CN113747189A - 直播信息的显示控制方法、装置、电子设备及计算机介质 - Google Patents

直播信息的显示控制方法、装置、电子设备及计算机介质 Download PDF

Info

Publication number
CN113747189A
CN113747189A CN202111045677.3A CN202111045677A CN113747189A CN 113747189 A CN113747189 A CN 113747189A CN 202111045677 A CN202111045677 A CN 202111045677A CN 113747189 A CN113747189 A CN 113747189A
Authority
CN
China
Prior art keywords
live broadcast
broadcast room
role information
live
controlled
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
CN202111045677.3A
Other languages
English (en)
Other versions
CN113747189B (zh
Inventor
马水平
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.)
Guangzhou Boguan Information Technology Co Ltd
Original Assignee
Guangzhou Boguan Information 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 Guangzhou Boguan Information Technology Co Ltd filed Critical Guangzhou Boguan Information Technology Co Ltd
Priority to CN202111045677.3A priority Critical patent/CN113747189B/zh
Publication of CN113747189A publication Critical patent/CN113747189A/zh
Application granted granted Critical
Publication of CN113747189B publication Critical patent/CN113747189B/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
    • H04N21/258—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
    • 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
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
    • 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
    • H04N21/4781—Games
    • 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)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Graphics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本公开涉及一种直播信息的显示控制方法、装置、电子设备及计算机可读介质，属于直播技术领域。该方法包括：获取直播间的直播内容；根据所述直播内容确定所述直播间对应的受控角色信息，并将所述受控角色信息发送至各个观众客户端；统计各个所述观众客户端基于所述受控角色信息选择并进入所述直播间后产生的退观数据；根据所述退观数据，对所述直播间对应的受控角色信息进行调整。本公开通过统计各个所述观众客户端基于所述受控角色信息选择并进入所述直播间后产生的退观数据，并基于所述退观数据对所述直播间对应的受控角色信息进行调整，可以降低直播间受控角色信息错判的概率，进而降低直播间退出率。

Description

直播信息的显示控制方法、装置、电子设备及计算机介质
技术领域
本公开涉及直播技术领域，具体而言，涉及一种直播信息的显示控制方法、直播信息的显示控制装置、电子设备及计算机可读介质。
背景技术
游戏玩家在观看游戏直播时，往往会选择自己感兴趣的受控角色，例如玩家常用的英雄等。因此，直播平台在提供直播间列表时，会根据主播正在玩的游戏角色进行分类，供用户选择观看。
然而，由于游戏数据隐私性以及直播平台主播账号和游戏账号没有打通等问题，直播平台往往很难直接拿到主播在玩角色信息，或者获取到的角色信息有误，导致直播间退出率较高。
鉴于此，本领域亟需一种直播信息的显示控制方法，能够提高主播在玩角色信息判断的准确率。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种直播信息的显示控制方法、直播信息的显示控制装置、电子设备及计算机可读介质，进而至少在一定程度上提高主播在玩角色信息判断的准确率。
根据本公开的第一个方面，提供一种直播信息的显示控制方法，包括：
获取直播间的直播内容；
根据所述直播内容确定所述直播间对应的受控角色信息，并将所述受控角色信息发送至各个观众客户端；
统计各个所述观众客户端基于所述受控角色信息选择并进入所述直播间后产生的退观数据；
根据所述退观数据，对所述直播间对应的受控角色信息进行调整。
在本公开的一种示例性实施例中，所述退观数据包括直播间退出率；所述统计各个所述观众客户端基于所述受控角色信息选择并进入所述直播间后产生的退观数据，包括：
获取用于表征第一预设时间段内通过所述受控角色信息进入所述直播间的观众客户端总数的第一数值；
获取用于表征所述第一预设时间段内通过所述受控角色信息进入所述直播间，并在与所述第一预设时间段相连的第二预设时间段内退出所述直播间的观众客户端退出数量的第二数值；
根据所述第二数值与所述第一数值的比值，得到所述直播间的直播间退出率。
在本公开的一种示例性实施例中，所述根据所述退观数据，对所述直播间对应的受控角色信息进行调整，包括：
在所述直播间退出率大于第一退出率阈值时，将所述直播间标记为角色信息错判直播间；
对所述角色信息错判直播间对应的受控角色信息进行调整。
在本公开的一种示例性实施例中，所述退观数据还包括平台平均退出率；所述统计各个所述观众客户端基于所述受控角色信息选择并进入所述直播间后产生的退观数据，包括：
获取用于表征所述第一预设时间段内通过直播平台中各个直播间对应的受控角色信息进入所述直播平台中各个直播间的观众客户端总数的第三数值；
获取用于表征所述第一预设时间段内通过直播平台中各个直播间对应的受控角色信息进入各个直播间，并在与所述第一预设时间段相连的第二预设时间段内退出相应的直播间的观众客户端退出数量的第四数值；
根据所述第四数值与所述第三数值的比值得到所述平台平均退出率。
在本公开的一种示例性实施例中，所述根据所述退观数据，对所述直播间对应的受控角色信息进行调整，包括：
根据所述直播间对应的所述直播间退出率与所述平台平均退出率的比值，得到所述直播间对应的直播间预测指标；
在所述直播间对应的直播间预测指标大于预测指标阈值时，将所述直播间标记为角色信息错判直播间；
对所述角色信息错判直播间对应的受控角色信息进行调整。
在本公开的一种示例性实施例中，所述方法还包括：
在所述直播间对应的直播间预测指标小于或等于所述预测指标阈值时，判断所述直播间退出率是否大于第二退出率阈值；
若所述直播间退出率大于所述第二退出率阈值，则将所述直播间标记为角色信息错判直播间。
在本公开的一种示例性实施例中，所述根据所述直播内容确定所述直播间对应的受控角色信息，包括：
将所述直播内容输入预先训练的识别模型中，得到所述直播间对应的受控角色信息的预测结果。
在本公开的一种示例性实施例中，所述识别模型的训练方法包括：
获取待预测的游戏类型，并根据所述游戏类型获取对应的训练集和测试集，其中，所述训练集和测试集中包括所述游戏类型中的所有游戏角色和对应的角色信息；
获取多个卷积神经网络模型，并通过所述训练集对多个所述卷积神经网络模型进行训练；
通过所述测试集对训练后的多个所述卷积神经网络模型进行测试，并根据各个所述卷积神经网络模型的测试结果选择一目标卷积神经网络模型作为所述识别模型。
在本公开的一种示例性实施例中，所述将所述受控角色信息发送至各个观众客户端包括：
根据各个所述直播间对应的受控角色信息生成直播角色列表，并将所述直播角色列表发送至各个观众客户端。
在本公开的一种示例性实施例中，在所述根据所述退观数据，对所述直播间对应的受控角色信息进行调整之后，所述方法还包括：
根据所述直播间的受控角色信息的调整结果对所述直播角色列表进行调整。
在本公开的一种示例性实施例中，所述根据所述直播间的受控角色信息的调整结果对所述直播角色列表进行调整，包括：
若所述直播间为角色信息错判直播间，则将所述直播间从所述受控角色信息调整之前对应的直播角色列表中删除。
在本公开的一种示例性实施例中，所述根据所述直播间的受控角色信息的调整结果对所述直播角色列表进行调整，包括：
若所述直播间为角色信息错判直播间，则降低所述直播间在所述直播角色列表中的排序权重，并根据所述直播间的排序权重调整所述直播角色列表中其他直播间的排序权重。
在本公开的一种示例性实施例中，所述根据所述直播间的受控角色信息的调整结果对所述直播角色列表进行调整，包括：
若所述直播间为角色信息错判直播间，则获取所述直播间对应的候补受控角色信息的预测结果；
将所述直播间从所述受控角色信息调整之前对应的直播角色列表中删除，并添加至所述候补受控角色信息对应的直播角色列表中。
根据本公开的第二方面，提供一种直播信息的显示控制装置，包括：
直播内容获取模块，用于获取直播间的直播内容；
角色信息确定模块，用于根据所述直播内容确定所述直播间对应的受控角色信息，并将所述受控角色信息发送至各个观众客户端；
退观数据统计模块，用于统计各个所述观众客户端基于所述受控角色信息选择并进入所述直播间后产生的退观数据；
角色信息调整模块，用于根据所述退观数据，对所述直播间对应的受控角色信息进行调整。
根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的直播信息的显示控制方法。
根据本公开的第四方面，提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的直播信息的显示控制方法。
本公开示例性实施例可以具有以下有益效果：
本公开示例实施方式的直播信息的显示控制方法中，首先根据直播内容确定直播间对应的受控角色信息，并将受控角色信息发送至各个观众客户端，然后通过统计各个观众客户端基于受控角色信息选择并进入直播间后产生的退观数据，找出对受控角色信息判断有误的直播间，并根据退观数据对直播间对应的受控角色信息进行调整。通过本公开示例实施方式中的直播信息的显示控制方法，一方面，能够有效降低直播间受控角色信息错判的概率，通过对直播间对应的受控角色信息进行实时调整，从而降低直播间退出率；另一方面，能够增加主播的曝光次数，并提高直播界面的资源位利用率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示出了可以应用本发明实施例的一种直播信息的显示控制方法及装置的示例性系统架构的示意图；
图2示出了本公开示例实施方式的直播信息的显示控制方法的流程示意图；
图3示出了本公开示例实施方式的识别模型的训练方法的流程示意图；
图4示出了本公开示例实施方式的直播间退出率和平台平均退出率对直播间受控角色信息进行调整的流程示意图；
图5示出了根据本公开的一个具体实施方式中直播信息的显示控制方法的流程示意图；
图6示出了本公开示例实施方式的直播信息的显示控制装置的框图；
图7示出了适于用来实现本公开实施方式的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
很多游戏中都有不同的受控角色可供玩家选择，而每个用户都会有自己常用的或正在学习的受控角色(如玩家在游戏中控制的英雄)，因此，用户往往会去直播平台观看使用相同角色进行直播的游戏主播。因此，直播平台在提供直播间列表时，会根据主播正在玩的游戏角色进行分类，供用户选择观看。
在一些相关的实施例中，直播平台可以通过计算机视觉等方法识别主播在玩的游戏角色，具体方法可以包括以下步骤：
1、针对具体识别任务训练卷积神经网络识别模型。比如，对于包含多个受控角色的游戏来说，首先可以获取每个受控角色的图片以及对应的角色信息组成训练集和测试集，然后采用合适的卷积神经网络结构，通过训练集不断地调整模型参数，最后通过模型验证测试集的结果来选出合适的识别模型。
2、对实时直播视频流进行转码截图，获取直播图片。
3、对直播图片通过识别模型的预测给出角色信息的识别结果，当然有时会增加容错处理，对多帧直播画面进行预测再综合给出结果。
然而，在上述相关实施例中，图片识别技术在实际业务落地时会存在一定的误差，可能导致存在误差的原因如下：
1、识别模型本身并非百分百准确，存在一定误差概率。
2、实际业务场景图像内容复杂，存在较多的噪音干扰。比如直播视频流截图后得到的图片中往往存在多个相似的识别目标(比如多个受控角色)，模型无法自行定位需要识别的目标，因此通常的处理方法是对图片进行裁剪，依据是主播使用的角色一般在图形的中间位置。但是主播使用的受控角色有时候却不在中间位置，比如角色阵亡、主播拉视角、直播画面包含主播照片等，这都对模型识别造成麻烦。
由于上述问题，一般在受控角色预测时，只有模型给出较大准确率是某个确定的受控角色时，才会把主播加入到相应的直播角色列表，这导致了直播角色列表人数总和往往远少于平台在播人数总和，一些在播的主播得不到曝光。
图1示出了可以应用本发明实施例的一种直播信息的显示控制方法及装置的示例性应用环境的系统架构的示意图。
如图1所示，系统架构100可以包括客户端101、102、103中的多个，网络104和服务器105。网络104用以在客户端101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如无线通信链路等。
在客户端101、102、103中可以安装客户端应用，由服务器105向各客户端101、102、103应用提供直播服务。例如，用户可以使用终端安装直播客户端应用，通过该直播客户端应用获得服务器105所提供的直播服务，也可以使用终端安装浏览器客户端应用，通过浏览器客户端应用登录服务器105所提供的直播页面，获得直播服务。通常，直播过程中涉及两类用户，一类用户为主播用户，另一类用户为观众用户，基于此，可以将客户端101、102、103分为主播客户端和观众客户端。客户端应用可以提供有主播直播功能和直播收看功能，主播用户可以使用客户端应用提供的主播直播功能进行视频直播，观众用户可以使用客户端应用提供的直播收看功能收看视频内容。
应该理解，图1中的客户端、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的客户端、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
客户端101、102、103可以是具有处理器的各种电子设备，包括但不限于智能手机、平板电脑、便携式计算机等等。服务器105可以是提供各种服务的服务器。例如客户端101、102、103可以通过处理器获取直播间的直播内容并发送至服务器105。服务器105可以根据直播内容确定直播间对应的受控角色信息，并将受控角色信息发送至各个观众客户端，然后统计各个观众客户端基于受控角色信息选择并进入直播间后产生的退观数据，并根据退观数据，对直播间对应的受控角色信息进行调整。客户端101、102、103也可以通过处理器完成从获取直播间的直播内容到根据退观数据对直播间对应的受控角色信息进行调整的全部过程。
本示例实施方式从线上用户的实时行为角度出发，提供了一种直播信息的显示控制方法。参考图2所示，上述直播信息的显示控制方法可以包括以下步骤：
步骤S210.获取直播间的直播内容。
步骤S220.根据直播内容确定直播间对应的受控角色信息，并将受控角色信息发送至各个观众客户端。
步骤S230.统计各个观众客户端基于受控角色信息选择并进入直播间后产生的退观数据。
步骤S240.根据退观数据，对直播间对应的受控角色信息进行调整。
本公开示例实施方式的直播信息的显示控制方法中，首先根据直播内容确定直播间对应的受控角色信息，并将受控角色信息发送至各个观众客户端，然后通过统计各个观众客户端基于受控角色信息选择并进入直播间后产生的退观数据，找出对受控角色信息判断有误的直播间，并根据退观数据对直播间对应的受控角色信息进行调整。通过本公开示例实施方式中的直播信息的显示控制方法，一方面，能够有效降低直播间受控角色信息错判的概率，通过对直播间对应的受控角色信息进行实时调整，从而降低直播间退出率；另一方面，能够增加主播的曝光次数，并提高直播界面的资源位利用率。
下面，结合图3至图5对本示例实施方式的上述步骤进行更加详细的说明。
在步骤S210中，获取直播间的直播内容。
本示例实施方式中，直播间的直播内容可以包括直播图片和直播视频等，通过直播间的直播内容可以识别出直播画面中包含角色信息。其中，直播图片可以通过获取直播间的直播视频流，并对直播视频流进行转码截图得到。直播视频可以直接通过截取直播视频片段得到。
在步骤S220中，根据直播内容确定直播间对应的受控角色信息，并将受控角色信息发送至各个观众客户端。
本示例实施方式中，直播间对应的受控角色信息可以指直播间的主播在玩的游戏角色，例如，主播在玩的英雄等，还可以指主播在玩的游戏角色的角色类型，可以根据不同的游戏来确定对应的受控角色信息。
本示例实施方式中，获取各个直播间的直播内容之后，可以将直播内容输入预先训练的识别模型中，得到直播间对应的受控角色信息的预测结果。若直播内容为直播图片，则上述识别模型即为图片识别模型。
本示例实施方式中，如图3所示，识别模型的训练方法具体可以包括以下几个步骤：
步骤S310.获取待预测的游戏类型，并根据游戏类型获取对应的训练集和测试集，其中，训练集和测试集中包括游戏类型中的所有游戏角色和对应的角色信息。
对于不同的游戏类型，其中的游戏角色或者角色类型都是不同的，因此，需要根据待预测的游戏类型获取相对应的训练集和测试集，来进行识别模型的训练。以图片识别模型的训练过程为例，训练集和测试集中包括游戏类型中所有游戏角色的角色图片和对应的游戏角色名称，比如每个英雄的图片及其对应的英雄名称。
步骤S320.获取多个卷积神经网络模型，并通过训练集对多个卷积神经网络模型进行训练。
以图片识别模型为例，图片识别模型可选择卷积神经网络模型，模型训练时，可以选择多个卷积神经网络模型使用训练集同时进行训练，调整各个模型的模型参数。也可以选择一个卷积神经网络模型进行训练，本示例实施方式中不做具体限定。
步骤S330.通过测试集对训练后的多个卷积神经网络模型进行测试，并根据各个卷积神经网络模型的测试结果选择一目标卷积神经网络模型作为识别模型。
卷积神经网络模型训练完成后，可以通过测试集对各个卷积神经网络模型进行测试，选出识别效果最好，准确率最高的一个目标卷积神经网络模型作为最终使用的识别模型。或者，也可以选出多个识别效果较好的卷积神经网络模型作为识别模型，在进行游戏角色的预测时，综合多个识别模型的预测结果，来提高预测的准确性。
本示例实施方式中，在将受控角色信息发送至各个观众客户端时，可以根据各个直播间对应的受控角色信息生成直播角色列表，并将直播角色列表发送至各个观众客户端。
本示例实施方式中，可以根据各个直播间的受控角色信息的预测结果生成一个初始的直播角色列表，然后将该直播角色列表发送至各个观众客户端进行显示。直播角色列表在客户端进行显示时，可以根据不同的游戏角色对直播间进行分类，便于用户进行查看。另外，受控角色信息在各个观众客户端也可以以其他形式进行显示，比如直接按照直播间热度的高低显示等等，本示例实施方式中不做具体限定。
在步骤S230中，统计各个观众客户端基于受控角色信息选择并进入直播间后产生的退观数据。
本示例实施方式中，观众客户端可以基于受控角色信息选择并进入直播间，用户在观众客户端上对受控角色信息执行的选择操作可例如：1.直播间大厅里的各个直播间展示有对应的受控角色信息，用户可以通过点击受控角色信息进入直播间；2.搜索受控角色信息后展示对应的直播间，然后点击直播间进入；3.通过直播角色列表展示各个直播间的受控角色信息，点击受控角色信息进入对应的直播间。
具体实施的过程，以直播角色列表为例，各个客户端在显示直播角色列表的同时进行埋点，用户通过直播角色列表进入主播直播间后，由各个客户端记录相关信息传递给服务端，其中，相关信息可以包括主播信息、该直播间的游戏角色预测结果、用户本次观看时长等，以便在后续步骤中根据各个客户端的退出情况得到退观数据，并基于退观数据对直播间的受控角色信息以及直播角色列表进行实时调整。
本示例实施方式中，退观数据可以包括直播间退出率和平台平均退出率。由于用户通过直播角色列表进入直播间时带有很强的目的性，如果直播间中主播在玩的不是用户想看的游戏角色，那么用户很可能在短时间内直接退出直播间，因此直播间退出率在一定程度上可以代表直播间游戏游戏角色判断的准确性，退出率越高，说明判断错误的概率越高。本示例实施方式中在使用直播间退出率进行判断的基础上，还可以引入平台平均退出率进行综合判定，通过结合单个直播间退出率和直播平台整体的平台平均退出率，能够更容易地确定出哪些直播间的受控角色信息明显判断错误，可以进一步提高判断的效率和准确率，提升直播间受控角色信息调整控制的效果。
本示例实施方式中，定义退出率为在某个可配置时间段(比如5min)内通过点击受控角色信息进入对应的直播间，并在与该可配置时间段紧接着的另一段可配置时间(比如10s)内退出直播间的人数，占该可配置时间段内进入直播间的总人数的比值。
基于上述定义，每个直播间对应的直播间退出率的计算方法如下：获取用于表征第一预设时间段(比如5min)内通过受控角色信息进入直播间的观众客户端总数的第一数值，以及，获取用于表征第一预设时间段内通过受控角色信息进入直播间，并在与第一预设时间段相连的第二预设时间段(比如5min之后紧接着的10s)内退出直播间的观众客户端退出数量的第二数值，然后根据第二数值与第一数值的比值，得到直播间的直播间退出率。
平台平均退出率的计算方法如下：获取用于表征第一预设时间段(比如5min)内通过直播平台中各个直播间对应的受控角色信息进入直播平台中各个直播间的观众客户端总数的第三数值，以及，获取用于表征第一预设时间段内通过直播平台中各个直播间对应的受控角色信息进入各个直播间，并在与第一预设时间段相连的第二预设时间段(比如5min之后紧接着的10s)内退出相应的直播间的观众客户端退出数量的第四数值，然后根据第四数值与第三数值的比值得到平台平均退出率。
在步骤S240中，根据退观数据，对直播间对应的受控角色信息进行调整。
本示例实施方式中，基于各个直播间对应的退观数据，比如直播间退出率和平台平均退出率，可以快速确定出哪些直播间的受控角色信息可能判断有误，并对该直播间的受控角色信息进行实时调整。
本示例实施方式中，可以仅根据直播间退出率对直播间对应的受控角色信息进行调整，具体的，可以在直播间退出率大于第一退出率阈值时，将直播间标记为角色信息错判直播间，并对角色信息错判直播间对应的受控角色信息进行调整。
本示例实施方式中，还可以结合直播间退出率和平台平均退出率对直播间对应的受控角色信息进行调整，如图4所示，具体可以包括以下几个步骤：
步骤S410.根据直播间对应的直播间退出率与平台平均退出率的比值，得到直播间对应的直播间预测指标。
在每个第一预设时间段内，可以通过计算各个直播间对应的直播间退出率与平台平均退出率的比值，得到各个直播间对应的直播间预测指标。
步骤S420.在直播间对应的直播间预测指标大于预测指标阈值时，将直播间标记为角色信息错判直播间。
通过设定合适的预测指标阈值，可以筛选出游戏角色错判概率较大的直播间。在直播间对应的直播间预测指标大于预测指标阈值时，将直播间标记为角色信息错判直播间，加入判断黑名单中。
另外，在直播间对应的直播间预测指标小于或等于预测指标阈值时，可以判断直播间退出率是否大于第二退出率阈值，若直播间退出率大于第二退出率阈值，则将直播间同样标记为角色信息错判直播间。
在一些噪声较大的场景下，会使得识别模型的识别准确率很低，导致平台平均退出率很高，这种情况下大部分直播间的直播间退出率也会很高，且都接近于平台平均退出率，因此，可能会导致二者的区分度很低，出现直播间退出率和平台平均退出率的值都比较大的情况。在这种情况下，会使得阈值设置变得敏感，容易设置得过高或过低，此时直播间退出率和平台平均退出率的比值虽然可能不会超过预测指标阈值，但是实际上也属于判断错误的情况，需要被标记为角色信息错判直播间。针对这种情况，在直播间预测指标小于或等于预测指标阈值的前提下，可以另外增加对于直播间退出率的绝对值判断，即当直播间退出率大于第二退出率阈值时，也将该直播间标记为角色信息错判直播间，加入判断黑名单中。
步骤S430.对角色信息错判直播间对应的受控角色信息进行调整。
如果直播间被标记为角色信息错判直播间，则对该直播间对应的受控角色信息进行调整。例如，可以获取识别模型对该直播间预测概率第二高的受控角色信息的预测结果，然后对该直播间对应的受控角色信息进行修改。
本示例实施方式中，如果以直播角色列表的形式进行显示，则在根据退观数据对直播间对应的受控角色信息进行调整之后，还可以根据直播间的受控角色信息的调整结果对直播角色列表进行快速实时调整，例如，可以将判断有误的直播间从直播角色列表中剔除，或者调整其在直播角色列表中的显示位置和显示顺序，从而有效降低直播角色列表中各个直播间的受控角色信息错判的概率。
本示例实施方式中，可以通过以下几种方式对直播角色列表进行实时调整：
第一种方式，若直播间为角色信息错判直播间，则直接将该直播间从受控角色信息调整之前对应的直播角色列表中删除。
第二种方式，若直播间为角色信息错判直播间，则降低该直播间在直播角色列表中的排序权重，并根据直播间的排序权重调整直播角色列表中其他直播间的排序权重。
一般情况下，在直播角色列表中，每个游戏角色对应的所有直播间都是按照直播热度进行排序，而对于角色信息错判直播间，可以降低其在直播角色列表中的排序权重，将其在直播角色列表中的显示位置向后移动，然后依次调整列表中其他直播间的显示位置。
第三种方式，若直播间为角色信息错判直播间，则获取直播间对应的候选受控角色信息的预测结果，然后将直播间从受控角色信息调整之前对应的直播角色列表中删除，并添加至候选受控角色信息对应的直播角色列表中。
通常情况下，识别模型在对直播间的受控角色信息进行预测时，会给出多个不同概率的预测结果，举例而言，某直播间预测为游戏角色A的概率为70％，预测为游戏角色B的概率为20％，预测为游戏角色C的概率为10％，在生成初始的直播角色列表时，仅将概率最高的预测结果，即游戏角色A作为该直播间的受控角色信息的预测结果。假如在后续步骤中，根据直播间退出率判断出游戏角色A的预测结果是错误的，则获取先前预测概率第二高的预测结果，即获取角色信息错判直播间对应的候选受控角色信息的预测结果，比如上述游戏角色B，然后将该直播间从游戏角色A对应的直播角色列表中移除，并添加进游戏角色B对应的直播角色列表中。
在实际应用场景中，具体选择以上哪种调整方式，可以依据一段时间内直播平台的整体退出率进行选择。
使用本公开示例实施方式中的直播信息的显示控制方法以后，对于识别模型预测的概率阈值可以相对放宽。例如，在仅通过识别模型预测直播间的受控角色信息并生成直播角色列表的情况下，只有模型给出90％以上的准确率，才能将该直播间加入该受控角色信息对应的直播角色列表中，有些直播间可能会因为受控角色信息的预测概率较低，而无法加入直播角色列表中得到曝光的机会。而如果使用本公开示例实施方式中的直播信息的显示控制方法，由于后续还会根据观众客户端的退观数据进行调整，因此，可以将识别模型预测的概率阈值适度放宽，例如可以降到70％，这样一来，还可以增加在直播角色列表中显示的直播间数量，从而增加直播平台内主播的曝光次数。
如图5所示是本公开的一个具体实施方式中的直播信息的显示控制方法的完整流程图，是对本示例实施方式中的上述步骤的举例说明，该流程图的具体步骤如下：
步骤S510.训练卷积神经网络图片识别模型。
根据具体游戏类型对应的识别任务获取训练集和测试集，选择一个或多个卷积神经网络模型，使用训练集训练网络模型，调整模型参数，然后通过验证集选出识别效果最好的模型作为图片识别模型。
步骤S520.直播视频流转码截图，获取直播图片。
步骤S530.通过图片识别模型对直播图片进行在播角色预测。
通过步骤S510得到的图片识别模型对步骤S520中的直播图片进行在播角色预测，得到模型预测结果。
步骤S540.结合图片识别模型的角色预测结果和黑名单提供直播角色列表。
结合步骤S530的模型预测结果和步骤S560得到的错判黑名单，给出游戏直播角色列表并发送至前端(观众客户端)进行显示。具体处理步骤可以包括，从步骤S510的模型预测结果中对步骤S560得到的错判黑名单进行剔除、排序降权或者剔除后加入模型的第二游戏角色预测结果对应的直播角色列表，具体选择哪种方式可以依据线上效果决定。
步骤S550.前端展示直播角色列表并做埋点。
游戏直播角色列表在前端(观众客户端)进行埋点，用户通过直播角色列表进入主播直播间后，由前端(观众客户端)记录相关信息并传递给服务端，信息中包括主播信息、该直播间的游戏角色预测结果、用户本次观看时长等。
步骤S560.根据直播间退出率和平台平均退出率判断是否将当前直播间加入黑名单。
服务端定时统计各个直播间的直播间退出率和平台平均退出率，并设定一个阈值，如果某个直播间的直播间退出率/平台平均退出率>该阈值，那么将该判断加入错判黑名单中，结合步骤S530的模型预测结果对直播角色列表进行实时调整。
应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
进一步的，本公开还提供了一种直播信息的显示控制装置。参考图6所示，该直播信息的显示控制装置可以包括直播内容获取模块610、角色信息确定模块620、退观数据统计模块630以及角色信息调整模块640。
其中：
直播内容获取模块610可以用于获取直播间的直播内容；
角色信息确定模块620可以用于根据直播内容确定直播间对应的受控角色信息，并将受控角色信息发送至各个观众客户端；
退观数据统计模块630可以用于统计各个观众客户端基于受控角色信息选择并进入直播间后产生的退观数据；
角色信息调整模块640可以用于根据退观数据，对直播间对应的受控角色信息进行调整。
在本公开的一些示例性实施例中，退观数据统计模块630可以包括第一数值获取单元、第二数值获取单元以及直播间退出率计算单元。其中：
第一数值获取单元可以用于获取用于表征第一预设时间段内通过受控角色信息进入直播间的观众客户端总数的第一数值；
第二数值获取单元可以用于获取用于表征第一预设时间段内通过受控角色信息进入直播间，并在与第一预设时间段相连的第二预设时间段内退出直播间的观众客户端退出数量的第二数值；
直播间退出率计算单元可以用于根据第二数值与第一数值的比值，得到直播间的直播间退出率。
在本公开的一些示例性实施例中，角色信息调整模块640可以包括第一错判标记单元以及角色信息调整单元。其中：
第一错判标记单元可以用于在直播间退出率大于第一退出率阈值时，将直播间标记为角色信息错判直播间；
角色信息调整单元可以用于对角色信息错判直播间对应的受控角色信息进行调整。
在本公开的一些示例性实施例中，退观数据统计模块630还可以包括第三数值获取单元、第四数值获取单元以及平台平均退出率计算单元。其中：
第三数值获取单元可以用于获取用于表征第一预设时间段内通过直播平台中各个直播间对应的受控角色信息进入直播平台中各个直播间的观众客户端总数的第三数值；
第四数值获取单元可以用于获取用于表征第一预设时间段内通过直播平台中各个直播间对应的受控角色信息进入各个直播间，并在与第一预设时间段相连的第二预设时间段内退出相应的直播间的观众客户端退出数量的第四数值；
平台平均退出率计算单元可以用于根据第四数值与第三数值的比值得到平台平均退出率。
在本公开的一些示例性实施例中，角色信息调整模块640还可以包括直播间预测指标确定单元、第二错判标记单元以及角色信息调整单元。其中：
直播间预测指标确定单元可以用于根据直播间对应的直播间退出率与平台平均退出率的比值，得到直播间对应的直播间预测指标；
第二错判标记单元可以用于在直播间对应的直播间预测指标大于预测指标阈值时，将直播间标记为角色信息错判直播间；
角色信息调整单元可以用于对角色信息错判直播间对应的受控角色信息进行调整。
在本公开的一些示例性实施例中，角色信息调整模块640还可以包括直播间退出率判断单元以及第三错判标记单元。其中：
直播间退出率判断单元可以用于在直播间对应的直播间预测指标小于或等于预测指标阈值时，判断直播间退出率是否大于第二退出率阈值；
第三错判标记单元可以用于若直播间退出率大于第二退出率阈值，则将直播间标记为角色信息错判直播间。
在本公开的一些示例性实施例中，角色信息确定模块620可以包括识别模型预测单元，可以用于将直播内容输入预先训练的识别模型中，得到直播间对应的受控角色信息的预测结果。
在本公开的一些示例性实施例中，本公开提供的一种直播信息的显示控制装置还可以包括识别模型训练模块，该识别模型训练可以包括训练数据获取单元、识别模型训练单元以及识别模型测试单元。其中：
训练数据获取单元可以用于获取待预测的游戏类型，并根据游戏类型获取对应的训练集和测试集，其中，训练集和测试集中包括游戏类型中的所有游戏角色和对应的角色信息；
识别模型训练单元可以用于获取多个卷积神经网络模型，并通过训练集对多个卷积神经网络模型进行训练；
识别模型测试单元可以用于通过测试集对训练后的多个卷积神经网络模型进行测试，并根据各个卷积神经网络模型的测试结果选择一目标卷积神经网络模型作为识别模型。
在本公开的一些示例性实施例中，角色信息确定模块620还可以包括直播角色列表生成单元，可以用于根据各个直播间对应的受控角色信息生成直播角色列表，并将直播角色列表发送至各个观众客户端。
在本公开的一些示例性实施例中，本公开提供的一种直播信息的显示控制装置还可以包括直播角色列表调整模块，可以用于根据直播间的受控角色信息的调整结果对直播角色列表进行调整。
在本公开的一些示例性实施例中，直播角色列表调整模块可以包括错判直播间删除单元，可以用于若直播间为角色信息错判直播间，则将直播间从受控角色信息调整之前对应的直播角色列表中删除。
在本公开的一些示例性实施例中，直播角色列表调整模块还可以包括错判直播间降权单元，可以用于若直播间为角色信息错判直播间，则降低直播间在直播角色列表中的排序权重，并根据直播间的排序权重调整直播角色列表中其他直播间的排序权重。
在本公开的一些示例性实施例中，直播角色列表调整模块还可以包括候选受控角色信息确定单元以及角色信息错判直播间移动单元。其中：
候选受控角色信息确定单元可以用于若直播间为角色信息错判直播间，则获取直播间对应的候选受控角色信息的预测结果；
角色信息错判直播间移动单元可以用于将直播间从受控角色信息调整之前对应的直播角色列表中删除，并添加至候选受控角色信息对应的直播角色列表中。
上述直播信息的显示控制装置中各模块/单元的具体细节在相应的方法实施例部分已有详细的说明，此处不再赘述。
图7示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
需要说明的是，图7示出的电子设备的计算机系统700仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统操作所需的各种程序和数据。CPU701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本发明的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的系统中限定的各种功能。
需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (16)

1.一种直播信息的显示控制方法，其特征在于，包括：
获取直播间的直播内容；
根据所述直播内容确定所述直播间对应的受控角色信息，并将所述受控角色信息发送至各个观众客户端；
统计各个所述观众客户端基于所述受控角色信息选择并进入所述直播间后产生的退观数据；
根据所述退观数据，对所述直播间对应的受控角色信息进行调整。
2.根据权利要求1所述的直播信息的显示控制方法，其特征在于，所述退观数据包括直播间退出率；所述统计各个所述观众客户端基于所述受控角色信息选择并进入所述直播间后产生的退观数据，包括：
获取用于表征第一预设时间段内通过所述受控角色信息进入所述直播间的观众客户端总数的第一数值；
获取用于表征所述第一预设时间段内通过所述受控角色信息进入所述直播间，并在与所述第一预设时间段相连的第二预设时间段内退出所述直播间的观众客户端退出数量的第二数值；
根据所述第二数值与所述第一数值的比值，得到所述直播间的直播间退出率。
3.根据权利要求2所述的直播信息的显示控制方法，其特征在于，所述根据所述退观数据，对所述直播间对应的受控角色信息进行调整，包括：
在所述直播间退出率大于第一退出率阈值时，将所述直播间标记为角色信息错判直播间；
对所述角色信息错判直播间对应的受控角色信息进行调整。
4.根据权利要求2所述的直播信息的显示控制方法，其特征在于，所述退观数据还包括平台平均退出率；所述统计各个所述观众客户端基于所述受控角色信息选择并进入所述直播间后产生的退观数据，包括：
获取用于表征所述第一预设时间段内通过直播平台中各个直播间对应的受控角色信息进入所述直播平台中各个直播间的观众客户端总数的第三数值；
获取用于表征所述第一预设时间段内通过直播平台中各个直播间对应的受控角色信息进入各个直播间，并在与所述第一预设时间段相连的第二预设时间段内退出相应的直播间的观众客户端退出数量的第四数值；
根据所述第四数值与所述第三数值的比值得到所述平台平均退出率。
5.根据权利要求4所述的直播信息的显示控制方法，其特征在于，所述根据所述退观数据，对所述直播间对应的受控角色信息进行调整，包括：
根据所述直播间对应的所述直播间退出率与所述平台平均退出率的比值，得到所述直播间对应的直播间预测指标；
在所述直播间对应的直播间预测指标大于预测指标阈值时，将所述直播间标记为角色信息错判直播间；
对所述角色信息错判直播间对应的受控角色信息进行调整。
6.根据权利要求5所述的直播信息的显示控制方法，其特征在于，所述方法还包括：
在所述直播间对应的直播间预测指标小于或等于所述预测指标阈值时，判断所述直播间退出率是否大于第二退出率阈值；
若所述直播间退出率大于所述第二退出率阈值，则将所述直播间标记为角色信息错判直播间。
7.根据权利要求1所述的直播信息的显示控制方法，其特征在于，所述根据所述直播内容确定所述直播间对应的受控角色信息，包括：
将所述直播内容输入预先训练的识别模型中，得到所述直播间对应的受控角色信息的预测结果。
8.根据权利要求7所述的直播信息的显示控制方法，其特征在于，所述识别模型的训练方法包括：
获取待预测的游戏类型，并根据所述游戏类型获取对应的训练集和测试集，其中，所述训练集和测试集中包括所述游戏类型中的所有游戏角色和对应的角色信息；
获取多个卷积神经网络模型，并通过所述训练集对多个所述卷积神经网络模型进行训练；
通过所述测试集对训练后的多个所述卷积神经网络模型进行测试，并根据各个所述卷积神经网络模型的测试结果选择一目标卷积神经网络模型作为所述识别模型。
9.根据权利要求1所述的直播信息的显示控制方法，其特征在于，所述将所述受控角色信息发送至各个观众客户端包括：
根据各个所述直播间对应的受控角色信息生成直播角色列表，并将所述直播角色列表发送至各个观众客户端。
10.根据权利要求9所述的直播信息的显示控制方法，其特征在于，在所述根据所述退观数据，对所述直播间对应的受控角色信息进行调整之后，所述方法还包括：
根据所述直播间的受控角色信息的调整结果对所述直播角色列表进行调整。
11.根据权利要求10所述的直播信息的显示控制方法，其特征在于，所述根据所述直播间的受控角色信息的调整结果对所述直播角色列表进行调整，包括：
若所述直播间为角色信息错判直播间，则将所述直播间从所述受控角色信息调整之前对应的直播角色列表中删除。
12.根据权利要求10所述的直播信息的显示控制方法，其特征在于，所述根据所述直播间的受控角色信息的调整结果对所述直播角色列表进行调整，包括：
若所述直播间为角色信息错判直播间，则降低所述直播间在所述直播角色列表中的排序权重，并根据所述直播间的排序权重调整所述直播角色列表中其他直播间的排序权重。
13.根据权利要求10所述的直播信息的显示控制方法，其特征在于，所述根据所述直播间的受控角色信息的调整结果对所述直播角色列表进行调整，包括：
若所述直播间为角色信息错判直播间，则获取所述直播间对应的候补受控角色信息的预测结果；
将所述直播间从所述受控角色信息调整之前对应的直播角色列表中删除，并添加至所述候补受控角色信息对应的直播角色列表中。
14.一种直播信息的显示控制装置，其特征在于，包括：
直播内容获取模块，用于获取直播间的直播内容；
角色信息确定模块，用于根据所述直播内容确定所述直播间对应的受控角色信息，并将所述受控角色信息发送至各个观众客户端；
退观数据统计模块，用于统计各个所述观众客户端基于所述受控角色信息选择并进入所述直播间后产生的退观数据；
角色信息调整模块，用于根据所述退观数据，对所述直播间对应的受控角色信息进行调整。
15.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述处理器执行时，使得所述处理器实现如权利要求1至13中任一项所述的直播信息的显示控制方法。
16.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至13中任一项所述的直播信息的显示控制方法。
CN202111045677.3A 2021-09-07 2021-09-07 直播信息的显示控制方法、装置、电子设备及计算机介质 Active CN113747189B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111045677.3A CN113747189B (zh) 2021-09-07 2021-09-07 直播信息的显示控制方法、装置、电子设备及计算机介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111045677.3A CN113747189B (zh) 2021-09-07 2021-09-07 直播信息的显示控制方法、装置、电子设备及计算机介质

Publications (2)

Publication Number Publication Date
CN113747189A true CN113747189A (zh) 2021-12-03
CN113747189B CN113747189B (zh) 2023-11-28

Family

ID=78736789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111045677.3A Active CN113747189B (zh) 2021-09-07 2021-09-07 直播信息的显示控制方法、装置、电子设备及计算机介质

Country Status (1)

Country Link
CN (1) CN113747189B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106453284A (zh) * 2016-09-27 2017-02-22 北京金山安全软件有限公司 直播标签更新方法、装置和终端设备
CN107569848A (zh) * 2017-08-30 2018-01-12 武汉斗鱼网络科技有限公司 一种游戏分类方法、装置及电子设备
CN108737846A (zh) * 2018-05-25 2018-11-02 广州虎牙信息科技有限公司 直播间显示方法、装置、服务器和介质
CN109213954A (zh) * 2018-08-23 2019-01-15 武汉斗鱼网络科技有限公司 直播间话题设置方法、装置、计算机设备和存储介质
CN110267086A (zh) * 2018-05-16 2019-09-20 腾讯数码（天津）有限公司 主播标签建立方法和装置、直播网络界面引擎接口和介质
CN110378247A (zh) * 2019-06-26 2019-10-25 腾讯科技（深圳）有限公司 虚拟对象识别方法和装置、存储介质及电子装置
CN110460881A (zh) * 2019-08-01 2019-11-15 广州虎牙科技有限公司 属性标签的管理方法、装置、计算机设备及存储介质
CN111046292A (zh) * 2019-12-26 2020-04-21 网易（杭州）网络有限公司 直播推荐方法、装置、计算机可读存储介质及电子设备
CN111259200A (zh) * 2020-01-16 2020-06-09 北京达佳互联信息技术有限公司 视频类别划分方法、装置、电子设备及存储介质
CN112040254A (zh) * 2020-08-13 2020-12-04 广州虎牙信息科技有限公司 一种风险控制方法、装置、存储介质、计算机设备
WO2021143564A1 (zh) * 2020-01-14 2021-07-22 广州虎牙科技有限公司 直播控制方法和装置、电子设备、直播系统及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106453284A (zh) * 2016-09-27 2017-02-22 北京金山安全软件有限公司 直播标签更新方法、装置和终端设备
CN107569848A (zh) * 2017-08-30 2018-01-12 武汉斗鱼网络科技有限公司 一种游戏分类方法、装置及电子设备
CN110267086A (zh) * 2018-05-16 2019-09-20 腾讯数码（天津）有限公司 主播标签建立方法和装置、直播网络界面引擎接口和介质
CN108737846A (zh) * 2018-05-25 2018-11-02 广州虎牙信息科技有限公司 直播间显示方法、装置、服务器和介质
CN109213954A (zh) * 2018-08-23 2019-01-15 武汉斗鱼网络科技有限公司 直播间话题设置方法、装置、计算机设备和存储介质
CN110378247A (zh) * 2019-06-26 2019-10-25 腾讯科技（深圳）有限公司 虚拟对象识别方法和装置、存储介质及电子装置
CN110460881A (zh) * 2019-08-01 2019-11-15 广州虎牙科技有限公司 属性标签的管理方法、装置、计算机设备及存储介质
CN111046292A (zh) * 2019-12-26 2020-04-21 网易（杭州）网络有限公司 直播推荐方法、装置、计算机可读存储介质及电子设备
WO2021143564A1 (zh) * 2020-01-14 2021-07-22 广州虎牙科技有限公司 直播控制方法和装置、电子设备、直播系统及存储介质
CN111259200A (zh) * 2020-01-16 2020-06-09 北京达佳互联信息技术有限公司 视频类别划分方法、装置、电子设备及存储介质
CN112040254A (zh) * 2020-08-13 2020-12-04 广州虎牙信息科技有限公司 一种风险控制方法、装置、存储介质、计算机设备

Also Published As

Publication number Publication date
CN113747189B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
CN110324662B (zh) 一种视频封面生成方法及装置
US20160199742A1 (en) Automatic generation of a game replay video
CN103718166A (zh) 信息处理设备、信息处理方法和计算机程序产品
CN109299326B (zh) 视频推荐方法及装置、系统、电子设备以及存储介质
CN109120949B (zh) 视频集合的视频消息推送方法、装置、设备及存储介质
CN111479129B (zh) 直播封面的确定方法、装置、服务器、介质及系统
CN113422988B (zh) 直播封面生成方法、装置、电子设备及存储介质
CN113535991B (zh) 一种多媒体资源推荐方法、装置、电子设备及存储介质
US20170169062A1 (en) Method and electronic device for recommending video
CN109120954B (zh) 视频消息推送方法、装置、计算机设备及存储介质
CN112546621A (zh) 游戏直播的投票方法及装置、计算机存储介质、电子设备
CN112969079A (zh) 主播的资源分配方法、装置、计算机设备及存储介质
CN109688217B (zh) 一种消息推送方法、装置及电子设备
CN112995690B (zh) 直播内容品类识别方法、装置、电子设备和可读存储介质
CN112055258B (zh) 加载直播画面的时延测试方法、装置、电子设备及存储介质
CN112312142B (zh) 视频播放控制方法、装置和计算机可读存储介质
CN115243066B (zh) 信息的推送方法、装置、电子设备及计算机可读介质
CN113747189B (zh) 直播信息的显示控制方法、装置、电子设备及计算机介质
CN113408470B (zh) 数据处理方法、装置、电子设备、存储介质及程序产品
CN113438555B (zh) 一种带宽的检测方法、装置、计算机设备和存储介质
CN109561050A (zh) 一种识别批量账号的方法和装置
CN113515670A (zh) 影视资源状态识别方法、设备及存储介质
CN115412767B (zh) 基于视频弹幕提取用户观看行为并可视化的方法及系统
CN112596822B (zh) 应用程序窗口展示控制方法、系统和可读存储介质
CN111382626A (zh) 视频中违规图像的检测方法、装置、设备及存储介质

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