CN113315992A - 用于提升观看时长的直播间推荐方法、装置、介质及设备 - Google Patents

用于提升观看时长的直播间推荐方法、装置、介质及设备 Download PDF

Info

Publication number
CN113315992A
CN113315992A CN202110867290.XA CN202110867290A CN113315992A CN 113315992 A CN113315992 A CN 113315992A CN 202110867290 A CN202110867290 A CN 202110867290A CN 113315992 A CN113315992 A CN 113315992A
Authority
CN
China
Prior art keywords
node
live broadcast
target
broadcast room
target user
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
Application number
CN202110867290.XA
Other languages
English (en)
Other versions
CN113315992B (zh
Inventor
王璐
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.)
Wuhan Douyu Network Technology Co Ltd
Original Assignee
Wuhan Douyu Network Technology 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 Wuhan Douyu Network Technology Co Ltd filed Critical Wuhan Douyu Network Technology Co Ltd
Priority to CN202110867290.XA priority Critical patent/CN113315992B/zh
Publication of CN113315992A publication Critical patent/CN113315992A/zh
Application granted granted Critical
Publication of CN113315992B publication Critical patent/CN113315992B/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
    • H04N21/25—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]
    • H04N21/40—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)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明提供一种用于提升观看时长的直播间推荐方法、装置、介质及设备，方法包括：基于目标用户的历史观看时长及观看顺序生成初始直播间序列；将初始直播间序列转化为直播图；基于最优解确定策略对直播图中的每个节点进行解算，根据解算结果确定多个目标节点；针对任一目标节点，确定目标用户对目标节点的点击概率以及确定目标用户对目标节点的观看转化概率；基于每个目标节点的点击概率及观看转化概率对多个目标节点进行排序；向目标用户推荐排序后的目标节点；如此，本发明在向用户推荐直播间时，综合考虑了、用户对直播间的点击概率和观看转化率，因此可向用户推荐的直播间排序更贴合用户的观看意向，进而可以提高用户的观看时长。

Description

用于提升观看时长的直播间推荐方法、装置、介质及设备
技术领域
本发明涉及直播数据推荐技术领域，尤其涉及一种用于提升观看时长的直播间推荐方法、装置、介质及设备。
背景技术
在常规的视频推荐中，通常的目标是提高视频的点击转化率。然而，在直播场景中，只关注点击转化率是不够的，直播平台更希望用户能更多的观看时间，这样才能增加用户在平台的价值，而不是点击之后立马跳出。
相关技术中，一般在推荐直播间时，主要依赖的是对直播间点击率的预估，但是这样推荐并不够客观，最后推荐出的直播间仍然不能满足直播平台对用户观看时长的需求，以致于直播平台的视频推荐业务受到影响。
发明内容
针对现有技术存在的问题，本发明实施例提供了一种用于提升观看时长的直播间推荐方法、装置、介质及设备，用于解决现有技术中在为直播平台中为用户推荐直播间时，无法确保用户在直播间的观看时长的技术问题。
本发明提供一种用于提升观看时长的直播间推荐方法，所述方法包括：
针对目标用户，基于所述目标用户的历史观看时长及观看顺序生成初始直播间序列；
将所述初始直播间序列转化为直播图，所述直播图中的每个节点对应所述初始直播间序列中的一个直播间；
基于最优解确定策略对所述直播图中的对每个节点进行解算，根据解算结果确定多个目标节点；
针对任一目标节点，确定所述目标用户对所述目标节点的点击概率以及确定所述目标用户对所述目标节点的观看转化概率；
基于每个目标节点的所述点击概率及所述观看转化概率对多个所述目标节点进行排序；
向所述目标用户推荐排序后的目标节点。
可选的，所述将所述初始直播间序列转化为直播图，包括：
获取所述初始直播间序列中具有相邻关系的直播间；
在所述直播图中，将具有相邻关系的直播间作为所述直播图的边。
可选的，基于最优解确定策略对所述直播图中的对每个节点进行解算，根据解算结果确定多个目标节点，包括：
根据公式
Figure 274761DEST_PATH_IMAGE001
对每个当前节点进行解算，当解算结果F值满足预设的条件时，可将该当前节点作为目标节点；其中，所述i为当前节点，所述当前节点为所有节点中的任一节点；所述j为直播图中与i相邻的节点；所述
Figure 30358DEST_PATH_IMAGE002
为所述当前节点对应的向量；所述
Figure 265031DEST_PATH_IMAGE003
为节点j对应的向量；所述V为所述当前节点的上下文节点集合；所述k为上下文节点集合中的第k个节点；所述
Figure 482385DEST_PATH_IMAGE004
为第k个节点对应的向量的转置向量；所述当前节点的上下文节点是指与当前节点具有至少一个相同邻居节点的节点。
可选的，所述确定所述目标用户对所述目标节点的点击概率，包括：
针对当前目标节点，根据公式
Figure 266540DEST_PATH_IMAGE005
确定所述目标用户对所述当前目标节点的点击概率
Figure 724197DEST_PATH_IMAGE006
；其中，所述
Figure 242903DEST_PATH_IMAGE007
为当前目标节点与所述目标用户已观看的历史节点之间的相关度，所述r为所述当前目标节点，所述当前目标节点为所述目标节点中的任一节点；所述c为所述目标用户已观看的历史节点；所述u为所述目标用户；所述
Figure 309954DEST_PATH_IMAGE008
为所述目标用户对应的向量；所述
Figure 184500DEST_PATH_IMAGE009
为所述目标用户对应的向量的转置向量；所述
Figure 577173DEST_PATH_IMAGE010
为所述当前目标节点对应的向量；所述
Figure 661804DEST_PATH_IMAGE011
为所述目标用户已观看的历史节点对应的向量。
可选的，确定所述目标用户对所述目标节点的观看转化概率，包括：
针对当前目标节点，根据公式
Figure 284544DEST_PATH_IMAGE012
确定所述目标用户对所述当前目标节点的观看转化概率
Figure 528444DEST_PATH_IMAGE013
；其中，所述u为所述目标用户；所述
Figure 514854DEST_PATH_IMAGE014
为所述目标用户对应的向量；所述
Figure 227727DEST_PATH_IMAGE015
为所述目标用户对应的向量的偏置向量；所述
Figure 856154DEST_PATH_IMAGE016
为所述当前目标节点对应的向量；所述
Figure 203828DEST_PATH_IMAGE017
为在预设的时间段内，在所述当前目标节点对应的直播间中观看时长大于X分钟的用户数量；所述N为所述X的上限值；所述
Figure 626719DEST_PATH_IMAGE018
为在预设的时间段内，所述当前目标节点对应的直播间中内的用户总数量。
可选的，所述基于每个目标节点的所述点击概率及所述观看转化概率对多个所述目标节点进行排序，包括：
根据公式
Figure 561308DEST_PATH_IMAGE019
确定所述目标节点的排序分值
Figure 993426DEST_PATH_IMAGE020
；
根据所述排序分值对多个所述目标节点进行排序；其中，
所述
Figure 195606DEST_PATH_IMAGE021
为所述目标用户对当前目标节点的点击概率，
Figure 789399DEST_PATH_IMAGE022
为所述目标用户对所述当前目标节点的观看转化概率；所述当前目标节点为所述目标节点中的任一节点；所述
Figure 194972DEST_PATH_IMAGE023
为常数；所述
Figure 181514DEST_PATH_IMAGE024
为所述目标用户的活跃度因子。
本发明还提供一种用于提升观看时长的直播间推荐装置，所述装置包括：
生成单元，用于针对目标用户，基于所述目标用户的历史观看时长及观看顺序生成初始直播间序列；
转化单元，用于将所述初始直播间序列转化为直播图，所述直播图中的每个节点对应所述初始直播间序列中的一个直播间；
确定单元，用于基于最优解确定策略对所述直播图中的对每个节点进行解算，根据解算结果确定多个目标节点；针对任一目标节点，确定所述目标用户对所述目标节点的点击概率以及确定所述目标用户对所述目标节点的观看转化概率；
排序单元，用于基于每个目标节点的所述点击概率及所述观看转化概率对多个所述目标节点进行排序；
推荐单元，用于向所述目标用户推荐排序后的目标节点。
可选的，所述转化单元具体用于：
获取所述直播间序列中具有相邻关系的直播间；
在所述直播图中，将具有相邻关系的直播间作为所述直播图的边。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述的方法。
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的方法。
本发明提供了一种用于提升观看时长的直播间推荐方法、装置、介质及设备，方法包括：针对目标用户，基于所述目标用户的历史观看时长及观看顺序生成初始直播间序列；将所述初始直播间序列转化为直播图，所述直播图中的每个节点对应所述初始直播间序列中的一个直播间；基于最优解确定策略对所述直播图中的每个节点进行解算，根据解算结果确定多个目标节点；针对任一目标节点，确定所述目标用户对所述目标节点的点击概率以及确定所述目标用户对所述目标节点的观看转化概率；基于每个目标节点的所述点击概率及所述观看转化概率对多个所述目标节点进行排序；向所述目标用户推荐排序后的目标节点；如此，本发明在向用户推荐直播间时，综合考虑了用户对直播间的点击概率和观看转化率，充分利用了用户的观看时长因素，因此可向用户推荐的直播间排序更贴合用户的观看意向，进而可以提高用户的观看时长。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例提供的用于提升观看时长的直播间推荐方法流程示意图；
图2为本发明实施例提供的用于提升观看时长的直播间推荐装置结构示意图；
图3为本发明实施例提供的用于提升观看时长的直播间推荐的计算机可读存储介质结构示意图；
图4为本发明实施例提供的用于提升观看时长的直播间推荐的计算机设备结构示意图。
具体实施方式
为了解决现有技术中在为直播平台中为用户推荐直播间时，无法确保用户在直播间的观看时长的技术问题，本发明实施例提供了一种用于提升观看时长的直播间推荐方法、装置、介质及设备。
下面通过附图及具体实施例对本发明的技术方案做进一步的详细说明。
本实施例提供一种提升观看时长的直播间推荐方法，如图1所示，方法包括：
S110，针对目标用户，基于所述目标用户的历史观看时长及观看顺序生成初始直播间序列；
本步骤中，针对目标用户，基于目标用户的历史观看时长及观看顺序生成初始直播间序列；目标用户为直播平台中的任一观看用户。
具体的，获取目标用户的日志数据，从日志数据中获取用户历史观看时长超过预设时长对应的直播间。其中，预设时长可以为60~100s，优选地为60s。
确定出上述直播间后，确定目标用户对直播间的观看顺序，基于观看顺序生成初始直播间序列。
本步骤中通过目标用户的日志数据确定初始直播间序列，这样，初始直播间序列是依赖于用户的点击及观看时长确定的，因此初始直播间序列比较贴合用户的观看意向，后续在利用初始直播间序列向用户推荐直播间时，可以提高推荐精度。
S111，将所述初始直播间序列转化为直播图，所述直播图中的每个节点对应所述初始直播间序列中的一个直播间；
初始直播间序列确定之后，为了提高后续直播间的推荐精度，提升用户的观看时长，还需要在初始直播间中筛选出更优的直播间，更优的直播间可以理解为与用户的观看时长及点击率贴合度更高的直播间。
本实施例中，将初始直播间序列转化为直播图，直播图中的每个节点对应初始直播间序列中的一个直播间。
将初始直播间序列转化为直播图，包括：
获取直播间序列中具有相邻关系的直播间；
在直播图中，将具有相邻关系的直播间作为直播图的边。
举例来说，假设按照观看时间，若直播序列上存在连续的直播间A-->直播间B-->直播间C，那么在直播图中，可形成A->B与B->C两条边；直播间A对应的节点和直播间B对应的节点为直播图的其中一条边；直播间B对应的节点和直播间C对应的节点为直播图的其中另一条边。
本步骤将初始直播间序列转化为直播图，从而能够对直播图进行求解，最终确定出更加贴合目标用户观看意向的直播间。
S112，基于最优解确定策略对所述直播图中的每个节点进行解算，根据解算结果确定多个目标节点；
直播图确定之后，直播图中存在有多个节点，本实施例基于最优解确定策略对直播图中的每个节点进行解算，根据解算结果确定多个目标节点；这样确定出的目标节点即与用户观看意向具有较高的贴合度。
本实施例中根据公式
Figure 254512DEST_PATH_IMAGE025
对每个当前节点进行解算，当解算结果F值满足预设的条件时，可将该当前节点作为目标节点。其中，i为当前节点，当前节点为所有节点中的任一节点，j为直播图中与i相邻的节点；
Figure 268473DEST_PATH_IMAGE026
为当前节点对应的向量，
Figure 426922DEST_PATH_IMAGE027
为节点j对应的向量，V是当前节点的上下文节点集合，k为上下文节点集合中的第k个节点，
Figure 951576DEST_PATH_IMAGE028
为第k个节点对应的向量的转置向量。其中，当前节点的上下文节点是指与当前节点具有至少一个相同邻居节点的节点。
上述公式的原理为：若当前节点i和j形成边时，说明i和j的关系最为紧密。公式中采用
Figure 144659DEST_PATH_IMAGE029
表示i和j之间的紧密度；通过指数函数这种非线性变换描述紧密度的分布，可确保对紧密度衡量的准确度。因此，若互为邻居的节点i和j之间的紧密度越高，说明节点对应的向量的表示越准确。将所有边都按照这样的方式进行求和，解算结果F最大时对应的向量是最优的节点向量，最优的节点向量对应的节点为目标节点。
具体的，利用上述公式
Figure 945168DEST_PATH_IMAGE030
对每个当前节点进行解算的具体过程如下：为了便于计算，对上述F取对数，可得：
Figure 590913DEST_PATH_IMAGE031
针对每个节点，将所有节点对应的向量进行随机初始化，得到各个节点对应的初始化相连；比如节点j对应的初始化向量是
Figure 886634DEST_PATH_IMAGE032
，节点i对应的初始化向量为
Figure 934225DEST_PATH_IMAGE033
；
对logF求导数，并按照下式对各节点的初始化向量进行迭代更新：
Figure 57033DEST_PATH_IMAGE034
经过M轮迭代最终得到最优的节点向量，其中，M为最大迭代次数，M的取值基于F的收敛度确定（也即经每次迭代后，每次均将迭代后的向量代入上述公式
Figure 924495DEST_PATH_IMAGE035
中，判断F值是否趋于收敛，若F趋于收敛则说明该次迭代之后得到的向量为最优的节点向量）。其中，
Figure 40218DEST_PATH_IMAGE036
为经第t次迭代后当前节点j对应的向量，
Figure 926003DEST_PATH_IMAGE037
为经第t次迭代后当前节点i对应的向量，
Figure 468980DEST_PATH_IMAGE038
为经第M次迭代后节点k对应的向量，
Figure 308891DEST_PATH_IMAGE039
为经第t+1次迭代后当前节点i对应的向量，t
Figure 228306DEST_PATH_IMAGE040
M。
假设经过M次迭代后，可以得到最优的节点向量，那么节点i最终对应的向量为
Figure 968598DEST_PATH_IMAGE041
，也就是最终的
Figure 416896DEST_PATH_IMAGE042
，
Figure 524530DEST_PATH_IMAGE042
为稠密向量。
本步骤通过最优解确定函数来确定用户最有意向观看的多个目标节点，确保后续平台的推荐精度，从而提升用户的观看时长。
S113，针对任一目标节点，确定所述目标用户对所述目标节点的点击概率以及确定所述目标用户对所述目标节点的观看转化概率；
目标节点确定出之后，对任一目标节点，确定目标用户对目标节点的点击概率以及确定目标用户对目标节点的观看转化概率。
本实施例中，确定目标用户对目标节点的点击概率，包括：
针对当前目标节点，根据公式
Figure 467209DEST_PATH_IMAGE043
确定目标用户对当前目标节点的点击概率
Figure 812740DEST_PATH_IMAGE044
；其中，
Figure 206507DEST_PATH_IMAGE045
为当前目标节点与目标用户已观看的历史节点之间的相关度，r为当前目标节点，当前目标节点述目标节点中的任一节点；c为目标用户已观看的历史节点；u为目标用户；
Figure 270278DEST_PATH_IMAGE046
为目标用户对应的向量；
Figure 282227DEST_PATH_IMAGE047
为目标用户对应的向量的转置向量；
Figure 482264DEST_PATH_IMAGE048
为当前目标节点对应的向量；
Figure 803524DEST_PATH_IMAGE049
为目标用户已观看的历史节点对应的向量。
举例来说：假设目标用户已观看历史节点包括
Figure 603859DEST_PATH_IMAGE050
两个节点，并确定
Figure 137608DEST_PATH_IMAGE051
，
Figure 474043DEST_PATH_IMAGE052
，
Figure 700625DEST_PATH_IMAGE053
，
Figure 473409DEST_PATH_IMAGE054
，
Figure 591275DEST_PATH_IMAGE055
，于是：
Figure 31484DEST_PATH_IMAGE056
该公式的原理是：相关度代表当前目标节点r和用户已观看的历史节点c之间的相关性，若相关性越高，那么需要给当前目标节点r给予更高的关注度，
Figure 914120DEST_PATH_IMAGE057
表示的就是当前目标节点r和已观看的历史节点c之间的关注度得分。
然后对关注度得分进行归一化，使得每个当前目标节点的关注度得分的总和为1，于是
Figure 439780DEST_PATH_IMAGE058
表示的是当前目标节点和已观看的历史节点c之间归一化后的关注度得分。
将归一化后的关注度得分作为权重，结合历史节点对应的向量可以确定出当前目标节点的关注向量
Figure 830178DEST_PATH_IMAGE059
，该关注向量可以理解为是通过已观看的历史节点来表示当前目标节点的向量；得到关注向量后，与用户向量的转置向量进行内积操作，其结果就是用户对当前目标节点的点击概率。
本发明上述公式中利用关注向量预估点击概率的方式与直接使用当前目标节点的向量对点击概率进行预估的好处是：由于考虑到了用户的历史的观看行为，历史行为对用户当前点击的倾向性有较大影响，因此本实施例对点击概率的预估是一个动态过程，可实时根据用户的历史行为调整用户的当前目标节点的点击概率，从而提高点击概率的准确度。
进一步地，针对当前目标节点，若用户点击之后马上关闭了，说明用户对此目标节点的观看意向并不是非常强烈，因此本实施例还需要确定所述目标用户对所述目标节点的观看转化概率。
确定所述目标用户对所述目标节点的观看转化概率，包括：
针对当前目标节点，根据公式
Figure 124894DEST_PATH_IMAGE060
确定述目标用户对当前目标节点的观看转化概率
Figure 427699DEST_PATH_IMAGE061
；其中，u为目标用户；
Figure 191387DEST_PATH_IMAGE062
为目标用户对应的向量；
Figure 401788DEST_PATH_IMAGE063
为目标用户对应的向量的偏置向量；
Figure 337295DEST_PATH_IMAGE064
为当前目标节点对应的向量；
Figure 92893DEST_PATH_IMAGE065
为在预设的时间段内，在当前目标节点对应的直播间中观看时长大于X分钟的用户数量，N为X的上限值；
Figure 593144DEST_PATH_IMAGE066
为在预设的时间段内，当前目标节点对应的直播间中内的用户总数量。
举例来说：假设N=1，X=0时，
Figure 325346DEST_PATH_IMAGE067
；当X=1时，
Figure 860232DEST_PATH_IMAGE068
；
Figure 521152DEST_PATH_IMAGE069
，
Figure 243120DEST_PATH_IMAGE070
，于是：
Figure 264166DEST_PATH_IMAGE071
该公式的原理是：观看转化概率由两部分组成；一部分是通过用户对应的向量和当前目标节点的向量内积
Figure 902826DEST_PATH_IMAGE072
计算用户和当前目标节点之间的相似度，
Figure 983915DEST_PATH_IMAGE073
表示用户和当前目标节点之间的关联性，关联性越强则表示用户观看的意愿和强度越大。
另一部分
Figure 943912DEST_PATH_IMAGE074
表示的是当前目标节点观看转化的能力。一般来说，直播内容质量较好及丰富度较高时，那么用户观看时长也会相对高；因此当前目标节点的转化能力是通过计算当前目标节点的X分钟的转化率曲线面积来确定的。其中，转化率曲线的横坐标是X分钟，纵坐标是X分钟对应的观看转化率；转化率曲线与坐标轴形成的曲面为转化率曲线面积。观看转化率为在预设的时间段内，在当前目标节点对应的直播间中观看时长大于X分钟的用户数量与当前目标节点对应的直播间中内的用户总数量之间的商值。
为了方便计算，可以对转化率曲线进行离散化，即X值可以从0到N取自然分钟，计算每个取值下的转化率再进行相加即得到最后的观看转化率。X的取值一般是30~60。
本步骤中确定点击概率和观看转化率的好处是：同时考虑到了用户的点击及观看时长，从而在进行直播间推荐时，可以提高推荐精度，从而提高用户的观看时长。
S114，基于每个目标节点的所述点击概率及所述观看转化概率对多个所述目标节点进行排序；
每个目标节点的点击概率及观看转化概率确定出之后，基于每个目标节点的点击概率及观看转化概率对多个目标节点进行排序。
本实施例中，基于每个目标节点的点击概率及观看转化概率对多个目标节点进行排序，包括：
根据公式
Figure 503069DEST_PATH_IMAGE075
确定目标节点的排序分值
Figure 792974DEST_PATH_IMAGE076
；
根据排序分值对多个目标节点进行排序；其中，
Figure 576122DEST_PATH_IMAGE077
为目标用户对当前目标节点的点击概率，
Figure 554574DEST_PATH_IMAGE078
为目标用户对当前目标节点的观看转化概率；当前目标节点为目标节点中的任一节点；所述
Figure 715426DEST_PATH_IMAGE079
为调节因子，用于调节
Figure 548253DEST_PATH_IMAGE080
对排序结果的影响，若
Figure 987455DEST_PATH_IMAGE081
越大，则
Figure 702471DEST_PATH_IMAGE082
对排序结果的影响越小；
Figure 118277DEST_PATH_IMAGE083
为目标用户的活跃度因子。
Figure 71190DEST_PATH_IMAGE081
取值为0~1，优选地为0.5。
其中，活跃度因子可以根据公式
Figure 681294DEST_PATH_IMAGE084
确定，d为用户的活跃天数，活跃天数越大，活跃度因子越大。活跃度因子的取值范围为0.5~1。
举例来说，假设
Figure 86867DEST_PATH_IMAGE085
，
Figure 791518DEST_PATH_IMAGE086
，
Figure 113784DEST_PATH_IMAGE087
，
Figure 878478DEST_PATH_IMAGE088
，那么：
Figure 318817DEST_PATH_IMAGE089
本步骤根据目标用户对当前目标节点的点击概率及目标用户对当前目标节点的观看转化概率确定每个目标节点的分值，再根据分值对每个目标节点进行排序，确保用户观看意向比较强及观看转化率较高的目标节点优先被用户看到，进而提高用户的观看时长。
S115，向所述目标用户推荐排序后的目标节点。
对每个目标节点排序后，向用户推荐排序后的目标节点。这样相当于将分值高的节点优先推荐给用户，进而能确保用户的观看时长。
本发明实施例在向用户推荐直播间时，综合考虑了用户对直播间的点击概率和观看转化率，充分利用了用户的观看时长因素，因此可向用户推荐的直播间排序更贴合用户的意向，优先把排序分值高的直播间推荐给用户，进而可以提高用户的观看时长。
基于与前述实施例同样的发明构思，本发明还提供一种用于提升观看时长的直播间推荐装置，如图2所示，装置包括：
生成单元21，用于针对目标用户，基于目标用户的历史观看时长及观看顺序生成初始直播间序列；
转化单元22，用于将初始直播间序列转化为直播图，直播图中的每个节点对应初始直播间序列中的一个直播间；
确定单元23，用于基于最优解确定策略对直播图中的对每个节点进行解算，根据解算结果确定多个目标节点；针对任一目标节点，确定目标用户对目标节点的点击概率以及确定目标用户对目标节点的观看转化概率；
排序单元24，用于基于每个目标节点的点击概率及观看转化概率对多个目标节点进行排序；
推荐单元25，用于向目标用户推荐排序后的目标节点。
由于本发明实施例所介绍的装置，为实施本发明实施例的方法所采用的装置，故而基于本发明实施例所介绍的方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本发明实施例的方法所采用的装置都属于本发明所欲保护的范围。
基于与前述实施例同样的发明构思，本发明实施例还提供一种计算机设备，如图3所示，包括存储器310、处理器320及存储在存储器310上并可在处理器320上运行的计算机程序311，处理器320执行计算机程序311时实现以下步骤：
针对目标用户，基于所述目标用户的历史观看时长及观看顺序生成初始直播间序列；
将所述初始直播间序列转化为直播图，所述直播图中的每个节点对应所述初始直播间序列中的一个直播间；
基于最优解确定策略对所述直播图中的对每个节点进行解算，根据解算结果确定多个目标节点；
针对任一目标节点，确定所述目标用户对所述目标节点的点击概率以及确定所述目标用户对所述目标节点的观看转化概率；
基于每个目标节点的所述点击概率及所述观看转化概率对多个所述目标节点进行排序；
向所述目标用户推荐排序后的目标节点。
在具体实施过程中，处理器320执行计算机程序311时，可以实现上述实施例中任一实施方式。
由于本实施例所介绍的计算机设备为实施本发明前述实施例中一种用于提升观看时长的直播间推荐方法所采用的设备，故而基于本发明上述实施例所介绍的方法，本领域所属技术人员能够了解本实施例的计算机设备的具体实施方式以及其各种变化形式，所以在此对于该服务器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。
基于与前述实施例同样的发明构思，本实施例提供一种计算机可读存储介质400，如图4所示，其上存储有计算机程序411，该计算机程序411被处理器执行时实现以下步骤：
针对目标用户，基于所述目标用户的历史观看时长及观看顺序生成初始直播间序列；
将所述初始直播间序列转化为直播图，所述直播图中的每个节点对应所述初始直播间序列中的一个直播间；
基于最优解确定策略对所述直播图中的对每个节点进行解算，根据解算结果确定多个目标节点；
针对任一目标节点，确定所述目标用户对所述目标节点的点击概率以及确定所述目标用户对所述目标节点的观看转化概率；
基于每个目标节点的所述点击概率及所述观看转化概率对多个所述目标节点进行排序；
向所述目标用户推荐排序后的目标节点。
在具体实施过程中，该计算机程序411被处理器执行时，可以实现上述实施例中任一实施方式。
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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用于提升观看时长的直播间推荐方法，其特征在于，所述方法包括：
针对目标用户，基于所述目标用户的历史观看时长及观看顺序生成初始直播间序列；
将所述初始直播间序列转化为直播图，所述直播图中的每个节点对应所述初始直播间序列中的一个直播间；
基于最优解确定策略对所述直播图中的对每个节点进行解算，根据解算结果确定多个目标节点；
针对任一目标节点，确定所述目标用户对所述目标节点的点击概率以及确定所述目标用户对所述目标节点的观看转化概率；
基于每个目标节点的所述点击概率及所述观看转化概率对多个所述目标节点进行排序；
向所述目标用户推荐排序后的目标节点。
2.如权利要求1所述的方法，其特征在于，所述将所述初始直播间序列转化为直播图，包括：
获取所述初始直播间序列中具有相邻关系的直播间；
在所述直播图中，将具有相邻关系的直播间作为所述直播图的边。
3.如权利要求1所述的方法，其特征在于，基于最优解确定策略对所述直播图中的对每个节点进行解算，根据解算结果确定多个目标节点，包括：
根据公式
Figure 945843DEST_PATH_IMAGE001
对每个当前节点进行解算，当解算结果F值满足预设的条件时，可将该当前节点作为目标节点；其中，所述i为当前节点，所述当前节点为所有节点中的任一节点；所述j为直播图中与i相邻的节点；所述
Figure 66246DEST_PATH_IMAGE002
为所述当前节点对应的向量；所述
Figure 32934DEST_PATH_IMAGE003
为节点j对应的向量；所述V为所述当前节点的上下文节点集合；所述k为上下文节点集合中的第k个节点；所述
Figure 896984DEST_PATH_IMAGE004
为第k个节点对应的向量的转置向量；所述当前节点的上下文节点是指与当前节点具有至少一个相同邻居节点的节点。
4.如权利要求1所述的方法，其特征在于，所述确定所述目标用户对所述目标节点的点击概率，包括：
针对当前目标节点，根据公式
Figure 914619DEST_PATH_IMAGE005
确定所述目标用户对所述当前目标节点的点击概率
Figure 924032DEST_PATH_IMAGE006
；其中，所述
Figure 394328DEST_PATH_IMAGE007
为当前目标节点与所述目标用户已观看的历史节点之间的相关度，所述r为所述当前目标节点，所述当前目标节点为所述目标节点中的任一节点；所述c为所述目标用户已观看的历史节点；所述u为所述目标用户；所述
Figure 45758DEST_PATH_IMAGE008
为所述目标用户对应的向量；所述
Figure 652320DEST_PATH_IMAGE009
为所述目标用户对应的向量的转置向量；所述
Figure 98213DEST_PATH_IMAGE010
为所述当前目标节点对应的向量；所述
Figure 790226DEST_PATH_IMAGE011
为所述目标用户已观看的历史节点对应的向量。
5.如权利要求1所述的方法，其特征在于，确定所述目标用户对所述目标节点的观看转化概率，包括：
针对当前目标节点，根据公式
Figure 730500DEST_PATH_IMAGE012
确定所述目标用户对所述当前目标节点的观看转化概率
Figure 706415DEST_PATH_IMAGE013
；其中，所述u为所述目标用户；所述
Figure 73943DEST_PATH_IMAGE014
为所述目标用户对应的向量；所述
Figure 773957DEST_PATH_IMAGE015
为所述目标用户对应的向量的偏置向量；所述
Figure 986764DEST_PATH_IMAGE016
为所述当前目标节点对应的向量；所述
Figure 817186DEST_PATH_IMAGE017
为在预设的时间段内，在所述当前目标节点对应的直播间中观看时长大于X分钟的用户数量；所述N为所述X的上限值；所述
Figure 90035DEST_PATH_IMAGE018
为在预设的时间段内，所述当前目标节点对应的直播间中内的用户总数量。
6.如权利要求1所述的方法，其特征在于，所述基于每个目标节点的所述点击概率及所述观看转化概率对多个所述目标节点进行排序，包括：
根据公式
Figure 271487DEST_PATH_IMAGE019
确定所述目标节点的排序分值
Figure 553563DEST_PATH_IMAGE020
；
根据所述排序分值对多个所述目标节点进行排序；其中，
所述
Figure 989224DEST_PATH_IMAGE021
为所述目标用户对当前目标节点的点击概率，
Figure 213401DEST_PATH_IMAGE022
为所述目标用户对所述当前目标节点的观看转化概率；所述当前目标节点为所述目标节点中的任一节点；所述
Figure 367302DEST_PATH_IMAGE023
为常数；所述
Figure 436758DEST_PATH_IMAGE024
为所述目标用户的活跃度因子。
7.一种用于提升观看时长的直播间推荐装置，其特征在于，所述装置包括：
生成单元，用于针对目标用户，基于所述目标用户的历史观看时长及观看顺序生成初始直播间序列；
转化单元，用于将所述初始直播间序列转化为直播图，所述直播图中的每个节点对应所述初始直播间序列中的一个直播间；
确定单元，用于基于最优解确定策略对所述直播图中的对每个节点进行解算，根据解算结果确定多个目标节点；针对任一目标节点，确定所述目标用户对所述目标节点的点击概率以及确定所述目标用户对所述目标节点的观看转化概率；
排序单元，用于基于每个目标节点的所述点击概率及所述观看转化概率对多个所述目标节点进行排序；
推荐单元，用于向所述目标用户推荐排序后的目标节点。
8.如权利要求7所述的装置，其特征在于，所述转化单元具体用于：
获取所述直播间序列中具有相邻关系的直播间；
在所述直播图中，将具有相邻关系的直播间作为所述直播图的边。
9.一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，该程序被处理器执行时实现权利要求1至6任一项所述的方法。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至6任一项所述的方法。
CN202110867290.XA 2021-07-30 2021-07-30 用于提升观看时长的直播间推荐方法、装置、介质及设备 Active CN113315992B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110867290.XA CN113315992B (zh) 2021-07-30 2021-07-30 用于提升观看时长的直播间推荐方法、装置、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110867290.XA CN113315992B (zh) 2021-07-30 2021-07-30 用于提升观看时长的直播间推荐方法、装置、介质及设备

Publications (2)

Publication Number Publication Date
CN113315992A true CN113315992A (zh) 2021-08-27
CN113315992B CN113315992B (zh) 2021-11-09

Family

ID=77382470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110867290.XA Active CN113315992B (zh) 2021-07-30 2021-07-30 用于提升观看时长的直播间推荐方法、装置、介质及设备

Country Status (1)

Country Link
CN (1) CN113315992B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114710686A (zh) * 2022-03-11 2022-07-05 武汉斗鱼鱼乐网络科技有限公司 一种直播间的曝光方法、装置、介质及设备
CN115119058A (zh) * 2022-06-27 2022-09-27 北京达佳互联信息技术有限公司 多媒体资源任务的通知方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107205178A (zh) * 2017-04-25 2017-09-26 北京潘达互娱科技有限公司 直播间推荐方法及装置
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
CN108712663A (zh) * 2018-05-03 2018-10-26 武汉斗鱼网络科技有限公司 基于二分图的直播间推荐方法、相关存储介质和设备
CN110225361A (zh) * 2019-06-03 2019-09-10 武汉瓯越网视有限公司 直播间推荐方法、存储介质、电子设备及系统
CN110267055A (zh) * 2019-06-28 2019-09-20 广州酷狗计算机科技有限公司 推荐直播间的方法、装置和系统
US20210035559A1 (en) * 2018-05-28 2021-02-04 Guangzhou Huya Information Technology Co., Ltd. Live broadcast room display method, apparatus and device, and storage medium
US20210127171A1 (en) * 2017-12-13 2021-04-29 Guangzhou Huya Information Technology Co., Ltd. Display Method for Live Broadcast Screen of Live Broadcast Room, Storage Device and Computer Device

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107205178A (zh) * 2017-04-25 2017-09-26 北京潘达互娱科技有限公司 直播间推荐方法及装置
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
US20210127171A1 (en) * 2017-12-13 2021-04-29 Guangzhou Huya Information Technology Co., Ltd. Display Method for Live Broadcast Screen of Live Broadcast Room, Storage Device and Computer Device
CN108712663A (zh) * 2018-05-03 2018-10-26 武汉斗鱼网络科技有限公司 基于二分图的直播间推荐方法、相关存储介质和设备
US20210035559A1 (en) * 2018-05-28 2021-02-04 Guangzhou Huya Information Technology Co., Ltd. Live broadcast room display method, apparatus and device, and storage medium
CN110225361A (zh) * 2019-06-03 2019-09-10 武汉瓯越网视有限公司 直播间推荐方法、存储介质、电子设备及系统
CN110267055A (zh) * 2019-06-28 2019-09-20 广州酷狗计算机科技有限公司 推荐直播间的方法、装置和系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114710686A (zh) * 2022-03-11 2022-07-05 武汉斗鱼鱼乐网络科技有限公司 一种直播间的曝光方法、装置、介质及设备
CN115119058A (zh) * 2022-06-27 2022-09-27 北京达佳互联信息技术有限公司 多媒体资源任务的通知方法、装置、设备及存储介质
CN115119058B (zh) * 2022-06-27 2024-02-23 北京达佳互联信息技术有限公司 多媒体资源任务的通知方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113315992B (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN110162703B (zh) 内容推荐方法、训练方法、装置、设备及存储介质
CN113315992B (zh) 用于提升观看时长的直播间推荐方法、装置、介质及设备
US6831663B2 (en) System and process for automatically explaining probabilistic predictions
CN108322317B (zh) 一种账号识别关联方法及服务器
CN111209476A (zh) 推荐方法、模型生成方法、装置、介质及设备
CN110222233B (zh) 视频推荐方法、装置、服务器及存储介质
KR101620748B1 (ko) 아이템 추천 방법 및 아이템 추천 장치
CN109902823B (zh) 一种基于生成对抗网络的模型训练方法及设备
CN106649647B (zh) 基于人工智能的搜索结果排序方法和装置
CN110717099A (zh) 一种推荐影片的方法及终端
JP2003522499A (ja) テレビジョン番組推奨器の妥当性を検査する方法及び装置
CN111597446B (zh) 基于人工智能的内容推送方法、装置、服务器和存储介质
CN111340233B (zh) 机器学习模型的训练方法及装置、样本处理方法及装置
CN109800328B (zh) 视频推荐方法、其装置、信息处理设备及存储介质
CN113207010A (zh) 模型训练方法、直播推荐方法、设备、程序产品
Ailon Improved bounds for online learning over the permutahedron and other ranking polytopes
CN109951725B (zh) 一种直播间的推荐方法以及相关设备
CN109558542B (zh) 一种信息质量评估方法、信息推送方法及装置
JP4976641B2 (ja) 第３者のステレオタイプ選好に基づいて対象品目を推奨する方法及び装置
CN112100504A (zh) 内容推荐方法、装置、电子设备及存储介质
CN114117240A (zh) 基于大数据需求分析的互联网内容推送方法及ai系统
CN113256335A (zh) 数据筛选方法、多媒体数据的投放效果预测方法及装置
CN110730369A (zh) 一种视频推荐方法及服务器
CN111444930B (zh) 一种确定二分类模型的预测效果的方法及装置
CN114330090A (zh) 一种缺陷检测方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210827

Assignee: Yidu Lehuo Network Technology Co.,Ltd.

Assignor: WUHAN DOUYU YULE NETWORK TECHNOLOGY Co.,Ltd.

Contract record no.: X2023980041383

Denomination of invention: Recommended methods, devices, media, and equipment for improving viewing time in live streaming rooms

Granted publication date: 20211109

License type: Common License

Record date: 20230908