CN109729377A - 一种主播信息的推送方法、装置、计算机设备和存储介质 - Google Patents
一种主播信息的推送方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109729377A CN109729377A CN201910001365.9A CN201910001365A CN109729377A CN 109729377 A CN109729377 A CN 109729377A CN 201910001365 A CN201910001365 A CN 201910001365A CN 109729377 A CN109729377 A CN 109729377A
- Authority
- CN
- China
- Prior art keywords
- main broadcaster
- user
- spectators
- candidate
- broadcaster user
- 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
Abstract
本发明实施例公开了一种主播信息的推送方法、装置、计算机设备和存储介质。该方法包括:从原始主播用户中选择第一候选主播用户;针对观众用户,从所述第一候选主播用户中选择第二候选主播用户;针对所述观众用户,对所述第二候选主播用户进行排序;从排序之后的所述第二候选主播中选择目标主播用户;将所述目标主播用户的主播信息推送给所述观众用户。实现了多层次的框架选择主播用户,筛选粒度从粗到细,在保证了主播用户的质量与匹配度的同时,大大降低了主播用户的数量,从而降低了对CPU、内存等设备资源的消耗,提高了处理的效率。
Description
技术领域
本发明实施例涉及直播的技术,尤其涉及一种主播信息的推送方法、装置、计算机设备和存储介质。
背景技术
随着网络科技的发展,尤其是移动终端的普及,方便主播用户在直播平台上开设直播间,将自己或身边的事情进行直播,观众用户可以进入该直播间进行观看、互动。
由于主播用户数量众多,特色各异,观众用户想要快速找到自己喜欢的主播用户和发掘可能喜欢的主播用户,花费的时间较多,可能降低观众用户的活跃,甚至离开直播平台。
因此,直播平台通常会挖掘用户可能喜欢的网络主播,将其主播信息推送给观众用户,方便观众用户寻找自己喜爱的主播用户,同时也有利于直播平台提升观众用户的留存和观看时长,进而拉升活跃程度。
目前,直播平台多基于协同过滤、深度学习等方式选择观众用户可能喜欢的主播用户。
但是,这些方式处理的数据量较大,导致CPU(Central Processing Unit,中央处理器)、内存等设备资源消耗较大。
发明内容
本发明实施例提供一种主播信息的推送方法、装置、计算机设备和存储介质,以解决在选择观众用户可能喜欢的主播用户时,处理的数据量较大,导致CPU、内存等设备资源消耗较大。
第一方面,本发明实施例提供了一种主播信息的推送方法,包括:
从原始主播用户中选择第一候选主播用户;
针对观众用户,从所述第一候选主播用户中选择第二候选主播用户;
针对所述观众用户,对所述第二候选主播用户进行排序;
从排序之后的所述第二候选主播中选择目标主播用户;
将所述目标主播用户的主播信息推送给所述观众用户。
可选地,所述从原始主播用户中选择第一候选主播用户,包括:
确定原始主播用户对应的直播质量指标;
基于所述直播质量指标对所述原始主播用户计算直播质量值;
按照所述直播质量值从所述原始主播用户中选择第一候选主播用户。
可选地,所述观众用户包括第一观众用户与第二观众用户;
所述针对观众用户,从所述第一候选主播用户中选择第二候选主播用户,包括:
确定与所述第一观众用户相似的第二观众用户;
将所述第二观众用户已浏览、且所述第一观众用户未浏览的第一候选主播用户,设置为所述第一观众用户对应的第二候选主播用户。
可选地,所述针对观众用户,从所述第一候选主播用户中选择第二候选主播用户,还包括:
若所述第二候选主播用户的数量小于预设的数量阈值,则确定与所述第二候选主播用户相似的第三候选主播用户,所述第三候选主播用户为所述第一候选主播用户中除所述第二候选主播用户之外的主播用户;
将所述第三候选主播用户设置为新的第二候选主播用户,直至所述第二候选主播用户的数量到达所述数量阈值。
可选地,所述针对所述观众用户,对所述第二候选主播用户进行排序,包括:
确定所述观众用户对所述第二候选主播用户的主播喜好值;
按照所述主播喜好值对所述第二候选主播用户进行排序。
可选地,所述确定所述观众用户对所述第二候选主播用户的主播喜好值,包括:
确定所述第二候选主播用户的主播标签与所述观众用户的观众标签;
将所述第二候选主播用户的主播标签与所述观众用户的观众标签输入预设的预测模型中进行处理,获得所述观众用户对所述第二候选主播用户的主播喜好值。
可选地,还包括:
确定样本主播用户的主播标签与样本观众用户的观众标签;
确定所述样本观众用户的观看行为数据,所述观众观看行为数据产生于所述样本观众用户观看所述样本主播用户主持的直播视频数据;
按照所述观众行为数据计算所述样本观众用户对所述样本主播用户的主播喜好值;
根据所述样本主播用户的主播标签、所述样本观众用户的观众标签与所述主播喜好值训练预测模型。
可选地,所述从排序之后的所述第二候选主播中选择目标主播用户,包括:
确定目标主播用户的第一数量;
确定直播品类在所述第一数量中占据的第二数量;
从排序之后的所述第二候选主播中,选择符合所述直播品类与所述第二数量的第二候选主播作为目标主播用户。
第二方面,本发明实施例还提供了一种主播信息的推送装置,其特征在于,
包括:
第一候选主播用户选择模块,用于从原始主播用户中选择第一候选主播用户;
第二候选主播用户选择模块,用于针对观众用户,从所述第一候选主播用户中选择第二候选主播用户;
第二候选主播用户排序模块,用于针对所述观众用户,对所述第二候选主播用户进行排序;
目标主播用户选择模块,用于从排序之后的所述第二候选主播中选择目标主播用户;
主播信息推送模块,用于将所述目标主播用户的主播信息推送给所述观众用户。
可选地,所述第一候选主播用户选择模块包括:
直播质量指标确定子模块,用于确定原始主播用户对应的直播质量指标;
直播质量值计算子模块,用于基于所述直播质量指标对所述原始主播用户计算直播质量值;
直播质量值选择子模块,用于按照所述直播质量值从所述原始主播用户中选择第一候选主播用户。
可选地,所述观众用户包括第一观众用户与第二观众用户;
所述第二候选主播用户选择模块包括:
相似观众用于确定子模块,用于确定与所述第一观众用户相似的第二观众用户;
第二候选主播用户设置子模块,用于将所述第二观众用户已浏览、且所述第一观众用户未浏览的第一候选主播用户,设置为所述第一观众用户对应的第二候选主播用户。
可选地,所述第二候选主播用户选择模块还包括:
第三候选主播用户确定子模块,用于若所述第二候选主播用户的数量小于预设的数量阈值,则确定与所述第二候选主播用户相似的第三候选主播用户,所述第三候选主播用户为所述第一候选主播用户中除所述第二候选主播用户之外的主播用户;
新候选主播用户设置子模块,用于将所述第三候选主播用户设置为新的第二候选主播用户,直至所述第二候选主播用户的数量到达所述数量阈值。
可选地,所述第二候选主播用户排序模块包括:
主播喜好值确定子模块,用于确定所述观众用户对所述第二候选主播用户的主播喜好值;
主播喜好值排序子模块,用于按照所述主播喜好值对所述第二候选主播用户进行排序。
可选地,所述主播喜好值确定子模块包括:
标签确定单元,用于确定所述第二候选主播用户的主播标签与所述观众用户的观众标签;
模型处理单元,用于将所述第二候选主播用户的主播标签与所述观众用户的观众标签输入预设的预测模型中进行处理,获得所述观众用户对所述第二候选主播用户的主播喜好值。
可选地,还包括:
样本标签确定模块,用于确定样本主播用户的主播标签与样本观众用户的观众标签;
观看行为数据确定模块,用于确定所述样本观众用户的观看行为数据,所述观众观看行为数据产生于所述样本观众用户观看所述样本主播用户主持的直播视频数据;
主播喜好值计算模块,用于按照所述观众行为数据计算所述样本观众用户对所述样本主播用户的主播喜好值;
预测模型训练模块,用于根据所述样本主播用户的主播标签、所述样本观众用户的观众标签与所述主播喜好值训练预测模型。
可选地,所述目标主播用户选择模块包括:
第一数量确定子模块,用于确定目标主播用户的第一数量;
第二数量确定子模块,用于确定直播品类在所述第一数量中占据的第二数量;
直播品类选择子模块,用于从排序之后的所述第二候选主播中,选择符合所述直播品类与所述第二数量的第二候选主播作为目标主播用户。
第三方面,本发明实施例还提供了一种计算机设备,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程序时实现第一方面所述的主播信息的推送方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面所述的主播信息的推送方法。
在本实施例中,从原始主播用户中选择第一候选主播用户,针对观众用户,从所述第一候选主播用户中选择第二候选主播用户,针对观众用户,对第二候选主播用户进行排序,从排序之后的第二候选主播中选择目标主播用户,将目标主播用户的主播信息推送给观众用户,实现了多层次的框架选择主播用户,筛选粒度从粗到细,在保证了主播用户的质量与匹配度的同时,大大降低了主播用户的数量,从而降低了对CPU、内存等设备资源的消耗,提高了处理的效率。
附图说明
图1为本发明实施例一提供的一种主播信息的推送方法的流程图;
图2是本发明实施例二提供的一种主播信息的推送方法的流程图;
图3为本发明实施例三提供的一种主播信息的推送装置的结构示意图。
图4为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种主播信息的推送方法的流程图,本实施例可适用于使用多层次的框架选择主播用户并将其主播信息推送给观众用户的情况,该方法可以由主播信息的推送装置来执行,该主播信息的推送装置可由硬件和/或软件实现,配置在计算机设备中,如服务器,该方法具体包括如下步骤:
S110、从原始主播用户中选择第一候选主播用户。
在直播平台中,一方面,注册有多个主播用户,配置有相应的用户数据(如用户账号、用户头像等),该主播用户可登录直播平台、开设直播间,并在该直播间中进行直播,例如,媒体和活动直播、游戏直播、秀场直播、社交直播,等等;另一方面,观众用户可请求加载直播平台的该直播间,观看直播。
其中,该主播用户可以为自然人,也可以为法人(如企事业单位),还可以是虚拟的用户(如用于直播某个风景景区的摄像头),本实施例对此不加以限制。
而观众用户可以为注册的用户(可以以用户账号表示),也可以为非注册的用户(可以以设备标识表示),本实施例对此不加以限制。
此外,直播间可以指用于执行直播操作的上下文,一般包括房间地址(如URL(Uniform Resource Locator,统一资源定位符)、房间名称、房间号码、房间简介等信息。
需要说明的是,原始主播用户、第一候选主播用户、第二候选主播用户、第三候选主播用户、第四候选主播用户、样本主播用户等是用于对不同的状态进行区分,其本质均为主播用户,同样地,样本观众用户也是用于对不同的状态进行区分,其本质也为观众用户。
在直播平台中注册的主播用户数以万计,但未必每个主播用户都值得推送给观众用户,因此,在本实施例中,可以按照业务需求制定筛选规则,根据该筛选规则从所有的原始主播用户中选择部分原始主播用户,作为第一候选主播用户,构建全量观众用户的主播用户候选池。
其中,原始主播用户可以为注册的主播用户,可以为符合一定条件(如直播次数超过预设的阈值、直播时长超过预设的阈值等)的主播用户,即活跃的主播用户,等等,本实施例对此不加以限制。
S120、针对观众用户,从所述第一候选主播用户中选择第二候选主播用户。
针对单个观众用户,可以根据其个性化的用户行为数据,从第一候选主播用户中选择部分第一候选主播用户,作为该观众用户可能喜好的第二候选主播用户。
S130、针对所述观众用户,对所述第二候选主播用户进行排序。
针对单个观众用户,可以根据第二候选主播用户与观众用户之间的匹配关系,对第二候选主播用户进行排序,确定观众用户对第二候选主播用户的喜好排序。
S140、从排序之后的所述第二候选主播中选择目标主播用户。
针对单个观众用户,可以按照业务需求制定推送规则,根据该推送规则从排序之后的第二候选主播中选择目标主播用户,待推送给该观众用户。
S150、将所述目标主播用户的主播信息推送给所述观众用户。
若确定观众用户在符合推送条件,如将直播平台的页面下拉到底部、直播间停止直播等,则可以将目标主播用户的主播信息(如主播头像、主播昵称等)推送至该观众用户。
其中,推送给观众用户的目标主播用户,在直播平台中的状态为直播中,即正在直播间中主持直播,以方便观众用户加载该直播间进行观看。
需要说明的是,所谓推送给观众用户,是指推送给观众用户所处的客户端,如浏览器、直播应用等,从而在该客户端中显示该主播信息。
一般情况下,客户端用于展示的资源位数量较少,尤其是移动终端的尺寸小、展示的资源位有限,因此,可根据排序配置目标主播用户的展示参数,以使客户端按照该展示参数进行展示。
其中,展示参数可包括展示面积、排序、提示元素等,其中,排序越高,配置的展示参数越好,如展示面积越大、排序越高、额外添加提示元素等,提高观众用户选择该目标主播用户的概率。
需要说明的是,S110-S140可以离线执行,也可以实时执行,S150可以实时执行,对于S110-S140的离线执行,每间隔一定的时间(如1个星期),则可以执行一次,对每个观众用户更新目标主播用户,在观众用户在符合推送条件时,即可推送目标主播用户。
在本实施例中,从原始主播用户中选择第一候选主播用户,针对观众用户,从所述第一候选主播用户中选择第二候选主播用户,针对观众用户,对第二候选主播用户进行排序,从排序之后的第二候选主播中选择目标主播用户,将目标主播用户的主播信息推送给观众用户,实现了多层次的框架选择主播用户,筛选粒度从粗到细,在保证了主播用户的质量与匹配度的同时,大大降低了主播用户的数量,从而降低了对CPU、内存等设备资源的消耗,提高了处理的效率。
实施例二
图2为本发明实施例二提供的一种主播信息的推送方法的流程图,本实施例以前述实施例为基础,进一步增加个多层次的框架的处理方式,该方法具体包括如下步骤:
S201,确定原始主播用户对应的直播质量指标。
S202,基于所述直播质量指标对所述原始主播用户计算直播质量值。
S203,按照所述直播质量值从所述原始主播用户中选择第一候选主播用户。
在本实施例中,可以根据主播用户的主播质量从原始主播用户中选择第一候选主播用户,作为后续推送效果的基础保障。
在具体实现中,预先选定可反应直播质量的直播质量指标,例如,DAU(DailyActive Users,日活跃用户)、ACU(Average Concurrent Users,平均同时在线用户人数)、观众用户的留存率、开播时间(如天数)、n分钟(如5分钟)的DAU占比,m分钟(如20分钟)的DAU占比、平均弹幕数量、平均支付虚拟货币的数量、平均赠送虚拟礼物的数量,等等。
当然,上述直播质量指标可以单独使用,也可以组合使用,例如,针对最终推送主播用户的业务角度,可选择日均ACU单独使用,等等,本实施例对此不加以限制。
对于每个原始主播用户而言,从直播平台的日志中统计其对应的直播质量指标,并以此计算原始主播用户的直播质量值。
在一种计算直播质量值的方式中,可对每一项直播质量指标进行归一化,并对归一化后的直播质量指标配置相应的权重,计算配置权重之后的直播质量指标的和值,作为直播质量值。
S204、确定与所述第一观众用户相似的第二观众用户。
S205、将所述第二观众用户已浏览、且所述第一观众用户未浏览的第一候选主播用户,设置为所述第一观众用户对应的第二候选主播用户。
在本实施例中,针对观众用户,可根据观众用户之间的相似度,从第一候选主播用户中选择第二候选主播用户,从而缩小主播用户的候选池。
在具体实现中,观众用户包括第一观众用户与第二观众用户,第一观众用户与第二观众用户是相对而言的,对于某个观众用户而言,该观众用户为第一观众用户,其它观众用户为第二观众用户,对于其它观众用户而言,该观众用户为第二观众用户。
在确定某个观众用户为第一观众用户之后,可通过协同过滤(CollaborativeFiltering,CF)确定与该第一观众用户相似的第二观众用户,从而把第二观众用户已浏览、且第一观众用户未浏览的第一候选主播用户,设置为第一观众用户对应的第二候选主播用户。
进一步而言,将第一观众用户对所有第一候选主播用户的偏好作为一个向量来计算观众用户之间的相似度,找到相似度最高的K个(如5个)观众用户,作为第二观众用户。
根据第二观众用户的相似度权重以及第二观众用户对第一候选主播用户的偏好,预测第一观众用户没有偏好的、未涉及的主播用户,计算得到一个排序的第一候选主播用户的列表,作为第一观众用户的第二候选主播用户。
S206、若所述第二候选主播用户的数量小于预设的数量阈值,则确定与所述第二候选主播用户相似的第三候选主播用户。
其中,第三候选主播用户为第一候选主播用户中除第二候选主播用户之外的主播用户。
S207、将所述第三候选主播用户设置为新的第二候选主播用户,直至所述第二候选主播用户的数量到达所述数量阈值。
在实际应用中,考虑到推送效果与计算性能之间的平衡,一般会对第二候选主播用户的数量设置一个数量阈值,如200个。
如果S205选择的第二候选主播用户的数量大于或等于该数量阈值,则选择该数量阈值内、排序最高的第二候选主播用户,继续执行S208。
如果S205选择的第二候选主播用户的数量小于该数量阈值,则执行S206、S207,将与第二候选主播用户相似的第三候选主播用户设置为新的第二候选主播用户,从而扩展第二候选主播用户的数量,直至到达数量阈值。
在一种相似的确定方式中,可将观众用户明确情感信息的主播用户作为词,该主播用户形成的列表作为文本,通过wrod2vec等算法计算主播用户之间的相似度。
其中,该情感信息包括正向情感和/或负向情感,例如,订阅、喜好、支持、屏蔽,等等。
S208、确定所述观众用户对所述第二候选主播用户的主播喜好值。
S209、按照所述主播喜好值对所述第二候选主播用户进行排序。
在本实施例中,可计算观众用户对第二候选主播用户的主播喜好值,表达观众用户对该第二候选主播用户的喜好程度,以此对第二候选主播用户进行排序。
一般而言,对于顺序排序,主播喜好值越高,第二候选主播用户排序越高,越优先选择为目标主播用户。
在一种主播喜好值的计算方式中,可预先训练将确定主播用户的主播标签、观众用户的观众标签与观众用户对主播用户的主播评分值,作为训练数据,通过GBDT(GradientBoosting Decision Tree,一种基于决策树(decision tree)的分类回归算法)与LR(Logistic Regression,回归模型)等方式训练预测模型。
在具体实现中,一方面,可确定样本主播用户的主播标签与样本观众用户的观众标签。
其中,观众标签包括观众用户喜好的直播品类、喜好的主播用户的性别、喜好的观看时间等。
主播标签包括主播用户的性别、年龄、喜好的直播时间、喜好的直播品类等。
另一方面,确定样本观众用户的观看行为数据,观众观看行为数据产生于样本观众用户观看样本主播用户主持的直播视频数据,例如,样本观众用户对该样本主播用户的观看时长、是否订阅、是否付费、是否发弹幕,等等。
按照观众行为数据计算样本观众用户对样本主播用户的主播喜好值。
进一步而言,可对观众行为数据进行归一化,对归一化之后的观众行为数据配置权重,计算配置权重之后的观众行为数据的和值,作为主播喜好值。
例如,对观看时长进行归一化,将值最大的观看时长设置为1,将值最小的观看时长设置为0。
此后,根据样本主播用户的主播标签、样本观众用户的观众标签与主播喜好值训练预测模型,因此,该预测模型可用于预测观众用户对于主播用户的主播喜好值。
在计算时,可确定第二候选主播用户的主播标签与观众用户的观众标签。
将第二候选主播用户的主播标签与观众用户的观众标签输入预设的预测模型中进行处理,获得观众用户对第二候选主播用户的主播喜好值。
S210、确定目标主播用户的第一数量。
S211、确定直播品类在所述第一数量中占据的第二数量。
S212、从排序之后的所述第二候选主播中,选择符合所述直播品类与所述第二数量的第二候选主播作为目标主播用户。
进一步而言,对于观众用户而言,如果喜好较为明显,可能导致排序靠前的第二候选用户主播属于同一个直播品类,如果推送同一个直播品类的主播用户,则观众用户可能会觉得单调和乏味,并不能拓展观众用户的多元兴趣。
因此,在本实施例中,对直播品类控制占比,从而根据直播品类的占比从排序之后的第二候选主播中选择目标主播用户,继而达到更好的多元效果。
在具体实现中,可预先设置直播品类的占比,以及,确定目标主播用户的第一数量,在该第一数量的基础上乘以该占比,则可以获得该直播品类的第二数量,从排序之后的第二候选主播中,选择该直播品类下的第二候选主播,直至到达该第二数量,以此作为目标主播用户。
例如,直播品类包括游戏、美食、户外,游戏:美食:户外的占比为3:1:1,假设目标主播用户的第一数量为10,则游戏的数量为6、美食的数量为2、户外的数量为2,则选择6个排序最高的、且属于游戏的第二候选主播,2个排序最高的、且属于美食的第二候选主播,选择2个排序最高的、且属于户外的第二候选主播,作为目标主播用户,推送给观众用户。
实施例三
图3为本发明实施例三提供的一种主播信息的推送装置的结构示意图,该装置具体可以包括如下模块:
第一候选主播用户选择模块310,用于从原始主播用户中选择第一候选主播用户;
第二候选主播用户选择模块320,用于针对观众用户,从所述第一候选主播用户中选择第二候选主播用户;
第二候选主播用户排序模块330,用于针对所述观众用户,对所述第二候选主播用户进行排序;
目标主播用户选择模块340,用于从排序之后的所述第二候选主播中选择目标主播用户;
主播信息推送模块350,用于将所述目标主播用户的主播信息推送给所述观众用户。
在本发明的一个实施例中,所述第一候选主播用户选择模块310包括:
直播质量指标确定子模块,用于确定原始主播用户对应的直播质量指标;
直播质量值计算子模块,用于基于所述直播质量指标对所述原始主播用户计算直播质量值;
直播质量值选择子模块,用于按照所述直播质量值从所述原始主播用户中选择第一候选主播用户。
在本发明的一个实施例中,所述观众用户包括第一观众用户与第二观众用户;
所述第二候选主播用户选择模块320包括:
相似观众用于确定子模块,用于确定与所述第一观众用户相似的第二观众用户;
第二候选主播用户设置子模块,用于将所述第二观众用户已浏览、且所述第一观众用户未浏览的第一候选主播用户,设置为所述第一观众用户对应的第二候选主播用户。
在本发明的一个实施例中,所述第二候选主播用户选择模块320还包括:
第三候选主播用户确定子模块,用于若所述第二候选主播用户的数量小于预设的数量阈值,则确定与所述第二候选主播用户相似的第三候选主播用户,所述第三候选主播用户为所述第一候选主播用户中除所述第二候选主播用户之外的主播用户;
新候选主播用户设置子模块,用于将所述第三候选主播用户设置为新的第二候选主播用户,直至所述第二候选主播用户的数量到达所述数量阈值。
在本发明的一个实施例中,所述第二候选主播用户排序模块330包括:
主播喜好值确定子模块,用于确定所述观众用户对所述第二候选主播用户的主播喜好值;
主播喜好值排序子模块,用于按照所述主播喜好值对所述第二候选主播用户进行排序。
在本发明的一个实施例中,所述主播喜好值确定子模块包括:
标签确定单元,用于确定所述第二候选主播用户的主播标签与所述观众用户的观众标签;
模型处理单元,用于将所述第二候选主播用户的主播标签与所述观众用户的观众标签输入预设的预测模型中进行处理,获得所述观众用户对所述第二候选主播用户的主播喜好值。
在本发明的一个实施例中,还包括:
样本标签确定模块,用于确定样本主播用户的主播标签与样本观众用户的观众标签;
观看行为数据确定模块,用于确定所述样本观众用户的观看行为数据,所述观众观看行为数据产生于所述样本观众用户观看所述样本主播用户主持的直播视频数据;
主播喜好值计算模块,用于按照所述观众行为数据计算所述样本观众用户对所述样本主播用户的主播喜好值;
预测模型训练模块,用于根据所述样本主播用户的主播标签、所述样本观众用户的观众标签与所述主播喜好值训练预测模型。
在本发明的一个实施例中,所述目标主播用户选择模块340包括:
第一数量确定子模块,用于确定目标主播用户的第一数量;
第二数量确定子模块,用于确定直播品类在所述第一数量中占据的第二数量;
直播品类选择子模块,用于从排序之后的所述第二候选主播中,选择符合所述直播品类与所述第二数量的第二候选主播作为目标主播用户。
本发明实施例所提供的主播信息的推送装置可执行本发明任意实施例所提供的主播信息的推送方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图,如图4所示,该计算机设备包括处理器400、存储器410、输入装置420和输出装置430;计算机设备中处理器400的数量可以是一个或多个,图4中以一个处理器400为例;计算机设备中的处理器400、存储器410、输入装置420和输出装置430可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器410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,如本发明实施例中的主播信息的推送方法对应的程序指令/模块(例如,主播信息的推送第一候选主播用户选择模块310、第二候选主播用户选择模块320、第二候选主播用户排序模块330、目标主播用户选择模块340与主播信息推送模块350)。处理器400通过运行存储在存储器410中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的主播信息的推送方法。
存储器410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410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410可进一步包括相对于处理器400远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。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420可用于接收输入的数字或字符信息,以及产生与计算机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430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计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时用于执行一种主播信息的推送方法,该方法包括:
从原始主播用户中选择第一候选主播用户;
针对观众用户,从所述第一候选主播用户中选择第二候选主播用户;
针对所述观众用户,对所述第二候选主播用户进行排序;
从排序之后的所述第二候选主播中选择目标主播用户;
将所述目标主播用户的主播信息推送给所述观众用户。
当然,本发明实施例所提供的一种计算机可读存储介质,其计算机程序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主播信息的推送方法中的相关操作。
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,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述主播信息的推送装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
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 (11)
1.一种主播信息的推送方法,其特征在于,包括:
从原始主播用户中选择第一候选主播用户;
针对观众用户,从所述第一候选主播用户中选择第二候选主播用户;
针对所述观众用户,对所述第二候选主播用户进行排序;
从排序之后的所述第二候选主播中选择目标主播用户;
将所述目标主播用户的主播信息推送给所述观众用户。
2.根据权利要求1所述的方法,其特征在于,所述从原始主播用户中选择第一候选主播用户,包括:
确定原始主播用户对应的直播质量指标;
基于所述直播质量指标对所述原始主播用户计算直播质量值;
按照所述直播质量值从所述原始主播用户中选择第一候选主播用户。
3.根据权利要求1所述的方法,其特征在于,所述观众用户包括第一观众用户与第二观众用户;
所述针对观众用户,从所述第一候选主播用户中选择第二候选主播用户,包括:
确定与所述第一观众用户相似的第二观众用户;
将所述第二观众用户已浏览、且所述第一观众用户未浏览的第一候选主播用户,设置为所述第一观众用户对应的第二候选主播用户。
4.根据权利要求3所述的方法,其特征在于,所述针对观众用户,从所述第一候选主播用户中选择第二候选主播用户,还包括:
若所述第二候选主播用户的数量小于预设的数量阈值,则确定与所述第二候选主播用户相似的第三候选主播用户,所述第三候选主播用户为所述第一候选主播用户中除所述第二候选主播用户之外的主播用户;
将所述第三候选主播用户设置为新的第二候选主播用户,直至所述第二候选主播用户的数量到达所述数量阈值。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述针对所述观众用户,对所述第二候选主播用户进行排序,包括:
确定所述观众用户对所述第二候选主播用户的主播喜好值;
按照所述主播喜好值对所述第二候选主播用户进行排序。
6.根据权利要求5所述的方法,其特征在于,所述确定所述观众用户对所述第二候选主播用户的主播喜好值,包括:
确定所述第二候选主播用户的主播标签与所述观众用户的观众标签;
将所述第二候选主播用户的主播标签与所述观众用户的观众标签输入预设的预测模型中进行处理,获得所述观众用户对所述第二候选主播用户的主播喜好值。
7.根据权利要求6所述的方法,其特征在于,还包括:
确定样本主播用户的主播标签与样本观众用户的观众标签;
确定所述样本观众用户的观看行为数据,所述观众观看行为数据产生于所述样本观众用户观看所述样本主播用户主持的直播视频数据;
按照所述观众行为数据计算所述样本观众用户对所述样本主播用户的主播喜好值;
根据所述样本主播用户的主播标签、所述样本观众用户的观众标签与所述主播喜好值训练预测模型。
8.根据权利要求1-4任一项所述的方法,其特征在于,所述从排序之后的所述第二候选主播中选择目标主播用户,包括:
确定目标主播用户的第一数量;
确定直播品类在所述第一数量中占据的第二数量;
从排序之后的所述第二候选主播中,选择符合所述直播品类与所述第二数量的第二候选主播作为目标主播用户。
9.一种主播信息的推送装置,其特征在于,包括:
第一候选主播用户选择模块,用于从原始主播用户中选择第一候选主播用户;
第二候选主播用户选择模块,用于针对观众用户,从所述第一候选主播用户中选择第二候选主播用户;
第二候选主播用户排序模块,用于针对所述观众用户,对所述第二候选主播用户进行排序;
目标主播用户选择模块,用于从排序之后的所述第二候选主播中选择目标主播用户;
主播信息推送模块,用于将所述目标主播用户的主播信息推送给所述观众用户。
10.一种计算机设备,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程序时实现如权利要求1-8中任一所述的主播信息的推送方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一所述的主播信息的推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910001365.9A CN109729377B (zh) | 2019-01-02 | 2019-01-02 | 一种主播信息的推送方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910001365.9A CN109729377B (zh) | 2019-01-02 | 2019-01-02 | 一种主播信息的推送方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109729377A true CN109729377A (zh) | 2019-05-07 |
CN109729377B CN109729377B (zh) | 2021-06-08 |
Family
ID=66298027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910001365.9A Active CN109729377B (zh) | 2019-01-02 | 2019-01-02 | 一种主播信息的推送方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109729377B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110602514A (zh) * | 2019-09-12 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种直播频道的推荐方法、装置、电子设备及存储介质 |
CN110830812A (zh) * | 2019-10-31 | 2020-02-21 | 广州市网星信息技术有限公司 | 相似主播分类模型训练方法、主播推荐方法及相关装置 |
CN111010584A (zh) * | 2019-12-05 | 2020-04-14 | 网易(杭州)网络有限公司 | 直播数据处理方法、装置、服务器和存储介质 |
CN115336281A (zh) * | 2020-09-29 | 2022-11-11 | 多玩国株式会社 | 动画发布装置、动画发布方法以及记录介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106331779A (zh) * | 2016-08-22 | 2017-01-11 | 暴风集团股份有限公司 | 在播放视频过程中基于用户喜好推送主播的方法及系统 |
CN106993202A (zh) * | 2017-03-31 | 2017-07-28 | 武汉斗鱼网络科技有限公司 | 首页推荐方法及装置 |
CN107241621A (zh) * | 2017-05-26 | 2017-10-10 | 北京小米移动软件有限公司 | 主播评分方法及装置 |
WO2018054328A1 (zh) * | 2016-09-22 | 2018-03-29 | 腾讯科技(深圳)有限公司 | 一种用户特征提取方法、装置及存储介质 |
CN108322829A (zh) * | 2018-03-02 | 2018-07-24 | 北京奇艺世纪科技有限公司 | 个性化主播推荐方法、装置及电子设备 |
CN108647293A (zh) * | 2018-05-07 | 2018-10-12 | 广州虎牙信息科技有限公司 | 视频推荐方法、装置、存储介质和服务器 |
-
2019
- 2019-01-02 CN CN201910001365.9A patent/CN109729377B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106331779A (zh) * | 2016-08-22 | 2017-01-11 | 暴风集团股份有限公司 | 在播放视频过程中基于用户喜好推送主播的方法及系统 |
WO2018054328A1 (zh) * | 2016-09-22 | 2018-03-29 | 腾讯科技(深圳)有限公司 | 一种用户特征提取方法、装置及存储介质 |
CN106993202A (zh) * | 2017-03-31 | 2017-07-28 | 武汉斗鱼网络科技有限公司 | 首页推荐方法及装置 |
CN107241621A (zh) * | 2017-05-26 | 2017-10-10 | 北京小米移动软件有限公司 | 主播评分方法及装置 |
CN108322829A (zh) * | 2018-03-02 | 2018-07-24 | 北京奇艺世纪科技有限公司 | 个性化主播推荐方法、装置及电子设备 |
CN108647293A (zh) * | 2018-05-07 | 2018-10-12 | 广州虎牙信息科技有限公司 | 视频推荐方法、装置、存储介质和服务器 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110602514A (zh) * | 2019-09-12 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种直播频道的推荐方法、装置、电子设备及存储介质 |
CN110602514B (zh) * | 2019-09-12 | 2022-04-01 | 腾讯科技(深圳)有限公司 | 一种直播频道的推荐方法、装置、电子设备及存储介质 |
CN110830812A (zh) * | 2019-10-31 | 2020-02-21 | 广州市网星信息技术有限公司 | 相似主播分类模型训练方法、主播推荐方法及相关装置 |
CN111010584A (zh) * | 2019-12-05 | 2020-04-14 | 网易(杭州)网络有限公司 | 直播数据处理方法、装置、服务器和存储介质 |
CN115336281A (zh) * | 2020-09-29 | 2022-11-11 | 多玩国株式会社 | 动画发布装置、动画发布方法以及记录介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109729377B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109729377A (zh) | 一种主播信息的推送方法、装置、计算机设备和存储介质 | |
CN108509465B (zh) | 一种视频数据的推荐方法、装置和服务器 | |
CN110781391A (zh) | 一种信息推荐方法、装置、设备及存储介质 | |
CN111178970B (zh) | 广告投放的方法及装置、电子设备和计算机可读存储介质 | |
CN109408639A (zh) | 一种弹幕分类方法、装置、设备和存储介质 | |
CN106326391B (zh) | 多媒体资源推荐方法及装置 | |
CN109948023A (zh) | 推荐对象获取方法、装置及存储介质 | |
CN104182449A (zh) | 基于用户兴趣建模的个性化视频推荐系统和方法 | |
Fontanini et al. | Web video popularity prediction using sentiment and content visual features | |
CN105677715A (zh) | 一种基于多用户的视频推荐方法及装置 | |
CN108650533A (zh) | 推荐媒体节目和在节目开始之前通知用户的系统和方法 | |
CN110474944B (zh) | 网络信息的处理方法、装置及存储介质 | |
CN111368141B (zh) | 视频标签的扩展方法、装置、计算机设备和存储介质 | |
CN110139162A (zh) | 媒体内容的共享方法和装置、存储介质、电子装置 | |
US10984172B2 (en) | Utilizing a genetic framework to generate enhanced digital layouts of digital fragments | |
US10380209B2 (en) | Systems and methods of providing recommendations of content items | |
CN106294564A (zh) | 一种视频推荐方法及装置 | |
CN110413867A (zh) | 用于内容推荐的方法及系统 | |
CN112131456A (zh) | 一种信息推送方法、装置、设备及存储介质 | |
CN113535991A (zh) | 一种多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN109547863A (zh) | 一种标签的标记方法、装置、服务器和存储介质 | |
CN114443943A (zh) | 一种信息调度方法、装置、设备及计算机可读存储介质 | |
CN106815285A (zh) | 基于视频网站的视频推荐的方法、装置及电子设备 | |
CN115760315A (zh) | 商品推荐方法及其装置、设备、介质 | |
CN109327739A (zh) | 一种视频处理方法、装置、计算设备和存储介质 |
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 |