CN109922359A - 一种用户处理方法、装置、设备和存储介质 - Google Patents
一种用户处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109922359A CN109922359A CN201910209275.9A CN201910209275A CN109922359A CN 109922359 A CN109922359 A CN 109922359A CN 201910209275 A CN201910209275 A CN 201910209275A CN 109922359 A CN109922359 A CN 109922359A
- Authority
- CN
- China
- Prior art keywords
- user
- resource
- grouping
- difference
- behavior data
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 230000003068 static effect Effects 0.000 claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000006399 behavior Effects 0.000 claims description 186
- 230000003993 interaction Effects 0.000 claims description 40
- 230000015654 memory Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 10
- 230000003542 behavioural effect Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000009412 basement excavation Methods 0.000 description 4
- 239000004744 fabric Substances 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 3
- 210000003813 thumb Anatomy 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 2
- 238000000692 Student's t-test Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- 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
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用户处理方法、装置、设备和存储介质。该方法确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据；获取观众用户操作所述业务对象时生成的互动行为数据；确定所述用户分组内的所述资源用户之间的所述静态行为数据的第一差异、所述用户分组内的所述资源用户之间的所述互动行为数据的第二差异；根据所述第一差异和第二差异确定所述资源用户的用户属性，解决因仅根据静态行为数据确定资源用户的用户属性所带来的准确性低的问题，实现减少挖掘出的资源用户所对应的关注用户质量低的风险，进而增加所挖掘的资源用户与关注该资源用户的互动频次。
Description
技术领域
本发明实施例涉及互联网运营的技术，尤其涉及一种用户处理方法、装设备和存储介质。
背景技术
在直播行业中，优秀的主播用户能够为平台注入活力，是宝贵且稀缺的资源。近年来短视频行业兴起，其中流量较大的用户成为了主播用户的重要来源。
一般的，主要通过关注数量及关注增长量等静态行为数据来从短视频行业中发掘出流量较大的用户，进而将该用户作为潜在主播用户。但由于经常存在虚假的刷关注行为，从而导致所挑选的潜在主播用户存在关注用户质量低的风险，具体的，如存在只关注不互动的风险，即存在缺乏转发量、点赞量、评论量等互动行为数据的情况；
另外，若通过人工对用户发表作品的数据表现进行审查评判来挖掘潜在主播用户，则时间成本较高。
发明内容
本发明提供尤其涉及一种用户处理方法、装设备和存储介质，以实现减少挖掘出的资源用户所对应的关注用户质量低的风险，从而增加挖掘资源用户的准确性，降低挖掘资源用户的成本，进而增加所挖掘的资源用户与关注该资源用户的互动频次。
第一方面，本发明实施例提供了一种用户处理方法，该方法包括：
确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据；
获取观众用户操作所述业务对象时生成的互动行为数据；
确定所述用户分组内的所述资源用户之间的所述静态行为数据的第一差异、所述用户分组内的所述资源用户之间的所述互动行为数据的第二差异；
根据所述第一差异和第二差异确定所述资源用户的用户属性。
第二方面，本发明实施例还提供了一种用户处理方法，该方法包括：
确定在一周期内的用户分组；所述用户分组中具有主播用户，所述主播用户用于发布直播视频数据，所述主播用户具有关于观众用户的静态行为数据；
获取观众用户观看所述直播视频数据时生成的互动行为数据；
确定所述用户分组内的所述主播用户之间的所述静态行为数据的第一差异、所述用户分组内的所述主播用户之间的所述互动行为数据的第二差异；
根据所述第一差异和第二差异确定所述主播用户的用户属性。
第三方面，本发明实施例还提供了一种用户处理装置，该装置包括：
第一用户分组模块，用于确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据；
第一互动行为数据获取模块，用于获取观众用户操作所述业务对象时生成的互动行为数据；
第一差异获取模块，用于确定所述用户分组内的所述资源用户之间的所述静态行为数据的第一差异、所述用户分组内的所述资源用户之间的所述互动行为数据的第二差异；
第一用户属性确定模块，用于根据所述第一差异和第二差异确定所述资源用户的用户属性。
第四方面，本发明实施例还提供了一种用户处理装置，该装置包括：
第二用户分组模块，用于确定在一周期内的用户分组；所述用户分组中具有主播用户，所述主播用户用于发布直播视频数据，所述主播用户具有关于观众用户的静态行为数据；
第二互动行为数据获取模块，用于获取观众用户观看所述直播视频数据时生成的互动行为数据；
第二差异获取模块，用于确定所述用户分组内的所述主播用户之间的所述静态行为数据的第一差异、所述用户分组内的所述主播用户之间的所述互动行为数据的第二差异；
第二用户属性确定模块，用于根据所述第一差异和第二差异确定所述主播用户的用户属性。
第五方面，本发明实施例还提供了一种用户处理设备，该设备包括：存储器、具有触摸功能的显示屏以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面或第二方面中任一所述的用户处理方法。
第六方面，本发明实施例还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用于执行如第一方面或第二方面中任一所述的用户处理方法。
本发明实施例通过确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据；获取观众用户操作所述业务对象时生成的互动行为数据；确定所述用户分组内的所述资源用户之间的所述静态行为数据的第一差异、所述用户分组内的所述资源用户之间的所述互动行为数据的第二差异；根据所述第一差异和第二差异确定所述资源用户的用户属性，解决因仅根据静态行为数据确定资源用户的用户属性所带来的准确性低的问题，实现减少挖掘出的资源用户所对应的关注用户质量低的风险，从而增加挖掘资源用户的准确性，降低挖掘资源用户的成本，进而增加所挖掘的资源用户与关注该资源用户的互动频次。
附图说明
图1为本发明实施例一提供的一种用户处理方法的流程图；
图2A为本发明实施例二提供的一种用户处理方法的流程图；
图2B为本发明实施例二提供的一种划分第一用户分组和第二用户分组的示意图；
图3A为本发明实施例三提供的一种用户处理装置的结构示意图；
图3B为本发明实施例三提供的一种用户处理装置的结构示意图；
图4为本发明实施例四提供的一种用户处理设备的结构示意图。
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用户处理方法的流程图，本实施例可适用于内容分享平台的潜力用户或风险用户的筛选。其中，内容分享平台是以互联网为媒介，将诸如文字、图片或视频等内容进行分享的平台。示例性的，内容分享平台可以是博客、直播平台、视频分享平台等。进一步的，内容分享平台中的用户包括资源用户和观众用户。具体的，资源用户在内容分享平台中向观众用户提供内容；观众用户则可以在观看资源用户提供的内容时，与资源用户进行互动。在一实施例中，该互动可以是转发、点赞、评论等。
一般的，在评价资源用户的质量时，可以通过该资源用户的关注量进行确定，其中，关注量指的是关注该资源用户的观众用户的数量。在一实施例中，观众用户在关注了资源用户之后，可以通过内容分享平台将资源用户上传的内容推送给观众用户。
进一步的，内容分享平台还存在刷关注的情况，即存在资源用户通过不正常的手段，提高自身的关注量的情况。一般的，当关注该资源用户的观众用户，与资源用户之间的互动频次不高时，可以确定该资源用户具有刷关注的可能。
在一实施例中，资源用户的用户属性根据互动频次的不同，可以包括潜力用户和风险用户等。
1、潜力用户
潜力用户是指不存在刷关注的情况的资源用户，而且潜力用户与观众用户的互动频次高。一般的，内容分享平台倾向于与潜力用户签约、为潜力用户引导流量等，一方面可以减少运营成本；另一方面，增加观众用户对内容分享平台的粘性。
2、风险用户
风险用户是指存在刷关注的情况的资源用户，而且风险用户与观众用户的互动频次低。一般的，内容分享平台会倾向于减少风险用户的流量，避免投入的引流的成本高于风险用户所带来的收益。
本实施例中，为了确定资源用户的用户属性为潜力用户或风险用户，本实施例中的方法可以由用户的处理设备来执行，该用户的处理设备可以是服务器。该方法具体包括如下步骤：
S110、确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据。
本实施例中，不同的内容分享平台的业务对象有所不同。示例性的，业务对象可以是博客平台中的博文、直播平台中的直播节目、视频分享平台中的视频等。进一步的，资源用户将业务对象发布之后，观众用户可以通过内容分享平台提供的业务界面观看该业务对象。该业务界面可以通过内容分享平台提供的客户端进行访问，也可以通过浏览器进行访问。
进一步的，观众用户在观看业务对象的过程中，内容分享平台可以对观众用户作用于业务界面的用户操作进行记录，根据用户操作确定资源用户中关于观众用户的行为数据。其中，用户操作包括对业务界面的点击、滑动、长按等。进一步的，行为数据包括静态行为数据和互动行为数据。
1、静态行为数据
静态行为数据用于表示对资源用户的具有粘性的观众用户的用户规模。本实施例对静态行为数据不作限定，该静态行为数据可以是关注量；也可以是订阅资源用户或业务对象的观众用户的数量；还可以是观看资源用户发布的业务对象超过预设次数或预设时间的观众用户的数量；还可以是与资源用户之间得互动频次超过预设频次的观众用户的数量。
2、互动行为数据
互动行为数据用于表示观众用户对资源用户发布的业务对象的活跃度。该互动行为数据可以包括：转发量、点赞量、评论量等。转发量、点赞量、评论量等互动行为数据越高，则表明观众用户对资源用户发布的业务对象的活跃度越高。
一般的，由于静态行为数据用于表示对资源用户的具有粘性的观众用户的用户规模、互动行为数据用于表示观众用户对资源用户发布的业务对象的活跃度，可以将静态行为数据和/或互动行为数据确定为分析资源用户的用户属性的考虑因素之一。
但需要注意的是，为了避免资源用户的用户规模是靠刷关注的方式来实现的，进而出现挖掘出来的资源用户的用户属性准确性不高的情况，本实施例将静态行为数据和互动行为数据一起作为分析资源用户的用户属性的考虑因素。
进一步的，一方面，不同用户规模的资源用户均有可能是潜力用户和风险用户；另一方面，考虑到在使用互动行为数据分析资源用户的用户属性时，由于刚注册的资源用户的用户规模较小，刚注册的资源用户的活跃度低于注册一段时间的资源用户的活跃度。所以，本实施例中，将一周期内用户规模相近的资源用户划分在同一用户分组中，并在每一用户分组中确定资源用户的用户属性，一方面，从不同用户规模的资源用户中挖掘潜力用户和风险用户，增加挖掘的全面性；另一方面，通过确定同一用户分组中的资源用户的用户规模相近，以提高分析用户属性的准确性。
本实施例中，获取用户分组的方式可以是：获取资源用户在一周期内的静态行为数据；从所述静态行为数据中提取行为特征信息；根据所述行为特征信息对所述资源用户划分分组，得到用户分组。其中，行为特征信息可以包括静态行为数据在数值上的分布范围、静态行为数据的数值大小、静态行为数据的预设的分位数中的至少一项。
在一实施例中，所述行为特征信息包括所述静态行为数据在数值上的分布范围，并以将资源用户划分为具有相同间隔的数值区间的用户分组为例进行说明。具体的，将所述分布范围划分为具有相同间隔的数值区间；确定数值区间所属的用户分组；根据所述资源用户的静态行为数据所属的数值区间，确定所述资源用户所属的所述用户分组。示例性的，静态行为数据为关注量，确定关注量的最小值A和最大值B，以确定关注量的分布范围为[A,B]。进而将分布范围[A,B]均分为N个等份，则每个区间的间隔为W＝(B-A)/N。N个数值区间对应N个用户分组，每个数值区间的区间边界值为A+W，A+2W，……，A+(N-1)W。需要注意的是，每个用户分组中的资源用户的数量可能不等。
在又一实施例中，所述行为特征信息包括所述静态行为数据的数值大小，并以将资源用户划分为具有相同用户数量的用户分组为例进行说明。具体的，根据所述静态行为数据的数值大小确定所述资源用户的排列顺序；将所述资源用户按照所述排列顺序划分为具有相同用户数量的用户分组。示例性的，静态行为数据为关注量，若用户分组的组数为N＝10，则每个用户分组中应该包含大约10％的资源用户。
在又一实施例中，考虑到在用户规模较低时，资源用户之间的活跃度比较接近；在用户规模较高时，资源用户之间的活跃度差异较大。本实施例中，所述行为特征信息包括所述静态行为数据的预设的分位数，将所述静态行为数据小于所述分位数的资源用户划分为具有相同间隔的数值区间的用户分组；将所述静态行为数据大于所述分位数的资源用户划分为具有相同用户数量的用户分组。其中，分位数，亦称分位点，是指将一个随机变量的概率分布范围分为几个等份的数值点，常用的有中位数(即二分位数)、四分位数、百分位数等。四分位数有三个，第一个四分位数就是通常所说的四分位数，称为下四分位数，第二个四分位数就是中位数，第三个四分位数称为上四分位数，分别用Q1、Q2、Q3表示。第一四分位数(Q1)，又称“较小四分位数”，等于该样本中所有数值由小到大排列后第25％的数字。第二四分位数(Q2)，又称“中位数”，等于该样本中所有数值由小到大排列后第50％的数字。第三四分位数(Q3)，又称“较大四分位数”，等于该样本中所有数值由小到大排列后第75％的数字。本实施例中，以预设的分位数为较大四分位数、静态行为数据为关注量为例进行说明。将关注量小于较大四分位数的资源用户划分为具有相同间隔的数值区间的用户分组；将关注量大于较大四分位数的资源用户划分为具有相同用户数量的用户分组，以确保用户分组中的资源用户的用户规模相近。
需要注意的是，由于新的业务对象在发布后的互动行为数据增长速度明显快于发布后经过了较长时间(比如一个星期)的业务对象，容易出现将周期内未发布业务对象的用户判别为风险用户的误差。本实施例中，可以根据资源用户在一周期内是否发布业务对象对资源用户进行预先分组。具体的，若所述资源用户在一周期内已发布业务对象，则将所述资源用户划分至一用户分组；若所述资源用户在一周期内未发布业务对象，则将所述资源用户划分至另一用户分组。进一步的，对预先分组得到的两个用户分组分别执行获取资源用户在一周期内的静态行为数据；从所述静态行为数据中提取行为特征信息；根据所述行为特征信息对所述资源用户划分分组，得到用户分组。
S120、获取观众用户操作所述业务对象时生成的互动行为数据。
本实施例中，观众用户作用于业务界面的用户操作可以体现为操作所述业务对象，如对该业务对象进行转发、点赞、评论等，生成对应的互动行为数据为转发量、点赞量、评论量等。
S130、确定所述用户分组内的所述资源用户之间的所述静态行为数据的第一差异、所述用户分组内的所述资源用户之间的所述互动行为数据的第二差异。
本实施例中，第一差异为资源用户之间的用户规模的差异；第二差异为资源用户之间的活跃度的差异。第一差异越大，用户规模的差异越大；第二差异越大，活跃度的差异越大。本实施例主要通过资源用户之间的用户规模的差异、活跃度的差异来确定资源用户的用户属性为潜力用户或风险用户。
本实施例中，对如何计算资源用户之间的第一差异和第二差异不作限定。
在一实施例中，针对两个资源用户，可以通过计算两个资源用户的静态行为数据的差值，作为第一差异；通过计算两个资源用户的互动行为数据的差值，作为第二差异。
在又一实施例中，针对两组资源用户，至少有一组资源用户中具有至少两个资源用户，两组资源用户在静态行为数据上各服从一第一预设概率分布，将两第一预设概率分布的差异作为第一差异；两组资源用户在互动行为数据上各服从一第二预设概率分布，将两第二预设概率分布的差异作为第二差异。
S140、根据所述第一差异和第二差异确定所述资源用户的用户属性。
在一实施例中，针对两个资源用户，若所述第一差异小于预设的第一阈值、且所述第二差异大于预设的第二阈值，则可以确定互动行为数据大的资源用户的用户属性为潜力用户，或互动行为数据小的资源用户的用户属性为风险用户。
在又一实施例中，针对两组资源用户，至少有一组资源用户中具有至少两个资源用户，若所述第一差异小于预设的第一阈值、且所述第二差异大于预设的第二阈值，则可以确定互动行为数据大的一组资源用户的用户属性为潜力用户，或互动行为数据小的一组资源用户的用户属性为风险用户。
本实施例的技术方案，通过确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据；获取观众用户操作所述业务对象时生成的互动行为数据；确定所述用户分组内的所述资源用户之间的所述静态行为数据的第一差异、所述用户分组内的所述资源用户之间的所述互动行为数据的第二差异；根据所述第一差异和第二差异确定所述资源用户的用户属性，不同于仅使用静态行为数据对资源用户的用户属性进行分析，本实施例将静态行为数据和互动行为数据一起作为分析资源用户的用户属性的考虑因素，避免资源用户的用户规模是靠刷关注的方式来实现的，进而出现挖掘出来的资源用户的用户属性准确性不高的情况，实现减少挖掘出的资源用户所对应的关注用户质量低的风险，从而增加挖掘资源用户的准确性，降低挖掘资源用户的成本，进而增加所挖掘的资源用户与关注该资源用户的互动频次。
在上述实施例的基础上，所述资源用户为主播用户，所述方法包括如下步骤：确定在一周期内的用户分组；所述用户分组中具有主播用户，所述主播用户用于发布直播视频数据，所述主播用户具有关于观众用户的静态行为数据；获取观众用户观看所述直播视频数据时生成的互动行为数据；确定所述用户分组内的所述主播用户之间的所述静态行为数据的第一差异、所述用户分组内的所述主播用户之间的所述互动行为数据的第二差异；根据所述第一差异和第二差异确定所述主播用户的用户属性。
实施例二
图2A为本发明实施例二提供的一种用户处理方法的流程图，图2B为本发明实施例二提供的一种划分第一用户分组和第二用户分组的示意图。本实施例在上述实施例的基础上进一步细化，增加第一差异、第二差异的确定方式，还增加业务处理的步骤，参照图2A-2B，该用户处理方法具体包括如下步骤：
S201、确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据。
本实施例中，静态行为数据用于表示对资源用户的具有粘性的观众用户的用户规模。本实施例对静态行为数据不作限定，该静态行为数据可以是关注量；也可以是订阅资源用户或业务对象的观众用户的数量；还可以是观看资源用户发布的业务对象超过预设次数或预设时间的观众用户的数量；还可以是与资源用户之间得互动频次超过预设频次的观众用户的数量。
进一步的，本实施例中，将一周期内用户规模相近的资源用户划分在同一用户分组中，并在每一用户分组中确定资源用户的用户属性，一方面，从不同用户规模的资源用户中挖掘潜力用户和风险用户，增加挖掘的全面性；另一方面，通过确定同一用户分组中的资源用户的用户规模相近，以提高分析用户属性的准确性。
S202、获取观众用户操作所述业务对象时生成的互动行为数据。
本实施例中，互动行为数据用于表示观众用户对资源用户发布的业务对象的活跃度。该互动行为数据可以包括：转发量、点赞量、评论量等。转发量、点赞量、评论量等互动行为数据越高，则表明观众用户对资源用户发布的业务对象的活跃度越高。
S203、根据所述互动行为数据计算所述资源用户的平均互动增长量；
本实施例中，将所述业务对象的互动量和发布时间的比值，作为所述业务对象的互动增长量；计算所述资源用户所发布的业务对象的所述互动增长量的平均值，将所述平均值作为所述资源用户的平均互动增长量。
其中，业务对象的互动量为各互动行为数据的加权和，如业务对象的转发量、点赞量、评论量的加权和。进一步的，使用f表示平均互动增长量，计算方式如下：其中，N为所述业务对象的数量，xi为第i个业务对象的发布时间，yi为第i件业务对象的互动量，为第i个业务对象的互动增长量。
示例性的，以图2B所示的用户分组为例进行详细说明，用户分组的资源用户包括：“用户名1”、“用户名2”、“用户名3”、“用户名4”……和“用户名20”。每个资源用户都具有静态行为数据(关注量)、根据互动行为数据计算得到的平均互动增长量。
S204、初始化分界线10。
本实施例中，分界线10可以是预设的百分比，用于将用户分组划分为第一用户分组20和第二用户分组30。
进一步的，在使用分界线10划分分组前，可以将资源用户根据平均互动增长量进行排序。示例性的，参照图2B，将资源用户根据平均互动增长量进行从大到小的排序之后，所述第一用户分组20中资源用户的平均互动增长量大于所述第二用户分组30中资源用户的平均互动增长量。由于资源用户的平均互动增长量越高，则表明观众用户对资源用户发布的业务对象的活跃度越高，该资源用户为潜力用户的可能性越高。当然，平均互动增长量越低，则该资源用户为风险用户的可能性越高。相应的，本实施例中提供的用户处理方法，可以用于从资源用户中挖掘潜力用户或风险用户。
进一步的，可以将挖掘风险用户和潜力用户分为两个过程进行。参照图2B，本实施例中以从资源用户中挖掘风险用户为例进行说明。本实施例中，分界线10可以是至少两个预设的百分比，如将10％、15％、20％，即将用户分组中10％、15％或20％的资源用户划分到第二用户分组30中，当资源用户根据平均互动增长量进行从大到小的排序，即可以将第二用户分组30中的资源用户确定为风险用户。由于分界线10可以是至少两个预设的百分比，需要确定哪一个百分比所确定的资源用户的用户属性的准确性最高，即最终确定分界线10。本实施例中，通过分别使用至少两个预设的百分比进行计算，得到各个百分比对应的、第一用户分组20和第二用户分组30之间资源用户的第一差异和第二差异，来最终确定分界线10。具体的，参考步骤S205-S209。
S205、使用所述分界线10将所述用户分组划分为第一用户分组20和第二用户分组30。
S206、确定所述第一用户分组20和所述第二用户分组30在所述静态行为数据的分布上的第一差异值，将所述第一差异值作为所述第一差异。
本实施例中，静态行为数据用于表示对资源用户的具有粘性的观众用户的用户规模。进一步的，一方面，不同用户规模的资源用户均有可能是潜力用户和风险用户；另一方面，考虑到在使用互动行为数据分析资源用户的用户属性时，由于刚注册的资源用户的用户规模较小，刚注册的资源用户的活跃度低于注册一段时间的资源用户的活跃度。所以，本实施例中，还可以将确定第一用户分组20和第二用户分组30在静态行为数据的分布上的第一差异值，并将第一差异值作为第一差异。当第一差异较小时，则可以确定资源用户的用户规模差异较小，保证第一用户分组20和第二用户分组30中的资源用户的用户规模相近，以提高分析资源用户的用户属性的准确性。
S207、确定所述第一用户分组20和所述第二用户分组30在所述平均互动增长量的分布上的第二差异值，将所述第二差异值作为所述第二差异。
本实施例中，由于资源用户的平均互动增长量越高，则表明观众用户对资源用户发布的业务对象的活跃度越高，该资源用户为潜力用户的可能性越高。当然，平均互动增长量越低，则该资源用户为风险用户的可能性越高。当第二差异越大时，则可以确定使用分界线10所划分得到的第一用户分组20和第二用户分组30之间的资源用户的活跃度差异更高。
进一步的，可以采用T校验的方式，分别确定所述第一用户分组20和所述第二用户分组30在所述静态行为数据的分布上的第一差异值、确定所述第一用户分组20和所述第二用户分组30在所述平均互动增长量的分布上的第二差异值。
具体的，T校验，亦称学生T检验(Student's t test)，适用于样本含量较小，总体标准差未知的正态分布，主要是利用t分布理论来推论差异发生的概率p，从而比较两个平均数的差异是否显著。在本实施例中，使用T校验的方式，计算第一用户分组20和第二用户分组30之间的静态行为数据出现差异发生的第一概率，将第一概率作为第一差异值；使用T校验的方式，计算第一用户分组20和第二用户分组30之间的平均互动增长量出现差异发生的第二概率，将第一概率作为第二差异值。
在一实施例中，在执行步骤206-207时，还包括：分别从对第一用户分组20和第二用户分组30获取相同数量的样本用户，使用该样本用户进行T校验，得到第一差异和第二差异。进一步的，样本用户的数量可以是至少一个预设值。
S208、判断是否满足所述第一差异小于预设的第一阈值、且所述第二差异大于预设的第二阈值；若是，则执行步骤S209；若否，则调整所述分界线10，即使用其他预设的百分比，返回执行步骤S205。
S209、确定所述第一用户分组20和所述第二用户分组30训练完成，对所述第一用户分组20和所述第二用户分组30分别标注用户属性。
本实施例中，在将资源用户根据平均互动增长量进行从大到小的排序的前提下，第一用户分组20、第二用户分组30中的资源用户的用户属性可以通过如下方式确定：
1、挖掘潜力用户
在挖掘潜力用户时，分界线10用于将用户分组中预设的百分比的资源用户划分到第一用户分组20，将第一用户分组20中的资源用户的用户属性标记为潜力用户。
2、挖掘风险用户
在挖掘风险用户时，分界线10用于将用户分组中预设的百分比的资源用户划分到第二用户分组30，将第二用户分组30中的资源用户的用户属性标记为风险用户。
当然，在上述实施例中，将资源用户根据平均互动增长量进行从小到大的排序也是可行的方案。
S210、根据所述用户属性对所述资源用户进行业务处理。
在一实施例中，当资源用户的用户属性为潜力用户时，内容分享平台可以与潜力用户签约、为潜力用户引导流量等，一方面可以减少运营成本；另一方面，增加观众用户对内容分享平台的粘性。
在又一实施例中，当资源用户的用户属性为风险用户时，内容分享平台可以减少风险用户的流量，避免投入的引流的成本高于风险用户所带来的收益。
本实施例通过确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据；获取观众用户操作所述业务对象时生成的互动行为数据；初始化分界线10；使用所述分界线10将所述用户分组划分为第一用户分组20和第二用户分组30，所述第一用户分组20中资源用户的平均互动增长量大于所述第二用户分组30中资源用户的平均互动增长量；确定所述第一用户分组20和所述第二用户分组30在所述静态行为数据的分布上的第一差异值，将所述第一差异值作为所述第一差异；根据所述互动行为数据计算所述资源用户的平均互动增长量；确定所述第一用户分组20和所述第二用户分组30在所述平均互动增长量的分布上的第二差异值，将所述第二差异值作为所述第二差异；若所述第一差异小于预设的第一阈值、且所述第二差异大于预设的第二阈值，则确定所述第一用户分组20和所述第二用户分组30训练完成，对所述第一用户分组20和所述第二用户分组30分别标注用户属性；若否，则调整所述分界线10，返回执行所述使用所述分界线10将所述用户分组划分为第一用户分组20和第二用户分组30；根据所述用户属性对所述资源用户进行业务处理，不同于仅使用静态行为数据对资源用户的用户属性进行分析，本实施例，通过计算第一差异和第二差异，将静态行为数据和互动行为数据一起作为分析资源用户的用户属性的考虑因素，避免资源用户的用户规模是靠刷关注的方式来实现的，进而出现挖掘出来的资源用户的用户属性准确性不高的情况，实现减少挖掘出的资源用户所对应的关注用户质量低的风险，从而增加挖掘资源用户的准确性，降低挖掘资源用户的成本，进而增加所挖掘的资源用户与关注该资源用户的互动频次。
实施例三
图3A为本发明实施例三提供的一种用户处理装置的结构示意图；
参照图3A，该用户处理装置，具体包括如下结构：第一用户分组模块301、第一互动行为数据获取模块302、第一差异获取模块303和第一用户属性确定模块304。
第一用户分组模块301，用于确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据；
第一互动行为数据获取模块302，用于获取观众用户操作所述业务对象时生成的互动行为数据；
第一差异获取模块303，用于确定所述用户分组内的所述资源用户之间的所述静态行为数据的第一差异、所述用户分组内的所述资源用户之间的所述互动行为数据的第二差异；
第一用户属性确定模块304，用于根据所述第一差异和第二差异确定所述资源用户的用户属性。
本实施例的技术方案，通过确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据；获取观众用户操作所述业务对象时生成的互动行为数据；确定所述用户分组内的所述资源用户之间的所述静态行为数据的第一差异、所述用户分组内的所述资源用户之间的所述互动行为数据的第二差异；根据所述第一差异和第二差异确定所述资源用户的用户属性，不同于仅使用静态行为数据对资源用户的用户属性进行分析，本实施例将静态行为数据和互动行为数据一起作为分析资源用户的用户属性的考虑因素，避免资源用户的用户规模是靠刷关注的方式来实现的，进而出现挖掘出来的资源用户的用户属性准确性不高的情况，实现减少挖掘出的资源用户所对应的关注用户质量低的风险，从而增加挖掘资源用户的准确性，降低挖掘资源用户的成本，进而增加所挖掘的资源用户与关注该资源用户的互动频次。
在上述实施例的基础上，第一用户分组模块301，包括：
静态行为数据获取单元，用于获取资源用户在一周期内的静态行为数据；
特征信息提取单元，用于从所述静态行为数据中提取行为特征信息；
分组划分单元，用于根据所述行为特征信息对所述资源用户划分分组，得到用户分组。
在一实施例中，所述行为特征信息包括所述静态行为数据在数值上的分布范围，分组划分单元包括：
区间划分子单元，用于将所述分布范围划分为具有相同间隔的数值区间；
区间设置子单元，用于确定数值区间所属的用户分组；
分组子单元，用于根据所述资源用户的静态行为数据所属的数值区间，确定所述资源用户所属的所述用户分组。
在又一实施例中，所述行为特征信息包括所述静态行为数据的数值大小，分组划分单元包括：
排序子单元，用于根据所述静态行为数据的数值大小确定所述资源用户的排列顺序；
第一分组划分子单元，用于将所述资源用户按照所述排列顺序划分为具有相同用户数量的用户分组。
在又一实施例中，所述行为特征信息包括所述静态行为数据的预设的分位数；
分组划分单元包括：
第二分组划分子单元，用于将所述静态行为数据小于所述分位数的资源用户划分为具有相同间隔的数值区间的用户分组；
第三分组划分子单元，用于将所述静态行为数据大于所述分位数的资源用户划分为具有相同用户数量的用户分组。
在上述实施例的基础上，第一用户分组模块301，还包括：
预分组单元，用于若所述资源用户在一周期内已发布业务对象，则将所述资源用户划分至一用户分组；若所述资源用户在一周期内未发布业务对象，则将所述资源用户划分至另一用户分组。
在上述实施例的基础上，第一差异获取模块303，包括：
平均互动增长量计算单元，用于根据所述互动行为数据计算所述资源用户的平均互动增长量；
初始化单元，用于初始化分界线；
分组单元，用于使用所述分界线将所述用户分组划分为第一用户分组和第二用户分组，所述第一用户分组中资源用户的平均互动增长量大于所述第二用户分组中资源用户的平均互动增长量；
第一差异确定单元，用于确定所述第一用户分组和所述第二用户分组在所述静态行为数据的分布上的第一差异值，将所述第一差异值作为所述第一差异；
第二差异确定单元，用于确定所述第一用户分组和所述第二用户分组在所述平均互动增长量的分布上的第二差异值，将所述第二差异值作为所述第二差异。
在上述实施例的基础上，平均互动增长量计算单元包括：
互动增长量确定子单元，用于将所述业务对象的互动量和发布时间的比值，作为所述业务对象的互动增长量；
平均互动增长量确定子单元，用于计算所述资源用户所发布的业务对象的所述互动增长量的平均值，将所述平均值作为所述资源用户的平均互动增长量。
在上述实施例的基础上，第一用户属性确定模块304包括：
属性标记单元，用于若所述第一差异小于预设的第一阈值、且所述第二差异大于预设的第二阈值，则确定所述第一用户分组和所述第二用户分组训练完成，对所述第一用户分组和所述第二用户分组分别标注用户属性；若否，则调整所述分界线，返回执行所述使用所述分界线将所述用户分组划分为第一用户分组和第二用户分组。
在上述实施例的基础上，该装置还包括：
业务处理模块，用于在根据所述第一差异和第二差异确定所述资源用户的用户属性之后，根据所述用户属性对所述资源用户进行业务处理。
需要说明的是，图3B为本发明实施例三提供的一种用户处理装置的结构示意图，当资源用户为主播用户时，在上述实施例的基础上，该装置具体包括如下结构：第二用户分组模块305、第二互动行为数据获取模块306、第二差异获取模块307和第二用户属性确定模块308。
第二用户分组模块305，用于确定在一周期内的用户分组；所述用户分组中具有主播用户，所述主播用户用于发布直播视频数据，所述主播用户具有关于观众用户的静态行为数据；
第二互动行为数据获取模块306，用于获取观众用户观看所述直播视频数据时生成的互动行为数据；
第二差异获取模块307，用于确定所述用户分组内的所述主播用户之间的所述静态行为数据的第一差异、所述用户分组内的所述主播用户之间的所述互动行为数据的第二差异；
第二用户属性确定模块308，用于根据所述第一差异和第二差异确定所述主播用户的用户属性。
上述产品可执行本发明任意实施例所提供的方法，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用户处理设备的结构示意图。如图4所示，该用户处理设备包括：处理器40、存储器41、输入装置42以及输出装置43。该用户处理设备中处理器40的数量可以是一个或者多个，图4中以一个处理器40为例。该用户处理设备中存储器41的数量可以是一个或者多个，图4中以一个存储器41为例。该用户处理设备的处理器40、存储器41、输入装置42以及输出装置43可以通过总线或者其他方式连接，图4中以通过总线连接为例。该用户处理设备可以是电脑和服务器等。本实施例以用户处理设备为服务器进行详细说明，该服务器可以是独立服务器或集群服务器。
存储器41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，如本发明任意实施例所述的用户处理方法对应的程序指令/模块(例如，用户处理装置中的第一用户分组模块301、第一互动行为数据获取模块302、第一差异获取模块303和第一用户属性确定模块304；又例如，用户处理装置中的第二用户分组模块305、第二互动行为数据获取模块306、第二差异获取模块307和第二用户属性确定模块308)。存储器41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设备的使用所创建的数据等。此外，存储器41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41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至设备。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42可用于接收输入的数字或者字符信息，以及产生与用户处理设备的观众用户设置以及功能控制有关的键信号输入，还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。输出装置43可以包括扬声器等音频设备。需要说明的是，输入装置42和输出装置43的具体组成可以根据实际情况设定。
处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的用户处理方法。
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用户处理方法，
在一实施例中，该方法包括：
确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据；
获取观众用户操作所述业务对象时生成的互动行为数据；
确定所述用户分组内的所述资源用户之间的所述静态行为数据的第一差异、所述用户分组内的所述资源用户之间的所述互动行为数据的第二差异；
根据所述第一差异和第二差异确定所述资源用户的用户属性。
在又一实施例中，该方法包括：
确定在一周期内的用户分组；所述用户分组中具有主播用户，所述主播用户用于发布直播视频数据，所述主播用户具有关于观众用户的静态行为数据；
获取观众用户观看所述直播视频数据时生成的互动行为数据；
确定所述用户分组内的所述主播用户之间的所述静态行为数据的第一差异、所述用户分组内的所述主播用户之间的所述互动行为数据的第二差异；
根据所述第一差异和第二差异确定所述主播用户的用户属性。
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用户处理方法操作,还可以执行本发明任意实施例所提供的用户处理方法中的相关操作，且具备相应的功能和有益效果。
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(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明任意实施例所述的用户处理方法。
值得注意的是，上述用户处理装置中，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。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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 (15)
1.一种用户处理方法，其特征在于，包括：
确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据；
获取观众用户操作所述业务对象时生成的互动行为数据；
确定所述用户分组内的所述资源用户之间的所述静态行为数据的第一差异、所述用户分组内的所述资源用户之间的所述互动行为数据的第二差异；
根据所述第一差异和第二差异确定所述资源用户的用户属性。
2.根据权利要求1所述的方法，其特征在于，确定在一周期内的用户分组，包括：
获取资源用户在一周期内的静态行为数据；
从所述静态行为数据中提取行为特征信息；
根据所述行为特征信息对所述资源用户划分分组，得到用户分组。
3.根据权利要求2所述的方法，其特征在于，所述行为特征信息包括所述静态行为数据在数值上的分布范围；
根据所述行为特征信息对所述资源用户划分分组，得到用户分组，包括：
将所述分布范围划分为具有相同间隔的数值区间；
确定数值区间所属的用户分组；
根据所述资源用户的静态行为数据所属的数值区间，确定所述资源用户所属的所述用户分组。
4.根据权利要求2所述的方法，其特征在于，所述行为特征信息包括所述静态行为数据的数值大小；
根据所述行为特征信息对所述资源用户划分分组，得到用户分组，包括：
根据所述静态行为数据的数值大小确定所述资源用户的排列顺序；
将所述资源用户按照所述排列顺序划分为具有相同用户数量的用户分组。
5.根据权利要求2所述的方法，其特征在于，所述行为特征信息包括所述静态行为数据的预设的分位数；
根据所述静态行为数据对所述资源用户划分分组，得到用户分组，包括：
将所述静态行为数据小于所述分位数的资源用户划分为具有相同间隔的数值区间的用户分组；
将所述静态行为数据大于所述分位数的资源用户划分为具有相同用户数量的用户分组。
6.根据权利要求1-5任一所述的方法，其特征在于，确定在一周期内的用户分组，还包括：
若所述资源用户在一周期内已发布业务对象，则将所述资源用户划分至一用户分组；
若所述资源用户在一周期内未发布业务对象，则将所述资源用户划分至另一用户分组。
7.根据权利要求1所述的方法，其特征在于，确定所述用户分组内的所述资源用户之间的所述静态行为数据的第一差异、所述用户分组内的所述资源用户之间的所述互动行为数据的第二差异，包括：
根据所述互动行为数据计算所述资源用户的平均互动增长量；
初始化分界线；
使用所述分界线将所述用户分组划分为第一用户分组和第二用户分组，所述第一用户分组中资源用户的平均互动增长量大于所述第二用户分组中资源用户的平均互动增长量；
确定所述第一用户分组和所述第二用户分组在所述静态行为数据的分布上的第一差异值，将所述第一差异值作为所述第一差异；
确定所述第一用户分组和所述第二用户分组在所述平均互动增长量的分布上的第二差异值，将所述第二差异值作为所述第二差异。
8.根据权利要求7所述的方法，其特征在于，根据所述互动行为数据计算所述资源用户的平均互动增长量，包括：
将所述业务对象的互动量和发布时间的比值，作为所述业务对象的互动增长量；
计算所述资源用户所发布的业务对象的所述互动增长量的平均值，将所述平均值作为所述资源用户的平均互动增长量。
9.根据权利要求7-8任一所述的方法，其特征在于，根据所述第一差异和第二差异确定所述资源用户的用户属性，包括：
若所述第一差异小于预设的第一阈值、且所述第二差异大于预设的第二阈值，则确定所述第一用户分组和所述第二用户分组训练完成，对所述第一用户分组和所述第二用户分组分别标注用户属性；
若否，则调整所述分界线，返回执行所述使用所述分界线将所述用户分组划分为第一用户分组和第二用户分组。
10.根据权利要求1所述的方法，其特征在于，在根据所述第一差异和第二差异确定所述资源用户的用户属性之后，还包括：
根据所述用户属性对所述资源用户进行业务处理。
11.一种用户处理方法，其特征在于，包括：
确定在一周期内的用户分组；所述用户分组中具有主播用户，所述主播用户用于发布直播视频数据，所述主播用户具有关于观众用户的静态行为数据；
获取观众用户观看所述直播视频数据时生成的互动行为数据；
确定所述用户分组内的所述主播用户之间的所述静态行为数据的第一差异、所述用户分组内的所述主播用户之间的所述互动行为数据的第二差异；
根据所述第一差异和第二差异确定所述主播用户的用户属性。
12.一种用户处理装置，其特征在于，包括：
第一用户分组模块，用于确定在一周期内的用户分组，所述用户分组中具有资源用户，所述资源用户用于发布业务对象，所述资源用户具有关于观众用户的静态行为数据；
第一互动行为数据获取模块，用于获取观众用户操作所述业务对象时生成的互动行为数据；
第一差异获取模块，用于确定所述用户分组内的所述资源用户之间的所述静态行为数据的第一差异、所述用户分组内的所述资源用户之间的所述互动行为数据的第二差异；
第一用户属性确定模块，用于根据所述第一差异和第二差异确定所述资源用户的用户属性。
13.一种用户处理装置，其特征在于，包括：
第二用户分组模块，用于确定在一周期内的用户分组；所述用户分组中具有主播用户，所述主播用户用于发布直播视频数据，所述主播用户具有关于观众用户的静态行为数据；
第二互动行为数据获取模块，用于获取观众用户观看所述直播视频数据时生成的互动行为数据；
第二差异获取模块，用于确定所述用户分组内的所述主播用户之间的所述静态行为数据的第一差异、所述用户分组内的所述主播用户之间的所述互动行为数据的第二差异；
第二用户属性确定模块，用于根据所述第一差异和第二差异确定所述主播用户的用户属性。
14.一种用户处理设备，其特征在于，包括：存储器、具有触摸功能的显示屏以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-11中任一所述的用户处理方法。
15.一种包含计算机可执行指令的存储介质，其特征在于，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如权利要求1-11中任一所述的用户处理方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111498569.1A CN114143571B (zh) | 2019-03-19 | 2019-03-19 | 一种用户处理方法、装置、设备和存储介质 |
| CN201910209275.9A CN109922359B (zh) | 2019-03-19 | 2019-03-19 | 一种用户处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910209275.9A CN109922359B (zh) | 2019-03-19 | 2019-03-19 | 一种用户处理方法、装置、设备和存储介质 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111498569.1A Division CN114143571B (zh) | 2019-03-19 | 2019-03-19 | 一种用户处理方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109922359A true CN109922359A (zh) | 2019-06-21 |
| CN109922359B CN109922359B (zh) | 2022-01-04 |
Family
ID=66965657
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910209275.9A Active CN109922359B (zh) | 2019-03-19 | 2019-03-19 | 一种用户处理方法、装置、设备和存储介质 |
| CN202111498569.1A Active CN114143571B (zh) | 2019-03-19 | 2019-03-19 | 一种用户处理方法、装置、设备和存储介质 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111498569.1A Active CN114143571B (zh) | 2019-03-19 | 2019-03-19 | 一种用户处理方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN109922359B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110852802A (zh) * | 2019-11-08 | 2020-02-28 | 咪咕文化科技有限公司 | 异常行为的识别方法、通信设备及计算机可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180108048A1 (en) * | 2016-10-19 | 2018-04-19 | Samsung Sds Co., Ltd. | Method, apparatus and system for recommending contents |
| CN108093274A (zh) * | 2018-01-05 | 2018-05-29 | 武汉斗鱼网络科技有限公司 | 一种直播间排序方法、电子设备及可读存储介质 |
| CN108777801A (zh) * | 2018-05-30 | 2018-11-09 | 广州虎牙信息科技有限公司 | 优质主播用户挖掘方法、装置及计算机存储介质、服务器 |
| CN109086822A (zh) * | 2018-08-01 | 2018-12-25 | 广州虎牙信息科技有限公司 | 一种主播用户分类方法、装置、设备及存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9704165B2 (en) * | 2010-05-11 | 2017-07-11 | Oracle International Corporation | Systems and methods for determining value of social media pages |
| US20140089048A1 (en) * | 2012-09-25 | 2014-03-27 | Sean Bruich | Determining Metrics for Groups of Users Defined by Social Signals of a Social Networking System |
| CN105117422B (zh) * | 2015-07-30 | 2018-08-24 | 中国传媒大学 | 智能社交网络推荐系统 |
| CN105205146B (zh) * | 2015-09-18 | 2018-10-30 | 国家计算机网络与信息安全管理中心 | 一种计算微博用户影响力的方法 |
| CN105872836B (zh) * | 2016-03-30 | 2019-01-29 | 武汉斗鱼网络科技有限公司 | 一种直播网站中增加用户互动性的方法及装置 |
| CN106682770B (zh) * | 2016-12-14 | 2020-08-04 | 重庆邮电大学 | 一种基于好友圈子的动态微博转发行为预测系统及方法 |
| CN108711073B (zh) * | 2018-05-15 | 2022-02-11 | 中国联合网络通信集团有限公司 | 用户分析方法、装置及终端 |
| CN109388715A (zh) * | 2018-10-25 | 2019-02-26 | 北京小度信息科技有限公司 | 用户数据的分析方法及装置 |
-
2019
- 2019-03-19 CN CN201910209275.9A patent/CN109922359B/zh active Active
- 2019-03-19 CN CN202111498569.1A patent/CN114143571B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180108048A1 (en) * | 2016-10-19 | 2018-04-19 | Samsung Sds Co., Ltd. | Method, apparatus and system for recommending contents |
| CN108093274A (zh) * | 2018-01-05 | 2018-05-29 | 武汉斗鱼网络科技有限公司 | 一种直播间排序方法、电子设备及可读存储介质 |
| CN108777801A (zh) * | 2018-05-30 | 2018-11-09 | 广州虎牙信息科技有限公司 | 优质主播用户挖掘方法、装置及计算机存储介质、服务器 |
| CN109086822A (zh) * | 2018-08-01 | 2018-12-25 | 广州虎牙信息科技有限公司 | 一种主播用户分类方法、装置、设备及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110852802A (zh) * | 2019-11-08 | 2020-02-28 | 咪咕文化科技有限公司 | 异常行为的识别方法、通信设备及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109922359B (zh) | 2022-01-04 |
| CN114143571A (zh) | 2022-03-04 |
| CN114143571B (zh) | 2024-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107025457B (zh) | 一种图像处理方法和装置 | |
| CN109300179B (zh) | 动画制作方法、装置、终端和介质 | |
| CN107305611B (zh) | 恶意账号对应的模型建立方法和装置、恶意账号识别的方法和装置 | |
| CN111225234A (zh) | 视频审核方法、视频审核装置、设备和存储介质 | |
| EP4198775A1 (en) | Abnormal user auditing method and apparatus, electronic device, and storage medium | |
| WO2019062405A1 (zh) | 应用程序的处理方法、装置、存储介质及电子设备 | |
| CN108427632A (zh) | 自动测试方法及装置 | |
| CN109144652B (zh) | 一种视图显示方法、装置、电子设备及存储介质 | |
| CN109710507B (zh) | 一种自动化测试的方法和装置 | |
| CN112035320B (zh) | 业务监控方法、装置、电子设备及可读存储介质 | |
| CN112949172B (zh) | 一种数据处理方法、装置、机器可读介质及设备 | |
| CN103716282A (zh) | 一种修正ip库的方法和系统 | |
| CN103390003A (zh) | 在服务器之间合并用户数据信息的方法和装置 | |
| CN110569334A (zh) | 一种自动生成评论的方法及装置 | |
| CN111598494A (zh) | 资源额度的调整方法、装置及电子设备 | |
| WO2020258773A1 (zh) | 确定推送用户群的方法、装置、设备及存储介质 | |
| CN107728772B (zh) | 应用程序的处理方法、装置、存储介质及电子设备 | |
| CN106411703A (zh) | 一种信息同步方法及装置 | |
| CN110602207A (zh) | 基于离网预测推送信息的方法、装置、服务器和存储介质 | |
| CN109922359A (zh) | 一种用户处理方法、装置、设备和存储介质 | |
| CN113590955A (zh) | 目标推荐用户确定方法、装置、电子设备以及存储介质 | |
| CN111625720B (zh) | 数据决策项目执行策略的确定方法、装置、设备和介质 | |
| CN104992060A (zh) | 用户年龄估计方法及装置 | |
| CN106294457B (zh) | 网络信息推送方法及装置 | |
| CN114491093B (zh) | 多媒体资源推荐、对象表征网络的生成方法及装置 |
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 |