CN114302159A - 一种直播间异常的监控方法、装置、设备以及存储介质 - Google Patents

Abstract

本公开提供了一种直播间异常的监控方法、装置、设备以及存储介质，涉及多媒体技术领域，尤其涉及直播技术领域，具体实现方案为：获取目标直播间内的各个弹幕内容；识别每一弹幕内容是否表征所述目标直播间存在指定异常问题，得到每一弹幕内容的识别结果；检测具有指定识别结果的弹幕内容的数量，是否超过预设阈值；其中，所述指定识别结果为所述直播间存在指定异常问题；若超过预设阈值，触发针对所述指定异常问题的报警。通过本方案，解决了通过用户自主反馈直播间问题带来的流程耗时长、沟通成本高的问题。

Description

一种直播间异常的监控方法、装置、设备以及存储介质

技术领域

本公开涉及多媒体技术领域，尤其涉及直播技术领域，具体涉及一种直播间异常的监控方法、装置、设备以及存储介质。

背景技术

由于直播类客户端更新迭代较频繁、开发需求多，且产品测试周期较短，因此，可能导致直播类客户端的部分功能问题遗留到线上，影响用户体验。

相关技术中，若用户在使用直播类客户端时，发现部分功能不可用的问题，通常通过反馈窗口自主反馈问题，相应的，运营人员在接收到用户反馈的问题后，联系技术人员定位分析，从而达到解决问题的目的。

发明内容

本公开提供了一种用于直播间异常的监控方法、装置、设备以及存储介质。具体方案如下：

根据本公开的一方面，提供了一种直播间异常的监控方法，包括：

获取目标直播间内的各个弹幕内容；

识别每一弹幕内容是否表征所述目标直播间存在指定异常问题，得到每一弹幕内容的识别结果；

检测具有指定识别结果的弹幕内容的数量，是否超过预设阈值；其中，所述指定识别结果为所述目标直播间存在指定异常问题；

若超过预设阈值，触发针对所述指定异常问题的报警。

根据本公开的另一方面，提供了一种直播间异常的监控装置，包括：

获取模块，用于获取目标直播间内的各个弹幕内容；

识别模块，用于识别每一弹幕内容是否表征所述目标直播间存在指定异常问题，得到每一弹幕内容的识别结果；

检测模块，用于检测具有指定识别结果的弹幕内容的数量，是否超过预设阈值；其中，所述指定识别结果为所述目标直播间存在指定异常问题；

报警模块，用于若超过预设阈值，触发针对所述指定异常问题的报警。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的直播间异常的监控方法的步骤。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述的直播间异常的监控方法的步骤。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述的直播间异常的监控方法的步骤。

通过本方案，解决了通过用户自主反馈直播间问题带来的流程耗时长、沟通成本高的问题。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开一种直播间异常的监控方法的流程图；

图2是根据本公开一种直播间异常的监控方法的另一流程图；

图3是根据本公开直播间异常的监控方法的一种视频流传输示意图；

图4是根据本公开直播间异常的监控方法的一种网络质量分析流程图；

图5是根据本公开直播间异常的监控方法的一个具体示例的流程图；

图6是根据本公开直播间异常的监控方法的一种逻辑函数的函数图像；

图7是根据本公开直播间异常的监控装置的一种结构示意图；

图8是用来实现本公开实施例的直播间异常的监控方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

下面首先对本公开中涉及的专业术语进行解释：

源站：CDN(Content Delivery Network，内容分发网络)的上级服务器，CDN中的各服务节点从源站中获取数据向访问用户进行分发；

上行流畅度：主播端视频流上传到源站的流畅度；

推拉流回源流畅度：CDN中各服务节点向源站推拉视频流的流畅度；

播放回源流畅度：客户端从源站中拉取视频流的流畅度；

上行帧率：主播端视频流上传到源站的帧率；

播放回源帧率：客户端从源站中拉取视频流的帧率。

自直播行业诞生以来，逐渐覆盖游戏、泛娱乐、教育、体育、财经和电商等多个领域。直播类客户端更新迭代较频繁、开发需求多，且产品测试周期较短，因此，可能导致直播类客户端的部分功能问题遗留到线上，影响用户体验。

相关技术中，若用户在使用直播类客户端观看直播时，发现部分功能不可用的问题，通常通过反馈窗口自主反馈问题，相应的，运营人员在接收到用户反馈的问题后，联系技术人员定位分析，从而达到解决问题的目的。

在实际应用中，当用户通过反馈窗口将问题反馈给运营人员时，运营人员需要联系技术人员进行直播间定位，再分析直播间的问题是否为需要相关开发人员解决的技术问题，若是，再同步相关开发人员解决。一方面，直播时产生的问题从发现到定位的流程耗时较长，人力沟通成本较高；另一方面，用户利用反馈窗口自主反馈问题，相当于把用户当作线上防护与问题拦截手段，极度影响用户体验与产品质量口碑。

基于上述内容，为了解决通过用户自主反馈直播间问题带来的流程耗时长、沟通成本高的问题，本公开实施例提供了一种直播间异常的监控方法、装置、设备以及存储介质。

下面首先对本公开实施例所提供的一种直播间异常的监控方法进行介绍。

本公开实施例所提供的一种直播间异常的监控方法可以应用于电子设备。在具体应用中，该电子设备可以为服务器，也可以为终端设备，这都是合理的。在实际应用中，该终端设备可以是：智能手机、平板电脑、台式电脑等等。

具体而言，该直播间异常的监控方法的执行主体可以为直播间异常的监控装置。示例性的，当该直播间异常的监控方法应用于终端设备时，该直播间异常的监控装置可以为运行于终端设备中的功能软件，例如：直播间弹幕识别软件。示例性的，当该直播间异常的监控方法应用于服务器时，该直播间异常的监控装置可以为运行于服务器中的计算机程序，该计算机程序可以用于实现直播间弹幕的监控与报警。

其中，本公开实施例所提供的一种直播间异常的监控方法，可以包括如下步骤：

获取目标直播间内的各个弹幕内容；

识别每一弹幕内容是否表征所述目标直播间存在指定异常问题，得到每一弹幕内容的识别结果；

检测具有指定识别结果的弹幕内容的数量，是否超过预设阈值；其中，所述指定识别结果为所述直播间存在指定异常问题；

若超过预设阈值，触发针对所述指定异常问题的报警。

本公开提供方案中，在获取到目标直播间内的各个弹幕内容后，对每一弹幕内容进行识别，即识别是否表征目标直播间存在指定异常问题，得到识别结果；并在检测到具有指定识别结果的弹幕内容的数量超过预设阈值时，触发针对指定异常问题的报警。可见，通过本方案，可以实现基于弹幕内容监控直播间的异常问题，解决了通过用户自主反馈直播间问题带来的流程耗时长、沟通成本高的问题。

下面结合附图，对本公开实施例所提供的直播间异常的监控方法进行介绍。

如图1所示，本公开实施例所提供的一种直播间异常的监控方法，可以包括如下步骤：

S101，获取目标直播间内的各个弹幕内容；

用户在使用直播类客户端观看直播时，若发现直播间存在异常问题，例如：发现部分功能不可用，通常会在直播间发送弹幕内容以评论这个异常问题，评论该异常问题的弹幕内容的数量越多，说明该异常问题越严重。因此，可以通过分析直播间线上弹幕的弹幕内容，来监测直播间是否发生问题，也就是，监测直播类客户端是否部分功能不可用。

基于上述考虑，本公开实施例中为了对直播间线上弹幕的弹幕内容进行分析，首先可以获取目标直播间内各个弹幕内容，各个弹幕内容可以为指定时长内的弹幕内容，例如：十分钟内的弹幕内容。其中，目标直播间为当前正在直播的任一直播间，各个弹幕内容为用户在观看该目标直播间的直播时发送的弹幕内容。另外，可以从存储有弹幕内容的服务器中，获取目标直播间的各个弹幕内容，当然并不局限于此。

S102，识别每一弹幕内容是否表征该目标直播间存在指定异常问题，得到每一弹幕内容的识别结果；

示例性的，指定异常问题可以为：画面、声音、购物、按钮、崩溃或网络等类型的异常问题。并且，在具体应用中，可以设定一个或多类指定异常问题，在直播间异常的监控过程中，针对每一指定异常问题，识别每一弹幕内容是否表征该目标直播间存在该指定异常问题，从而得到每一弹幕内容的、针对该指定异常问题的识别结果。

可选的，在一种实现方式中，识别每一弹幕内容是否表征该目标直播间存在指定异常问题，得到每一弹幕内容的识别结果，可以包括：识别每一弹幕内容中是否包含与指定异常问题相关的关键词，若包含，确定该弹幕内容的识别结果为该弹幕内容表征该目标直播间存在指定异常问题。例如：识别每一弹幕内容中是否包含画面问题、声音问题、购物问题、按钮问题、崩溃问题或网络问题等问题相关的关键词，从而得到每一弹幕内容的识别结果。可以理解的是，由于当目标直播间内发生上述指定异常问题时，观看该目标直播间的用户发送的弹幕内容中，往往会包含针对上述指定异常问题的评论，也就是包含与画面问题、声音问题等问题相关的关键词，例如：“黑屏”、“没声音”等，因此，可以通过识别每一弹幕内容中是否包含与指定异常问题相关的关键词，来识别该弹幕内容是否表征该目标直播间存在该指定异常问题。

可选地，在另一种实现方式中，识别每一弹幕内容是否表征该目标直播间存在指定异常问题，得到每一弹幕内容的识别结果，包括：

基于预定的识别模型，识别每一弹幕内容是否表征该目标直播间存在指定异常问题，得到每一弹幕内容的识别结果；其中，该预定的识别模型为基于样本弹幕内容的样本特征和标签信息所训练得到的模型；其中，该标签信息用于标识：该样本弹幕内容是否表征所属直播间存在指定异常问题。其中，标签信息即为模型训练时所需利用的真值。

可以理解的是，由于该预定的识别模型用于识别弹幕内容是否表征所属直播间存在指定异常问题，因此，该预定的识别模型属于二分类模型，用于识别两类：弹幕内容表征所属直播间存在指定异常问题，以及弹幕内容未表征所属直播间存在指定异常问题。并且，本公开并不对标签信息的具体形态进行限定。

示例性的，该预定的识别模型可以是卷积神经网络模型或LR(LogisticRegression，逻辑回归)模型等机器学习模型，该预定的识别模型的输入是各个弹幕内容，输出是每一弹幕内容属于存在指定异常问题的识别结果。

相应的，上述预定的识别模型的训练过程可以是：将样本弹幕内容的样本特征作为输入，样本弹幕内容中是否表征所属直播间存在指定异常问题作为标签信息，对初始的识别模型进行训练，得到训练结果；将训练结果和标签信息进行比较，并通过最小化训练结果和标签信息之间的差异来调整该识别模型的参数，从而达到训练出预定的识别模型的目的。

其中，样本弹幕内容的样本特征可以是基于所述样本弹幕内容中的词组所确定的特征，例如：该样本特征可以是通过对样本弹幕内容采取分词后，得到的词组。

S103，检测具有指定识别结果的弹幕内容的数量，是否超过预设阈值；其中，该指定识别结果为该直播间存在指定异常问题；

可以理解的是，在通过上述步骤S102对每一弹幕内容进行识别，得到每一弹幕内容的识别结果后，可以通过检测各个弹幕内容的识别结果中属于指定识别结果的数量，即，通过检测表征为目标直播间内存在指定异常问题的弹幕内容的数量，来确定该目标直播间内是否存在指定异常问题。当检测到具有指定识别结果的数量超过预设阈值，则确认该目标直播间内存在指定异常问题。

示例性的，若需要分析目标直播间内是否存在画面问题，通过对目标直播间内的每一弹幕内容进行识别，可以获得该弹幕内容为普通弹幕内容的识别结果，即该弹幕内容未表征该目标直播间存在指定异常问题，或者，该弹幕内容为表征该目标直播间内存在画面问题的指定识别结果。然后，检测被识别为指定识别结果的弹幕内容的数量是否超过预设阈值，若是，则可确认该目标直播间内存在画面问题。

另外，需要说明的是，在获取目标直播间内的各个弹幕内容时，可以周期性的获取目标直播间内的各个弹幕内容，从而实现周期性分析的目的。相邻周期间隔的时长可以根据实际情况设定，例如：1分钟、2分钟、5分钟等等。可以理解的是，通过调整周期大小，可以对直播间的弹幕内容进行灵活监控，从而满足不同的业务需求。

S104，若超过预设阈值，触发针对该指定异常问题的报警。

本实施例中，该预设阈值可以是开发人员通过经验所设定的数值，例如：100、300、1000等。可以理解的是，若具有指定识别结果的弹幕内容的数量超过该预设阈值，则可以确定该目标直播间为存在指定异常问题的直播间，此时，可以触发针对该指定异常问题的报警。

示例性的，若预设阈值为300，且检测到具有画面问题的弹幕内容的数量超过300，则可分析出该目标直播间内存在画面问题，此时，触发针对该画面问题的报警。

可选地，在一种实现方式中，触发针对该指定异常问题的报警，可以包括步骤A1-A2：

A1，生成针对该指定异常问题的报警信息；其中，该报警信息至少包括表征存在指定异常问题的信息，以及该目标直播间的房间标识；

A2，向报警接收端输出该报警信息。

可以理解的是，通过生成包括表征存在指定异常问题的报警信息，并将该报警信息输出到报警接收端，这样使得通过报警接收端接收到该报警信息的工作人员可以通过该报警信息中的指定异常问题，联系解决该指定异常问题的技术人员，以解决问题。并且，通过生成并输出包括目标直播间的房间标识的报警信息，使得接收到该报警信息的工作人员可以通过该标识，对发生的异常问题所在的直播间进行定位，从而及时进行相关问题的跟进解决。示例性的，该报警接收端可以是运维平台、直播类客户端的监管平台，等等。

本公开提供方案中，在获取到目标直播间内的各个弹幕内容后，对每一弹幕内容进行识别，即识别是否表征目标直播间存在指定异常问题，得到识别结果；并在检测到具有指定识别结果的弹幕内容的数量超过预设阈值时，触发针对指定异常问题的报警。可见，通过本方案，可以实现基于弹幕内容监控直播间的异常问题，解决了通过用户自主反馈直播间问题带来的流程耗时长、沟通成本高的问题。

可选地，在本公开的另一实施例中，如图2所示，所述方法包括步骤S201-S205：

S201，获取目标直播间内的各个弹幕内容；

S202，识别每一弹幕内容是否表征该目标直播间存在指定异常问题，得到每一弹幕内容的识别结果；

S203，检测具有指定识别结果的弹幕内容的数量，是否超过预设阈值；其中，该指定识别结果为该直播间存在指定异常问题；

其中，步骤S201-S203的内容与上述步骤S101-S103的内容相同，这里不再赘述。

S204，若超过预设阈值，对该目标直播间的视频流的网络质量进行分析，得到分析结果；其中，该分析结果为第一结果、第二结果或第三结果，该第一结果为该目标直播间的主播的网络存在异常，该第二结果为目标内容分发网络的调度存在异常，该第三结果为该主播的网络未存在异常且该目标内容分发网络调度未存在异常，该目标内容分发网络为目标直播间所属客户端利用的内容分发网络；

可以理解的是，声音、画面、按钮以及购物等问题都与网络有一定的关系，若网络不佳，会出现声音卡顿、短暂性画面消失、按钮响应不及时以及无法购买等问题。并且，若是主播端的网络不佳，此时上行的直播视频流会发生卡顿，从而影响所有的观众端，导致观众端出现声音卡顿、短暂性画面消失等问题。

针对主播端的网络不佳问题，只需要主播通过切换网络或者等待短暂时间之后网络即可自动恢复，该网络问题并不需要通过技术人员解决，若此时进行报警会存在误报。因此，当检测到具有指定识别结果的弹幕内容的数量超过预设阈值时，可以不直接报警，而是，对目标直播间的视频流的网络质量进行分析，确认不是由主播端网络问题导致的声音卡顿、短暂性画面消失等问题时，才触发报警，从而降低误报率。

可选地，在一种实现方式中，对该目标直播间的视频流的网络质量进行分析，得到分析结果，包括：

基于指定的质量评判参数，对该目标直播间的视频流的网络质量进行分析，得到分析结果；其中，该质量评判参数包括：指定流畅度、播放回源流畅度、上行帧率和播放回源帧率中的一种或多种，该指定流畅度用于表征该视频流的上传流畅度。

其中，任一种获取到指定流畅度、播放回源流畅度、上行帧率和播放回源帧率的实现方式，均可以应用于本公开实施例。

需要说明的是，由于主播端的网络异常会影响到直播间的视频流上传到源站的流畅度，因此可以通过分析该视频流的上传流畅度，判断主播网络是否异常。示例性的，若该主播端为APP端，该上传流畅度可以是该视频流的上行流畅度；若该主播端为OBS(OpenBroadcaster Software，开源的视频录制和视频实时流软件)端，该上传流畅度可以是该视频流的推拉流回源流畅度。

由于内容分发网络调度存在异常，会影响到客户端从源站中拉取视频流的流畅度，因此可以通过分析该视频流的播放回源流畅度，判断内容分发网络调度是否存在异常。若主播网络异常，则不触发报警，若内容分发网络调度存在异常，则触发报警。

可选地，在一种实现方式中，基于指定的质量评判参数，对该目标直播间的视频流的网络质量进行分析，得到分析结果，包括：

基于该目标直播间的视频流的、针对指定的质量评判参数的评分值，对该视频流的网络质量进行分析，得到分析结果。其中，针对指定的质量评判参数的评分值的任一确定方式，均可以应用于本公开实施例。

示例性的，该指定的质量评判参数可以是指定流畅度和播放回源流畅度；相应的，基于该目标直播间的视频流的、针对指定的质量评判参数的评分值，对该视频流的网络质量进行分析，得到分析结果，可以包括步骤B1-B3：

B1，确定该目标直播间的视频流的指定流畅度的第一评分；

B2，判断该第一评分是否大于第一预定阈值；当判断结果为否时，确定分析结果为第一结果；

其中，该第一预定阈值为表征该视频流上传流畅的临界值。可以理解的是，由于第一评分为表征该视频流上传到源站的流畅度的评分，因此，当其大于第一预定阈值时，代表该视频流上传流畅，即主播端不存在网络问题；否则，代表视频流上传不流畅，即主播端存在网络问题，从而确定分析结果为第一结果。

B3，当判断结果为是时，确定该视频流的播放回源流畅度的第二评分，判断该第二评分是否小于第二预定阈值，如果不小于，确定分析结果为所述第三结果；否则确定分析结果为第二结果。

其中，该第二预定阈值为表征该视频流播放流畅的临界值。可以理解的是，由于第二评分为表征客户端从源站拉取该视频流的流畅度的评分，而源站通过内容分发网络将视频流发送给各个客户端，以提升用户的浏览速度，因此，当其不小于第二预定阈值时，代表该视频播放流畅，即不存在内容分发网络调度问题，从而确定分析结果为第三结果；否则，代表该视频流播放不流畅，可能存在内容分发网络调度存在异常，此时确定分析结果为第二结果。

需要说明的是，上述对视频流的指定流畅度和播放回源流畅度的评分可以是基于视频流的传输速率进行评分的，相应的评分准则和预定阈值可以由专业人员依据经验而设定，本公开对上述评分方式并不限定。

示例性的，该指定的质量评判参数还可以是指定流畅度、播放回源流畅度、上行帧率和播放回源帧率；相应的，基于该目标直播间的视频流的、针对指定的质量评判参数的评分值，对该视频流的网络质量进行分析，得到分析结果，可以包括步骤C1-C6：

C1，确定该目标直播间的视频流的指定流畅度的第一评分；

C2，判断该第一评分是否大于第一预定阈值；当判断结果为否时，确定分析结果为第一结果；

C3，当判断结果为是时，确定该视频流的播放回源流畅度的第二评分，判断该第二评分是否小于第二预定阈值，如果不小于，确定分析结果为第三结果；

C4，如果小于，确定该视频流的上行帧率的第三评分，并判断该第三评分是否大于第三预定阈值，当不大于该第三预定阈值时，将分析结果确定为第一结果；

在通过步骤C1-C3的分析后，如果第二评分小于第二预设阈值，则代表该视频流播放不流畅，此时需要进一步分析造成该视频流播放不流畅的原因。由于视频流的上传流畅度与播放回源流畅度还与帧率有关，帧率越大，流畅度越高，因此，在上述分析基础上，进一步对视频流的上行帧率进行评分，得到第三评分。若第三评分不大于第三预定阈值，则认为主播网络存在问题，将分析结果确定为第一结果。

C5，当大于该第三预定阈值时，确定该视频流的播放回源帧率的第四评分；

当第三评分大于该第三预定阈值时，继续对播放回源帧率进行评分，以通过该视频流的网络质量确定是否存在主播网络问题。

C6，若该第四评分小于该第四预定阈值或大于第五预定阈值，确定分析结果为第二结果，否则，确定分析结果为第一结果。

若第四评分小于第四预定阈值，则认为内容分发网络调度存在异常，即确定分析结果为第二结果；否则，认为是主播网络异常，确定分析结果为第一结果。

S205，若该分析结果为第二结果，或者，该分析结果为第三结果且该指定异常问题为非网络性能的问题，则触发针对指定异常问题的报警。

其中，非网络性能的问题为上述多类指定异常问题中，除网络类型的问题之外的其他类型的问题，例如：画面类型的异常问题、声音类型的异常问题，等等。在步骤S203检测到具有指定识别结果的弹幕内容的数量超过预设阈值的基础上，通过进一步对目标直播间的视频流的网络质量进行分析，若该分析结果为第二结果，则目标直播间存在的指定异常问题为：由内容分发网络调度导致的指定异常问题，此时，执行触发针对该指定异常问题的报警的步骤；若分析结果为第三结果且该指定异常问题为非网络性能的问题，即分析出该目标直播间不存在主播网络异常和内容分发网络调度异常，且根据弹幕内容识别出的指定异常问题为除网络类型的问题之外的其他类型的问题，则触发针对该指定异常问题的报警的步骤；否则不触发报警，从而对需要报警的情况进行了过滤。

可以理解的是，在通过步骤S205对需要报警的情况进行筛选后，触发针对指定异常问题的报警，可以减少误报的情况。

示例性的，在一种实现方式中，触发针对该指定异常问题的报警的步骤可以与上述步骤A1-A2相似，这里不再赘述。

示例性的，在一种实现方式中，触发针对该指定异常问题的报警，可以包括：

若该分析结果为第二结果，触发针对该指定异常问题的、且异常原因为内容分发网络调度异常的报警。针对该种实现方式而言，若该分析结果为第三结果且该指定异常问题为非网络性能的问题，触发针对该指定异常问题的报警。

可以理解的是，若该分析结果为第二结果，则目标直播间存在的指定异常问题为：由内容分发网络调度导致的指定异常问题，此时，可以触发针对该指定异常问题的、且异常原因为内容分发网络调度异常的报警，从而生成更准确的报警信息，报警接收端的工作人员在查看到该更准确的报警信息后，可以更快的跟进异常问题的处理。

可见，通过本方案，在实现基于弹幕内容监控直播间的异常问题，解决了通过用户自主反馈直播间问题带来的流程耗时长、沟通成本高的问题的基础上，通过进一步对直播间的视频流进行分析，过滤掉由主播端网络问题导致的画面、声音等问题，从而降低了报警的误报率。

可选地，在本公开的另一实施例中，在图1和图2所示的任一实施例的基础上，所述方法还包括步骤D1-D2：

D1，若超过预设阈值，获取该目标直播间的日志信息；

D2，向报警接收端输出该日志信息。

若检测具有指定识别结果的弹幕内容的数量超过预设阈值，可以获取目标直播间的日志信息，由于目标直播间的日志信息中包含有异常信息、登录信息、退出信息等各种操作记录，因此，获取目标直播间的日志信息后，将其发送到报警接收端，可以使报警接收端的相关技术人员在接收到该日志信息后，更快速的分析出异常问题的原因，从而加快直播间异常问题的解决速度。

可见，通过本实施例的方案，通过向报警接收端输出目标直播间的日志信息，使得相关技术人员在通过报警接收端查看到该日志信息后，可以更快的对目标直播间异常问题进行分析，从而加快直播间异常问题的解决速度。

为了更好的阐述本公开实施例的内容，下面结合图3和图4对本公开实施例的视频流网络质量分析的一个具体示例进行描述。

图3展示了直播间视频流从主播端传输到客户端(即观众端或用户端)的过程。如图3所示，直播间的主播端分为APP端和OBS端，直播间的视频流从主播端上传到离主播端最近的CDN节点，CDN节点再将视频流进一步上传到源站。观众通过客户端观看该直播间的视频流时，通过从离该客户端最近的CDN节点中拉取该视频流，若该CDN节点中没有该视频流，则CDN节点从源站中拉取该视频流，再将该视频流下发到各个客户端。

根据图3展示的直播间的视频流的传输过程，若客户端播放的视频流卡顿，可以通过检测该视频流的网络质量来分析导致该视频流卡顿的具体原因。若主播端传输到源站的视频流发生卡顿，即上行卡顿，会影响所有的客户端，而源站传输到客户端的视频流发生卡顿，即下行卡顿只会影响部分客户端。因此，可以通过对视频流上传流畅度(对应于上文中的指定流畅度)进行分析，若上传流畅度评分降低，主要的原因为主播端自身的网络问题，可以理解为：主播的手机在推流的时候产生的音视频数据，如果为了追求高清晰度，码率越大，所需要的带宽越大，如果手机本身的网络差，音视频数据会堆积到主播的手机传送不出去，最终导致客户端出现卡顿。

由于主播端可以是APP端或OBS端，对于主播端为APP端来说，获取视频流的上行流畅度即可对该视频流的上传流畅度进行评分；对于主播端为OBS端来说，由于OBS端无法获取到上行流畅度的相关信息，以推拉流回源流畅度代替上行流畅度对该视频流的上传流畅度进行评分。

另外，可以通过对该视频流的播放回源流畅度进行评分，分析该视频流是否下行卡顿。

图4展示了视频流的网络质量分析的流程图。如图4所示，首先获取待分析视频流的流质量数据(对应于上文中的指定的质量评判参数)。

若主播端为APP端，即视频流通过APP端推流到源站，则需要获取的流质量数据为：上行流畅度、播放回源流畅度、上行帧率和播放回源帧率。分析过程为：

(1)判断上行流畅度评分是否>app_score1(对应于上文中的第一预定阈值)，若否，则为主播网络问题(对应于上文中的第一结果)，若是，进入步骤(2)；

(2)判断播放回源流畅度评分是否<app_score 2(对应于上文中的第二预定阈值)，若否，则无网络问题(对应于上文中的第三结果)，即内容分发网络调度和主播网络均不存在异常，若是，进入步骤(3)；

(3)判断上行帧率评分是否>app_score3(对应于上文中的第三预定阈值)，若是，进入步骤(4)，若否，判断为主播网络问题；

(4)判断播放回源帧率评分是否<app_score4(对应于上文中的第四预定阈值)，或者，大于app_score5(对应于上文中的第五预定阈值)，若是，判断为CDN调度问题(对应于上文中的第二结果)，进行弹幕告警(对应于上文中针对指定异常问题的报警)，否则，判断为主播网络问题。

若主播端为OBS端，即视频流通过OBS端推流到源站，则需要获取的流质量数据为：推拉流回源流畅度、播放回源流畅度、上行帧率和播放回源帧率。分析过程为与上述主播端为APP端的分析过程相似，这里不再赘述。

图5展示了通过利用线上弹幕进行指定异常问题报警的一个具体示例的流程图。如图5所示，该指定异常问题报警过程的实现分为三个阶段：

前置工作阶段：

(1)问题划分：根据经验，将涉及的问题划分为网络、画面、声音、按钮、崩溃和购物六大类问题，即六类指定异常问题。

(2)样本富集：根据用户历史日志，人工富集每类问题的高频弹幕文本约200条作为正样本，并随机抽取1000条正常弹幕文本作为负样本。另外，可以根据每个版本上线的直播功能，动态增加直播相关问题的正样本，具有较强灵活性。

(3)LR模型训练：对于每类问题训练一个文本二分类模型，考虑线上速度，采用LR模型作为文本分类模型。模型输入是样本弹幕内容，输出是该样本弹幕内容属于问题弹幕(对应于上文中存在指定异常问题的弹幕内容)的概率(黑屏、没声音等的概率)。具体操作可以是：确定属于正样本的样本弹幕内容，以及负样本的样本弹幕内容，将各个样本弹幕内容采用jieba分词(又称结巴分词，是Python语言的一个中文分词组件)后得到词组，统计每个词组的频次后，选取频次最高的2000个词组分别作为特征，得到一个2000纬的特征向量；然后采用最小二乘法得到各个特征的权重组成的权重向量，基于各个特征以及各个特征对应的结果内容(即是否表征属于问题弹幕)，进行线性回归，最终得到LR模型。

其中，LR用一个逻辑函数来作为激活函数，将线性回归的连续值映射到了{0，1}空间，从而找到不同类别之间的线性决策边界。该逻辑函数的表达式为：

其中，x为特征向量，w是权重向量，b是偏置，e为自然常数，T为转置符号。如图6所示，分别展示了w＝6，b＝9和w＝10，b＝15时该逻辑函数的函数图像。

弹幕告警阶段，对应于上文中图1所示实施例的直播间异常的监控方法的处理阶段：

(1)弹幕实时拉取：拉取每个直播间的弹幕内容，并返回对应房间号，用于后续异常问题的跟进定位。

(2)模型识别：遍历线上开播所有直播间10分钟内的弹幕内容，当一条弹幕内容被模型识别命中某类问题，将该问题频次加一。

(3)若问题弹幕反馈频次未超过预设阈值，不触发报警操作，等待下一个10分钟的检测。若某类问题的反馈频次超过预设阈值，对该反馈问题进行进一步分析。

反馈问题分析阶段：

(1)获取直播间内视频流的流质量数据；

(2)推流来源：若主播端为APP端，则采用APP推流的分析方法，若主播端为OBS端，则采用OBS端的推流方法；

(3)通过对流质量数据进行打分，若确认是CDN调度问题，弹幕触发告警，需要同步视频流相关技术人员跟进解决；若是非网络问题，进行问题日志捞取，再触发相关问题的弹幕告警。告警的同时，同步问题直播的房间号、视频流等直播信息，方便问题辅助定位，相关技术人员技术收到相关告警后，跟进问题解决与闭环。从而，通过对弹幕识别出的问题再进行过滤，确认是需要技术人员解决的问题才触发告警，降低了误报率。

本公开可以应用于每个直播客户端的版本上线后，线上质量的自动化监控，高效拦截线上问题并分析处理，同步技术同学解决。减少人力沟通成本输出，提高问题发现与跟进解决的效率，提升用户体验与产品质量。

基于上述方法实施例，本公开实施例还提供了一种直播间异常的监控装置，如图7所示，所述装置包括：

获取模块710，用于获取目标直播间内的各个弹幕内容；

识别模块720，用于识别每一弹幕内容是否表征所述目标直播间存在指定异常问题，得到每一弹幕内容的识别结果；

检测模块730，用于检测具有指定识别结果的弹幕内容的数量，是否超过预设阈值；其中，所述指定识别结果为所述直播间存在指定异常问题；

报警模块740，用于若超过预设阈值，触发针对所述指定异常问题的报警。

可选地，所述识别模块，具体用于：

基于预定的识别模型，识别每一弹幕内容是否表征所述目标直播间存在指定异常问题，得到每一弹幕内容的识别结果；

其中，所述预定的识别模型为基于样本弹幕内容的样本特征和标签信息所训练得到的模型；其中，所述标签信息用于标识：所述样本弹幕内容是否表征所属直播间存在所述指定异常问题。

可选地，所述装置还包括：

分析模块，用于对所述目标直播间的视频流的网络质量进行分析，得到分析结果；其中，所述分析结果为第一结果、第二结果或第三结果，所述第一结果为所述目标直播间的主播的网络存在异常，所述第二结果为所述目标内容分发网络的调度存在异常，所述第三结果为所述主播的网络未存在异常且所述目标内容分发网络调度未存在异常，所述目标内容分发网络为所述目标直播间所属客户端利用的内容分发网络；

判断模块，用于若所述分析结果为所述第二结果，或者，所述分析结果为所述第三结果且所述指定异常问题为非网络性能的问题，则执行所述触发针对所述指定异常问题的报警的步骤。

可选地，所述触发针对所述指定异常问题的报警，包括：

若所述分析结果为第二结果，触发针对所述指定异常问题的、且异常原因为内容分发网络调度异常的报警。

可选地，所述分析模块，具体用于：

基于指定的质量评判参数，对所述目标直播间的视频流的网络质量进行分析，得到分析结果；

其中，所述质量评判参数包括：指定流畅度、播放回源流畅度、上行帧率和播放回源帧率中的一种或多种，所述指定流畅度用于表征所述视频流的上传流畅度。

可选地，所述基于指定的质量评判参数，对所述目标直播间的视频流的网络质量进行分析，得到分析结果，包括：

基于所述目标直播间的视频流的、针对指定的质量评判参数的评分值，对所述视频流的网络质量进行分析，得到分析结果。

可选地，所述质量评判参数包括指定流畅度、播放回源流畅度、上行帧率和播放回源帧率；

所述基于所述目标直播间的视频流的、针对指定的质量评判参数的评分值，对所述视频流的网络质量进行分析，得到分析结果，包括：

确定所述目标直播间的视频流的指定流畅度的第一评分；

判断所述第一评分是否大于第一预定阈值；当判断结果为否时，确定分析结果为所述第一结果；

当判断结果为是时，确定所述视频流的播放回源流畅度的第二评分，判断所述第二评分是否小于第二预定阈值，如果不小于，确定分析结果为所述第三结果；

如果小于，确定所述视频流的上行帧率的第三评分，并判断所述第三评分是否大于第三预定阈值，当不大于所述第三预定阈值时，将分析结果确定所述第一结果；

当大于所述第三预定阈值时，确定所述视频流的播放回源帧率的第四评分；

若所述第四评分小于所述第四预定阈值或大于第五预定阈值，确定分析结果为所述第二结果，否则，确定分析结果为所述第一结果。

可选地，所述触发针对所述指定异常问题的报警，包括：

生成针对所述指定异常问题的报警信息；其中，所述报警信息至少包括表征存在指定异常问题的信息，以及所述目标直播间的房间标识；

向报警接收端输出所述报警信息。

可选地，所述装置还包括：

日志获取模块，用于若超过预设阈值，获取所述目标直播间的日志信息；

输出模块，用于向所述报警接收端输出所述日志信息。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

本公开所提供的一种电子设备，可以包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的直播间异常的监控方法的步骤。

本公开所提供的一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一直播间异常的监控方法的步骤。

在本公开提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一直播间异常的监控方法的步骤。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如直播间异常的监控方法。例如，在一些实施例中，直播间异常的监控方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的直播间异常的监控方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行直播间异常的监控方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (13)

1.一种直播间异常的监控方法，包括：

获取目标直播间内的各个弹幕内容；

识别每一弹幕内容是否表征所述目标直播间存在指定异常问题，得到每一弹幕内容的识别结果；

检测具有指定识别结果的弹幕内容的数量，是否超过预设阈值；其中，所述指定识别结果为所述目标直播间存在指定异常问题；

若超过预设阈值，触发针对所述指定异常问题的报警。

2.根据权利要求1所述的方法，其中，所述识别每一弹幕内容是否表征所述目标直播间存在指定异常问题，得到每一弹幕内容的识别结果，包括：

基于预定的识别模型，识别每一弹幕内容是否表征所述目标直播间存在指定异常问题，得到每一弹幕内容的识别结果；

其中，所述预定的识别模型为基于样本弹幕内容的样本特征和标签信息所训练得到的模型；其中，所述标签信息用于标识：所述样本弹幕内容是否表征所属直播间存在所述指定异常问题。

3.根据权利要求1或2所述的方法，其中，在触发针对所述指定异常问题的报警之前，所述方法还包括：

对所述目标直播间的视频流的网络质量进行分析，得到分析结果；其中，所述分析结果为第一结果、第二结果或第三结果，所述第一结果为所述目标直播间的主播的网络存在异常，所述第二结果为目标内容分发网络的调度存在异常，所述第三结果为所述主播的网络未存在异常且所述目标内容分发网络调度未存在异常，所述目标内容分发网络为所述目标直播间所属客户端利用的内容分发网络；

若所述分析结果为所述第二结果，或者，所述分析结果为所述第三结果且所述指定异常问题为非网络性能的问题，则执行所述触发针对所述指定异常问题的报警的步骤。

4.根据权利要求3所述的方法，其中，所述触发针对所述指定异常问题的报警，包括：

若所述分析结果为第二结果，触发针对所述指定异常问题的、且异常原因为内容分发网络调度异常的报警。

5.根据权利要求3的方法，其中，所述对所述目标直播间的视频流的网络质量进行分析，得到分析结果，包括：

基于指定的质量评判参数，对所述目标直播间的视频流的网络质量进行分析，得到分析结果；

其中，所述质量评判参数包括：指定流畅度、播放回源流畅度、上行帧率和播放回源帧率中的一种或多种，所述指定流畅度用于表征所述视频流的上传流畅度。

6.根据权利要求5所述的方法，其中，所述基于指定的质量评判参数，对所述目标直播间的视频流的网络质量进行分析，得到分析结果，包括：

基于所述目标直播间的视频流的、针对指定的质量评判参数的评分值，对所述视频流的网络质量进行分析，得到分析结果。

7.根据权利要求6所述的方法，其中，所述质量评判参数包括指定流畅度、播放回源流畅度、上行帧率和播放回源帧率；

所述基于所述目标直播间的视频流的、针对指定的质量评判参数的评分值，对所述视频流的网络质量进行分析，得到分析结果，包括：

确定所述目标直播间的视频流的指定流畅度的第一评分；

判断所述第一评分是否大于第一预定阈值；当判断结果为否时，确定分析结果为所述第一结果；

当判断结果为是时，确定所述视频流的播放回源流畅度的第二评分，判断所述第二评分是否小于第二预定阈值，如果不小于，确定分析结果为所述第三结果；

如果小于，确定所述视频流的上行帧率的第三评分，并判断所述第三评分是否大于第三预定阈值，当不大于所述第三预定阈值时，将分析结果确定所述第一结果；

当大于所述第三预定阈值时，确定所述视频流的播放回源帧率的第四评分；

若所述第四评分小于所述第四预定阈值或大于第五预定阈值，确定分析结果为所述第二结果，否则，确定分析结果为所述第一结果。

8.根据权利要求1或2所述的方法，其中，所述触发针对所述指定异常问题的报警，包括：

生成针对所述指定异常问题的报警信息；其中，所述报警信息至少包括表征存在指定异常问题的信息，以及所述目标直播间的房间标识；

向报警接收端输出所述报警信息。

9.根据权利要求1或2所述的方法，还包括：

若超过预设阈值，获取所述目标直播间的日志信息；

向所述报警接收端输出所述日志信息。

10.一种直播间异常的监控装置，包括：

获取模块，用于获取目标直播间内的各个弹幕内容；

识别模块，用于识别每一弹幕内容是否表征所述目标直播间存在指定异常问题，得到每一弹幕内容的识别结果；

检测模块，用于检测具有指定识别结果的弹幕内容的数量，是否超过预设阈值；其中，所述指定识别结果为所述目标直播间存在指定异常问题；

报警模块，用于若超过预设阈值，触发针对所述指定异常问题的报警。

11.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。

13.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的方法。

Images