zh) | 视频推荐方法、其装置、信息处理设备及存储介质 | |
CN109348260A (zh) | 一种直播间推荐方法、装置、设备及介质 | |
CN105208409B (zh) | 一种信息推荐方法及装置 | |
Aharon et al. | Watch-it-next: a contextual TV recommendation system | |
US20170330243A1 (en) | Bid recommendations for budget constrained campaigns | |
Mehta et al. | Collaborative personalized web recommender system using entropy based similarity measure | |
CN111523050A (zh) | 内容推荐方法、服务器及存储介质 | |
CN110046736B (zh) | 权益推荐方法、装置及设备 | |
CN112883275B (zh) | 一种直播间推荐方法、装置、服务器及介质 | |
CN108763306A (zh) | 基于多用户的视频推荐方法及装置 | |
CN108133036A (zh) | 一种用户兴趣点的权重值确定方法、装置及电子设备 | |
KR101496181B1 (ko) | 컨텐츠의 주제를 사용하는 컨텐츠 추천 방법 및 장치 | |
CN107341172B (zh) | 视频收益计算建模装置与方法及视频推荐装置与方法 | |
JP2011227720A (ja) | 推薦システム、推薦方法、及び推薦プログラム |
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 |