CN111629221B - 一种基于互联网的流量主播推荐系统 - Google Patents
一种基于互联网的流量主播推荐系统 Download PDFInfo
- Publication number
- CN111629221B CN111629221B CN202010469707.2A CN202010469707A CN111629221B CN 111629221 B CN111629221 B CN 111629221B CN 202010469707 A CN202010469707 A CN 202010469707A CN 111629221 B CN111629221 B CN 111629221B
- Authority
- CN
- China
- Prior art keywords
- data
- account
- time
- anchor
- browsing
- 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.)
- Active
Links
Images
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
- H04N21/25875—Management of end-user data involving end-user authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- 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]
- H04N21/20—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
- H04N21/258—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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于互联网的流量主播推荐系统,包括登录模块、验证模块、数据库、监控模块、采集模块、分析处理模块、推荐排序模块、服务器和发送模块;所述登录模块用于用户登录账号信息,并自动获取登录账号信息,将其一同传输至验证模块,所述数据库内存储有记录账号数据、记录密码数据以及对应的记录账号数据所对应的用户手机号码数据,本发明通过推荐排序模块的设置,对分析模块分析处理的浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间进行推荐排序,从而确定出主播的优选推荐位,增加数据分析的准确性,增加数据的可靠性,增加主播推荐的正确性,节省选取时间,提高工作效率。
Description
技术领域
本发明涉及直播推荐技术领域,具体为一种基于互联网的流量主播推荐系统。
背景技术
随着社会的发展,人们的生活水平在逐渐增加,那么随之而来的便是生活压力的增加压力,在放松之余,人们通常会选择观看一些直播节目,来放松自我。
现有的主播推荐系统,经常会不定时的向用户推荐主播,无法在合理的时间进行合理的推送,从而导致用户的反感,且无法按照用户的账号登录情况,用户的习性,以及用户的关注类别进行主播推荐,为此,我们提出一种基于互联网的流量主播推荐系统。
发明内容
本发明的目的在于提供一种基于互联网的流量主播推荐系统,通过登录模块和验证模块的设置,验证用户的账号登录安全,并生成对应的信号,采集模块依据其记性识别判断,从而对浏览数据进行采集,来解决现有技术中无法依据是否登录账号进行数据采集的问题,增加账号的安全性,保障数据采集的准确性,节省数据采集错误所消耗的时间,提高工作效率,通过推荐排序模块的设置,对分析模块分析处理的浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间进行推荐排序,从而确定出主播的优选推荐位,来解决现有技术中无法对推荐优先度进行快速排序的问题,增加数据分析的准确性,增加数据的可靠性,增加主播推荐的正确性,节省选取时间,提高工作效率。
本发明的目的可以通过以下技术方案实现:一种基于互联网的流量主播推荐系统,包括登录模块、验证模块、数据库、监控模块、采集模块、分析处理模块、推荐排序模块、服务器和发送模块;
所述登录模块用于用户登录账号信息,并自动获取登录账号信息,将其一同传输至验证模块,所述数据库内存储有记录账号数据、记录密码数据以及对应的记录账号数据所对应的用户手机号码数据;
所述验证模块从数据库内获取记录账号数据、记录密码数据和用户手机号码数据,并将其与登录账号信息一同进行安全验证,得到验证通过信号或验证失败信号,自动登录账号或禁止登录账号;
所述监控模块用于实时监控用户账号状态,并自动获取登录模块和验证模块内的账户信息,账户信息包括登录账号数据、未登录账号数据以及与其对应的账号数据,依据登录账号数据和未登录账号数据生成对应的登录信号和未登录信号,并将其发送至采集模块;
所述采集模块接收登录信号和未登录信号,并对其进行识别判断,具体为:
S1:当识别到未登录信号时,则判定该用户没有进行账号登录,不对该账号数据进行浏览数据采集;
S2:当识别到登录信号时,则判定该用户已经通过账号数据进行登录,提取该登录信号对应的账号数据,并对其进行浏览数据采集,并自动获取浏览数据;
所述采集模块还用于采集主播信息,并将其与浏览数据一同传输至分析处理模块;所述分析处理模块用于对主播信息和浏览数据一同进行分析处理操作,得到浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间,并将其一同传输至推荐排序模块;
所述推荐排序模块用于对浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间进行推荐排序操作,得到最佳推荐主播排序和限定次数数据一同经服务器传输至发送模块;
发送模块接收最佳推荐主播排序和限定次数数据,并将其发送至用户端。
作为本发明的进一步改进方案:安全验证的具体验证过程为:
步骤一:获取登录账号信息,将其内用户在账号输入栏内输入的数据标定为账号数据,并将账号数据标定为ZHi,i=1,2,3......n1,将其内的用户在账号密码输入栏内输入的数据标定为密码数据,并将密码数据标定为MMi,i=1,2,3......n1,将记录账号数据、记录密码数据和用户手机号码数据依次标记为:JZl、JMl和YSl,l=1,2,3......n2,且JZl、JMl和YSl一一对应;
步骤二:获取账号数据,并将其与记录账号数据进行匹配,当从记录账号数据内匹配到账号数据时,则判定该账号存在,生成一存信号,当从记录账号数据内无法匹配到账号数据时,则判定该账号不存在,生成二非信号;
步骤三:接收上述步骤二中的一存信号和二非信号,并对其进行识别,当识别到二非信号时,则自动跳转至账号注册界面,当识别到一存信号时,则对其进行密码验证,具体为:
K1:提取对应账号数据的密码数据,并将其与记录账号数据对应的记录密码数据进行比对;
K2:依据上述K1中的数据比对对比对结果进行判定,具体为:当密码数据与记录密码数据的匹配结果一致时,则判定该用户账号密码正确,当密码数据与记录密码数据的匹配结果不一致时,则判定该用户账号密码错误,并自动获取该用户账号数据对应的用户手机号码数据;
K3:像用户手机号码数据发送验证信息,并依据验证信息进行账号的再次验证。
作为本发明的进一步改进方案:分析处理操作的具体操作过程为:
H1:获取主播信息,将其内主播的直播名字标定为主播名数据,将其内主播在直播时显示的观众数量标定为显示人气数据,将其内主播在直播时实际的观众数量标定为实际人气数据,将其内主播每个月直播的次数标定为直播次数数据,将其内主播每次直播的时间长短标定为直播时长数据,将其内主播每次直播的时间点标定为直播时间数据,将其内主播的所属分类标定为主播类别数据,获取浏览数据,将其内的浏览种类数据标定为种类数据,将其内用户每个月内的浏览次数标定为浏览次数数据,将其内用户浏览时间点标定为浏览时间数据;
H2:提取上述H1中的主播类别数据、主播名数据、显示人气数据、实际人气数据、直播次数数据、直播时长数据、直播时间数据、种类数据、浏览次数数据和浏览时间数据,并将其依次标记为:WLv、WMv、WXv、WRv、WCv、WSv、WJv、LZc、LSc和LJc,v=1,2,3......n3,c=1,2,3......n4;
H3:提取用户每次浏览的种类数据,对种类数据次数进行标记,并按照从大到小的顺序进行排序,并将排序后的种类数据浏览次数进行差值计算,计算出数值最大的种类数据浏览次数的差值,具体为:
将排序第一的数值与排序第二的数据进行差值计算,将排序第二的数值与排序第三的数值进行差值计算,将排序第三的数值与排序第四的数值进行差值计算;
首先选取排序第一的种类数据,其次设定一个预设值M,并将其与e1进行比对,当M<e1时,则判定该种类数据与排序第一的种类数据差值大,不能同时选取排序第二的数据,反之,则判定该种类数据与排序第一的种类数据差值小,能同时选取排序第二的数据,在M>e1的前提下,将M与e2进行比对,当M>e2时,选取排序第三的数据,同理在M>e1,M>e2的前提下,M>e3时,选取排序第四的数据;
提取最终的选取结果,并将其标定为选取种类;
H4:获取浏览次数数据,并将其带入到计算式:Vc浏=LSc/Q,其中Vc浏表示为浏览频率,Q表示为每个月的天数,并将Vc浏带入到计算式:其中,PVc浏表示为浏览频率的平均值,即浏览频率均值,获取浏览时间数据,将每个浏览时间出现的次数进行统计,并选取出其中出现次数最多的时间点,将其标定为休闲时间;
H5:获取选择种类数据,并将其与主播类别数据进行匹配,选取出对应的一种或者多种主播类别数据,并提取该主播类别数据下的主播名数据、显示人气数据、实际人气数据、直播次数数据、直播时长数据和直播时间数据,将主播名数据内的显示人气数据和实际人气数据一同带入到计算式:Vv真=WRv/WXv,其中,Vv真表示为真实占比,即真实值,将直播次数数据带入到计算式:Vv直=WCv/Q,其中,Vv直表示为直播频率,并将其带入到计算式:其中,PVv直表示为直播频率的平均值,即直播频率均值,将直播时长数据带入到计算式:其中,PWSv表示为直播时长数据的平均值,即直播时长均值,获取直播时间数据,将直播时间数据出现的次数进行统计,并选取出其中出现次数最多的时间点,将其标定为工作时间。
作为本发明的进一步改进方案:推荐排序操作的具体操作过程为:
G1:获取休闲时间和工作时间,并对其进行匹配,选取出对应的主播名数据,提取主播名数据对应的真实值、直播频率均值和直播时长均值;
G2:依据真实值、直播频率均值和直播时长均值进行从大到小的排序,选取出真实值、直播频率均值和直播时长均值排序中的前三个主播名数据,并将其三者中的直播频率均值排序标定位第一推荐位,将直播时长均值排序标定为第二推荐位,将真实值排序标定为第三推荐位,即三者出现相同排序时按照直播频率均值、直播时长均值和真实值排序的顺序进行推荐,并将依据该推荐顺序对应的主播名数据排列出最佳推荐主播排序;
G3:提取浏览频率均值并依据其对用户进行限次数制推荐,并将其标定为限定次数数据,即在一段时间内对用户推荐主播的次数不超过预设值。
本发明的有益效果:
(1)登录模块用户登录账号信息,并自动获取登录账号信息,将其一同传输至验证模块,验证模块从数据库内获取记录账号数据、记录密码数据和用户手机号码数据,并将其与登录账号信息一同进行安全验证,得到验证通过信号或验证失败信号,自动登录账号或禁止登录账号;监控模块实时监控用户账号状态,并自动获取登录模块和验证模块内的账户信息,账户信息包括登录账号数据、未登录账号数据以及与其对应的账号数据,依据登录账号数据和未登录账号数据生成对应的登录信号和未登录信号;采集模块接收登录信号和未登录信号,并对其进行识别判断,并对依据判断结果进行浏览数据采集,并自动获取浏览数据;采集模块还采集主播信息,通过登录模块和验证模块的设置,验证用户的账号登录安全,并生成对应的信号,采集模块依据其记性识别判断,从而对浏览数据进行采集,增加账号的安全性,保障数据采集的准确性,节省数据采集错误所消耗的时间,提高工作效率;
(2)分析处理模块用于对主播信息和浏览数据一同进行分析处理操作,得到浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间;推荐排序模块对浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间进行推荐排序操作,得到最佳推荐主播排序和限定次数数据一同经服务器传输至发送模块;发送模块接收最佳推荐主播排序和限定次数数据,并将其发送至用户端;通过推荐排序模块的设置,对分析模块分析处理的浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间进行推荐排序,从而确定出主播的优选推荐位,增加数据分析的准确性,增加数据的可靠性,增加主播推荐的正确性,节省选取时间,提高工作效率。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的系统框图。
具体实施方式
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。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种基于互联网的流量主播推荐系统,包括登录模块、验证模块、数据库、监控模块、采集模块、分析处理模块、推荐排序模块、服务器和发送模块;
登录模块用于用户登录账号信息,并自动获取登录账号信息,将其一同传输至验证模块,数据库内存储有记录账号数据、记录密码数据以及对应的记录账号数据所对应的用户手机号码数据;
验证模块从数据库内获取记录账号数据、记录密码数据和用户手机号码数据,并将其与登录账号信息一同进行安全验证,安全验证的具体验证过程为:
步骤一:获取登录账号信息,将其内用户在账号输入栏内输入的数据标定为账号数据,并将账号数据标定为ZHi,i=1,2,3......n1,将其内的用户在账号密码输入栏内输入的数据标定为密码数据,并将密码数据标定为MMi,i=1,2,3......n1,将记录账号数据、记录密码数据和用户手机号码数据依次标记为:JZl、JMl和YSl,l=1,2,3......n2,且JZl、JMl和YSl一一对应;
步骤二:获取账号数据,并将其与记录账号数据进行匹配,当从记录账号数据内匹配到账号数据时,则判定该账号存在,生成一存信号,当从记录账号数据内无法匹配到账号数据时,则判定该账号不存在,生成二非信号;
步骤三:接收上述步骤二中的一存信号和二非信号,并对其进行识别,当识别到二非信号时,则自动跳转至账号注册界面,当识别到一存信号时,则对其进行密码验证,具体为:
K1:提取对应账号数据的密码数据,并将其与记录账号数据对应的记录密码数据进行比对;
K2:依据上述K1中的数据比对对比对结果进行判定,具体为:当密码数据与记录密码数据的匹配结果一致时,则判定该用户账号密码正确,当密码数据与记录密码数据的匹配结果不一致时,则判定该用户账号密码错误,并自动获取该用户账号数据对应的用户手机号码数据;
K3:像用户手机号码数据发送验证信息,并依据验证信息进行账号的再次验证,生成验证通过信号或验证失败信号;
监控模块用于实时监控用户账号状态,并自动获取登录模块和验证模块内的账户信息,账户信息包括登录账号数据、未登录账号数据以及与其对应的账号数据,依据登录账号数据和未登录账号数据生成对应的登录信号和未登录信号,并将其发送至采集模块;
采集模块接收登录信号和未登录信号,并对其进行识别判断,具体为:
S1:当识别到未登录信号时,则判定该用户没有进行账号登录,不对该账号数据进行浏览数据采集;
S2:当识别到登录信号时,则判定该用户已经通过账号数据进行登录,提取该登录信号对应的账号数据,并对其进行浏览数据采集,并自动获取浏览数据;
采集模块还用于采集主播信息,并将其与浏览数据一同传输至分析处理模块;
分析处理模块用于对主播信息和浏览数据一同进行分析处理操作,分析处理操作的具体操作过程为:
H1:获取主播信息,将其内主播的直播名字标定为主播名数据,将其内主播在直播时显示的观众数量标定为显示人气数据,将其内主播在直播时实际的观众数量标定为实际人气数据,将其内主播每个月直播的次数标定为直播次数数据,将其内主播每次直播的时间长短标定为直播时长数据,将其内主播每次直播的时间点标定为直播时间数据,将其内主播的分类标定为主播类别数据,获取浏览数据,将其内的浏览种类数据标定为种类数据,将其内用户每个月内的浏览次数标定为浏览次数数据,将其内用户浏览时间点标定为浏览时间数据;
H2:提取上述H1中的主播类别数据、主播名数据、显示人气数据、实际人气数据、直播次数数据、直播时长数据、直播时间数据、种类数据、浏览次数数据和浏览时间数据,并将其依次标记为:WLv、WMv、WXv、WRv、WCv、WSv、WJv、LZc、LSc和LJc,v=1,2,3......n3,c=1,2,3......n4;
H3:提取用户每次浏览的种类数据,对种类数据次数进行标记,并按照从大到小的顺序进行排序,并将排序后的种类数据浏览次数进行差值计算,计算出数值最大的种类数据浏览次数的差值,具体为:
将排序第一的数值与排序第二的数据进行差值计算,将排序第二的数值与排序第三的数值进行差值计算,将排序第三的数值与排序第四的数值进行差值计算;
首先选取排序第一的种类数据,其次设定一个预设值M,并将其与e1进行比对,当M<e1时,则判定该种类数据与排序第一的种类数据差值大,不能同时选取排序第二的数据,反之,则判定该种类数据与排序第一的种类数据差值小,能同时选取排序第二的数据,在M>e1的前提下,将M与e2进行比对,当M>e2时,选取排序第三的数据,同理在M>e1,M>e2的前提下,M>e3时,选取排序第四的数据;
提取最终的选取结果,并将其标定为选取种类;
H4:获取浏览次数数据,并将其带入到计算式:Vc浏=LSc/Q,其中Vc浏表示为浏览频率,Q表示为每个月的天数,并将Vc浏带入到计算式:其中,PVc浏表示为浏览频率的平均值,即浏览频率均值,获取浏览时间数据,将每个浏览时间出现的次数进行统计,并选取出其中出现次数最多的时间点,将其标定为休闲时间;
H5:获取选择种类数据,并将其与主播类别数据进行匹配,选取出对应的一种或者多种主播类别数据,并提取该主播类别数据下的主播名数据、显示人气数据、实际人气数据、直播次数数据、直播时长数据和直播时间数据,将主播名数据内的显示人气数据和实际人气数据一同带入到计算式:Vv真=WRv/WXv,其中,Vv真表示为真实占比,即真实值,将直播次数数据带入到计算式:Vv直=WCv/Q,其中,Vv直表示为直播频率,并将其带入到计算式:其中,PVv直表示为直播频率的平均值,即直播频率均值,将直播时长数据带入到计算式:其中,PWSv表示为直播时长数据的平均值,即直播时长均值,获取直播时间数据,将直播时间数据出现的次数进行统计,并选取出其中出现次数最多的时间点,将其标定为工作时间;
H6:将浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间一同传输至推荐排序模块;
推荐排序模块用于对浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间进行推荐排序操作,推荐排序操作的具体操作过程为:
G1:获取休闲时间和工作时间,并对其进行匹配,选取出对应的主播名数据,提取主播名数据对应的真实值、直播频率均值和直播时长均值;
G2:依据真实值、直播频率均值和直播时长均值进行从大到小的排序,选取出真实值、直播频率均值和直播时长均值排序中的前三个主播名数据,并将其三者中的直播频率均值排序标定位第一推荐位,将直播时长均值排序标定为第二推荐位,将真实值排序标定为第三推荐位,即三者出现相同排序时按照直播频率均值、直播时长均值和真实值排序的顺序进行推荐,并将依据该推荐顺序对应的主播名数据排列出最佳推荐主播排序;
G3:提取浏览频率均值并依据其对用户进行限次数制推荐,并将其标定为限定次数数据,即在一段时间内对用户推荐主播的次数不超过预设值;
G4:将最佳推荐主播排序和限定次数数据经服务器传输至发送模块;
发送模块接收最佳推荐主播排序和限定次数数据,并将其发送至用户端。
本发明在工作时,登录模块用户登录账号信息,并自动获取登录账号信息,将其一同传输至验证模块,验证模块从数据库内获取记录账号数据、记录密码数据和用户手机号码数据,并将其与登录账号信息一同进行安全验证,得到验证通过信号或验证失败信号,自动登录账号或禁止登录账号;监控模块实时监控用户账号状态,并自动获取登录模块和验证模块内的账户信息,账户信息包括登录账号数据、未登录账号数据以及与其对应的账号数据,依据登录账号数据和未登录账号数据生成对应的登录信号和未登录信号;采集模块接收登录信号和未登录信号,并对其进行识别判断,具体为:当识别到未登录信号时,则判定该用户没有进行账号登录,不对该账号数据进行浏览数据采集;当识别到登录信号时,则判定该用户已经通过账号数据进行登录,提取该登录信号对应的账号数据,并对其进行浏览数据采集,并自动获取浏览数据;采集模块还用于采集主播信息,并将其与浏览数据一同传输至分析处理模块;分析处理模块对主播信息和浏览数据一同进行分析处理操作,得到浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间,并将其一同传输至推荐排序模块;推荐排序模块对浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间进行推荐排序操作,得到最佳推荐主播排序和限定次数数据一同经服务器传输至发送模块;发送模块接收最佳推荐主播排序和限定次数数据,并将其发送至用户端。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (1)
1.一种基于互联网的流量主播推荐系统,其特征在于,包括登录模块、验证模块、数据库、监控模块、采集模块、分析处理模块、推荐排序模块、服务器和发送模块;
登录模块用于用户登录账号信息,并自动获取登录账号信息,将其一同传输至验证模块,数据库内存储有记录账号数据、记录密码数据以及对应的记录账号数据所对应的用户手机号码数据;
验证模块从数据库内获取记录账号数据、记录密码数据和用户手机号码数据,并将其与登录账号信息一同进行安全验证,安全验证的具体验证过程为:
步骤一:获取登录账号信息,将其内用户在账号输入栏内输入的数据标定为账号数据,并将账号数据标定为ZHi,i=1,2,3……n1,将其内的用户在账号密码输入栏内输入的数据标定为密码数据,并将密码数据标定为MMi,i=1,2,3……n1,将记录账号数据、记录密码数据和用户手机号码数据依次标记为:JZl、JMl和YSl,l=1,2,3……n2,且JZl、JMl和YSl一一对应;
步骤二:获取账号数据,并将其与记录账号数据进行匹配,当从记录账号数据内匹配到账号数据时,则判定该账号存在,生成一存信号,当从记录账号数据内无法匹配到账号数据时,则判定该账号不存在,生成二非信号;
步骤三:接收上述步骤二中的一存信号和二非信号,并对其进行识别,当识别到二非信号时,则自动跳转至账号注册界面,当识别到一存信号时,则对其进行密码验证,具体为:
K1:提取对应账号数据的密码数据,并将其与记录账号数据对应的记录密码数据进行比对;
K2:依据上述K1中的数据比对对比对结果进行判定,具体为:当密码数据与记录密码数据的匹配结果一致时,则判定该用户账号密码正确,当密码数据与记录密码数据的匹配结果不一致时,则判定该用户账号密码错误,并自动获取该用户账号数据对应的用户手机号码数据;
K3:向用户手机号码数据发送验证信息,并依据验证信息进行账号的再次验证,生成验证通过信号或验证失败信号;
监控模块用于实时监控用户账号状态,并自动获取登录模块和验证模块内的账户信息,账户信息包括登录账号数据、未登录账号数据以及与其对应的账号数据,依据登录账号数据和未登录账号数据生成对应的登录信号和未登录信号,并将其发送至采集模块;
采集模块接收登录信号和未登录信号,并对其进行识别判断,具体为:
S1:当识别到未登录信号时,则判定该用户没有进行账号登录,不对该账号数据进行浏览数据采集;
S2:当识别到登录信号时,则判定该用户已经通过账号数据进行登录,提取该登录信号对应的账号数据,并对其进行浏览数据采集,并自动获取浏览数据;
采集模块还用于采集主播信息,并将其与浏览数据一同传输至分析处理模块;
分析处理模块用于对主播信息和浏览数据一同进行分析处理操作,分析处理操作的具体操作过程为:
H1:获取主播信息,将其内主播的直播名字标定为主播名数据,将其内主播在直播时显示的观众数量标定为显示人气数据,将其内主播在直播时实际的观众数量标定为实际人气数据,将其内主播每个月直播的次数标定为直播次数数据,将其内主播每次直播的时间长短标定为直播时长数据,将其内主播每次直播的时间点标定为直播时间数据,将其内主播的分类标定为主播类别数据,获取浏览数据,将其内的浏览种类数据标定为种类数据,将其内用户每个月内的浏览次数标定为浏览次数数据,将其内用户浏览时间点标定为浏览时间数据;
H2:提取上述H1中的主播类别数据、主播名数据、显示人气数据、实际人气数据、直播次数数据、直播时长数据、直播时间数据、种类数据、浏览次数数据和浏览时间数据,并将其依次标记为:WLv、WMv、WXv、WRv、WCv、WSv、WJv、LZc、LSc和LJc,v=1,2,3......n3,c=1,2,3……n4;
H3:提取用户每次浏览的种类数据,对种类数据浏览次数进行标记,并按照从大到小的顺序进行排序,并将排序后的种类数据浏览次数进行差值计算,具体为:
将排序第一的数值与排序第二的数据进行差值计算,得到e1,将排序第二的数值与排序第三的数值进行差值计算,得到e2,将排序第三的数值与排序第四的数值进行差值计算,得到e3;
设定一个预设值M,并将其与e1进行比对,当M<e1时,则判定该种类数据与排序第一的种类数据差值大,不能同时选取排序第二的数据,反之,则判定该种类数据与排序第一的种类数据差值小,能同时选取排序第二的数据,在M>e1的前提下,将M与e2进行比对,当M>e2时,选取排序第三的数据,同理在M>e1,M>e2的前提下,M>e3时,选取排序第四的数据;
提取最终的选取结果,并将其标定为选取种类;
H4:获取浏览次数数据,并将其带入到计算式:,其中Vc浏表示为浏览频率,Q表示为每个月的天数,并将Vc浏带入到计算式:,其中,PVc浏表示为浏览频率的平均值,即浏览频率均值,获取浏览时间数据,将每个浏览时间出现的次数进行统计,并选取出其中出现次数最多的时间点,将其标定为休闲时间;
H5:获取选取种类,并将其与主播类别数据进行匹配,选取出对应的一种或者多种主播类别数据,并提取该主播类别数据下的主播名数据、显示人气数据、实际人气数据、直播次数数据、直播时长数据和直播时间数据,将主播名数据内的显示人气数据和实际人气数据一同带入到计算式:,其中,Vv真表示为真实占比,即真实值,将直播次数数据带入到计算式:Vv直=WCv/Q,其中,Vv直表示为直播频率,并将其带入到计算式:,其中,表示为直播频率的平均值,即直播频率均值,将直播时长数据带入到计算式:,其中,PWSv表示为直播时长数据的平均值,即直播时长均值,获取直播时间数据,将直播时间数据出现的次数进行统计,并选取出其中出现次数最多的时间点,将其标定为工作时间;
H6:将浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间一同传输至推荐排序模块;
推荐排序模块用于对浏览频率均值、休闲时间、真实值、直播频率均值、直播时长均值和工作时间进行推荐排序操作,推荐排序操作的具体操作过程为:
G1:获取休闲时间和工作时间,并对其进行匹配,选取出对应的主播名数据,提取主播名数据对应的真实值、直播频率均值和直播时长均值;
G2:依据真实值、直播频率均值和直播时长均值进行从大到小的排序,选取出真实值、直播频率均值和直播时长均值排序中的前三个主播名数据,并将其三者中的直播频率均值排序标定位第一推荐位,将直播时长均值排序标定为第二推荐位,将真实值排序标定为第三推荐位,即三者出现相同排序时按照直播频率均值、直播时长均值和真实值排序的顺序进行推荐,并将依据该推荐顺序对应的主播名数据排列出最佳推荐主播排序;
G3:提取浏览频率均值并依据其对用户进行推荐次数的限定,并将限定的推荐次数标定为限定次数数据,即在一段时间内对用户推荐主播的次数不超过预设值;
G4:将最佳推荐主播排序和限定次数数据经服务器传输至发送模块;
发送模块接收最佳推荐主播排序和限定次数数据,并将其发送至用户端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010469707.2A CN111629221B (zh) | 2020-05-28 | 2020-05-28 | 一种基于互联网的流量主播推荐系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010469707.2A CN111629221B (zh) | 2020-05-28 | 2020-05-28 | 一种基于互联网的流量主播推荐系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111629221A CN111629221A (zh) | 2020-09-04 |
CN111629221B true CN111629221B (zh) | 2021-05-28 |
Family
ID=72261227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010469707.2A Active CN111629221B (zh) | 2020-05-28 | 2020-05-28 | 一种基于互联网的流量主播推荐系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111629221B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112817951A (zh) * | 2021-01-19 | 2021-05-18 | 立梦(上海)企业管理咨询有限公司 | 一种用于新媒体营销的数据分析方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009064365A (ja) * | 2007-09-10 | 2009-03-26 | Sharp Corp | お勧め情報提供方法 |
CN102685566A (zh) * | 2012-05-28 | 2012-09-19 | 北京网尚数字电影院线有限公司 | 一种音视频节目推荐方法 |
CN103051930A (zh) * | 2012-12-21 | 2013-04-17 | 福建邮科通信技术有限公司 | 基于流量分析及用户行为分析的移动视频推荐方法及系统 |
WO2018011684A1 (en) * | 2016-07-09 | 2018-01-18 | Videotap Pte. Ltd | Method and system for recommending dynamic, adaptive and non- sequentially assembled videos |
CN108833933A (zh) * | 2018-06-14 | 2018-11-16 | 广东互通宽带网络服务有限公司 | 一种使用支持向量机推荐视频流量的方法及系统 |
CN110399555A (zh) * | 2019-07-19 | 2019-11-01 | 马鞍山微光网络科技有限公司 | 基于大数据的精准推荐云下载服务系统 |
CN110889043A (zh) * | 2019-12-11 | 2020-03-17 | 姚欣 | 基于大数据的饮食推荐系统与推荐方法 |
CN111143692A (zh) * | 2019-12-31 | 2020-05-12 | 亳州职业技术学院 | 基于用户需求的药膳推荐电子商务平台 |
-
2020
- 2020-05-28 CN CN202010469707.2A patent/CN111629221B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009064365A (ja) * | 2007-09-10 | 2009-03-26 | Sharp Corp | お勧め情報提供方法 |
CN102685566A (zh) * | 2012-05-28 | 2012-09-19 | 北京网尚数字电影院线有限公司 | 一种音视频节目推荐方法 |
CN103051930A (zh) * | 2012-12-21 | 2013-04-17 | 福建邮科通信技术有限公司 | 基于流量分析及用户行为分析的移动视频推荐方法及系统 |
WO2018011684A1 (en) * | 2016-07-09 | 2018-01-18 | Videotap Pte. Ltd | Method and system for recommending dynamic, adaptive and non- sequentially assembled videos |
CN108833933A (zh) * | 2018-06-14 | 2018-11-16 | 广东互通宽带网络服务有限公司 | 一种使用支持向量机推荐视频流量的方法及系统 |
CN110399555A (zh) * | 2019-07-19 | 2019-11-01 | 马鞍山微光网络科技有限公司 | 基于大数据的精准推荐云下载服务系统 |
CN110889043A (zh) * | 2019-12-11 | 2020-03-17 | 姚欣 | 基于大数据的饮食推荐系统与推荐方法 |
CN111143692A (zh) * | 2019-12-31 | 2020-05-12 | 亳州职业技术学院 | 基于用户需求的药膳推荐电子商务平台 |
Also Published As
Publication number | Publication date |
---|---|
CN111629221A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104918066B (zh) | 视频内容审核方法及系统 | |
CN112364202B (zh) | 视频推荐方法、装置及电子设备 | |
CN106331779A (zh) | 在播放视频过程中基于用户喜好推送主播的方法及系统 | |
CN1347618A (zh) | 利用决策树推荐电视节目的方法和装置 | |
US20110271303A1 (en) | Information providing method, content display terminal, portable terminal, server device, information providing system and program | |
CN110472494A (zh) | 脸部特征提取模型训练方法、脸部特征提取方法、装置、设备及存储介质 | |
CN106487664B (zh) | 一种信息推荐的方法、装置及移动终端 | |
CN110019954A (zh) | 一种作弊用户的识别方法及系统 | |
CN111629221B (zh) | 一种基于互联网的流量主播推荐系统 | |
CN107146099A (zh) | 一种营销方法及营销系统 | |
CN109462765B (zh) | 一种推荐页面下发和显示的方法及装置 | |
CN105491444A (zh) | 一种数据识别处理方法以及装置 | |
CN114926466B (zh) | 基于大数据的土地一体化监测和决策方法、平台 | |
CN111294819A (zh) | 一种网络优化方法及装置 | |
US20040220915A1 (en) | Detection of improper search queries in a wide area network search engine | |
WO2017167088A1 (en) | A user relationship based multimedia recommendation method and apparatus | |
CN109829007A (zh) | 一种数据分析装置及操作方法 | |
CN105979395A (zh) | 一种反馈信息统计方法及装置 | |
CN109993315B (zh) | 一种数据处理方法、装置及电子设备 | |
CN107679256A (zh) | 基于用户浏览习惯的公众号推送平台 | |
CN110399555A (zh) | 基于大数据的精准推荐云下载服务系统 | |
CN107133201B (zh) | 基于文本编码识别的热点信息采集方法和装置 | |
CN113115107B (zh) | 一种基于5g网络的手持视频采集终端系统 | |
CN115525792A (zh) | 视频搜索方法、装置、服务器及终端设备 | |
CN109614382B (zh) | 一种应用的日志分割方法及装置 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A traffic anchor recommendation system based on Internet Effective date of registration: 20220324 Granted publication date: 20210528 Pledgee: Hangzhou joint rural commercial bank Limited by Share Ltd. three pier sub branch Pledgor: Hangzhou Shuangsheng Information Technology Co.,Ltd. Registration number: Y2022330000396 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |