CN109862013A - 一种直播间推荐方法、存储介质、电子设备及系统 - Google Patents

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，涉及大数据领域，该方法包括选定待计算用户，获取待计算用户的用户特征、用户观看直播间的直播间特征以及待推荐用户的活跃特征，根据用户特征，使用预设的第一算法计算两名用户的第一相似度；根据直播间特征，使用预设的第二算法计算两名用户观看直播间的第二相似度；根据活跃特征，使用预设的第三算法计算待推荐用户的活跃度。设置第一权重、第二权重以及推荐度，推荐度等于第一相似度、第二相似度与各自对应权重的乘积之和，第一权重与活跃度负相关，第二权重与活跃度正相关。计算数据库中每一名用户与待推荐用户的推荐度，向待推荐用户推荐相应用户所观看的直播间。

Description

一种直播间推荐方法、存储介质、电子设备及系统

技术领域

本发明涉及大数据领域，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

随着直播业务的兴起，直播平台为了增加用户的黏着度，向用户推荐更多的直播间，使得用户能够对该平台上更多的直播间感兴趣。但是如果推荐的直播间并不是用户感兴趣的，那么可能无法满足用户的兴趣，甚至由于“打广告”引起用户的厌恶，其到反面的效果。

因此，现有的直播平台一般会采用针对性质的推荐方法，其通过特定的归类方法，获取用户可能感兴趣的直播间，然后再进行推荐。这样对于针对性更强，效果更佳显著。

然而，上述针对性质的推荐方法常常是针对用户在该直播平台上的用户行为进行统计以及计算的，只用通过大量的搜集用户的行为信息后，才能够进行精准的计算以及推荐，如果用户与直播平台的交互较少，即在该直播平台上用户留下的行为信息十分稀少，那么直播平台上常常采用的算法难以再进行精准的计算。进一步的，对应新注册的新用户来说，他们还未与直播平台进行交互，直播平台现有的根据用户行为进行推荐的方法，完全无法进行计算。

此外，除了在用户与平台交互数据较少时，进行较为准确的直播间推荐外，随着时间推移，用户与平台交互数据逐渐变多，或者老用户本身存在较多的交互数据，直播平台仍然希望能够可以根据用户与直播平台上的交互数据进行准确的推荐。

因此，需要亟需一种计算方法，能够针对交互行为较少的用户以及新注册用户进行较准确计算以及推荐；进一步的，在用户的交互数据的增长后，仍能够针对性的进行推荐。

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、存储介质、电子设备及系统，能够针对与直播平台交互数据较少的用户，包括新注册用户，进行合理推荐，同时对于老用户或者随着时间推移，原来较少的交互数据逐渐增多的用户，仍然能够进行准确的推荐。

为达到以上目的，第一方面，本发明实施例提供一种直播间推荐方法，其包括：

选定一待推荐用户以及一名数据库中的用户均作为待计算用户，获取待计算用户的用户特征、用户观看直播间的直播间特征以及待推荐用户的活跃特征，所述用户特征和所述直播间特征为静态特征，所述活跃特征为动态特征；

根据所述两名待计算用户的用户特征，使用预设的第一算法计算两名用户的第一相似度；

根据所述两名待计算用户观看直播间的直播间特征，使用预设的第二算法计算两名用户观看直播间的第二相似度；

根据所述待推荐用户的活跃特征，使用预设的第三算法计算待推荐用户的活跃度；

设置与第一相似度对应的第一权重、与第二相似度对应的第二权重以及推荐度，所述推荐度等于第一相似度、第二相似度与各自对应权重的乘积之和，所述第一权重与活跃度负相关，所述第二权重与活跃度正相关；

计算数据库中每一名用户与待推荐用户的推荐度，若数据库中用户的推荐度满足预设条件，则向待推荐用户推荐相应用户所观看的直播间。

作为一个优选的实施方案，所述第一算法的公式为：

其中，Sim_user为第一相似度，U_m和U_n为所述待计算用户的用户特征，U_m∩U_n为两名所述待计算用户之间相同的用户特征的个数，U∪U为两名所述待计算用户所有的用户特征的个数。

作为一个优选的实施方案，所述第二算法为；

其中，Sim_action(m,n)为第二相似度，和为由用户观看直播间的直播间特征组成的向量，A_i为用户A观看直播间的第i个直播间特征，B_i为用户B观看直播间的第i个直播间特征所述直播间特征共有k项。

作为一个优选的实施方案，所述第三算法为：

ρ＝α₁·watch_days+α₂room_count+…+α_ishare_count+…

其中，ρ为待推荐用户的活跃度，α_i为预设的第i个参数的权重，watch_days为待推荐用户观看的天数，room_count为待推荐用户观看的直播间数量，share_count为待推荐用户分享的次数。

作为一个优选的实施方案，当待推荐用户为新注册用户时，所述第二权重为0。

作为一个优选的实施方案，所述推荐度的计算公式为：

sim_tol(m,n)＝(1-ρ)sim_user(m,n)+ρsim_action(m,n)

其中，Sim_user为第一相似度，Sim_action(m,n)为第二相似度，ρ为活跃度，同时也作为第二权重，(1-ρ)为第一权重。

作为一个优选的实施方案，所述对应用户的推荐度满足预设条件为：

对数据库中每一名用户与待推荐用户的推荐度进行排序，所述对应用户的推荐度顺序在排序中位于预设名次前。

第二方面，本发明实施例提供一种直播间推荐系统，其包括数据模块、计算模块以及综合模块：

所述数据模块，用于选定一待推荐用户以及一名数据库中的用户均作为待计算用户，获取待计算用户的用户特征、用户观看直播间的直播间特征以及待推荐用户的活跃特征，所述用户特征和所述直播间特征为静态特征，所述活跃特征为动态特征；

所述计算模块，用于根据所述两名待计算用户的用户特征，使用预设的第一算法计算两名用户的第一相似度；

根据所述两名待计算用户观看直播间的直播间特征，使用预设的第二算法计算两名用户观看直播间的第二相似度；

根据所述待推荐用户的活跃特征，使用预设的第三算法计算待推荐用户的活跃度；

设置与第一相似度对应的第一权重、与第二相似度对应的第二权重以及推荐度，所述推荐度等于第一相似度、第二相似度与各自对应权重的乘积之和，所述第一权重与活跃度负相关，所述第二权重与活跃度正相关；

所述综合模块，用于通过计算模块计算数据库中每一名用户与待推荐用户的推荐度，若数据库中用户的推荐度满足预设条件，则向待推荐用户推荐相应用户所观看的直播间。

第三方面，本发明实施例还提供一种存储介质，该存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面实施例中的方法。

第四方面，本发明实施例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第一方面实施例中的方法。

与现有技术相比，本发明的优点在于：

本发明一种直播间推荐方法、存储介质、电子设备及系统中设置两个分别于活跃度正相关与负相关的权重，在用户新注册或者活跃度偏低的情况下，使用用户的静态特征进行计算，使得用户即使并未在网站进行长时间或者频繁操作也能像用户推进；在用户活跃度较高时，使用用户所观看的直播间的静态特征根进行计算，使得平台能够按照用户的观看直播间的特性、特征进行推荐。

通过上述计算本发明能够针对各种活跃状态下的用户，无论用户的交互数据多少都能够用户的活跃度进行合理的推荐。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面对实施例对应的附图作一简单地介绍，显而易见地，下面描述中的附图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，还可以根据这些附图获得其他的附图。

图1为本发明一种直播间推荐方法实施例的步骤流程图；

图2为本发明一种直播间推荐系统实施例的结构示意图。

图中：1-数据模块，2-计算模块，3-综合模块。

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。

本发明实施例提供一种直播间推荐方法、存储介质、电子设备及系统，其通过将用户的活跃程度作为两个权重大小的影响因素，能够根据不同活跃程度，向用户进行合理的直播间推荐。

为达到上述技术效果，本申请的总体思路如下：

选定一待推荐用户以及一名数据库中的用户均作为待计算用户，获取待计算用户的用户特征、用户观看直播间的直播间特征以及待推荐用户的活跃特征，所述用户特征和所述直播间特征为静态特征，所述活跃特征为动态特征；

根据所述两名待计算用户的用户特征，使用预设的第一算法计算两名用户的第一相似度；

根据所述两名待计算用户观看直播间的直播间特征，使用预设的第二算法计算两名用户观看直播间的第二相似度；

根据所述待推荐用户的活跃特征，使用预设的第三算法计算待推荐用户的活跃度；

设置与第一相似度对应的第一权重、与第二相似度对应的第二权重以及推荐度，所述推荐度等于第一相似度、第二相似度与各自对应权重的乘积之和，所述第一权重与活跃度负相关，所述第二权重与活跃度正相关；

计算数据库中每一名用户与待推荐用户的推荐度，若数据库中用户的推荐度满足预设条件，则向待推荐用户推荐相应用户所观看的直播间。

综上所述，本发明同时进行两种相似度匹配，并根据用户的活跃取权重进行综合，能够更加合理的向用户推荐直播间。

首先根据用户自身属性，即静态特征/用户特征进行计算，该特征受到用户活跃的程度影响较小，因此通过该特征计算相似相近的用户，获取用户特征相近的用户所观看的直播间并进行推荐，这种推荐能够在平台保存该用户交互数据较少的情况下进行推荐。

在根据用户在平台上交互时，必定会观看的直播间进行计算，寻找观看相似直播间特征直播间的用户所观看的直播间并推荐，这种推荐方式能够较准确的根据用户的交互数据进行合理推荐，但是需求用户在该直播平台上有较多的交互数据。

在通过上述两种方式计算相似度后，对上述相似度进行综合，取两个权重分别与用户活跃度呈正比于反比，使得当用户交互数据较少，无法通过直播间特征合理推荐直播间时，偏重于用户自身用户特征的相似度，并根据该相似度推荐；而当用户交互数据较多，能够根据其观看喜好、观看行为进行更加精确的计算时，更加偏重于用户所观看直播间的直播间特征相似度计算。通过这样的权重设置，保证在任一活跃度下平台均能够进行合理的直播间推荐。

为了更好的理解上述技术方案，下面结合具体实施方式进行详细的说明。

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，其包括：

S1：选定一待推荐用户以及一名数据库中的用户均作为待计算用户，获取待计算用户的用户特征、用户观看直播间的直播间特征以及待推荐用户的活跃特征，所述用户特征和所述直播间特征为静态特征，所述活跃特征为动态特征。

向用户推荐直播间，并进行计算时，需要对应的数据，计算用户的属性相似度时，选择用户的用户特征，如，用户年龄、用户性别、用户所在地，这些特征不会随着用户与平台交互而产生改变，是静态特征，能够较稳定的反应用户的属性，通过这些稳定的属性即能计算用户之间关于其用户特征的相似度。同理，对于用户所观看的直播间的属性，也获取其直播间特征，如直播间类别、直播间热度等等，这些特征需要用户与平台进行交互后，才能够获取，但是能够更加体现用户的观看偏好。除了静态特征，用户与直播平台进行交互的交互特征如观看时间、观看次数等等是逐渐变化的，因此该特征为动态特征，该交互特征能够从用户几个方面反映用户的活跃的程度。

需要说明的是，本文中所述的静态特征为较为稳定不会随着用户与平台交互和产生较大改变的特征，而动态特征则相反，其能够随着用户与平台交互进行较为直观的变化。

S2：根据两名待计算用户的用户特征，使用预设的第一算法计算两名用户的第一相似度；

根据两名待计算用户观看直播间的直播间特征，使用预设的第二算法计算两名用户观看直播间的第二相似度；

根据待推荐用户的活跃特征，使用预设的第三算法计算待推荐用户的活跃度。

根据对应的数据，计算不同的相似度，能够从不同的方面反应用户的相似程度。通过用户特征，这一静态特征计算用户的相似度，即第一相似度能够计算用户属性之间的相似度。而通过直播间特征，这一静态特征计算用户的相似度，即第二相似度，则反映了用户在平台上观看直播间时候，其观看的直播间的偏好，通过计算直播间特征能够反映用户观看偏好的相似度。

设置与第一相似度对应的第一权重、与第二相似度对应的第二权重以及推荐度，所述推荐度等于第一相似度、第二相似度与各自对应权重的乘积之和，所述第一权重与活跃度负相关，所述第二权重与活跃度正相关。

在计算完成相似度后，好需要考虑用户的活跃程度，根据活跃特征如观看时间等等计算能够反映用户与平台的交互数据是否充分。

举例来说：第一算法的公式为：

其中，Sim_user为第一相似度，U_m和U_n为所述待计算用户的用户特征，U_m∩U_n为两名所述待计算用户之间相同的用户特征的个数，U∪U为两名所述待计算用户所有的用户特征的个数。

通过用户特征相同的个数占总数的比值，能够直观的反映用户之间的相似程度。

而进一步的，其第二算法为；

其中，Sim_action(m,n)为第二相似度，和为由用户观看直播间的直播间特征组成的向量，A_i为用户A观看直播间的第i个直播间特征，B_i为用户B观看直播间的第i个直播间特征所述直播间特征共有k项。

将直播间的的特征作为向量中的数值，通过弦算法计算直播间之间直播间特征的第二相似度。

再进一步的，第三算法为：

ρ＝α₁·watch_days+α₂room_count+…+α_ishare_count+…

其中，ρ为待推荐用户的活跃度，α_i为预设的第i个参数的权重，watch_days为待推荐用户观看的天数，room_count为待推荐用户观看的直播间数量，share_count为待推荐用户分享的次数。

将用户在网站上进行的交互行为进行统计，能够更好发反映用户的活跃度，同时在对交互行为进行统计时候，不同的行为其作为活跃程度的计算的影响是不同的，因此对应设置不同的权重进行计算，能够更加合理的计算用户交互行为的程度，即活跃度。

根据用户的活跃度设置第一权重和第二权重，其中第一权重和活跃度负相关，第二权重与活跃度正相关，其第一权重对应第一相似度，第二权重对应第二相似度。当用户与平台交互较少时，平台所拥有的交互数据并不足以支撑第二相似度的计算，此时，可以将用户本身属性的相似度考虑进去，即关于用户特征的第一相似度；当用户与平台交互较多时候，平台可以很加精确效率的根据用户的观看偏好进行计算，可以更多的考虑第二相似度。因此设置上述两个权重分别以活跃度正、负相关，当用户活跃度较高，交互数据较多时候，第一权重由于与活跃度负相关，第一权重取值减少，第一相似度对于结果的影响减少；第二权重由于与活跃度正先关，第二权重取值增加，第二相似度对结果的影响增加，最终结果更加偏重于第二相似度。同理，当用户活跃度较低，交互数据较少时候，第一权重由于与活跃度负相关，第一权重取值增加，第一相似度对于结果的影响增大；第二权重由于与活跃度正先关，第二权重取值较少，第二相似度对结果的影响减少，最终结果更加偏重于第一相似度。

因此，本发明能够考虑不同活跃度的用户并进行合理的直播间推荐，甚至新注册的用户也能够进行直播间推荐。

作为一个优选地实施方案，当待推荐用户为新注册用户时，所述第二权重为0。

对于新注册用户，其交互数据在网站上为0，是无法根据其交互数据进行计算的，因此对于新注册用户，并不需要计算第二相似度，直接计算第一相似度，故设置当待推荐用户为新注册用户时，设置第二权重为0，当第二相似度与第二权重相乘的时候直接得零，不计入结果。

举例来说，推荐度的计算公式为：

sim_tol(m,n)＝(1-ρ)sim_user(m,n)+ρsim_action(m,n)

其中，Sim_user为第一相似度，Sim_action(m,n)为第二相似度，ρ为活跃度，同时也作为第二权重，(1-ρ)为第一权重。

在该公司公式中第一权重与活跃度负相关，第二权重与活跃度正相关，当用户为新注册用户时，ρ取零，即，平台能够通过公式能够更好的计算并向用户推荐直播平台。

S3：计算数据库中每一名用户与待推荐用户的推荐度，若数据库中用户的推荐度满足预设条件，则向待推荐用户推荐相应用户所观看的直播间。

计算每个用户与待推荐用户的推荐度，并进行选择，并在推荐度满足预设条件，检查其观看的直播间可以进行推荐。

优选的，对应用户的推荐度满足预设条件为：

对数据库中每一名用户与待推荐用户的推荐度进行排序，所述对应用户的推荐度顺序在排序中位于预设名次前。

通过对推荐的程度进行量化并排序，能够更加直观的反映的程度。

进一步的，设置推荐度的阈值，当上述排序中存在未达到阈值的用户，则去除。

部分用户虽然推荐度靠前，但是，其计算得到的阈值并不高，即并不是需求的用户时，均可进行。

基于同一发明构思，本申请提供实施例二，其具体实施方式如下。

实施例二

如图2所示，本发明实施例提供一种直播间推荐系统，其包括数据模块、计算模块以及综合模块：

所述数据模块，用于选定一待推荐用户以及一名数据库中的用户均作为待计算用户，获取待计算用户的用户特征、用户观看直播间的直播间特征以及待推荐用户的活跃特征，所述用户特征和所述直播间特征为静态特征，所述活跃特征为动态特征；

所述计算模块，用于根据所述两名待计算用户的用户特征，使用预设的第一算法计算两名用户的第一相似度；

根据所述两名待计算用户观看直播间的直播间特征，使用预设的第二算法计算两名用户观看直播间的第二相似度；

根据所述待推荐用户的活跃特征，使用预设的第三算法计算待推荐用户的活跃度；

设置与第一相似度对应的第一权重、与第二相似度对应的第二权重以及推荐度，所述推荐度等于第一相似度、第二相似度与各自对应权重的乘积之和，所述第一权重与活跃度负相关，所述第二权重与活跃度正相关；

所述综合模块，用于通过计算模块计算数据库中每一名用户与待推荐用户的推荐度，若数据库中用户的推荐度满足预设条件，则向待推荐用户推荐相应用户所观看的直播间。

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。

基于同一发明构思，本申请提供实施例三。

实施例三

本发明第三实施例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实现如本发明任意实施例所提供的一种直播间推荐方法，该方法包括：

选定一待推荐用户以及一名数据库中的用户均作为待计算用户，获取待计算用户的用户特征、用户观看直播间的直播间特征以及待推荐用户的活跃特征，所述用户特征和所述直播间特征为静态特征，所述活跃特征为动态特征；

根据所述两名待计算用户的用户特征，使用预设的第一算法计算两名用户的第一相似度；

根据所述两名待计算用户观看直播间的直播间特征，使用预设的第二算法计算两名用户观看直播间的第二相似度；

根据所述待推荐用户的活跃特征，使用预设的第三算法计算待推荐用户的活跃度；

设置与第一相似度对应的第一权重、与第二相似度对应的第二权重以及推荐度，所述推荐度等于第一相似度、第二相似度与各自对应权重的乘积之和，所述第一权重与活跃度负相关，所述第二权重与活跃度正相关；

计算数据库中每一名用户与待推荐用户的推荐度，若数据库中用户的推荐度满足预设条件，则向待推荐用户推荐相应用户所观看的直播间。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

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。

基于同一发明构思，本申请提供实施例四。

实施例四

本发明第四实施例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第一实施例中的所有方法步骤或部分方法步骤。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

总体来说，本发明实施例提供的一种直播间推荐方法、存储介质、电子设备及系统，能够针对与直播平台交互数据较少的用户，包括新注册用户，进行合理推荐，同时对于老用户或者随着时间推移，原来较少的交互数据逐渐增多的用户，仍然能够进行准确的推荐。

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，其特征在于，其包括：

选定一待推荐用户以及一名数据库中的用户均作为待计算用户，获取待计算用户的用户特征、用户观看直播间的直播间特征以及待推荐用户的活跃特征，所述用户特征和所述直播间特征为静态特征，所述活跃特征为动态特征；

根据所述两名待计算用户的用户特征，使用预设的第一算法计算两名用户的第一相似度；

根据所述两名待计算用户观看直播间的直播间特征，使用预设的第二算法计算两名用户观看直播间的第二相似度；

根据所述待推荐用户的活跃特征，使用预设的第三算法计算待推荐用户的活跃度；

设置与第一相似度对应的第一权重、与第二相似度对应的第二权重以及推荐度，所述推荐度等于第一相似度、第二相似度与各自对应权重的乘积之和，所述第一权重与活跃度负相关，所述第二权重与活跃度正相关；

计算数据库中每一名用户与待推荐用户的推荐度，若数据库中用户的推荐度满足预设条件，则向待推荐用户推荐相应用户所观看的直播间。

2.如权利要求1所述的方法，其特征在于，所述第一算法的公式为：

其中，Sim_user为第一相似度，U_m和U_n为所述待计算用户的用户特征，U_m∩U_n为两名所述待计算用户之间相同的用户特征的个数，U∪U为两名所述待计算用户所有的用户特征的个数。

3.如权利要求1所述的方法，其特征在于，所述第二算法为；

其中，Sim_action(m,n)为第二相似度，和为由用户观看直播间的直播间特征组成的向量，A_i为用户A观看直播间的第i个直播间特征，B_i为用户B观看直播间的第i个直播间特征，所述直播间特征共有k项。

4.如权利要求1所述的方法，其特征在于，所述第三算法为：

ρ＝α₁·watch_days+α₂room_count+…+α_ishare_count+…

其中，ρ为待推荐用户的活跃度，α_i为预设的第i个参数的权重，watch_days为待推荐用户观看的天数，room_count为待推荐用户观看的直播间数量，share_count为待推荐用户分享的次数。

5.如权利要求1所述的方法，其特征在于，当待推荐用户为新注册用户时，所述第二权重为0。

6.如权利要求5所述的方法，其特征在于，所述推荐度的计算公式为：

sim_tol(m,n)＝(1-ρ)sim_user(m,n)+ρsim_action(m,n)

其中，Sim_user为第一相似度，Sim_action(m,n)为第二相似度，ρ为活跃度，同时也作为第二权重，(1-ρ)为第一权重。

7.如权利要求1所述的方法，其特征在于，所述对应用户的推荐度满足预设条件为：

对数据库中每一名用户与待推荐用户的推荐度进行排序，所述对应用户的推荐度顺序在排序中位于预设名次前。

8.一种存储介质，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7任一项所述的方法。

9.一种电子设备，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7任一项所述的方法。

10.一种直播间推荐系统，其特征在于，其包括数据模块、计算模块以及综合模块：

所述数据模块，用于选定一待推荐用户以及一名数据库中的用户均作为待计算用户，获取待计算用户的用户特征、用户观看直播间的直播间特征以及待推荐用户的活跃特征，所述用户特征和所述直播间特征为静态特征，所述活跃特征为动态特征；

所述计算模块，用于根据所述两名待计算用户的用户特征，使用预设的第一算法计算两名用户的第一相似度；

根据所述两名待计算用户观看直播间的直播间特征，使用预设的第二算法计算两名用户观看直播间的第二相似度；

根据所述待推荐用户的活跃特征，使用预设的第三算法计算待推荐用户的活跃度；

设置与第一相似度对应的第一权重、与第二相似度对应的第二权重以及推荐度，所述推荐度等于第一相似度、第二相似度与各自对应权重的乘积之和，所述第一权重与活跃度负相关，所述第二权重与活跃度正相关；

所述综合模块，用于通过计算模块计算数据库中每一名用户与待推荐用户的推荐度，若数据库中用户的推荐度满足预设条件，则向待推荐用户推荐相应用户所观看的直播间。