CN111988636A - 主播推荐方法和装置、服务器、计算机可读存储介质 - Google Patents
主播推荐方法和装置、服务器、计算机可读存储介质 Download PDFInfo
- Publication number
- CN111988636A CN111988636A CN202010847823.3A CN202010847823A CN111988636A CN 111988636 A CN111988636 A CN 111988636A CN 202010847823 A CN202010847823 A CN 202010847823A CN 111988636 A CN111988636 A CN 111988636A
- Authority
- CN
- China
- Prior art keywords
- anchor
- target
- target user
- anchor recommendation
- recommendation
- 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
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
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- 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
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. 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]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/482—End-user interface for program selection
- H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种主播推荐方法和装置、服务器、计算机可读存储介质，包括：接收目标终端发送的主播推荐请求，主播推荐请求携带目标终端对应的目标用户身份标识及主播推荐请求所来源的目标主播推荐业务的标识。基于主播推荐请求，从数据库中获取与目标用户身份标识及目标主播推荐业务的标识对应的目标主播推荐列表，数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表。将目标主播推荐列表发送至目标终端，目标主播推荐列表用于指示目标终端基于目标主播推荐列表进行主播推荐。不需要针对用户每次所发起的主播推荐请求都进行一次数据分析计算，从而提高了推荐效率及推荐过程的可复用性。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种主播推荐方法和装置、服务器、计算机可读存储介质。
背景技术
随着计算机技术的不断发展，网络直播平台也得到了日益广泛的应用，用户可以通过网络直播间观看各种游戏直播、卖货直播等各种各样的直播。在网络直播平台上往往会向用户推荐主播，但是传统的在进行推荐主播的时候，每次都需要根据用户的主播推荐需求，分析用户的行为数据，从而得到用户可能喜欢的主播，并进行推荐。显然，传统的主播推荐方法，推荐效率较低、可复用性也较低。
发明内容
本申请实施例提供一种主播推荐方法、装置、服务器、计算机可读存储介质，可以提高主播推荐的可复用性和推荐效率。
一种主播推荐方法，包括：
接收目标终端发送的主播推荐请求，所述主播推荐请求携带所述目标终端对应的目标用户身份标识及所述主播推荐请求所来源的目标主播推荐业务的标识；
基于所述主播推荐请求，从数据库中获取与所述目标用户身份标识及所述目标主播推荐业务的标识对应的目标主播推荐列表，所述数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表；
将所述目标主播推荐列表发送至所述目标终端，所述目标主播推荐列表用于指示所述目标终端基于所述目标主播推荐列表进行主播推荐。
在一个实施例中，所述方法还包括：
对于每种主播推荐业务，获取目标用户与主播相关的行为数据，并获取所述主播推荐业务所对应的主播推荐列表生成策略，所述目标用户为使用所述主播推荐业务的用户；
对于每种主播推荐业务，根据所述主播推荐业务所对应的主播推荐列表生成策略以及所述目标用户的行为数据，生成与所述主播推荐业务和所述目标用户对应的主播推荐列表，并将生成的主播推荐列表、所述主播推荐业务的标识以及所述目标用户的用户身份标识对应存储于所述数据库中。
在一个实施例中，所述主播推荐列表生成策略包括召回算法及排序算法；所述根据所述主播推荐业务所对应的主播推荐列表生成策略以及所述目标用户的行为数据，生成与所述主播推荐业务和所述目标用户对应的主播推荐列表，包括：
根据所述主播推荐业务所对应的召回算法对所述目标用户的行为数据进行分析处理，得到所述目标用户感兴趣的主播集合；
根据所述排序算法对所述目标用户感兴趣的主播集合中的主播进行排序，得到与所述主播推荐业务和所述目标用户对应的主播推荐列表。
在一个实施例中，所述根据所述主播推荐业务所对应的召回算法对所述目标用户的行为数据进行分析处理，得到所述目标用户感兴趣的主播集合，包括：
根据所述主播推荐业务所对应的热门召回算法，获取与所述目标用户的行为数据相关的各个主播的热度，并基于热度排名满足预设排名条件的主播生成所述目标用户感兴趣的第一主播集合；或者，
根据所述主播推荐业务所对应的观看时长召回算法，获取与所述目标用户的行为数据相关的各个主播的观看时长，并基于观看时长排名满足预设排名条件的主播生成所述目标用户感兴趣的第二主播集合；或者，
根据所述主播推荐业务所对应的付费召回算法，获取与所述目标用户的行为数据相关的各个主播的付费情况，并基于付费情况排名满足预设排名条件的主播生成所述目标用户感兴趣的第三主播集合；或者，
根据所述主播推荐业务所对应的相似召回算法，获取与所述目标用户的行为数据相关的各个主播，并基于所述主播获取与所述主播的相似度满足预设相似度条件的主播，生成所述目标用户感兴趣的第四主播集合。
在一个实施例中，所述根据所述排序算法对所述目标用户感兴趣的主播集合中的主播进行排序，得到与所述主播推荐业务和所述目标用户对应的主播推荐列表，包括：
根据所述排序算法对所述目标用户感兴趣的主播集合中的主播进行随机排序，得到与所述主播推荐业务和所述目标用户对应的主播推荐列表；或者，
根据所述排序算法对所述目标用户感兴趣的主播集合中的主播分别计算综合评分，基于所述综合评分对所述主播进行排序，得到与所述主播推荐业务和所述目标用户对应的主播推荐列表。
在一个实施例中，所述主播推荐列表生成策略还包括过滤算法；在根据所述主播推荐业务所对应的召回算法对所述目标用户在所述主播推荐业务下的行为数据进行分析处理，得到所述目标用户感兴趣的主播集合之后，包括：
根据所述主播推荐业务所对应的过滤算法对所述目标用户感兴趣的主播集合进行过滤处理，得到过滤处理后的目标用户感兴趣的主播集合。
在一个实施例中，所述方法还包括：
对所述数据库中所存储的主播推荐列表按照预设周期进行更新。
一种主播推荐装置，包括：
接收模块，用于接收目标终端发送的主播推荐请求，所述主播推荐请求携带所述目标终端对应的目标用户身份标识及所述主播推荐请求所来源的目标主播推荐业务的标识；
获取模块，用于基于所述主播推荐请求，从数据库中获取与所述目标用户身份标识及所述目标主播推荐业务的标识对应的目标主播推荐列表，所述数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表；
主播推荐模块，用于将所述目标主播推荐列表发送至所述目标终端，所述目标主播推荐列表用于指示所述目标终端基于所述目标主播推荐列表进行主播推荐。
一种服务器，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上方法的步骤。
上述主播推荐方法、装置、服务器、计算机可读存储介质，接收目标终端发送的主播推荐请求，主播推荐请求携带目标终端对应的目标用户身份标识及主播推荐请求所来源的目标主播推荐业务的标识。基于主播推荐请求，从数据库中获取与目标用户身份标识及目标主播推荐业务的标识对应的目标主播推荐列表，数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表。将目标主播推荐列表发送至目标终端，目标主播推荐列表用于指示目标终端基于目标主播推荐列表进行主播推荐。因为数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表，所以当接收目标终端发送的主播推荐请求时，就可以直接从数据库中获取到与目标终端发送的主播推荐请求对应的目标主播推荐列表。从而，目标终端就可以基于目标主播推荐列表进行主播推荐。不需要针对用户每次所发起的主播推荐请求都进行一次数据分析计算，从而提高了推荐效率及推荐过程的可复用性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为一个实施例中主播推荐方法的应用环境图；
图2为一个实施例中主播推荐方法的流程图；
图3为图2中根据所述主播推荐业务所对应的主播推荐列表生成策略以及所述目标用户的行为数据，生成与所述主播推荐业务和所述目标用户对应的主播推荐列表方法的流程图；
图4为再一个实施例中主播推荐方法的流程图；
图5为一个具体的实施例中主播推荐方法的流程图；
图6为一个实施例中主播推荐装置的结构框图；
图7为另一个实施例中主播推荐装置的结构框图；
图8为一个实施例中服务器的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。
如图1所示，图1为一个实施例中主播推荐方法的应用场景图。该应用环境包括目标终端120、服务器140。其中，服务器140接收目标终端120发送的主播推荐请求，主播推荐请求携带目标终端对应的目标用户身份标识及主播推荐请求所来源的目标主播推荐业务的标识。基于主播推荐请求，从数据库中获取与目标用户身份标识及目标主播推荐业务的标识对应的目标主播推荐列表，数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表。将目标主播推荐列表发送至目标终端，目标主播推荐列表用于指示目标终端基于目标主播推荐列表进行主播推荐。当然，该应用环境中的目标终端可以是手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、穿戴式设备等任意终端设备。
图2为一个实施例中主播推荐方法的流程图，如图2所示，提供了一种主播推荐方法，应用于服务器，包括步骤220至步骤260。
步骤220，接收目标终端发送的主播推荐请求，主播推荐请求携带目标终端对应的目标用户身份标识及主播推荐请求所来源的目标主播推荐业务的标识。
其中，主播是指在节目或活动中，负责参与一系列策划、编辑、录制、制作、观众互动等工作，并由本人担当主持工作的人或职业。在此处主播主要指的是在直播间进行直播的人。当目标用户在目标终端上使用一款社交软件或某个小程序时，通过目标用户的操作会触发主播推荐请求。且主播推荐请求携带目标终端对应的目标用户身份标识及主播推荐请求所来源的目标主播推荐业务的标识。
其中，目标终端对应的目标用户身份标识可以为该目标终端的UDID(UniqueDevice Identifier，唯一设备标识码)，还可以是该目标用户在使用一款社交软件或某个小程序时所注册的账号信息(ID)，本申请对此不做限定。目标主播推荐业务的标识指的是为了区分不同主播推荐业务而为每个直播推荐业务所设置的标识。例如，为“划一划”这个主播推荐业务设置的标识为1，为“沉浸式体验”这个主播推荐业务设置的标识为2。
例如，服务器接收目标终端发送的主播推荐请求，主播推荐请求携带的目标终端对应的目标用户身份标识为“张三”，主播推荐请求携带的主播推荐请求所来源的目标主播推荐业务的标识为1。可以得出该主播推荐请求是由注册账号为“张三”这个目标用户所发出，且目标用户是在使用“划一划”这个主播推荐业务时所发出的。
步骤240，基于主播推荐请求，从数据库中获取与目标用户身份标识及目标主播推荐业务的标识对应的目标主播推荐列表，数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表。
具体的，服务器在接收目标终端发送的主播推荐请求之后，基于主播推荐请求，从数据库中获取与目标用户身份标识及目标主播推荐业务的标识对应的目标主播推荐列表。其中，数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表。且数据库中所存储的目标主播推荐列表为服务器定期通过采集用户与主播相关的行为数据，并基于主播推荐列表生成策略对用户的行为数据进行分析所得到的目标主播推荐列表。基于短期内用户的行为数据并不会发生太大的变化，因此，将传统方法中针对用户每次所发起的主播推荐请求都进行一次数据分析而进行主播推荐的方式，修改为定期在数据库中进行数据分析得到目标主播推荐列表的方式，避免了浪费资源。
步骤260，将目标主播推荐列表发送至目标终端，目标主播推荐列表用于指示目标终端基于目标主播推荐列表进行主播推荐。
最后，服务器将从数据库中获取的目标主播推荐列表发送至目标终端，目标终端在接收到目标主播推荐列表之后，就可以基于目标主播推荐列表在目标终端上进行主播推荐。具体为，目标终端在目标主播推荐业务的场景下进行主播推荐。例如，在“张三”这个目标用户所使用的目标终端上，且在目标用户所正在使用的“划一划”这个主播推荐业务的场景下按照目标主播推荐列表进行展示主播的音视频等信息。首先，展示目标主播推荐列表中排名第一的主播的视频，当目标用户对该视频的显示界面上进行上滑操作时，显示目标主播推荐列表中排名第二的主播的视频，依次类推进行主播推荐。
本申请实施例中，因为数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表，所以当接收目标终端发送的主播推荐请求时，就可以直接从数据库中获取到与目标终端发送的主播推荐请求对应的目标主播推荐列表。从而，目标终端就可以基于目标主播推荐列表进行主播推荐。不需要针对用户每次所发起的主播推荐请求都进行一次数据分析计算，从而提高了推荐效率，也提高了推荐过程的可复用性。
在一个实施例中，如图3所示，还提供了一种主播推荐方法，还包括：
步骤320，对于每种主播推荐业务，获取目标用户与主播相关的行为数据，并获取主播推荐业务所对应的主播推荐列表生成策略，目标用户为使用主播推荐业务的用户。
具体的，对于某款社交软件或某个小程序上的每种主播推荐业务，一般在目标用户使用该从该社交软件或小程序时，会将目标用户的行为数据实时上传至该社交软件或小程序对应的服务器上。因此，服务器就可以从中获取目标用户在使用该主播推荐业务时与主播相关的行为数据。例如，与主播相关的行为数据包括与主播相关的观看行为数据、点赞行为数据、关注行为数据及付费行为数据中的其中任意一种或多种。其中，目标用户为使用主播推荐业务的用户。
其次，在该社交软件或小程序对应的服务器上，预先为主播推荐业务配置了对应的主播推荐列表生成策略。因此，基于每种主播推荐业务，就可以从服务器上获取主播推荐业务所对应的主播推荐列表生成策略。
步骤340，对于每种主播推荐业务，根据主播推荐业务所对应的主播推荐列表生成策略以及目标用户的行为数据，生成与主播推荐业务和目标用户对应的主播推荐列表，并将生成的主播推荐列表、主播推荐业务的标识以及目标用户的用户身份标识对应存储于数据库中。
然后，对于每种主播推荐业务，基于从服务器上获取的主播推荐业务所对应的主播推荐列表生成策略，对目标用户的行为数据进行分析，生成与主播推荐业务和目标用户对应的主播推荐列表。该主播推荐列表中包括主播的名称，还包括主播的其他信息。例如，主播头像，主播品类，主播呢称、主播热度值等信息。
最后，将生成的主播推荐列表、主播推荐业务的标识以及目标用户的用户身份标识一一对应存储于数据库中。便于后续从数据库中，根据主播推荐业务的标识以及目标用户的用户身份标识就可以获取到对应的主播推荐列表。
本申请实施例中，对于每种主播推荐业务，从服务器上获取目标用户在该主播推荐业务的场景下与主播相关的行为数据，并获取主播推荐业务所对应的主播推荐列表生成策略。然后，基于从服务器上获取的主播推荐业务所对应的主播推荐列表生成策略，对目标用户的行为数据进行分析，生成与主播推荐业务和目标用户对应的主播推荐列表。将生成的主播推荐列表、主播推荐业务的标识以及目标用户的用户身份标识对应存储于数据库中。
在数据库建立之后，当接收目标终端发送的主播推荐请求时，就可以直接从数据库中获取到与目标终端发送的主播推荐请求对应的目标主播推荐列表。从而，目标终端就可以基于目标主播推荐列表进行主播推荐。不需要针对用户每次所发起的主播推荐请求都进行一次数据分析计算，从而提高了推荐效率及推荐过程的可复用性。
在一个实施例中，主播推荐列表生成策略包括召回算法及排序算法；根据主播推荐业务所对应的主播推荐列表生成策略以及目标用户的行为数据，生成与主播推荐业务和目标用户对应的主播推荐列表，包括：
根据主播推荐业务所对应的召回算法对目标用户的行为数据进行分析处理，得到目标用户感兴趣的主播集合；
根据排序算法对目标用户感兴趣的主播集合中的主播进行排序，得到与主播推荐业务和目标用户对应的主播推荐列表。
其中，召回算法指从全量信息集合中触发尽可能多正确的结果的算法。排序算法就是对召回算法所得的结果进行排序的算法。
在生成与主播推荐业务和目标用户对应的主播推荐列表时，首先，根据主播推荐业务所对应的召回算法对目标用户的行为数据进行分析处理，得到目标用户感兴趣的主播集合；其次，根据排序算法对目标用户感兴趣的主播集合中的主播进行排序，得到与主播推荐业务和目标用户对应的主播推荐列表。
具体的，根据主播推荐业务所对应的召回算法对目标用户的与主播相关的观看行为数据、点赞行为数据、关注行为数据及付费行为数据中的其中任意一种或多种进行分析处理，得到目标用户感兴趣的主播集合。例如，可以仅根据主播推荐业务所对应的召回算法对目标用户的与主播相关的观看行为数据进行分析处理，得到目标用户感兴趣的主播集合。当然，还可以将根据主播推荐业务所对应的召回算法对目标用户的与主播相关的多种行为数据分别进行分析处理，并对所得到目标用户感兴趣的主播集合进行取交集或并集，得到最终的主播集合。当然，本申请对此不做限定。
在得到了最终的主播集合之后，根据排序算法对最终的主播集合中的主播进行排序，得到与主播推荐业务和目标用户对应的主播推荐列表。
本申请实施例中，依次采用召回算法及排序算法对目标用户的行为数据进行分析处理，得到目标用户感兴趣的主播集合，并对目标用户感兴趣的主播集合中的主播进行排序，得到与主播推荐业务和目标用户对应的主播推荐列表。从而，采用召回算法和排序算法提高了对目标用户的行为进行分析所得到的主播推荐列表的准确性。
在一个实施例中，根据主播推荐业务所对应的召回算法对目标用户的行为数据进行分析处理，得到目标用户感兴趣的主播集合，包括：
根据主播推荐业务所对应的热门召回算法，获取与目标用户的行为数据相关的各个主播的热度，并基于热度排名满足预设排名条件的主播生成目标用户感兴趣的第一主播集合；或者，
根据主播推荐业务所对应的观看时长召回算法，获取与目标用户的行为数据相关的各个主播的观看时长，并基于观看时长排名满足预设排名条件的主播生成目标用户感兴趣的第二主播集合；或者，
根据主播推荐业务所对应的付费召回算法，获取与目标用户的行为数据相关的各个主播的付费情况，并基于付费情况排名满足预设排名条件的主播生成目标用户感兴趣的第三主播集合；或者，
根据主播推荐业务所对应的相似召回算法，获取与目标用户的行为数据相关的各个主播，并基于主播获取与主播的相似度满足预设相似度条件的主播，生成目标用户感兴趣的第四主播集合。
其中，热门召回算法指得是根据信息的热度从全量信息集合中触发尽可能多正确的结果的算法。观看时长召回算法指得是根据对信息的观看时长从全量信息集合中触发尽可能多正确的结果的算法。付费召回算法指得是根据付费情况从全量信息集合中触发尽可能多正确的结果的算法。相似召回算法指得是根据信息的相似度从全量信息集合中触发尽可能多正确的结果的算法。
当采用热门召回算法时，根据主播推荐业务所对应的热门召回算法，获取与目标用户的行为数据相关的各个主播的热度，并基于热度排名满足预设排名条件的主播生成目标用户感兴趣的第一主播集合。具体为，根据主播所在直播间的ACU(averageconcurrentusers，平均同时在线人数)或PCU(peakconcurrentusers，最高同时在线用户数)计算出该主播的热度。然后，基于热度排名获取前预设名次的主播，构成了目标用户感兴趣的第一主播集合。
当采用观看时长召回算法时，根据主播推荐业务所对应的观看时长召回算法，获取与目标用户的行为数据相关的各个主播的观看时长，并基于观看时长排名满足预设排名条件的主播生成目标用户感兴趣的第二主播集合。具体为，根据目标用户对主播的观看时长来计算出目标用户对主播的喜爱程度。然后，基于目标用户对主播的喜爱程度排名获取前预设名次的主播，构成了目标用户感兴趣的第二主播集合。
当采用付费召回算法时，根据主播推荐业务所对应的付费召回算法，获取与目标用户的行为数据相关的各个主播的付费情况，并基于付费情况排名满足预设排名条件的主播生成目标用户感兴趣的第三主播集合。例如，采用付费召回算法，按照目标用户对主播付费的总额对这些主播进行排序，获取前预设名次的主播，构成目标用户感兴趣的第三主播集合。
当采用相似召回算法时，根据主播推荐业务所对应的相似召回算法，获取与目标用户的行为数据相关的各个主播，并基于主播获取与主播的相似度满足预设相似度条件的主播，生成目标用户感兴趣的第四主播集合。例如，计算所有的主播与目标用户的行为数据相关的各个主播之间的相似度，获取相似度排名在前预设名次的主播，生成目标用户感兴趣的第四主播集合。
在根据主播推荐业务所对应的召回算法对目标用户的行为数据进行分析处理，得到目标用户感兴趣的主播集合时，可以单一采用以上热门召回算法、观看时长召回算法、付费召回算法及相似召回算法中的任意一种算法生成目标用户感兴趣的主播集合。当然，也可以采用以上热门召回算法、观看时长召回算法、付费召回算法及相似召回算法中的任意两种或三种算法生成目标用户感兴趣的主播集合。还可以同时采用以上热门召回算法、观看时长召回算法、付费召回算法及相似召回算法生成目标用户感兴趣的主播集合。
在采用了不止一种召回算法时，就需要对每一种召回算法所生成的主播集合取并集或采集，得到最终的主播集合。
本申请实施例中，采用以上热门召回算法、观看时长召回算法、付费召回算法及相似召回算法中的任意一种或多种算法生成目标用户感兴趣的主播集合。因为采用了多种不同的召回算法进行主播推荐，显然，在提高了所得到的主播集合的准确性的同时，还兼顾了主播集合的范围，避免了漏掉重要的主播。
在一个实施例中，根据排序算法对目标用户感兴趣的主播集合中的主播进行排序，得到与主播推荐业务和目标用户对应的主播推荐列表，包括：
根据排序算法对目标用户感兴趣的主播集合中的主播进行随机排序，得到与主播推荐业务和目标用户对应的主播推荐列表；或
根据排序算法对目标用户感兴趣的主播集合中的主播分别计算综合评分，基于综合评分对主播进行排序，得到与主播推荐业务和目标用户对应的主播推荐列表。
具体的，在采用以上热门召回算法、观看时长召回算法、付费召回算法及相似召回算法中的任意一种或多种算法生成目标用户感兴趣的主播集合之后，根据排序算法对目标用户感兴趣的主播集合中的主播进行排序。其中，排序算法包括随机排序算法、综合评分排序算法，当然，还可以包括其他排序算法，本申请对此不做限定。
当采用随机排序算法时，根据排序算法对目标用户感兴趣的主播集合中的主播进行随机排序，得到与主播推荐业务和目标用户对应的主播推荐列表。
当采用综合评分排序算法时，根据排序算法对目标用户感兴趣的主播集合中的主播分别计算综合评分，基于综合评分对主播进行排序，得到与主播推荐业务和目标用户对应的主播推荐列表。
本申请实施例中，在采用以上热门召回算法、观看时长召回算法、付费召回算法及相似召回算法中的任意一种或多种算法生成目标用户感兴趣的主播集合之后，采用不同的排序算法对目标用户感兴趣的主播集合中的主播进行排序，得到主播推荐列表。从而，可以在目标终端上基于不同的主播推荐列表，呈现出不同的推荐效果。
在一个实施例中，主播推荐列表生成策略还包括过滤算法；在根据主播推荐业务所对应的召回算法对目标用户在主播推荐业务下的行为数据进行分析处理，得到目标用户感兴趣的主播集合之后，包括：
根据主播推荐业务所对应的过滤算法对目标用户感兴趣的主播集合进行过滤处理，得到过滤处理后的目标用户感兴趣的主播集合。
本申请实施例中，首先，在根据主播推荐业务所对应的召回算法对目标用户在主播推荐业务下的行为数据进行分析处理，得到目标用户感兴趣的主播集合。其次，根据主播推荐业务所对应的过滤算法对目标用户感兴趣的主播集合进行过滤处理，得到过滤处理后的目标用户感兴趣的主播集合。最后，根据排序算法对目标用户感兴趣的主播集合中的主播进行排序，得到与主播推荐业务和目标用户对应的主播推荐列表。
加入过滤处理，能够从主播推荐列表中过滤目标用户所标记的黑名单主播或目标用户不感兴趣的主播。从而，能够为目标用户提供更加符合用户需求的主播推荐列表。
在一个实施例中，如图4所示，提供了一种主播推荐方法，还包括：
步骤280，对数据库中所存储的主播推荐列表按照预设周期进行更新。
具体的，数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表。对数据库中所存储的主播推荐列表按照预设周期进行更新。可以通过在线或离线的方式对数据库中所存储的主播推荐列表进行更新。例如，当通过离线方式进行更新时，可以每天对主播推荐列表更新一次即可。当然，这里的预设周期可以并不是一天，可以是比一天长的时间段，也可以是比一天短的时间段。本申请对此不做限定。
然后，在进行主播推荐时，接收目标终端发送的主播推荐请求，主播推荐请求携带目标终端对应的目标用户身份标识及主播推荐请求所来源的目标主播推荐业务的标识。其次，基于主播推荐请求，从数据库中获取与目标用户身份标识及目标主播推荐业务的标识对应的目标主播推荐列表。最后，将目标主播推荐列表发送至目标终端，目标终端基于目标主播推荐列表进行主播推荐。
本申请实施例中，因为预先对数据库中所存储的主播推荐列表按照预设周期进行更新，所以当接收目标终端发送的主播推荐请求时，就可以直接从数据库中获取到与目标终端发送的主播推荐请求对应的目标主播推荐列表。从而，目标终端就可以基于目标主播推荐列表进行主播推荐。不需要针对用户每次所发起的主播推荐请求都进行一次数据分析计算，从而提高了推荐效率及推荐过程的可复用性。
在一个具体的实施例中，提供了一种主播推荐方法，如图5所示，该主播推荐方法涉及到客户端/h5端、推荐活动接口系统、通用推荐系统、推荐配置系统、策略分析系统及数据收集系统。对该主播推荐方法分为两个阶段来进行描述，第一个阶段是数据库建立阶段，第二个阶段是主播推荐阶段。其中，
一：在数据库建立阶段，首先，运营人员在推荐配置系统中配置活动，具体配置主播推荐业务的标识，例如，对于主播推荐业务“划一划”，其appkey是writeone。运营人员为主播推荐业务“划一划”配置召回策略(召回算法)、过滤策略(过滤算法)及排序策略(排序算法)。其中，召回算法包括热门召回算法、观看时长召回算法、付费召回算法及相似召回算法等。其中，排序算法包括随机排序算法及综合评分排序算法。
其次，数据收集系统实时采集用户在直播间与主播相关的行为数据，例如，与主播相关的行为数据包括与主播相关的观看行为数据、点赞行为数据、关注行为数据及付费行为数据中的其中任意一种或多种。
最后，在策略分析系统中，服务器对于每种主播推荐业务，获取目标用户与主播相关的行为数据，并获取主播推荐业务所对应的召回策略、过滤策略及排序策略。根据主播推荐业务所对应的召回策略、过滤策略及排序策略以及目标用户的行为数据，生成与主播推荐业务和目标用户对应的主播推荐列表，并将生成的主播推荐列表、主播推荐业务的标识以及目标用户的用户身份标识对应存储于数据库中。对数据库中所存储的主播推荐列表按照预设周期进行更新。
二、在数据库建立之后的主播推荐阶段，目标用户在h5端(采用了HTML5标准的网页)或客户端上打开推荐的界面，会对推荐活动接口系统发起主播推荐请求。推荐活动接口系统根据不同主播推荐请求的来源，补充appkey来定位对应的主播推荐业务，并转发请求到通用推荐系统。通用推荐系统会查询appkey对应的推荐配置，查看推荐配置中的召回策略、过滤策略及排序策略，然后结合目标用户的账号信息(ID)或目标终端的设备ID查询到目标用户感兴趣的主播集合，然后根据过滤策略及排序策略，对该主播集合进行过滤及排序，得到目标用户对应的主播推荐列表。
其次，推荐活动接口系统根据通用推荐系统返回的主播推荐列表，补充主播头像，主播品类，主播呢称、主播热度值等信息。将补充信息后的主播推荐列表发送至客户端或h5端，客户端或h5端对主播推荐列表进行渲染，并展示给目标用户。
本申请实施例中，因为数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表，所以当接收目标终端发送的主播推荐请求时，就可以直接从数据库中获取到与目标终端发送的主播推荐请求对应的目标主播推荐列表。从而，目标终端就可以基于目标主播推荐列表进行主播推荐。不需要针对用户每次所发起的主播推荐请求都进行一次数据分析计算，从而提高了推荐效率及推荐过程的可复用性。
在一个实施例中，如图6所示，提供了一种主播推荐装置600，包括：
接收模块610，用于接收目标终端发送的主播推荐请求，主播推荐请求携带目标终端对应的目标用户身份标识及主播推荐请求所来源的目标主播推荐业务的标识；
获取模块630，用于基于主播推荐请求，从数据库中获取与目标用户身份标识及目标主播推荐业务的标识对应的目标主播推荐列表，数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表；
主播推荐模块650，用于将目标主播推荐列表发送至目标终端，目标主播推荐列表用于指示目标终端基于目标主播推荐列表进行主播推荐。
在一个实施例中，如图7所示，提供了一种主播推荐装置600，还包括：
策略获取模块670，用于对于每种主播推荐业务，获取目标用户与主播相关的行为数据，并获取主播推荐业务所对应的主播推荐列表生成策略，目标用户为使用主播推荐业务的用户；
主播推荐列表生成模块690，用于对于每种主播推荐业务，根据主播推荐业务所对应的主播推荐列表生成策略以及目标用户的行为数据，生成与主播推荐业务和目标用户对应的主播推荐列表，并将生成的主播推荐列表、主播推荐业务的标识以及目标用户的用户身份标识对应存储于数据库中。
在一个实施例中，主播推荐列表生成策略包括召回算法及排序算法；主播推荐列表生成模块690，还包括：
召回单元，用于根据主播推荐业务所对应的召回算法对目标用户的行为数据进行分析处理，得到目标用户感兴趣的主播集合；
排序单元，用于根据排序算法对目标用户感兴趣的主播集合中的主播进行排序，得到与主播推荐业务和目标用户对应的主播推荐列表。
在一个实施例中，召回单元还用于根据主播推荐业务所对应的热门召回算法，获取与目标用户的行为数据相关的各个主播的热度，并基于热度排名满足预设排名条件的主播生成目标用户感兴趣的第一主播集合；或者，
根据主播推荐业务所对应的观看时长召回算法，获取与目标用户的行为数据相关的各个主播的观看时长，并基于观看时长排名满足预设排名条件的主播生成目标用户感兴趣的第二主播集合；或者，
根据主播推荐业务所对应的付费召回算法，获取与目标用户的行为数据相关的各个主播的付费情况，并基于付费情况排名满足预设排名条件的主播生成目标用户感兴趣的第三主播集合；或者，
根据主播推荐业务所对应的相似召回算法，获取与目标用户的行为数据相关的各个主播，并基于主播获取与主播的相似度满足预设相似度条件的主播，生成目标用户感兴趣的第四主播集合。
在一个实施例中，排序单元，还用于根据排序算法对目标用户感兴趣的主播集合中的主播进行随机排序，得到与主播推荐业务和目标用户对应的主播推荐列表；或者，
根据排序算法对目标用户感兴趣的主播集合中的主播分别计算综合评分，基于综合评分对主播进行排序，得到与主播推荐业务和目标用户对应的主播推荐列表。
在一个实施例中，主播推荐列表生成模块690，还包括：
过滤单元，用于根据主播推荐业务所对应的过滤算法对目标用户感兴趣的主播集合进行过滤处理，得到过滤处理后的目标用户感兴趣的主播集合。
在一个实施例中，提供了一种主播推荐装置，还包括：
数据库更新模块，还用于对数据库中所存储的主播推荐列表按照预设周期进行更新。
上述主播推荐装置中各个模块的划分仅用于举例说明，在其他实施例中，可将主播推荐装置按照需要划分为不同的模块，以完成上述主播推荐装置的全部或部分功能。
图8为一个实施例中服务器的内部结构示意图。如图8所示，该服务器包括通过系统总线连接的处理器和存储器。其中，该处理器用于提供计算和控制能力，支撑整个服务器的运行。存储器可包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现以下各个实施例所提供的一种主播推荐方法。内存储器为非易失性存储介质中的操作系统计算机程序提供高速缓存的运行环境。该服务器可以是手机、平板电脑或者个人数字助理或穿戴式设备等。
本申请实施例中提供的主播推荐装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在终端或服务器的存储器上。该计算机程序被处理器执行时，实现本申请实施例中所描述方法的步骤。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当计算机可执行指令被一个或多个处理器执行时，使得处理器执行主播推荐方法的步骤。
一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行主播推荐方法。
本申请实施例所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种主播推荐方法，其特征在于，包括：
接收目标终端发送的主播推荐请求，所述主播推荐请求携带所述目标终端对应的目标用户身份标识及所述主播推荐请求所来源的目标主播推荐业务的标识；
基于所述主播推荐请求，从数据库中获取与所述目标用户身份标识及所述目标主播推荐业务的标识对应的目标主播推荐列表，所述数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表；
将所述目标主播推荐列表发送至所述目标终端，所述目标主播推荐列表用于指示所述目标终端基于所述目标主播推荐列表进行主播推荐。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对于每种主播推荐业务，获取目标用户与主播相关的行为数据，并获取所述主播推荐业务所对应的主播推荐列表生成策略，所述目标用户为使用所述主播推荐业务的用户；
对于每种主播推荐业务，根据所述主播推荐业务所对应的主播推荐列表生成策略以及所述目标用户的行为数据，生成与所述主播推荐业务和所述目标用户对应的主播推荐列表，并将生成的主播推荐列表、所述主播推荐业务的标识以及所述目标用户的用户身份标识对应存储于所述数据库中。
3.根据权利要求2所述的方法，其特征在于，所述主播推荐列表生成策略包括召回算法及排序算法；所述根据所述主播推荐业务所对应的主播推荐列表生成策略以及所述目标用户的行为数据，生成与所述主播推荐业务和所述目标用户对应的主播推荐列表，包括：
根据所述主播推荐业务所对应的召回算法对所述目标用户的行为数据进行分析处理，得到所述目标用户感兴趣的主播集合；
根据所述排序算法对所述目标用户感兴趣的主播集合中的主播进行排序，得到与所述主播推荐业务和所述目标用户对应的主播推荐列表。
4.根据权利要求3所述的方法，其特征在于，所述根据所述主播推荐业务所对应的召回算法对所述目标用户的行为数据进行分析处理，得到所述目标用户感兴趣的主播集合，包括：
根据所述主播推荐业务所对应的热门召回算法，获取与所述目标用户的行为数据相关的各个主播的热度，并基于热度排名满足预设排名条件的主播生成所述目标用户感兴趣的第一主播集合；或者，
根据所述主播推荐业务所对应的观看时长召回算法，获取与所述目标用户的行为数据相关的各个主播的观看时长，并基于观看时长排名满足预设排名条件的主播生成所述目标用户感兴趣的第二主播集合；或者，
根据所述主播推荐业务所对应的付费召回算法，获取与所述目标用户的行为数据相关的各个主播的付费情况，并基于付费情况排名满足预设排名条件的主播生成所述目标用户感兴趣的第三主播集合；或者，
根据所述主播推荐业务所对应的相似召回算法，获取与所述目标用户的行为数据相关的各个主播，并基于所述主播获取与所述主播的相似度满足预设相似度条件的主播，生成所述目标用户感兴趣的第四主播集合。
5.根据权利要求3所述的方法，其特征在于，所述根据所述排序算法对所述目标用户感兴趣的主播集合中的主播进行排序，得到与所述主播推荐业务和所述目标用户对应的主播推荐列表，包括：
根据所述排序算法对所述目标用户感兴趣的主播集合中的主播进行随机排序，得到与所述主播推荐业务和所述目标用户对应的主播推荐列表；或者，
根据所述排序算法对所述目标用户感兴趣的主播集合中的主播分别计算综合评分，基于所述综合评分对所述主播进行排序，得到与所述主播推荐业务和所述目标用户对应的主播推荐列表。
6.根据权利要求3所述的方法，其特征在于，所述主播推荐列表生成策略还包括过滤算法；在根据所述主播推荐业务所对应的召回算法对所述目标用户在所述主播推荐业务下的行为数据进行分析处理，得到所述目标用户感兴趣的主播集合之后，包括：
根据所述主播推荐业务所对应的过滤算法对所述目标用户感兴趣的主播集合进行过滤处理，得到过滤处理后的目标用户感兴趣的主播集合。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述数据库中所存储的主播推荐列表按照预设周期进行更新。
8.一种主播推荐装置，其特征在于，包括：
接收模块，用于接收目标终端发送的主播推荐请求，所述主播推荐请求携带所述目标终端对应的目标用户身份标识及所述主播推荐请求所来源的目标主播推荐业务的标识；
获取模块，用于基于所述主播推荐请求，从数据库中获取与所述目标用户身份标识及所述目标主播推荐业务的标识对应的目标主播推荐列表，所述数据库中预先存储了与不同目标用户身份标识及不同目标主播推荐业务的标识所对应的目标主播推荐列表；
主播推荐模块，用于将所述目标主播推荐列表发送至所述目标终端，所述目标主播推荐列表用于指示所述目标终端基于所述目标主播推荐列表进行主播推荐。
9.一种服务器，包括存储器及处理器，所述存储器中储存有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述的主播推荐方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的主播推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010847823.3A CN111988636B (zh) | 2020-08-21 | 2020-08-21 | 主播推荐方法和装置、服务器、计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010847823.3A CN111988636B (zh) | 2020-08-21 | 2020-08-21 | 主播推荐方法和装置、服务器、计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111988636A true CN111988636A (zh) | 2020-11-24 |
| CN111988636B CN111988636B (zh) | 2022-03-01 |
Family
ID=73443569
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010847823.3A Active CN111988636B (zh) | 2020-08-21 | 2020-08-21 | 主播推荐方法和装置、服务器、计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111988636B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112579899A (zh) * | 2020-12-21 | 2021-03-30 | 杭州米络星科技(集团)有限公司 | 一种主播的搜索方法和装置 |
| CN113205362A (zh) * | 2021-04-30 | 2021-08-03 | 北京有竹居网络技术有限公司 | 确定推广方的方法、装置、设备、存储介质和程序产品 |
| CN113704315A (zh) * | 2021-08-24 | 2021-11-26 | 北京达佳互联信息技术有限公司 | 一种用户推荐方法、装置、电子设备及存储介质 |
| CN113794910A (zh) * | 2021-09-14 | 2021-12-14 | 广州方硅信息技术有限公司 | 视频推送方法、装置、电子设备和存储介质 |
| CN114513679A (zh) * | 2022-02-11 | 2022-05-17 | 广州方硅信息技术有限公司 | 基于音频预播放的直播间推荐方法、系统及计算机设备 |
| CN114697711A (zh) * | 2020-12-30 | 2022-07-01 | 武汉斗鱼网络科技有限公司 | 一种主播推荐方法、装置、电子设备和存储介质 |
| WO2022179629A1 (zh) * | 2021-02-25 | 2022-09-01 | 北京字节跳动网络技术有限公司 | 直播间处理方法、装置及设备 |
| CN115052168A (zh) * | 2022-05-31 | 2022-09-13 | 北京达佳互联信息技术有限公司 | 一种标签获取方法、装置、服务器及存储介质 |
| CN115065870A (zh) * | 2022-04-26 | 2022-09-16 | 北京达佳互联信息技术有限公司 | 目标业务榜单展示方法、装置、电子设备及存储介质 |
| CN116701770A (zh) * | 2023-08-01 | 2023-09-05 | 北京创智汇聚科技有限公司 | 基于决策场景的请求响应优化方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003085207A (ja) * | 2001-09-07 | 2003-03-20 | Nippon Telegr & Teleph Corp <Ntt> | 映像情報レコメンドシステム、方法及び装置、並びに、映像情報レコメンドプログラム及びプログラムの記録媒体 |
| CN104168303A (zh) * | 2013-05-17 | 2014-11-26 | 腾讯科技（深圳）有限公司 | 一种展示网络直播间的方法和装置 |
| CN106550252A (zh) * | 2016-12-08 | 2017-03-29 | 北京小米移动软件有限公司 | 信息的推送方法、装置及设备 |
| CN107609198A (zh) * | 2017-10-20 | 2018-01-19 | 咪咕互动娱乐有限公司 | 一种推荐方法、装置及计算机可读存储介质 |
| CN111432226A (zh) * | 2020-03-27 | 2020-07-17 | 广州酷狗计算机科技有限公司 | 直播推荐方法、装置、服务器、终端及存储介质 |
-
2020
- 2020-08-21 CN CN202010847823.3A patent/CN111988636B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003085207A (ja) * | 2001-09-07 | 2003-03-20 | Nippon Telegr & Teleph Corp <Ntt> | 映像情報レコメンドシステム、方法及び装置、並びに、映像情報レコメンドプログラム及びプログラムの記録媒体 |
| CN104168303A (zh) * | 2013-05-17 | 2014-11-26 | 腾讯科技（深圳）有限公司 | 一种展示网络直播间的方法和装置 |
| CN106550252A (zh) * | 2016-12-08 | 2017-03-29 | 北京小米移动软件有限公司 | 信息的推送方法、装置及设备 |
| CN107609198A (zh) * | 2017-10-20 | 2018-01-19 | 咪咕互动娱乐有限公司 | 一种推荐方法、装置及计算机可读存储介质 |
| CN111432226A (zh) * | 2020-03-27 | 2020-07-17 | 广州酷狗计算机科技有限公司 | 直播推荐方法、装置、服务器、终端及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| XIAOQIANG MA; HAIYANG WANG; HAITAO LI; JIANGCHUAN LIU; HONGBO JI: "Enhancing recommended video lists for Youtube-like social media", 《2012 IEEE 14TH INTERNATIONAL WORKSHOP ON MULTIMEDIA SIGNAL PROCESSING (MMSP)》 * |
| 朱舒威、张浩: "基于场景特征和数据的新零售商品智能推荐分析", 《商业经济研究》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112579899A (zh) * | 2020-12-21 | 2021-03-30 | 杭州米络星科技(集团)有限公司 | 一种主播的搜索方法和装置 |
| CN114697711B (zh) * | 2020-12-30 | 2024-02-20 | 广州财盟科技有限公司 | 一种主播推荐方法、装置、电子设备和存储介质 |
| CN114697711A (zh) * | 2020-12-30 | 2022-07-01 | 武汉斗鱼网络科技有限公司 | 一种主播推荐方法、装置、电子设备和存储介质 |
| WO2022179629A1 (zh) * | 2021-02-25 | 2022-09-01 | 北京字节跳动网络技术有限公司 | 直播间处理方法、装置及设备 |
| CN113205362A (zh) * | 2021-04-30 | 2021-08-03 | 北京有竹居网络技术有限公司 | 确定推广方的方法、装置、设备、存储介质和程序产品 |
| CN113704315A (zh) * | 2021-08-24 | 2021-11-26 | 北京达佳互联信息技术有限公司 | 一种用户推荐方法、装置、电子设备及存储介质 |
| CN113704315B (zh) * | 2021-08-24 | 2024-04-16 | 北京达佳互联信息技术有限公司 | 一种用户推荐方法、装置、电子设备及存储介质 |
| CN113794910A (zh) * | 2021-09-14 | 2021-12-14 | 广州方硅信息技术有限公司 | 视频推送方法、装置、电子设备和存储介质 |
| CN113794910B (zh) * | 2021-09-14 | 2024-04-19 | 广州方硅信息技术有限公司 | 视频推送方法、装置、电子设备和存储介质 |
| CN114513679A (zh) * | 2022-02-11 | 2022-05-17 | 广州方硅信息技术有限公司 | 基于音频预播放的直播间推荐方法、系统及计算机设备 |
| CN114513679B (zh) * | 2022-02-11 | 2024-04-23 | 广州方硅信息技术有限公司 | 基于音频预播放的直播间推荐方法、系统及计算机设备 |
| CN115065870B (zh) * | 2022-04-26 | 2024-01-09 | 北京达佳互联信息技术有限公司 | 目标业务榜单展示方法、装置、电子设备及存储介质 |
| CN115065870A (zh) * | 2022-04-26 | 2022-09-16 | 北京达佳互联信息技术有限公司 | 目标业务榜单展示方法、装置、电子设备及存储介质 |
| CN115052168B (zh) * | 2022-05-31 | 2024-03-19 | 北京达佳互联信息技术有限公司 | 一种标签获取方法、装置、服务器及存储介质 |
| CN115052168A (zh) * | 2022-05-31 | 2022-09-13 | 北京达佳互联信息技术有限公司 | 一种标签获取方法、装置、服务器及存储介质 |
| CN116701770B (zh) * | 2023-08-01 | 2023-10-27 | 北京创智汇聚科技有限公司 | 基于决策场景的请求响应优化方法及系统 |
| CN116701770A (zh) * | 2023-08-01 | 2023-09-05 | 北京创智汇聚科技有限公司 | 基于决策场景的请求响应优化方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111988636B (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111988636B (zh) | 主播推荐方法和装置、服务器、计算机可读存储介质 | |
| CN108763502B (zh) | 信息推荐方法和系统 | |
| CN113329234B (zh) | 直播互动方法及相关设备 | |
| CN108366278B (zh) | 一种视频播放中的用户交互实现方法及装置 | |
| CN110913266B (zh) | 评论信息显示方法、装置、客户端、服务器、系统和介质 | |
| CN108848393B (zh) | 入口展示方法、装置、设备及存储介质 | |
| CN113727130B (zh) | 直播间的消息提示方法、系统、装置及计算机设备 | |
| CN106484543B (zh) | 虚拟物品派送方法、装置及其移动终端 | |
| CA2804828C (en) | Live broadcasting of dynamically generated content | |
| CN110572719A (zh) | 信息展示方法、装置和设备 | |
| CN113329232B (zh) | 资源分发方法、装置、电子设备及存储介质 | |
| CN106487655B (zh) | 一种消息交互方法、装置及处理服务器 | |
| CN111107434A (zh) | 信息推荐方法及装置 | |
| CN111479119A (zh) | 直播中反馈信息的收集方法、装置、系统及存储介质 | |
| CN114595016B (zh) | 评论信息展示、评论信息生成方法、装置及电子设备 | |
| CN113179416B (zh) | 直播内容转播方法及相关设备 | |
| CN113901353A (zh) | 信息展示方法、装置、系统、电子设备及服务器 | |
| CN113949890A (zh) | 对象投放处理方法、装置、电子设备及存储介质 | |
| CN109992990B (zh) | 一种用户头像处理方法、装置及系统 | |
| CN114938458B (zh) | 对象信息展示方法、装置、电子设备及存储介质 | |
| WO2017087561A1 (en) | Methods and systems for dynamic chat background | |
| CN115065870B (zh) | 目标业务榜单展示方法、装置、电子设备及存储介质 | |
| CN115714876A (zh) | 直播数据处理方法、装置、电子设备及存储介质 | |
| CN115695926A (zh) | 交互方法、装置、电子设备、存储介质和程序产品 | |
| CN111629236B (zh) | 好友关系建立方法、装置、设备以及计算机可读存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210119 Address after: 511400 3108, 79 Wanbo 2nd Road, Nancun Town, Panyu District, Guangzhou City, Guangdong Province Applicant after: GUANGZHOU CUBESILI INFORMATION TECHNOLOGY Co.,Ltd. Address before: 511400 24th floor, building B-1, North District, Wanda Commercial Plaza, Wanbo business district, No.79 Wanbo 2nd Road, Nancun Town, Panyu District, Guangzhou, Guangdong Province Applicant before: GUANGZHOU HUADUO NETWORK TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20201124 Assignee: GUANGZHOU HUADUO NETWORK TECHNOLOGY Co.,Ltd. Assignor: GUANGZHOU CUBESILI INFORMATION TECHNOLOGY Co.,Ltd. Contract record no.: X2021440000054 Denomination of invention: Host recommendation method and device, server and computer readable storage medium License type: Common License Record date: 20210208 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |