CN109951725A - 一种直播间的推荐方法以及相关设备 - Google Patents
一种直播间的推荐方法以及相关设备 Download PDFInfo
- Publication number
- CN109951725A CN109951725A CN201910172930.8A CN201910172930A CN109951725A CN 109951725 A CN109951725 A CN 109951725A CN 201910172930 A CN201910172930 A CN 201910172930A CN 109951725 A CN109951725 A CN 109951725A
- Authority
- CN
- China
- Prior art keywords
- node
- digraph
- direct broadcasting
- broadcasting room
- probability
- 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)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明实施例提供了一种直播间的推荐方法及相关设备,用于快速的向用户推荐直播间。该方法包括:获取直播平台在预设时间段内的用户观看序列;根据用户观看序列确定直播平台中直播间之间的转移权重;根据直播平台中直播间之间的转移权重确定直播平台的第一有向图;基于预设出度和/或预设入度对第一有向图进行裁剪,以得到第二有向图;计算第二有向图中的各个节点的转移概率;根据第二有向图中各个节点的转移概率计算第二有向图中各个节点的目标达到概率;基于第二有向图中各个节点的目标达到概率确定直播平台在预设时间段内的直播间聚类;根据目标用户在预设时间段内观看的直播间集合以及直播平台的直播间聚类向目标用户推荐直播间。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种直播间的推荐方法以及相关设备。
背景技术
用户在直播平台上对直播间的观看行为是存在先后顺序的,因此每个用户都有一条直播间观看路径,该路径反映了用户在什么时候对哪个直播间进行了观看。常见的基于用户观看路径的推荐方法有以下几种:
1)根据观看序列对直播间进行向量化,通过得到的向量之间的相似度进行推荐,但是这种通过向量之间的相似度进行推荐在直播间量级非常大时计算非常困难。
2)基于马尔科夫的原理,通过转移概率对用户最可能的观看路径进行预测,但是用户转移行为的数据噪音非常强,从相同直播间转移到其他直播间之间可能没有必然的相似性。
发明内容
本发明实施例提供了一种直播间的推荐方法及相关设备,可以快速向用户推荐直播间。
本发明实施例的第一方面提供了一种直播间的推荐方法,包括:
获取直播平台在预设时间段内的用户观看序列,所述用户观看序列指示所述直播平台中的用户在所述预设时间段内有效观看直播间的排序;
根据所述用户观看序列确定所述直播平台中直播间之间的转移权重;
根据所述直播平台中直播间之间的转移权重确定所述直播平台的第一有向图;
基于预设出度和/或预设入度对所述第一有向图进行裁剪,以得到第二有向图;
计算所述第二有向图中的各个节点的转移概率;
根据所述第二有向图中各个节点的转移概率计算所述第二有向图中各个节点的目标达到概率;
基于所述第二有向图中各个节点的目标达到概率确定所述直播平台在所述预设时间段内的直播间聚类;
根据目标用户在所述预设时间段内观看的直播间集合以及所述直播平台的直播间聚类向所述目标用户推荐直播间。
可选地,所述根据所述用户观看序列确定所述直播平台中直播间之间的转移权重包括:
通过如下公式计算所述直播平台中直播间之间的转移权重:
其中,wa→b为所述用户观看序列中的直播间a到所述用户观看序列中的直播间b的转移权重,N(a→b)为所述用户观看序列中观看了所述直播间a后继续观看所述直播间b的次数,N(a→i)为所述用户观看序列中观看了所述直播间a后继续观看所述用户观看序列中其他直播间i的次数。
可选地,所述计算所述第二有向图中的各个节点的转移概率包括:
通过如下公式计算所述第二有向图中各个节点的转移概率:
其中,pa→b为所述第二有向图中的节点a到所述第二有向图中的节点b的转移概率,wa→b为所述第二有向图中的节点a到所述第二有向图中的节点b的转移权重,wa→i为所述节点a到所述节点i的转移权重,所述节点i为所述第二有向图中的任意一个节点。
可选地,所述根据所述第二有向图中各个节点的转移概率计算所述第二有向图中各个节点的目标达到概率包括:
通过如下公式迭代计算所述第二有向图中各个节点的初始达到概率:
其中,pk(a)为第k轮迭代时所述第二有向图中的节点a的初始达到概率,pb→a为所述第二有向图中的节点b到所述第二有向图中的节点a的转移概率,τ为所述第二有向图中的节点发生随机跳转的概率,τ为大于0的常数,wb→a为所述节点b到所述节点a的转移权重;
当满足预置的迭代终止条件时,将迭代终止时所述第二有向图中各个节点的初始达到概率确定为所述第二有向图中各个节点的目标达到概率。
可选地,所述方法还包括:
判断迭代次数是否达到预置数值,若是,则确定满足所述预置的迭代终止条件;
或,判断所述第二有向图中的各个节点的初始达到概率是否收敛,若是,则确定满足所述预置的迭代终止条件。
可选地,所述基于所述第二有向图中各个节点的目标达到概率确定所述直播平台在所述预设时间段内的直播间聚类包括:
对所述第二有向图中的各个节点进行初始化,以确定所述第二有向图中的各个团体,所述第二有向图中的各个团体与所述第二有向图中的各个节点具有关联关系;
通过如下公式计算所述第二有向图中各个节点的信息熵增益:
其中,ΔH(i,α→β)为节点i从所述各个团体中的任意一个团体α转移到所述各个团体中的任意一个团体β的信息熵增益,所述节点i为所述第二有向图中的任意一个节点,节点j为所述团体α或所述团体β中的任意一个节点,所述团体α与所述团体β为所述各个团体中的两个不同的团体,p′j为所述节点j标准化后的达到概率,且pj为所述节点j标准化前的达到概率,G为所述第二有向图中的所有节点;
基于所述第二有向图中各个节点的信息熵增益确定所述直播平台在所述预设时间段内的直播间聚类。
本发明实施例第二方面提供了一种直播间的推荐装置,包括:
获取单元,用于获取直播平台在预设时间段内的用户观看序列,所述用户观看序列指示所述直播平台中的用户在所述预设时间段内有效观看直播间的排序;
第一确定单元,用于根据所述用户观看序列确定所述直播平台中直播间之间的转移权重;
第二确定单元,用于根据所述直播平台中直播间之间的转移权重确定所述直播平台的第一有向图;
裁剪单元,用于基于预设出度和/或预设入度对所述第一有向图进行裁剪,以得到第二有向图;
第一计算单元,用于计算所述第二有向图中的各个节点的转移概率;
第二计算单元,用于根据所述第二有向图中各个节点的转移概率计算所述第二有向图中各个节点的目标达到概率;
第三确定单元,用于基于所述第二有向图中各个节点的目标达到概率确定所述直播平台在所述预设时间段内的直播间聚类;
推荐单元,用于根据目标用户在所述预设时间段内观看的直播间集合以及所述直播平台的直播间聚类向所述目标用户推荐直播间。
可选地,所述第一确定单元具体用于:
通过如下公式计算所述直播平台中直播间之间的转移权重:
其中,wa→b为所述用户观看序列中的直播间a到所述用户观看序列中的直播间b的转移权重,N(a→b)为所述用户观看序列中观看了所述直播间a后继续观看所述直播间b的次数,N(a→i)为所述用户观看序列中观看了所述直播间a后继续观看所述用户观看序列中其他直播间i的次数。
可选地,所述第一计算单元具体用于:
通过如下公式计算所述第二有向图中各个节点的转移概率:
其中,pa→b为所述第二有向图中的节点a到所述第二有向图中的节点b的转移概率,wa→b为所述第二有向图中的节点a到所述第二有向图中的节点b的转移权重,wa→i为所述节点a到所述节点i的转移权重,所述节点i为所述第二有向图中的任意一个节点。
可选地,所述第二计算单元具体用于:
通过如下公式迭代计算所述第二有向图中各个节点的初始达到概率:
其中,pk(a)为第k轮迭代时所述第二有向图中的节点a的初始达到概率,pb→a为所述第二有向图中的节点b到所述第二有向图中的节点a的转移概率,τ为所述第二有向图中的节点发生随机跳转的概率,τ为大于0的常数,wb→a为所述节点b到所述节点a的转移权重;
当满足预置的迭代终止条件时,将迭代终止时所述第二有向图中各个节点的初始达到概率确定为所述第二有向图中各个节点的目标达到概率。
可选地,所述装置还包括:
判断单元,所述判断单元具体用于:
判断迭代次数是否达到预置数值,若是,则确定满足所述预置的迭代终止条件;
或,判断所述第二有向图中的各个节点的初始达到概率是否收敛,若是,则确定满足所述预置的迭代终止条件。
可选地,所述第三确定单元具体用于:
对所述第二有向图中的各个节点进行初始化,以确定所述第二有向图中的各个团体,所述第二有向图中的各个团体与所述第二有向图中的各个节点具有关联关系;
通过如下公式计算所述第二有向图中各个节点的信息熵增益:
其中,ΔH(i,α→β)为节点i从所述各个团体中的任意一个团体α转移到所述各个团体中的任意一个团体β的信息熵增益,所述节点i为所述第二有向图中的任意一个节点,节点j为所述团体α或所述团体β中的任意一个节点,所述团体α与所述团体β为所述各个团体中的两个不同的团体,p′j为所述节点j标准化后的达到概率,且pj为所述节点j标准化前的达到概率,G为所述第二有向图中的所有节点;
基于所述第二有向图中各个节点的信息熵增益确定所述直播平台在所述预设时间段内的直播间聚类。
综上所述,可以看出,本发明提供的实施例中,通过构建直播平台对应的有向图,之后通过有向图中直播间节点的关系计算各个直播间节点的转移概率,并通过转移概率计算达到概率,根据达到概率进行直播间社区的划分,从而实现直播间的聚类,达到概率比转移概率更具有抗噪音的优势,且计算效率上非常高,千万级别的直播间也可以快速的聚类,进而可以向用户快速推荐直播间。
附图说明
图1为本发明实施例提供的一种直播间的推荐方法的流程示意图;
图2为本发明实施例提供的一种直播间的推荐装置的实施例示意图;
图3为本发明实施例提供的一种直播间的推荐装置的硬件结构示意图;
图4为本发明实施例提供的一种电子设备的实施例示意图;
图5为本发明实施例提供的一种计算机可读存储介质的实施例示意图。
具体实施方式
本发明实施例提供了一种直播间的推荐方法及相关设备,可以快速向用户推荐直播间。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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。
下面从直播间的推荐装置的角度对直播间的推荐方法进行说明,该直播间的推荐装置可以为服务器,也可以为服务器中的服务单元。
请参阅图1,图1为本发明实施例提供的直播间的推荐方法的一个实施例示意图,包括:
101、获取直播平台在预设时间段内的用户观看序列。
本实施例中,直播间的推荐装置可以获取直播平台在预设时间段内的用户观看序列,其中,该用户观看序列指示所述直播平台中的用户在预设时间段内有效观看直播间的排序,该有效观看直播间例如可以是观看时长超过1分钟直播间,该预设时间段例如可以为2019年1月31日至2019年2月1日(当然也可以是其他时间段,具体不做限定)。例如用户在第一时间点观看直播间a,第二时间点观看直播间b,第三时间点观看直播间c,该第一时间点、第二时间点以及第三时间点均为预设时间段内的时间点,且该第二时间点晚于第一时间点,该第三时间点晚于第二时间点,则该用户观看序列即为a-b-c。
需要说明的是,上述对用户观看序列仅为举例说明,并不代表对其的限定,当然也还可以为其他的行为,只要能对用户在预设时间段内有效观看直播间进行排序即可。
102、根据用户观看序列确定直播平台中直播间之间的转移权重。
本实施例中,直播间的推荐装置可以通过如下公式计算直播平台中直播间之间的转移权重:
其中,wa→b为用户观看序列中的直播间a到用户观看序列中的直播间b的转移权重(也即用户观看序列中先观看了直播间a然后观看了直播间b,也就是说用户从直播间a转换到直播间b的权重),N(a→b)为用户观看序列中观看了直播间a后继续观看所述直播间b的次数,N(a→i)为用户观看序列中观看了直播间a后继续观看用户观看序列中其他直播间i的次数。
103、根据直播平台中直播间之间的转移权重确定直播平台的第一有向图。
本实施例中,可以将用户观看序列中的所有直播间看成有向图的顶点,设定阈值δ,如果顶点a和顶点b之间的转移权重wa→b大于该阈值δ,那么在有向图中会形成顶点a指向顶点b的一条边,由此可以构建一个由直播间顶点构成的有向图,也即第一有向图。
104、基于预设出度和/或预设入度对第一有向图进行裁剪,以得到第二有向图。
本实施例中,在得到第一有向图之后,可以设定预设出度和/或预设入度的阈值,如果第一有向图中的节点的出度大于预设出度的阈值和/或第一有向图中的节点的入度大于预设入度的阈值,那么会将该节点和与该节点相连的边删除。被删除的节点对应的都是热门直播间,指向它或者被它指向的节点非常多,不删除他们会影响直播间推荐的效果。另外一个目的是,去除热门直播间后能够对长尾的直播间作更好的推荐,避免哈利波特效应。
105、计算第二有向图中各个节点的转移概率。
本实施例中,通过如下公式计算第二有向图中各个节点的转移概率:
其中,pa→b为第二有向图中的节点a到第二有向图中的节点b的转移概率,wa→b为第二有向图中的节点a到第二有向图中的节点b的转移权重,wa→i为节点a到节点i的转移权重,节点i为第二有向图中的任意一个节点。
106、根据第二有向图中各个节点的转移概率计算第二有向图中各个节点的目标达到概率。
本实施例中,可以首先通过如下公式迭代计算第二有向图中各个节点的初始达到概率:
其中,pk(a)为第k轮迭代时第二有向图中的节点a的初始达到概率,pb→a为第二有向图中的节点b到第二有向图中的节点a的转移概率,τ为第二有向图中的节点发生随机跳转的概率,τ为大于0的常数,wb→a为节点b到所述节点a的转移权重;
当满足预置的迭代终止条件时,将迭代终止时第二有向图中各个节点的初始达到概率确定为第二有向图中各个节点的目标达到概率。
需要说明的是,可以在每次迭代之后,判断迭代次数是否达到预置数值,若是,则确定满足预置的迭代终止条件;或,判断每次迭代完成之后第二有向图中各个几点的初始达到概率是否收敛,若是,则确定满足预置的迭代终止条件。
107、基于第二有向图中各个节点的目标达到概率确定直播平台在预设时间段内的直播间聚类。
本实施例中,可以首先对第二有向图中的各个节点进行初始化,以确定第二有向图中的各个团体,第二有向图中的各个团体与第二有向图中的各个节点具有关联关系,也就是说可以首先将第二有向图中的各个节点作为一个团体;
之后,通过如下公式计算第二有向图中各个节点的信息熵增益:
其中,ΔH(i,α→β)为节点i从各个团体中的任意一个团体α转移到各个团体中的任意一个团体β的信息熵增益,节点i为第二有向图中的任意一个节点,节点j为团体α或所述团体β中的任意一个节点,、团体α与团体β为各个团体中的两个不同的团体,p′j为节点j标准化后的达到概率,且pj为节点j标准化前的达到概率,G为第二有向图中的所有节点。
最后,在得到第二有向图中各个节点的信息熵增益之后,可以基于第二有向图中各个节点的信息熵增益确定直播平台在所述预设时间段内的直播间聚类。也就是说可以从第一个直播间节点开始,依次计算该第一个直播间节点加入其他直播间团体的信息熵增益,找到该第一直播间节点对应的最大的信息熵增益并且该增益值大于0的直播间团体,将该第一直播间加入该团体,重复执行执行上述步骤,直到无法从任意团体中移除某个直播间节点加入另外团体使得信息熵增益大于0。
108、根据目标用户在预设时间段内观看的直播间集合以及直播平台的直播间聚类向目标用户推荐直播间。
本实施例中,可以获取目标用户在预设时间段内观看的直播间集合,该目标用户为待推荐直播间的用户,由于已经得到了预设时间段内直播平台的直播间聚类,之后,可以将目标用户在预设时间段内观看的直播间集合与该直播间聚类中的直播间进行匹配,以向目标用户推荐直播间。例如该目标用户在预设时间段内观看的直播间集合包括直播间a和直播间b,直播间聚类包括聚类A、聚类B、聚类C以及聚类D,其中该聚类B中包括直播间a、直播间c以及直播间d,该聚类D中包括直播间b以及直播间e,则向该目标用户推荐聚类B中的直播间c以及直播间d,以及该聚类D中的直播间e。
需要说明的是,上述对聚类以及聚类中包括的直播间仅为举例说明,并不代表对其的限定。
综上所述,可以看出,本发明提供的实施例中,通过构建直播平台对应的有向图,之后通过有向图中直播间节点的关系计算各个直播间节点的转移概率,并通过转移概率计算达到概率,根据达到概率进行直播间社区的划分,从而实现直播间的聚类,达到概率比转移概率更具有抗噪音的优势,且计算效率上非常高,千万级别的直播间也可以快速的聚类,进而可以向用户快速推荐直播间。
上面对本发明实施例中直播间的推荐方法进行了描述,下面对本发明实施例中的直播间的推荐装置进行描述。
请参阅图2,本发明实施例中直播间的推荐装置的一个实施例,该直播间的推荐装置包括:
获取单元201,用于获取直播平台在预设时间段内的用户观看序列,所述用户观看序列指示所述直播平台中的用户在所述预设时间段内有效观看直播间的排序;
第一确定单元202,用于根据所述用户观看序列确定所述直播平台中直播间之间的转移权重;
第二确定单元203,用于根据所述直播平台中直播间之间的转移权重确定所述直播平台的第一有向图;
裁剪单元204,用于基于预设出度和/或预设入度对所述第一有向图进行裁剪,以得到第二有向图;
第一计算单元205,用于计算所述第二有向图中的各个节点的转移概率;
第二计算单元206,用于根据所述第二有向图中各个节点的转移概率计算所述第二有向图中各个节点的目标达到概率;
第三确定单元207,用于基于所述第二有向图中各个节点的目标达到概率确定所述直播平台在所述预设时间段内的直播间聚类;
推荐单元208,用于根据目标用户在所述预设时间段内观看的直播间集合以及所述直播平台的直播间聚类向所述目标用户推荐直播间。
可选地,所述第一确定单元202具体用于:
通过如下公式计算所述直播平台中直播间之间的转移权重:
其中,wa→b为所述用户观看序列中的直播间a到所述用户观看序列中的直播间b的转移权重,N(a→b)为所述用户观看序列中观看了所述直播间a后继续观看所述直播间b的次数,N(a→i)为所述用户观看序列中观看了所述直播间a后继续观看所述用户观看序列中其他直播间i的次数。
可选地,所述第一计算单元205具体用于:
通过如下公式计算所述第二有向图中各个节点的转移概率:
其中,pa→b为所述第二有向图中的节点a到所述第二有向图中的节点b的转移概率,wa→b为所述第二有向图中的节点a到所述第二有向图中的节点b的转移权重,wa→i为所述节点a到所述节点i的转移权重,所述节点i为所述第二有向图中的任意一个节点。
可选地,所述第二计算单元206具体用于:
通过如下公式迭代计算所述第二有向图中各个节点的初始达到概率:
其中,pk(a)为第k轮迭代时所述第二有向图中的节点a的初始达到概率,pb→a为所述第二有向图中的节点b到所述第二有向图中的节点a的转移概率,τ为所述第二有向图中的节点发生随机跳转的概率,τ为大于0的常数,wb→a为所述节点b到所述节点a的转移权重;
当满足预置的迭代终止条件时,将迭代终止时所述第二有向图中各个节点的初始达到概率确定为所述第二有向图中各个节点的目标达到概率。
可选地,所述装置还包括:
判断单元209,所述判断单元209具体用于:
判断迭代次数是否达到预置数值,若是,则确定满足所述预置的迭代终止条件;
或,判断所述第二有向图中的各个节点的初始达到概率是否收敛,若是,则确定满足所述预置的迭代终止条件。
可选地,所述第三确定单元207具体用于:
对所述第二有向图中的各个节点进行初始化,以确定所述第二有向图中的各个团体,所述第二有向图中的各个团体与所述第二有向图中的各个节点具有关联关系;
通过如下公式计算所述第二有向图中各个节点的信息熵增益:
其中,ΔH(i,α→β)为节点i从所述各个团体中的任意一个团体α转移到所述各个团体中的任意一个团体β的信息熵增益,所述节点i为所述第二有向图中的任意一个节点,节点j为所述团体α或所述团体β中的任意一个节点,所述团体α与所述团体β为所述各个团体中的两个不同的团体,p′j为所述节点j标准化后的达到概率,且pj为所述节点j标准化前的达到概率,G为所述第二有向图中的所有节点;
基于所述第二有向图中各个节点的信息熵增益确定所述直播平台在所述预设时间段内的直播间聚类。
上面图2从模块化功能实体的角度对本发明实施例中的直播间的推荐装置进行了描述,下面从硬件处理的角度对本发明实施例中的直播间的推荐装置进行详细描述,请参阅图3,本发明实施例中的直播间的推荐装置300一个实施例,包括:
输入装置301、输出装置302、处理器303和存储器304(其中处理器303的数量可以一个或多个,图3中以一个处理器303为例)。在本发明的一些实施例中,输入装置301、输出装置502、处理器303和存储器304可通过总线或其它方式连接,其中,图3中以通过总线连接为例。
其中,通过调用存储器304存储的操作指令,处理器303,用于执行如下步骤:
获取直播平台在预设时间段内的用户观看序列,所述用户观看序列指示所述直播平台中的用户在所述预设时间段内有效观看直播间的排序;
根据所述用户观看序列确定所述直播平台中直播间之间的转移权重;
根据所述直播平台中直播间之间的转移权重确定所述直播平台的第一有向图;
基于预设出度和/或预设入度对所述第一有向图进行裁剪,以得到第二有向图;
计算所述第二有向图中的各个节点的转移概率;
根据所述第二有向图中各个节点的转移概率计算所述第二有向图中各个节点的目标达到概率;
基于所述第二有向图中各个节点的目标达到概率确定所述直播平台在所述预设时间段内的直播间聚类;
根据目标用户在所述预设时间段内观看的直播间集合以及所述直播平台的直播间聚类向所述目标用户推荐直播间。
通过调用存储器304存储的操作指令,处理器303,还用于执行图1对应的实施例中的任一方式。
请参阅图4,图4为本发明实施例提供的电子设备的实施例示意图。
如图4所示,本发明实施例提供了一种电子设备,包括存储器410、处理器420及存储在存储器420上并可在处理器420上运行的计算机程序411,处理器420执行计算机程序411时实现以下步骤:
获取直播平台在预设时间段内的用户观看序列,所述用户观看序列指示所述直播平台中的用户在所述预设时间段内有效观看直播间的排序;
根据所述用户观看序列确定所述直播平台中直播间之间的转移权重;
根据所述直播平台中直播间之间的转移权重确定所述直播平台的第一有向图;
基于预设出度和/或预设入度对所述第一有向图进行裁剪,以得到第二有向图;
计算所述第二有向图中的各个节点的转移概率;
根据所述第二有向图中各个节点的转移概率计算所述第二有向图中各个节点的目标达到概率;
基于所述第二有向图中各个节点的目标达到概率确定所述直播平台在所述预设时间段内的直播间聚类;
根据目标用户在所述预设时间段内观看的直播间集合以及所述直播平台的直播间聚类向所述目标用户推荐直播间。
在具体实施过程中,处理器420执行计算机程序411时,可以实现图1对应的实施例中任一实施方式。
由于本实施例所介绍的电子设备为实施本发明实施例中一种直播间的推荐装置所采用的设备,故而基于本发明实施例中所介绍的方法,本领域所属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发明实施例中的方法不再详细介绍,只要本领域所属技术人员实施本发明实施例中的方法所采用的设备,都属于本发明所欲保护的范围。
请参阅图5,图5为本发明实施例提供的一种计算机可读存储介质的实施例示意图。
如图5所示,本实施例提供了一种计算机可读存储介质500,其上存储有计算机程序511,该计算机程序511被处理器执行时实现如下步骤:
获取直播平台在预设时间段内的用户观看序列,所述用户观看序列指示所述直播平台中的用户在所述预设时间段内有效观看直播间的排序;
根据所述用户观看序列确定所述直播平台中直播间之间的转移权重;
根据所述直播平台中直播间之间的转移权重确定所述直播平台的第一有向图;
基于预设出度和/或预设入度对所述第一有向图进行裁剪,以得到第二有向图;
计算所述第二有向图中的各个节点的转移概率;
根据所述第二有向图中各个节点的转移概率计算所述第二有向图中各个节点的目标达到概率;
基于所述第二有向图中各个节点的目标达到概率确定所述直播平台在所述预设时间段内的直播间聚类;
根据目标用户在所述预设时间段内观看的直播间集合以及所述直播平台的直播间聚类向所述目标用户推荐直播间。
在具体实施过程中,该计算机程序511被处理器执行时可以实现图1对应的实施例中任一实施方式。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
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、CD-ROM、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。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、嵌入式计算机或者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。
本发明实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机软件指令,当计算机软件指令在处理设备上运行时,使得处理设备执行如图1对应实施例中的风电场数字化平台设计的方法中的流程。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修该,或者对其中部分技术特征进行等同替换;而这些修该或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种直播间的推荐方法,其特征在于,包括:
获取直播平台在预设时间段内的用户观看序列,所述用户观看序列指示所述直播平台中的用户在所述预设时间段内有效观看直播间的排序;
根据所述用户观看序列确定所述直播平台中直播间之间的转移权重;
根据所述直播平台中直播间之间的转移权重确定所述直播平台的第一有向图;
基于预设出度和/或预设入度对所述第一有向图进行裁剪,以得到第二有向图;
计算所述第二有向图中的各个节点的转移概率;
根据所述第二有向图中各个节点的转移概率计算所述第二有向图中各个节点的目标达到概率;
基于所述第二有向图中各个节点的目标达到概率确定所述直播平台在所述预设时间段内的直播间聚类;
根据目标用户在所述预设时间段内观看的直播间集合以及所述直播平台的直播间聚类向所述目标用户推荐直播间。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用户观看序列确定所述直播平台中直播间之间的转移权重包括:
通过如下公式计算所述直播平台中直播间之间的转移权重:
其中,wa→b为所述用户观看序列中的直播间a到所述用户观看序列中的直播间b的转移权重,N(a→b)为所述用户观看序列中观看了所述直播间a后继续观看所述直播间b的次数,N(a→i)为所述用户观看序列中观看了所述直播间a后继续观看所述用户观看序列中其他直播间i的次数。
3.根据权利要求1所述的方法,其特征在于,所述计算所述第二有向图中的各个节点的转移概率包括:
通过如下公式计算所述第二有向图中各个节点的转移概率:
其中,pa→b为所述第二有向图中的节点a到所述第二有向图中的节点b的转移概率,wa→b为所述第二有向图中的节点a到所述第二有向图中的节点b的转移权重,wa→i为所述节点a到所述节点i的转移权重,所述节点i为所述第二有向图中的任意一个节点。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第二有向图中各个节点的转移概率计算所述第二有向图中各个节点的目标达到概率包括:
通过如下公式迭代计算所述第二有向图中各个节点的初始达到概率:
其中,pk(a)为第k轮迭代时所述第二有向图中的节点a的初始达到概率,pb→a为所述第二有向图中的节点b到所述第二有向图中的节点a的转移概率,τ为所述第二有向图中的节点发生随机跳转的概率,τ为大于0的常数,wb→a为所述节点b到所述节点a的转移权重;
当满足预置的迭代终止条件时,将迭代终止时所述第二有向图中各个节点的初始达到概率确定为所述第二有向图中各个节点的目标达到概率。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
判断迭代次数是否达到预置数值,若是,则确定满足所述预置的迭代终止条件;
或,判断所述第二有向图中的各个节点的初始达到概率是否收敛,若是,则确定满足所述预置的迭代终止条件。
6.根据权利要求1所述的方法,其特征在于,所述基于所述第二有向图中各个节点的目标达到概率确定所述直播平台在所述预设时间段内的直播间聚类包括:
对所述第二有向图中的各个节点进行初始化,以确定所述第二有向图中的各个团体,所述第二有向图中的各个团体与所述第二有向图中的各个节点具有关联关系;
通过如下公式计算所述第二有向图中各个节点的信息熵增益:
其中,ΔH(i,α→β)为节点i从所述各个团体中的任意一个团体α转移到所述各个团体中的任意一个团体β的信息熵增益,所述节点i为所述第二有向图中的任意一个节点,节点j为所述团体α或所述团体β中的任意一个节点,所述团体α与所述团体β为所述各个团体中的两个不同的团体,p’j为所述节点j标准化后的达到概率,且pj为所述节点j标准化前的达到概率,G为所述第二有向图中的所有节点;
基于所述第二有向图中各个节点的信息熵增益确定所述直播平台在所述预设时间段内的直播间聚类。
7.一种直播间的推荐装置,其特征在于,包括:
获取单元,用于获取直播平台在预设时间段内的用户观看序列,所述用户观看序列指示所述直播平台中的用户在所述预设时间段内有效观看直播间的排序;
第一确定单元,用于根据所述用户观看序列确定所述直播平台中直播间之间的转移权重;
第二确定单元,用于根据所述直播平台中直播间之间的转移权重确定所述直播平台的第一有向图;
裁剪单元,用于基于预设出度和/或预设入度对所述第一有向图进行裁剪,以得到第二有向图;
第一计算单元,用于计算所述第二有向图中的各个节点的转移概率;
第二计算单元,用于根据所述第二有向图中各个节点的转移概率计算所述第二有向图中各个节点的目标达到概率;
第三确定单元,用于基于所述第二有向图中各个节点的目标达到概率确定所述直播平台在所述预设时间段内的直播间聚类;
推荐单元,用于根据目标用户在所述预设时间段内观看的直播间集合以及所述直播平台的直播间聚类向所述目标用户推荐直播间。
8.根据权利要求7所述的装置,其特征在于,所述第三确定单元具体用于:
对所述第二有向图中的各个节点进行初始化,以确定所述第二有向图中的各个团体,所述第二有向图中的各个团体与所述第二有向图中的各个节点具有关联关系;
通过如下公式计算所述第二有向图中各个节点的信息熵增益:
其中,ΔH(i,α→β)为节点i从所述各个团体中的任意一个团体α转移到所述各个团体中的任意一个团体β的信息熵增益,所述节点i为所述第二有向图中的任意一个节点,节点j为所述团体α或所述团体β中的任意一个节点,所述团体α与所述团体β为所述各个团体中的两个不同的团体,p’j为所述节点j标准化后的达到概率,且pj为所述节点j标准化前的达到概率,G为所述第二有向图中的所有节点;
基于所述第二有向图中各个节点的信息熵增益确定所述直播平台在所述预设时间段内的直播间聚类。
9.一种电子设备,包括存储器、处理器,其特征在于,所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1至6中任意一项所述的直播间的推荐方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机管理类程序,其特征在于:所述计算机管理类程序被处理器执行时实现如权利要求1至6中任意一项所述的直播间的推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910172930.8A CN109951725B (zh) | 2019-03-07 | 2019-03-07 | 一种直播间的推荐方法以及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910172930.8A CN109951725B (zh) | 2019-03-07 | 2019-03-07 | 一种直播间的推荐方法以及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109951725A true CN109951725A (zh) | 2019-06-28 |
CN109951725B CN109951725B (zh) | 2021-06-15 |
Family
ID=67009276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910172930.8A Active CN109951725B (zh) | 2019-03-07 | 2019-03-07 | 一种直播间的推荐方法以及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109951725B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084423A (zh) * | 2020-08-31 | 2020-12-15 | 腾讯科技(深圳)有限公司 | 一种信息发布平台推荐方法及装置 |
CN113592543A (zh) * | 2021-07-27 | 2021-11-02 | 北京达佳互联信息技术有限公司 | 评估直播导引效果的方法和装置 |
CN113590955A (zh) * | 2021-07-30 | 2021-11-02 | 武汉斗鱼鱼乐网络科技有限公司 | 目标推荐用户确定方法、装置、电子设备以及存储介质 |
CN114554253A (zh) * | 2021-12-27 | 2022-05-27 | 北京达佳互联信息技术有限公司 | 一种资源推荐方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070136275A1 (en) * | 2005-12-12 | 2007-06-14 | Canon Information Systems Research Australia Pty. Ltd. | Clustering of content items |
CN101321190A (zh) * | 2008-07-04 | 2008-12-10 | 清华大学 | 一种异构网络中的推荐方法及推荐系统 |
CN102624596A (zh) * | 2012-04-26 | 2012-08-01 | 浙江传媒学院 | 一种p2p直播覆盖网的可靠性最优树状核心拓扑求解方法 |
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 |
CN107835441A (zh) * | 2017-10-10 | 2018-03-23 | 武汉斗鱼网络科技有限公司 | 基于路径预测的直播推荐方法、存储介质、设备及系统 |
-
2019
- 2019-03-07 CN CN201910172930.8A patent/CN109951725B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070136275A1 (en) * | 2005-12-12 | 2007-06-14 | Canon Information Systems Research Australia Pty. Ltd. | Clustering of content items |
CN101321190A (zh) * | 2008-07-04 | 2008-12-10 | 清华大学 | 一种异构网络中的推荐方法及推荐系统 |
CN102624596A (zh) * | 2012-04-26 | 2012-08-01 | 浙江传媒学院 | 一种p2p直播覆盖网的可靠性最优树状核心拓扑求解方法 |
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 |
CN107835441A (zh) * | 2017-10-10 | 2018-03-23 | 武汉斗鱼网络科技有限公司 | 基于路径预测的直播推荐方法、存储介质、设备及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084423A (zh) * | 2020-08-31 | 2020-12-15 | 腾讯科技(深圳)有限公司 | 一种信息发布平台推荐方法及装置 |
CN112084423B (zh) * | 2020-08-31 | 2023-12-12 | 腾讯科技(深圳)有限公司 | 一种信息发布平台推荐方法及装置 |
CN113592543A (zh) * | 2021-07-27 | 2021-11-02 | 北京达佳互联信息技术有限公司 | 评估直播导引效果的方法和装置 |
CN113590955A (zh) * | 2021-07-30 | 2021-11-02 | 武汉斗鱼鱼乐网络科技有限公司 | 目标推荐用户确定方法、装置、电子设备以及存储介质 |
CN114554253A (zh) * | 2021-12-27 | 2022-05-27 | 北京达佳互联信息技术有限公司 | 一种资源推荐方法、装置、电子设备和存储介质 |
CN114554253B (zh) * | 2021-12-27 | 2024-02-23 | 北京达佳互联信息技术有限公司 | 一种资源推荐方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109951725B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109951725A (zh) | 一种直播间的推荐方法以及相关设备 | |
CN109379608A (zh) | 一种直播间的推荐方法以及相关设备 | |
CN108090208A (zh) | 融合数据处理方法及装置 | |
CN109218769A (zh) | 一种直播间的推荐方法以及相关设备 | |
CN109255371A (zh) | 一种确定直播平台虚假关注用户的方法以及相关设备 | |
CN107835441B (zh) | 基于路径预测的直播推荐方法、存储介质、设备及系统 | |
CN105791902B (zh) | 用户推荐方法及装置 | |
CN109257617A (zh) | 一种确定直播平台中嫌疑用户的方法以及相关设备 | |
CN108427658A (zh) | 一种数据预测方法、装置及电子设备 | |
CN105095414A (zh) | 用于预测网络搜索量的方法和装置 | |
CN105262794A (zh) | 内容投放方法及装置 | |
CN109587523A (zh) | 一种虚假关注的识别方法以及相关设备 | |
CN113139654A (zh) | 图神经网络模型的训练方法及装置 | |
CN109977264A (zh) | 一种基于元路径相似度的用户推荐方法、系统、服务器及存储介质 | |
CN109120955A (zh) | 一种直播间的推荐方法以及相关设备 | |
CN112989211B (zh) | 一种确定信息相似度的方法及系统 | |
Ambjørn et al. | Shaken, but not stirred—Potts model coupled to quantum gravity | |
CN109460930A (zh) | 一种确定风险账户的方法以及相关设备 | |
CN109547805A (zh) | 一种切换语音直播间的方法、直播管理平台及可读存储介质 | |
CN105975535A (zh) | 多媒体资源的推荐方法和装置 | |
CN112926090A (zh) | 基于差分隐私的业务分析方法及装置 | |
CN109361929A (zh) | 一种确定直播间标签的方法以及相关设备 | |
CN109033352B (zh) | 一种增值业务推荐方法及装置 | |
EP2538622B1 (en) | Network delay estimation apparatus and network delay estimation method | |
CN109993338A (zh) | 一种链路预测方法及装置 |
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 |