CN113014938B - 多维度视频直播推荐方法及装置 - Google Patents

多维度视频直播推荐方法及装置 Download PDF

Info

Publication number
CN113014938B
CN113014938B CN202110205525.9A CN202110205525A CN113014938B CN 113014938 B CN113014938 B CN 113014938B CN 202110205525 A CN202110205525 A CN 202110205525A CN 113014938 B CN113014938 B CN 113014938B
Authority
CN
China
Prior art keywords
dimension
data
user
equipment
video
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
Application number
CN202110205525.9A
Other languages
English (en)
Other versions
CN113014938A (zh
Inventor
杨爽
栾润峰
梁强
乌兰
李跃海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jinher Software Co Ltd
Original Assignee
Beijing Jinher Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jinher Software Co Ltd filed Critical Beijing Jinher Software Co Ltd
Priority to CN202110205525.9A priority Critical patent/CN113014938B/zh
Publication of CN113014938A publication Critical patent/CN113014938A/zh
Application granted granted Critical
Publication of CN113014938B publication Critical patent/CN113014938B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2407—Monitoring of transmitted content, e.g. distribution time, number of downloads
    • 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
    • H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
    • 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
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
    • 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
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • 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
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明涉及一种多维度视频直播推荐方法及装置，所述方法包括抽取以时间衰减维度为基础的视频直播设备的行为数据，计算所述视频直播设备随时间衰减维度的用户维度评分；根据所述用户维度评分添加所述视频直播设备对应的稳定维度数据；结合所述评分与添加的稳定维度数据构成推荐结果的候选数据集；根据预获取的推荐参照设备数据和候选数据集计算得到推荐结果。本发明综合了用户、所属APP应用、业务、地理位置、设备质量、网络状态、成本等数据维度作为影响因素，实现了一种非常灵活的综合视频直播推荐方式，通过协同过滤算法计算，将时间衰减参与到计算中，加入时间因素影响适合用户维度喜好随时间迁移的场景，时间改变后推荐内容也会相应改变。

Description

多维度视频直播推荐方法及装置
技术领域
本发明属于视频处理技术领域，具体涉及一种多维度视频直播推荐方法及装置。
背景技术
移动互联网时代，视频直播领域高速发展，在产生的大量视频直播中，为用户进行推荐满意度更高视频直播，一般采用基于单一的用户id、直播id、访问量的协同过滤算法来计算推荐结果，协同过滤算法作为推荐算法中最经典的类型，基于单一采用用户id、直播设备id、访问量的协同过滤算法是最常用的应用，具有推荐个性化、能够有效的利用相似用户的回馈信息的优点。
相关技术中，随着视频直播的数量日益庞大，推荐内容需要研究的因素越来越复杂，简单的协同过滤算法很难充分考虑视频直播的其他侧面特征给出更优推荐结果，在满足用户喜欢基础上给用户推荐倾向于某些因素的视频直播，例如，在考虑用户喜好基础上推荐结果如何向业务需求方向微调，在线视频直播运营成本一般较高，随着流量红利逐渐消失，如何考虑成本因素，就更需要视频直播平台去探索更合理的优质视频直播推荐算法，综合考量众多因素对推荐结果的影响。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种多维度视频直播推荐方法及装置，以解决现有技术中视频直播时众多因素对推荐结果有影响的问题。
为实现以上目的，本发明采用如下技术方案：一种多维度视频直播推荐方法，包括：
抽取以时间衰减维度为基础的视频直播设备的行为数据；所述维度包括用户、应用APP、业务、地理位置的维度数据，所述行为数据包括浏览视频直播数据；
计算所述视频直播设备随时间衰减维度的用户维度评分；
根据所述用户维度评分添加所述视频直播设备对应的稳定维度数据；
结合所述评分与添加的稳定维度数据构成推荐结果的候选数据集；
根据预获取的推荐参照设备数据和候选数据集计算得到推荐结果。
进一步的，所述抽取以时间衰减维度为基础的视频直播设备的行为数据，包括：
从用户维度抽取数据的维度包括：用户id、视频设备id、访问量、最近一次访问时间戳；
从应用APP维度抽取数据的维度应用APPid、视频设备id、访问量、最近一次访问时间戳；
从业务维度抽取数据的维度包括：业务id、视频设备id、访问量、最近一次访问时间戳；
从地理位置维度抽取数据的维度包括：地理位置区域id、视频设备id、访问量、最近一次访问时间戳。
进一步的，在考虑时间衰减因素的基础上，采用协同过滤算法计算所有视频直播设备的用户评分、应用APP评分、业务功能评分、地理位置评分。
进一步的，所述计算所述视频直播设备随时间衰减维度的用户维度评分，包括：
计算物品相似度，根据所述物品相似度计算每个用户维度的评分，根据每个用户的评分计算得到所有用户维度评分；
所述计算物品相似度的公式为：
Figure BDA0002950369940000021
所述计算每个用户维度的评分，其计算公式为：
Figure BDA0002950369940000031
和时间有关的衰减项，tui为用户维度u对视频设备i产生观看行为的时间，tuj为用户维度u对视频直播i产生观看行为的时间，|N(i)|是喜欢视频设备i的用户维度的数量，|N(j)|是喜欢视频设备j的用户维度数量，|N(i)∩(j)|是同时喜欢视频设备i和视频设备j的用户维度数。
进一步的，所述根据所述用户维度评分添加所述视频直播设备对应的稳定维度数据，包括：
根据所述用户维度评分添加每一个视频设备对应的设备质量、网络状态、成本的维度数据，设备质量和网络状态方面具体为稳定性评分、流畅性评分、故障率评分，成本方面具体为设备与业务契合度评分。
进一步的，所述流畅性评分、稳定性评分、故障率评分的取值范围均为0-1。
进一步的，结合预获取的推荐参照设备数据和候选数据集采用加权算法计算得到推荐结果。
进一步的，所述用户维度评分为所有用户维度的和除以用户维度数量得到的平均值。
进一步的，定时迭代更新所述候选数据集的维度数据。
本申请实施例提供一种多维度视频直播推荐装置，包括：
抽取模块，用于抽取以时间衰减维度为基础的视频直播设备的行为数据；所述维度包括用户、应用APP、业务、地理位置的维度数据，所述行为数据包括浏览视频直播数据；
计算模块，用于计算所述视频直播设备随时间衰减维度的用户维度评分；
添加模块，用于根据所述用户维度评分添加所述视频直播设备对应的稳定维度数据；
结合模块，用于结合所述评分与添加的稳定维度数据构成推荐结果的候选数据集；
推荐模块，用于根据预获取的推荐参照设备数据和候选数据集计算得到推荐结果。
本发明采用以上技术方案，能够达到的有益效果包括：
本方法综合了用户、所属APP应用、业务、地理位置、设备质量、网络状态、成本等数据维度作为影响因素，实现了一种非常灵活的综合视频直播推荐方法及装置。
用户、APP应用、业务、地理位置通过协同过滤算法计算得来，时间衰减参与到计算中，加入时间因素影响，适合用户维度喜好随时间迁移的场景，时间改变推荐内容也会相应改变。
用户的范围可以选取核心用户，核心用户具有的相似性对推荐结果的影响，会代表了大多数用户的喜好，不同的用户范围反映不同人群的偏好。
APP应用的范围可以选取主要的app应用，根据视频设备在不同app应用中的访问情况去推荐结果，按照选取app的侧重点不同达到不同的推送结果，app应用访问人数多，对属于该app应用的视频直播推荐起到积极作用。
业务范围可以选取重点业务功能，根据视频设备在不同业务中的访问情况去推荐结果，按照选取业务的侧重点不同达到不同的推送结果，不同业务中范围视频直播的人数多，对属于该业务中的视频直播推荐起到积极作用。
加入地理位置维度，某一地区视频直播设备访问的多，区域内视频直播会被尽可能的优先推荐。
另外，设备质量好的应该被优先推荐，网络状态好的应该被优先推荐，更符合成本角度考量的设备参数配置应该被优先推荐，满足了一定时期的固定视频直播设备数据维度作为条件影响推送结果。
从多个角度做出灵活调整，用户维度范围的选择、附加的不会时间衰减的维度数据结果侧重变化、权重函数的选择、推荐参照视频直播数据选择，可以使推荐结果在满足用户喜好的同时，也倾向于推送想让用户观看那一类视频直播，进而通过调整来满足不同时期的整体推荐需求。
随时间衰减维度数据，用户、所属APP应用、业务、地理位置等，使用协同过滤算法计算，继承了推荐个性化、能够有效的利用相似用户的回馈信息等优点，
可以在一定程度基于一些复杂的、难以表述的概念满足用户潜在的但自己尚未发现的兴趣偏好。视频直播设备的稳定维度数据，设备质量、网络状态、成本等，参与加权knn推荐计算，这些维度已可清晰定义的推荐数据维度，通过数据与参数的调整来实现更精确的导向推荐结果，会更适合。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明多维度视频直播推荐方法的步骤示意图；
图2为本发明多维度视频直播推荐方法的流程示意图；
图3为本发明多维度视频直播推荐装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。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做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
下面结合附图介绍本申请实施例中提供的一个具体的多维度视频直播推荐方法及装置。
如图1所示，本申请实施例中提供的多维度视频直播推荐方法包括：
S101，抽取以时间衰减维度为基础的视频直播设备的行为数据；所述维度包括用户、应用APP、业务、地理位置的维度数据，所述行为数据包括浏览视频直播数据；
本步骤用于抽取用户、应用APP、业务、地理位置的维度数据，行为数据主要指是浏览视频直播。
S102，计算所述视频直播设备随时间衰减维度的用户维度评分；
本步骤使用协同过滤算法，在考虑时间衰减因素的基础上，计算所有视频直播设备的核心用户评分、主要应用评分、重点业务功能评分、所在地理位置评分，输入的数据来自上一步骤中的抽取的各个维度数据。
S103，根据所述用户维度评分添加所述视频直播设备对应的稳定维度数据；
在上一步获得所有视频设备的评分基础上，添加每一个设备对应的设备质量、网络状态、成本的维度数据，设备质量和网络状态方面具体为稳定性评分、流畅性评分、故障率评分，成本方面具体为设备与业务契合度评分。增加的这些数据维度一般不会随着时间变化而产生衰减，以定期更新的方式加入计算。
S104，结合所述评分与添加的稳定维度数据构成推荐结果的候选数据集；
计算的用户维度评分与新增的稳定维度数据一起构成了推荐结果的候选数据集。
S105，根据预获取的推荐参照设备数据和候选数据集计算得到推荐结果。
基于已有数据维度的候选数据集，选择一个视频设备维度数据，使用加权knn算法计算推荐结果。除此之外，本申请提供的技术方法还能够根据实际需求收集与调整数据，定期迭代计算，持续更新所有维度数据。
多维度视频直播推荐方法的工作原理为：参见图2，首先抽取以时间衰减维度为基础的视频直播设备的行为数据；维度包括用户、应用APP、业务、地理位置的维度数据，行为数据包括浏览视频直播数据；计算视频直播设备随时间衰减维度的用户维度评分；根据用户维度评分添加视频直播设备对应的稳定维度数据；结合评分与添加的稳定维度数据构成推荐结果的候选数据集；最后根据预获取的推荐参照设备数据和候选数据集计算得到推荐结果。
一些实施例中，所述抽取以时间衰减维度为基础的视频直播设备的行为数据，包括：
从用户维度抽取数据的维度包括：用户id、视频设备id、访问量、最近一次访问时间戳；
从应用APP维度抽取数据的维度应用APPid、视频设备id、访问量、最近一次访问时间戳；
从业务维度抽取数据的维度包括：业务id、视频设备id、访问量、最近一次访问时间戳；
从地理位置维度抽取数据的维度包括：地理位置区域id、视频设备id、访问量、最近一次访问时间戳。
具体的，本申请从用户维度，用户id可以选取核心用户范围，设备id选择全部设备，抽取数据的维度为用户id、视频设备id、访问量、最近一次访问时间戳。从应用APP维度，应用APP可以选取主要应用范围，设备id选择全部设备，抽取数据的维度为应用APPid、视频设备id、访问量、最近一次访问时间戳。从业务维度，业务id可以选取重点业务范围，设备id选择全部设备，抽取数据的维度为业务id、视频设备id、访问量、最近一次访问时间戳。从地理位置维度，地理位置区域id可以选取适合的地理位置等级作为范围，设备id选择全部设备，抽取数据的维度为地理位置区域id、视频设备id、访问量、最近一次访问时间戳。
一些实施例中，在考虑时间衰减因素的基础上，采用协同过滤算法计算所有视频直播设备的用户评分、应用APP评分、业务功能评分、地理位置评分。
优选的，所述用户维度评分为所有用户维度的和除以用户维度数量得到的平均值。
优选的，首先，这里计算物品相似度方式采用下面的公式：
Figure BDA0002950369940000071
其中，用户id、应用APPid、业务id、地理位置区域id为对应的用户维度，视频设备id为物品维度；
f(|tui-tuj|)为引入的和时间有关的衰减项；
tui为用户维度u对视频直播i产生观看行为的时间；
|N(i)|是喜欢视频直播i的用户维度的数量；
|N(j)|是喜欢视频直播j的用户维度数量；
|N(i)∩(j)|是同时喜欢视频直播i和视频直播j的用户维度数；
其次，选择适合的时间衰减函数，可以从线性、指数、高斯三种衰减函数之中选择其一，
f(|tui-tuj|)在这里作用为解决用户喜好随时间迁移的问题，用户维度对视频直播i和j产生行为的时间相差越远，则f(|tui-tuj|)越小。
然后，再计算每一个用户维度的评分结果，采用下面的公式：
Figure BDA0002950369940000081
其中，t0为当前时间，tuj越靠近t0，与视频直播j越相似的视频直播就会得到更大的权值。
特别注意的是，已经看过的视频直播设备的用户维护的p(u,i)为1，这与单一使用协同过滤算法结果不同，已经看过的视频直播设备不会排除。
最后，计算所有用户评分均值。
某一个视频直播设备的某一用户维度项评分结果为所有用户维度的p(u,i)加和除以用户维度数量得到的平均值。
最终得到所有视频设备的用户维度评分，具体为视频设备id、核心用户评分、主要应用评分、重点业务功能评分、所在地理位置评分。
一些实施例中，所述根据所述用户维度评分添加所述视频直播设备对应的稳定维度数据，包括：
根据所述用户维度评分添加每一个视频设备对应的设备质量、网络状态、成本的维度数据，设备质量和网络状态方面具体为稳定性评分、流畅性评分、故障率评分，成本方面具体为设备与业务契合度评分。
优选的，所述流畅性评分、稳定性评分、故障率评分的取值范围均为0-1。
具体的，在上一步获得所有视频设备的评分基础上，添加每一个设备对应的设备质量、网络状态、成本的维度数据，设备质量和网络状态方面具体为稳定性评分、流畅性评分、故障率评分，成本方面具体为设备与业务契合度评分。
增加的这些数据维度一般不会随着时间变化而产生衰减，以定期更新的方式加入计算。
流畅性评分可以取视频直播出现卡顿或者花屏等问题几率，或者，按各地网络运营商的网络情况分别给出默认参数，与设备数据关联，评分取值范围在0到1之间。
稳定性评分指的是设备在线状态稳定，可以取一段时间内的实际在线时长除以这段时间，评分取值范围在0到1之间。
故障率评分可以取针视频直播设备的故障率，按各厂商设备情况分别给出默认参数，与设备数据关联，评分取值范围在0到1之间。
设备与业务契合度评分，最符合业务实际需要的设备配置参数评分为1，相对于业务过高或者过低评分都会变少。显然，仅推荐配置最好的没有推荐性价比最合适的在成本上更合理。评分取值范围在0到1之间，可以取几个递增的固定档位值。
一些实施例中，结合预获取的推荐参照设备数据和候选数据集采用加权算法计算得到推荐结果。
具体的，计算的用户维度评分与新增的稳定维度数据一起构成了推荐结果的候选数据集。
基于已有数据维度的候选数据集，选择一个视频设备维度数据，使用加权knn算法计算推荐结果。
已有视频设备维度数据x，作为推荐计算的参照，推荐评分结果为f(x)
具体为：
Figure BDA0002950369940000091
其中，Di代表近邻i与待预测视频指标设备维度数据x的距离，Wi为其权重函数。
可以理解的是，权重函数可以选择反函数、高斯函数，或者根据实际经验给出常量参数。
结果按距离评分排序，在数据推送给目标用户时，自动过滤掉已经浏览过的视频直播，最终形成推荐结果。
本申请提供的多维度视频直播推荐方法，还包括：
定时迭代更新所述候选数据集的维度数据。
如图3所示，本申请实施例提供一种多维度视频直播推荐装置，包括：
抽取模块301，用于抽取以时间衰减维度为基础的视频直播设备的行为数据；所述维度包括用户、应用APP、业务、地理位置的维度数据，所述行为数据包括浏览视频直播数据；
计算模块302，用于计算所述视频直播设备随时间衰减维度的用户维度评分；
添加模块303，用于根据所述用户维度评分添加所述视频直播设备对应的稳定维度数据；
结合模块304，用于结合所述评分与添加的稳定维度数据构成推荐结果的候选数据集；
推荐模块305，用于根据预获取的推荐参照设备数据和候选数据集计算得到推荐结果。
本申请实施例提供的多维度视频直播推荐装置的工作原理为，抽取模块301抽取以时间衰减维度为基础的视频直播设备的行为数据；所述维度包括用户、应用APP、业务、地理位置的维度数据，所述行为数据包括浏览视频直播数据；计算模块302计算所述视频直播设备随时间衰减维度的用户维度评分；添加模块303根据所述用户维度评分添加所述视频直播设备对应的稳定维度数据；结合模块304结合所述评分与添加的稳定维度数据构成推荐结果的候选数据集；推荐模块305根据预获取的推荐参照设备数据和候选数据集计算得到推荐结果。
本申请实施例提供一种计算机设备，包括处理器，以及与处理器连接的存储器；
存储器用于存储计算机程序，计算机程序用于执行上述任一实施例提供的多维度视频直播推荐方法；
处理器用于调用并执行存储器中的计算机程序。
综上所述，本发明提供一种多维度视频直播推荐方法及装置，所述方法包括抽取以时间衰减维度为基础的视频直播设备的行为数据，计算所述视频直播设备随时间衰减维度的用户维度评分；根据所述用户维度评分添加所述视频直播设备对应的稳定维度数据；结合所述评分与添加的稳定维度数据构成推荐结果的候选数据集；根据预获取的推荐参照设备数据和候选数据集计算得到推荐结果。本发明综合了用户、所属APP应用、业务、地理位置、设备质量、网络状态、成本等数据维度作为影响因素，实现了一种非常灵活的综合视频直播推荐，通过协同过滤算法计算得来，时间衰减参与到计算中，加入时间因素影响适合用户维度喜好随时间迁移的场景，时间改变推荐内容也会相应改变。
可以理解的是，上述提供的方法实施例与上述的装置实施例对应，相应的具体内容可以相互参考，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品，该指令方法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。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种多维度视频直播推荐方法，其特征在于，包括：
抽取以时间衰减维度为基础的视频直播设备的行为数据；所述维度包括用户、应用APP、业务、地理位置的维度数据，所述行为数据包括浏览视频直播数据；
计算所述视频直播设备随时间衰减维度的用户维度评分；所述用户维度评分为使用协同过滤算法，在考虑时间衰减因素的基础上，计算所有视频直播设备的核心用户评分、主要应用评分、重点业务功能评分、所在地理位置评分，输入的数据为抽取的各个维度的数据；
根据所述用户维度评分添加所述视频直播设备对应的稳定维度数据；其中，所述稳定维度数据为各个设备对应的设备质量、网络状态、成本的维度数据，设备质量和网络状态方面具体为稳定性评分、流畅性评分、故障率评分，成本方面具体为设备与业务契合度评分；各个设备对应的设备质量、网络状态、成本的维度数据不会随着时间变化而产生衰减，以定期更新的方式加入计算；
结合所述评分与添加的稳定维度数据构成推荐结果的候选数据集；
根据预获取的推荐参照设备数据和候选数据集计算得到推荐结果。
2.根据权利要求1所述的方法，其特征在于，所述抽取以时间衰减维度为基础的视频直播设备的行为数据，包括：
从用户维度抽取数据的维度包括：用户id、视频设备id、访问量、最近一次访问时间戳；
从应用APP维度抽取数据的维度应用APPid、视频设备id、访问量、最近一次访问时间戳；
从业务维度抽取数据的维度包括：业务id、视频设备id、访问量、最近一次访问时间戳；
从地理位置维度抽取数据的维度包括：地理位置区域id、视频设备id、访问量、最近一次访问时间戳。
3.根据权利要求1所述的方法，其特征在于，
在考虑时间衰减因素的基础上，采用协同过滤算法计算所有视频直播设备的用户评分、应用APP评分、业务功能评分、地理位置评分。
4.根据权利要求3所述的方法，其特征在于，所述计算所述视频直播设备随时间衰减维度的用户维度评分，包括：
计算物品相似度，根据所述物品相似度计算每个用户维度的评分，根据每个用户的评分计算得到所有用户维度评分；
所述计算物品相似度的公式为：
Figure FDA0003473982260000021
所述计算每个用户维度的评分，其计算公式为：
Figure FDA0003473982260000022
其中，i为视频设备i，j为视频设备j，u为用户维度，f(|tui-tuj|)为引入的和时间有关的衰减项，tui为用户维度u对视频设备i产生观看行为的时间，tuj为用户维度u对视频设备 j产生观看行为的时间，|N(i)|是喜欢视频设备i的用户维度的数量，|N(j)|是喜欢视频设备j的用户维度数量，|N(i)∩(j)|是同时喜欢视频设备i和视频设备j的用户维度数。
5.根据权利要求1所述的方法，其特征在于，所述根据所述用户维度评分添加所述视频直播设备对应的稳定维度数据，包括：
根据所述用户维度评分添加每一个视频设备对应的设备质量、网络状态、成本的维度数据，设备质量和网络状态方面具体为稳定性评分、流畅性评分、故障率评分，成本方面具体为设备与业务契合度评分。
6.根据权利要求5所述的方法，其特征在于，
所述流畅性评分、稳定性评分、故障率评分的取值范围均为0-1。
7.根据权利要求5所述的方法，其特征在于，
结合预获取的推荐参照设备数据和候选数据集采用加权算法计算得到推荐结果。
8.根据权利要求4所述的方法，其特征在于，所述用户维度评分为所有用户维度的和除以用户维度数量得到的平均值。
9.根据权利要求5所述的方法，其特征在于，还包括：
定时迭代更新所述候选数据集的维度数据。
10.一种多维度视频直播推荐装置，其特征在于，包括：
抽取模块，用于抽取以时间衰减维度为基础的视频直播设备的行为数据；所述维度包括用户、应用APP、业务、地理位置的维度数据，所述行为数据包括浏览视频直播数据；
计算模块，用于计算所述视频直播设备随时间衰减维度的用户维度评分；所述用户维度评分为使用协同过滤算法，在考虑时间衰减因素的基础上，计算所有视频直播设备的核心用户评分、主要应用评分、重点业务功能评分、所在地理位置评分，输入的数据为抽取的各个维度的数据；
添加模块，用于根据所述用户维度评分添加所述视频直播设备对应的稳定维度数据；其中，所述稳定维度数据为各个设备对应的设备质量、网络状态、成本的维度数据，设备质量和网络状态方面具体为稳定性评分、流畅性评分、故障率评分，成本方面具体为设备与业务契合度评分；各个设备对应的设备质量、网络状态、成本的维度数据不会随着时间变化而产生衰减，以定期更新的方式加入计算；
结合模块，用于结合所述评分与添加的稳定维度数据构成推荐结果的候选数据集；
推荐模块，用于根据预获取的推荐参照设备数据和候选数据集计算得到推荐结果。
CN202110205525.9A 2021-02-24 2021-02-24 多维度视频直播推荐方法及装置 Active CN113014938B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110205525.9A CN113014938B (zh) 2021-02-24 2021-02-24 多维度视频直播推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110205525.9A CN113014938B (zh) 2021-02-24 2021-02-24 多维度视频直播推荐方法及装置

Publications (2)

Publication Number Publication Date
CN113014938A CN113014938A (zh) 2021-06-22
CN113014938B true CN113014938B (zh) 2022-06-14

Family

ID=76385614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110205525.9A Active CN113014938B (zh) 2021-02-24 2021-02-24 多维度视频直播推荐方法及装置

Country Status (1)

Country Link
CN (1) CN113014938B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114520929A (zh) * 2022-02-13 2022-05-20 武汉斗鱼鱼乐网络科技有限公司 一种视频播放方法、装置、介质及计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103686237A (zh) * 2013-11-19 2014-03-26 乐视致新电子科技（天津）有限公司 推荐视频资源的方法及系统
CN110719506A (zh) * 2019-10-21 2020-01-21 广州酷狗计算机科技有限公司 用户对视频的兴趣度确定方法、装置、服务器及存储介质
CN111506831A (zh) * 2020-04-13 2020-08-07 蔡梓超 一种协同过滤的推荐模块、方法、电子设备及存储介质
CN112287167A (zh) * 2020-10-29 2021-01-29 四川长虹电器股份有限公司 视频推荐召回方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104035982B (zh) * 2014-05-28 2017-10-20 小米科技有限责任公司 多媒体资源推荐方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103686237A (zh) * 2013-11-19 2014-03-26 乐视致新电子科技（天津）有限公司 推荐视频资源的方法及系统
CN110719506A (zh) * 2019-10-21 2020-01-21 广州酷狗计算机科技有限公司 用户对视频的兴趣度确定方法、装置、服务器及存储介质
CN111506831A (zh) * 2020-04-13 2020-08-07 蔡梓超 一种协同过滤的推荐模块、方法、电子设备及存储介质
CN112287167A (zh) * 2020-10-29 2021-01-29 四川长虹电器股份有限公司 视频推荐召回方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《直播电视推荐系统的评分预测算法研究》;郭景峰;《电子学报》;20200915;全文 *

Also Published As

Publication number Publication date
CN113014938A (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
EP2817970B1 (en) Automatically recommending content
CN103077179B (zh) 用于显示社交网络的用户的个人时间线的计算机实现方法，计算机系统及其计算机可读介质
CN110503206A (zh) 一种预测模型更新方法、装置、设备及可读介质
CN110489644A (zh) 信息推送方法、装置、计算机可读存储介质和计算机设备
CN111262953B (zh) 一种实时推送信息的方法和装置
CN105975641A (zh) 视频推荐方法及装置
CN108351897B (zh) 用于创建和更新媒体内容项组的方法、系统和介质
CN102780920A (zh) 电视节目推荐方法及系统
CN102194015B (zh) 根据检索信息热度统计实现检索的方法
CN106537437A (zh) 识别具有被一个或多个用户多次消费的高可能性的媒体信道
CN104216883A (zh) 视频推荐理由生成系统及方法
CN103369374B (zh) 用于操作内容频道的方法和装置
CN105721899A (zh) 一种视频质量评分的方法及系统
CN112287167A (zh) 视频推荐召回方法及装置
CN113014938B (zh) 多维度视频直播推荐方法及装置
WO2015021850A1 (en) Multidimensional data process method and device thereof
CN106471819A (zh) 用于提高媒体资产推荐模型中的精确性的系统和方法
CN105163183A (zh) 一种视频图片的筛选方法及装置
CN111523050B (zh) 内容推荐方法、服务器及存储介质
CN103002329B (zh) 一种预测网络视频广告的到达频次表数据的装置及方法
WO2018200134A1 (en) Contextual situation analysis
CN105956061B (zh) 一种用户间相似度确定方法及装置
CN104035934A (zh) 一种多媒体信息推荐的方法及装置
CN105898421A (zh) 一种网络影视节目智能推荐方法及系统
CN106910082A (zh) 一种调取广告进行推送的方法和装置

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