CN114567788A - 一种曝光位置分配方法、装置、电子设备和存储介质 - Google Patents
一种曝光位置分配方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114567788A CN114567788A CN202011364803.7A CN202011364803A CN114567788A CN 114567788 A CN114567788 A CN 114567788A CN 202011364803 A CN202011364803 A CN 202011364803A CN 114567788 A CN114567788 A CN 114567788A
- Authority
- CN
- China
- Prior art keywords
- exposure
- target
- anchor
- predicted
- ratio
- 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.)
- Pending
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]
- H04N21/20—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
- H04N21/26208—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 the scheduling operation being performed under constraints
Abstract
本发明实施例公开了一种曝光位置分配方法、装置、电子设备和存储介质,该方法包括:确定目标主播在当期内目标时段的最大曝光占比;以目标主播在目标时段的预测曝光占比小于或等于最大曝光占比为限定条件,在所述限定条件的基础上结合目标主播的曝光收益指标确定目标主播在目标时段的预测曝光占比;根据各原始候选曝光位置在目标时段的历史曝光占比,以及预测曝光占比,为目标主播分配目标曝光位置。通过本发明实施例的技术方案,解决了只按照曝光量为主播分配曝光位置,使中小型主播缺少曝光机会,而造成主播大量流失的问题,在平台整体收益稳定的情况下,为中小型主播提供曝光机会,提高了直播平台收益和各主播曝光流量的均衡性。
Description
技术领域
本发明实施例涉及直播技术领域,尤其涉及一种曝光位置分配方法、装置、电子设备和存储介质。
背景技术
直播平台为了达到其商业目标,一般需要最大化平台的收入,因此,平台的每一个分区会被分配不同的收益任务。分区详情页是主播流量的重要入口,用户通过浏览分区详情页,点击进入直播房间才可能完成后续的付费行为。因此,如何给各分区的主播分配流量是一个非常重要的问题,其中,分配流量的实质是给主播分配曝光位置,不同的曝光位置一定程度上代表了在该曝光位置的主播能够获得的流量。
一般来讲,各分区运营会自己定义分区的排序规则对分区页的主播曝光位置进行运营。所述排序规则一般是基于热度等指标制定的,该种排序规则通常会把热度高的主播排在前面,久而久之马太效应越来越严重,热度不高的主播能够获得的流量越来越少,最终在直播平台中流失,不利于直播平台的生态发展。
发明内容
本发明实施例提供了一种曝光位置分配方法、装置、电子设备和存储介质,实现了对主播曝光位置的分配,进而实现平衡各主播流量的目的,同时确保直播平台的总收入不受影响,有利于直播平台的生态发展。
第一方面,本发明实施例提供了一种曝光位置分配方法,包括:
确定目标主播在当期内目标时段的最大曝光占比;
以所述目标主播在所述目标时段的预测曝光占比小于或等于所述最大曝光占比为限定条件,在所述限定条件的基础上结合所述目标主播的曝光收益指标确定所述目标主播在所述目标时段的所述预测曝光占比;
根据各原始候选曝光位置在所述目标时段的历史曝光占比,以及所述预测曝光占比,为所述目标主播分配目标曝光位置。
第二方面,本发明实施例还提供了一种曝光位置分配装置,包括:
最大曝光占比确定模块,用于确定目标主播在当期内目标时段的最大曝光占比;
预测曝光占比确定模块,用于以目标主播在所述目标时段的预测曝光占比小于或等于所述最大曝光占比为限定条件,在所述限定条件的基础上结合所述目标主播的曝光收益指标确定所述目标主播在所述目标时段的所述预测曝光占比;
分配模块,用于根据各原始候选曝光位置在所述目标时段的历史曝光占比,以及所述预测曝光占比,为所述目标主播分配目标曝光位置。
第三方面,本发明实施例还提供了一种电子设备,所述设备包括:
一个或多个处理器;
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一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例所提供的曝光位置分配方法步骤。
第四方面,本发明实施例还提供了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如本发明任意实施例所提供的曝光位置分配方法步骤。
本发明实施例的技术方案,通过确定目标主播在当期内目标时段的最大曝光占比,根据限定条件,结合目标主播的曝光收益指标得到目标主播在目标时段的所述预测曝光占比,进一步的,结合各原始候选曝光位置在所述目标时段的历史曝光占比为目标主播分配目标曝光位置,解决了只按照曝光量为主播分配曝光位置,使中小型主播缺少曝光机会,而造成主播大量流失的问题,在平台整体收益稳定的情况下,为中小型主播提供曝光机会,提高了直播平台收益和曝光位置分配的均衡性。
附图说明
图1是本发明实施例一提供的一种曝光位置分配方法的流程图;
图2是本发明实施例二提供的一种曝光位置分配方法的流程图;
图3是本发明实施例三提供的一种曝光位置分配装置的结构示意图;
图4是本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种曝光位置分配方法的流程图,本实施例可适用于直播平台分区运营时,根据平台收益和流量分配来进行曝光位置分配的情况。该方法可以由曝光位置分配装置来执行,该装置可以由软件和/或硬件的方式来实现,通常集成于服务器。该方法具体包括以下步骤:
S110、确定目标主播在当期内目标时段的最大曝光占比。
其中,目标主播是一个平台下的主播用户,例如可以是平台A下的主播用户B。所述当期指的是待预测的时间段,通常为3个月。所述目标时段指的是目标主播进行直播的时间段,例如可以是每天的20:00-22:00。所述曝光占比指的是点击进入目标主播直播间的用户占平台总用户的比值,所述最大曝光占比指的是通过计算预测得到的在当期内目标主播的曝光占比的最大值。
具体的,可以根据目标主播在过去一段时间内的目标时段的历史曝光占比进行当期内目标时段的最大曝光占比的预测。其中,所述历史曝光占比为过去一段时间的曝光占比。
具体的,目标主播在特定一天的所述目标时段的曝光占比的计算方法是:目标主播在这一天的所述目标时段的曝光量与该平台在这一天的所述目标时段的所有主播的曝光量总和之比,具体可以参考如下计算公式:
其中,b表示目标主播在特定一天的目标时段的曝光量,B表示在所述特定一天的目标时段平台的所有主播的曝光量总和,e表示目标主播在所述特定一天的所述目标时段的曝光占比。
根据上述计算方法可以得出目标主播在过去一段时间内的目标时段的历史曝光占比。根据目标主播的历史曝光占比可以使用预测算法对目标主播当期内目标时段的曝光占比进行预测,进而得到目标主播在当期内目标时段的最大曝光占比。
具体的,预测算法可以是指数平滑法,也可以是周期因子法,线性回归法或Arima模型等时间序列预测算法。
S120、以目标主播在目标时段的预测曝光占比小于或等于最大曝光占比为限定条件,在所述限定条件的基础上结合目标主播的曝光收益指标确定目标主播在目标时段的预测曝光占比。
由于目标主播在目标时段的曝光占比不会高于该时段目标主播的最大曝光占比,因此,将限定条件设定为目标主播在目标时段的预测曝光占比小于或等于最大曝光占比,以便后续预测曝光占比时使用。
其中,目标主播的曝光收益指标指的是目标主播在完全曝光的情况下产生的收益。所述完全曝光的情况,可以认为是平台的用户都点击进入该目标主播的直播间,此时的收益是付费率乘以客单价,其中,付费率指的是付费用户占所有进入直播间的用户的比率,用来表示点击进入直播间的用户中的付费用户占比,客单价指的是付费用户平均支付的金额,付费率和客单价可以根据该主播在过去一段时间内的情况进行估算,可以是历史近3个月的时间,在后续预测中可以作为已知条件使用。
具体的,根据目标主播的曝光收益指标以及预测曝光占比可以构造如下的总收益最优模型:
其中,P表示直播平台总收益,Ej表示主播j在完全曝光的情况下给直播平台带来的收益,wj表示主播j的预测曝光占比,λ是常数,取值一般在0到1之间,用于调节曝光以及收益的关系,若以主播曝光更均匀为目标,那么可以使用较大的λ值;若以高收益为目标,那么可以使用较小的λ值。
进一步的,根据总收益最优模型,可以求解直播平台总收益最大时,目标主播的预测曝光占比。
S130、根据各原始候选曝光位置在目标时段的历史曝光占比,以及预测曝光占比,为目标主播分配目标曝光位置。
其中,曝光位置指的是为主播分配的推荐位置(也称坑位),以供用户点击进入主播所对应的直播间。原始候选曝光位置指的是直播平台已有的、可以分配给各主播的曝光位置。目标曝光位置指的是为目标主播所分配的曝光位置。
具体的,根据各原始候选曝光位置在目标时段的历史曝光占比,可以得出各个原始候选曝光位置的平均曝光程度。例如:在过去3个月内,原始候选曝光位置A在20:00-22:00的历史曝光占比为10/10000,即在过去3个月内,在20:00-22:00点之间共有10000个用户进入直播平台,其中10个用户点击进入原始候选曝光位置A所对应的直播间。
为了给目标主播分配合适的曝光位置,需要将各原始候选曝光位置在目标时段的历史曝光占比与目标主播的预测曝光占比进行比对。可选的,可以为目标主播分配一个目标时段内历史曝光占比与预测曝光占比最接近的原始候选曝光位置作为该目标主播的目标曝光位置。
示例性的,若在目标时段内,原始候选曝光位置A的历史曝光占比为10/10000,原始候选曝光位置B的历史曝光占比为5/10000,目标主播的预测曝光占比为9/10000,则可以为目标主播分配原始候选曝光位置A作为目标曝光位置。
本实施例的技术方案,通过确定目标主播在当期内目标时段的最大曝光占比,根据限定条件,结合目标主播的曝光收益指标得到目标主播在目标时段的所述预测曝光占比,进一步的,结合各原始候选曝光位置在所述目标时段的历史曝光占比为目标主播分配目标曝光位置,解决了只按照曝光量为主播分配曝光位置,使中小型主播缺少曝光机会,而造成主播大量流失的问题,在平台整体收益稳定的情况下,为中小型主播提供曝光机会,提高了直播平台收益和曝光位置分配的均衡性。
实施例二
图2为本发明实施例二提供的一种曝光位置分配方法的流程图,本实施例在上述实施例的基础上,利用一次指数平滑的方法预测目标主播在当期内目标时段的最大曝光占比,且通过构造总收益最优模型确定目标主播在目标时段的预测曝光占比,并建立二部图结构为目标主播分配目标曝光位置。其中与上述实施例相同或相应的术语的解释在此不再赘述。
参见图2,本实施例提供的曝光位置分配方法具体包括以下步骤:
S210、统计目标主播在过去的设定时间内目标时段的历史曝光占比。
其中,设定时间可以根据统计需求进行调整,例如可以是3个月。但是,设定时间不能过长也不能过短,因为过长的设定时间对当期的预测能力会变弱,而且目标主播可能没有达到设定时间的历史数据,过短的设定时间无法反应目标主播的历史趋势,会造成预测曝光占比不准确的情况。
具体的,可以根据目标主播在特定一天的目标时段的曝光量,以及在特定一天的目标时段的所有主播的曝光量确定历史曝光占比。
所述历史曝光占比具体的计算方法可以是目标主播在特定一天的目标时段的曝光量与该平台在该特定一天的目标时段的所有主播的曝光量总和之比:
其中,b表示目标主播在特定一天的目标时段的曝光量,B表示该平台在该特定一天的目标时段直播平台的所有主播的曝光量总和,e表示目标主播在所述特定一天的所述目标时段的曝光占比。
此时,目标主播的历史曝光占比按时间排序可以是e1,e2,…,es,其中,s表示在过去的设定时间内该主播被曝光的次数。
S220、根据历史曝光占比,基于一次指数平滑的方法预测目标主播在当期内目标时段的最大曝光占比。
其中,一次指数平滑的方法实际就是对历史数据的加权平均,可以用于任何一种没有明显函数规律但确实存在某种前后关联的时间序列的短期预测。一次指数平滑的方法计算简单并且能够跟踪预测数据的变化,因此选用一次指数平滑的方法对目标主播在当期内所述目标时段的最大曝光占比进行预测。
具体的,根据如下公式预测目标主播在当期内所述目标时段的最大曝光占比:
其中,I表示目标主播在当期内目标时段的最大曝光占比,α表示设定调节系数,s表示所述目标主播在过去的设定时间内目标时段被曝光的次数,es-j表示目标主播在第(s-j)次的曝光占比。
其中,α表示设定调节系数,取值一般在0到1之间,影响设定调节系数的因素是曝光量,若目标主播在过去的设定时间内目标时段的曝光占比波动较大,则可以增大α值,反之,可以减小α值。
具体的,预测目标主播在当期内所述目标时段的最大曝光占比的过程如下:
当天的曝光占比的平滑值是前一天的曝光占比平滑值和当天曝光占比实际值的加权求和值:
I=αes+(1-α)ts-1
其中,I为第s天的曝光占比的平滑值,也是第(s+1)天的曝光占比预测值,es为第s天曝光占比的实际值,ts-1为第(s-1)天的曝光占比平滑值。
由此可知,I=ts,因此上式可以转化为:ts=αes+(1-α)ts-1,进一步的,可以得到ts-1=αes-1+(1-α)ts-2,按照该方法递归可以得到:
示例性的,假设目标主播的历史曝光占比分别为10/10000,14/10000,12/10000和15/10000,调节系数为0.4,可以预测目标主播在当期内目标时段的最大曝光占比为
S230、以目标主播在目标时段的预测曝光占比小于或等于最大曝光占比为限定条件,在所述限定条件的基础上结合目标主播的曝光收益指标确定目标主播在目标时段的预测曝光占比。
可选的,根据目标主播的曝光收益指标以及预测曝光占比可以构造如下的总收益最优模型:
其中,P表示直播平台总收益,Ej表示主播j在完全曝光的情况下给直播平台带来的收益,wj表示主播j的预测曝光占比,λ是常数,取值一般在0到1之间,用于调节曝光以及收益的关系,若以主播曝光更均匀为目标,那么可以使用较大的λ值;若以高收益为目标,那么可以使用较小的λ值。
上述最优化问题是需要让P取最大值,计算P取最大值时每个主播对应的预测曝光占比,即求解最优的wj。P的构造的原理是:P是由两个部分组成,第一部分是∑jEjwj,该部分表示的是主播在曝光占比为wj时可以给平台获得的收益之和,为了让平台有更大的收益则需要使这一部分尽量大;第二部分是该部分表示的是曝光量的分布均匀程度,若曝光量分布越均匀,则该值越小,若曝光量分布越集中,则值越大。在本实施例中,曝光量不应该集中在某些固定的主播上,因此该值越小越好。上述两个部分之和使得整个式子的值越大越符合目标。
根据限定条件,基于上述最优模型可以构造拉格朗日表达式,以通过拉格朗日表达式求解预测曝光占比wj,所述拉格朗日表达式为:
其中,α、β为未知参量,Ij表示主播j在所述目标时段的最大曝光占比,wj≤Ij。
具体的,上述拉格朗日表达式就是待求解的目标函数。求解过程可以为最优化上述式子,对wj求偏导:
得到
带入∑jwj=1中,可以得到
通过进一步化简,可以得到
其中,j表示主播j,1≤j≤n,n表示主播总数。
将上述β的等式再带入
得到
令
由于关于p的等式中,所有的量均为已知量,因此p是一个定值,因此,可以得到
将β和wj带入到原始的最优化问题中,得到一个关于αj的最优化问题,进一步的,可以采用迭代的方式进行求解。
其中,η是学习率,为一个预设常数,在0到1之间。学习率不能太小或太大,太大容易发生震荡不易找到最优解,太小则迭代到稳定的速度慢。
根据
和
可以得到
将上式带入迭代更新的式子中,可得
简言之,上述迭代方法的原理是为了求解目标函数L最大时所对应的w,对于每个αj计算L对αj的梯度,梯度方向是目标函数L值下降最快的方向,因此,在每一轮都按照梯度方向进行迭代。通过学习率来控制梯度下降的速度,经过若干轮迭代后能够找到极值点,即目标函数L取得最大值时每个主播的预测曝光占比。
S240、根据目标主播的预测曝光占比,以及设定调节系数确定目标主播对应的曝光占比区间。
由于目标主播的曝光占比为一个值,在后续按曝光占比进行曝光位置的分配时,能够方便找到适合目标主播的曝光位置,可以将目标主播的预测曝光占比扩展成预测曝光占比区间。
根据目标主播的预测曝光占比wj和调节系数η,可以得到目标主播对应的曝光占比区间为wj(1-η)到wj(1+η)。其中,调节系数η为了将目标主播的预测曝光占比设定在一个上下浮动的区间,以保证能够获得与目标主播匹配的曝光位置。
S250、结合各原始候选曝光位置在目标时段的历史曝光占比,确定落在曝光占比区间的目标候选曝光位置。
其中,各原始候选曝光位置在目标时段的曝光占比的计算方式类似于目标主播在过去的设定时间内目标时段的历史曝光占比的计算方法,即
其中,z表示某一原始候选曝光位置在这一天的目标时段的曝光量,Z表示该平台在这一天的目标时段的所有原始候选曝光位置曝光量总和。
此时,该原始候选曝光位置的曝光占比按时间排序可以是r1,r2,…,rs,其中,s表示设定时间长度,例如90天。
进一步的,可以根据原始候选曝光位置在目标时段的曝光占比统计得到原始候选曝光位置在目标时段的历史曝光占比R。
可选的,统计方法可以是取曝光占比的平均值:
根据上述方法,可以得到各原始候选曝光位置在目标时段的历史曝光占比,与目标主播对应的曝光占比区间进行匹配,当原始候选曝光位置在目标时段的历史曝光占比落在目标主播对应的曝光占比区间内时,确定该原始候选曝光位置为目标候选曝光位置。可以说明的是,通过匹配得到的目标候选曝光位置可以为一个或多个。
S260、基于目标主播以及目标候选曝光位置建立二部图结构,所述二部图结构包括主播和曝光位置两种实体,主播实体与其对应的目标候选曝光位置实体之间生成一条连接边。
具体的,可以将主播实体与目标候选曝光位置实体分别生成在两侧,将目标主播以及对应的目标候选曝光位置进行连接,得到二部图结构。
S270、根据二部图结构为目标主播分配目标曝光位置。
具体的,遍历二部图结构中的每个曝光位置实体,若当前曝光位置实体仅与一个主播实体相连,将当前曝光位置分配给与其相连的主播。
进一步的,遍历二部图结构中的每个曝光位置实体,若当前曝光位置实体与至少两个主播实体相连,将当前曝光位置分配给与其历史曝光占比之差的绝对值最小的预测曝光占比的主播。
示例性的,目标主播A,B和C均与曝光位置D相连,目标主播A,B和C的预测曝光占比分别为wA,wB和wC,曝光位置D的历史曝光占比为RD。此时,通过计算和比较可以得到|w1-RD|<|wA-RD|<|wC-RD|,因此,将曝光位置D分配给目标主播B。
进一步的,遍历二部图结构中的每个主播实体,若目标主播实体与至少两个曝光位置实体相连,将目标主播的预测曝光占比与历史曝光占比之差的绝对值最小的曝光位置分配给目标主播。
示例性的,目标主播A与曝光位置B,C和D分别相连,目标主播A的预测曝光占比为wA,曝光位置B,C和D的历史曝光占比分别为RB,RC和RD。此时,通过计算和比较可以得到|wA-RC|<|wA-RB|<|wA-RD|,因此,将曝光位置C分配给目标主播A。
需要说明的是,在目标主播被分配曝光位置之后,将二部图结构中目标主播实体、与目标主播实体相连的曝光位置实体删除。
上述内容表明,由于一个主播实体应对应一个曝光位置实体,当为目标主播分配完曝光位置之后,应当将目标主播实体依据与目标主播实体相连的曝光位置实体从二部图中删除,表示二者完成了对应的分配。
进一步的,针对所述二部图结构中剩余的曝光位置实体按照历史曝光占比从大到小依次搜索,将每个曝光位置分配给与其历史曝光占比之差的绝对值最小的预测曝光占比的未被分配曝光位置的主播。
根据上述方法进行曝光位置分配之后,可能会剩余部分主播实体和曝光位置实体,此时,可以将曝光位置实体按照历史曝光占比从大到小进行搜索。搜索方法是,依次求得曝光位置历史曝光占比与剩余各个主播所对应预测曝光占比之差的绝对值作为分配标准,将该曝光位置分配给上述所有绝对值中最小的绝对值所对应的主播。
示例性的,假设有主播A、B、C,曝光位置有1、2、3号,通过计算可以得到,主播A的候选曝光位置是1号和2号,主播B的候选曝光位置是2号和3号,主播C的候选曝光位置是2。通过遍历二部图结构中的曝光位置,得到1号曝光位置只与主播A相连,因此将1号曝光位置分配给主播A,将1号曝光位置以及主播A从二部图结构中删除;2号曝光位置与主播A、B和C相连,主播A已经从二部图中删除,若|wB-R2|<|wC-R2|,则将将2号曝光位置分配给主播B,将2号曝光位置以及主播B从二部图结构中删除;此时,3号位置已经没有主播与其相连,因此将其分配给剩下的主播C。
本实施例的技术方案,通过确定目标主播在当期内目标时段的最大曝光占比,根据限定条件,结合目标主播的曝光收益指标基于一次指数平滑的方法得到目标主播在目标时段的所述预测曝光占比,进一步的,结合各原始候选曝光位置在目标时段的历史曝光占比构建二部图来为目标主播分配目标曝光位置,解决了只按照曝光量为主播分配曝光位置,使中小型主播缺少曝光机会,而造成主播大量流失的问题,在平台整体收益稳定的情况下,为中小型主播提供曝光机会,提高了直播平台收益和曝光位置分配的均衡性。
以下是本发明实施例提供的曝光位置分配装置的实施例,该装置与上述各实施例的曝光位置分配方法属于同一个发明构思,在曝光位置分配装置的实施例中未详尽描述的细节内容,可以参考上述曝光位置分配方法的实施例。
实施例三
图3为本发明实施例三提供的一种曝光位置分配装置的结构示意图,本实施例可适用于直播平台分区运营时,根据平台收益和流量分配来进行曝光位置分配的情况,该装置具体包括:
最大曝光占比确定模块310,用于确定目标主播在当期内目标时段的最大曝光占比;预测曝光占比确定模块320,用于以目标主播在目标时段的预测曝光占比小于或等于最大曝光占比为限定条件,在所述限定条件的基础上结合目标主播的曝光收益指标确定目标主播在目标时段的预测曝光占比;分配模块330,用于根据各原始候选曝光位置在目标时段的历史曝光占比,以及预测曝光占比,为目标主播分配目标曝光位置。
可选的,最大曝光占比确定模块310包括:
统计单元,用于统计目标主播在过去的设定时间内目标时段的历史曝光占比;
预测单元,用于根据历史曝光占比,基于一次指数平滑的方法预测目标主播在当期内目标时段的最大曝光占比。
可选的,所述统计单元具体用于根据目标主播在特定一天的目标时段的曝光量,以及在特定一天的目标时段的所有主播的曝光量确定历史曝光占比。
可选的,所述预测单元具体用于:根据如下预测算法预测目标主播在当期内目标时段的最大曝光占比:
其中,I表示目标主播在当期目标时段的最大曝光占比,α表示设定调节系数,s表示目标主播在过去的设定时间内目标时段被曝光的次数,es-j表示目标主播在第(s-j)次的曝光占比。
可选的,预测曝光占比确定模块320具体用于根据目标主播的曝光收益指标以及预测曝光占比构造如下总收益最优模型:
其中,P表示直播平台总收益,Ej表示主播j在完全曝光的情况下给直播平台带来的收益,wj表示主播j的预测曝光占比;
根据限定条件:预测曝光占比小于或等于最大曝光占比,基于上述最优模型构造拉格朗日表达式,以通过拉格朗日表达式求解预测曝光占比wj,拉格朗日表达式为:
其中,α、β为未知参量。
可选的,分配模块330包括:
第一确定单元,用于根据目标主播的预测曝光占比,以及设定调节系数确定目标主播对应的曝光占比区间;
第二确单元,用于结合各原始候选曝光位置在目标时段的历史曝光占比,确定落在曝光占比区间的目标候选曝光位置;
建立单元,用于基于目标主播以及目标候选曝光位置建立二部图结构,二部图结构包括主播和曝光位置两种实体,主播实体与其对应的目标候选曝光位置实体之间生成一条连接边;
分配单元,用于根据二部图结构为目标主播分配目标曝光位置。
可选的,所述分配单元包括:
第一遍历子单元,用于遍历二部图结构中的每个曝光位置实体,若当前曝光位置实体与至少两个主播实体相连,将当前曝光位置分配给与其历史曝光占比之差的绝对值最小的预测曝光占比的主播;
第二遍历子单元,用于遍历二部图结构中的每个主播实体,若目标主播实体与至少两个曝光位置实体相连,将目标主播的预测曝光占比与历史曝光占比之差的绝对值最小的曝光位置分配给目标主播;
删除子单元,用于目标主播被分配曝光位置之后,将二部图结构中目标主播实体、与目标主播实体相连的曝光位置实体删除;
分配子单元,用于针对二部图结构中剩余的曝光位置实体按照历史曝光占比从大到小依次搜索,将每个曝光位置分配给与其历史曝光占比之差的绝对值最小的预测曝光占比的未被分配曝光位置的主播。
本实施例的技术方案,通过确定目标主播在当期内目标时段的最大曝光占比,根据限定条件,结合目标主播的曝光收益指标得到目标主播在目标时段的所述预测曝光占比,进一步的,结合各原始候选曝光位置在所述目标时段的历史曝光占比为目标主播分配目标曝光位置,解决了只按照曝光量为主播分配曝光位置,使中小型主播缺少曝光机会,而造成主播大量流失的问题,在平台整体收益稳定的情况下,为中小型主播提供曝光机会,提高了直播平台收益和曝光位置分配的均衡性。
本发明实施例所提供的曝光位置分配装置可执行本发明任意实施例所提供的曝光位置分配方法,具备执行曝光位置分配方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种电子设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图4显示的电子设备12仅仅是一个示例,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4所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及曝光位置分配,例如实现本发实施例所提供的一种曝光位置分配方法步骤,该方法包括:
确定目标主播在当期内目标时段的最大曝光占比;
以所述目标主播在所述目标时段的预测曝光占比小于或等于所述最大曝光占比为限定条件,在所述限定条件的基础上结合所述目标主播的曝光收益指标确定所述目标主播在所述目标时段的所述预测曝光占比;
根据各原始候选曝光位置在所述目标时段的历史曝光占比,以及所述预测曝光占比,为所述目标主播分配目标曝光位置。当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的曝光位置分配方法的技术方案。
实施例五
本实施例五提供了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如本发明任意实施例所提供的曝光位置分配方法步骤,该方法包括:
确定目标主播在当期内目标时段的最大曝光占比;
以目标主播在目标时段的预测曝光占比小于或等于最大曝光占比为限定条件,在所述限定条件的基础上结合目标主播的曝光收益指标确定目标主播在目标时段的预测曝光占比;
根据各原始候选曝光位置在目标时段的历史曝光占比,以及预测曝光占比,为目标主播分配目标曝光位置。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种曝光位置分配方法,其特征在于,包括:
确定目标主播在当期内目标时段的最大曝光占比;
以所述目标主播在所述目标时段的预测曝光占比小于或等于所述最大曝光占比为限定条件,在所述限定条件的基础上结合所述目标主播的曝光收益指标确定所述目标主播在所述目标时段的所述预测曝光占比;
根据各原始候选曝光位置在所述目标时段的历史曝光占比,以及所述预测曝光占比,为所述目标主播分配目标曝光位置。
2.根据权利要求1所述的方法,其特征在于,所述确定目标主播在当期内目标时段的最大曝光占比,包括:
统计所述目标主播在过去的设定时间内所述目标时段的历史曝光占比;
根据所述历史曝光占比,基于一次指数平滑的方法预测所述目标主播在当期内所述目标时段的最大曝光占比。
3.根据权利要求2所述的方法,其特征在于,所述统计所述目标主播在过去的设定时间内所述目标时段的历史曝光占比,包括:
根据所述目标主播在特定一天的所述目标时段的曝光量,以及在所述特定一天的所述目标时段的所有主播的曝光量确定所述历史曝光占比。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述以目标主播在所述目标时段的预测曝光占比小于或等于所述最大曝光占比为限定条件,结合所述目标主播的曝光收益指标确定所述目标主播在所述目标时段的所述预测曝光占比,包括:
根据所述目标主播的曝光收益指标以及所述预测曝光占比构造如下总收益最优模型:
其中,P表示直播平台总收益,Ej表示主播j在完全曝光的情况下给直播平台带来的收益,wj表示主播j的预测曝光占比;
根据限定条件:预测曝光占比小于或等于所述最大曝光占比,基于上述最优模型构造拉格朗日表达式,以通过所述拉格朗日表达式求解所述预测曝光占比wj,所述拉格朗日表达式为:
其中,α、β为未知参量,Ij表示主播j在所述目标时段的最大曝光占比,wj≤Ij。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述根据各原始候选曝光位置在所述目标时段的历史曝光占比,以及所述预测曝光占比,为所述目标主播分配目标曝光位置,包括:
根据目标主播的所述预测曝光占比,以及设定调节系数确定所述目标主播对应的曝光占比区间;
结合各原始候选曝光位置在所述目标时段的历史曝光占比,确定落在所述曝光占比区间的目标候选曝光位置;
基于所述目标主播以及所述目标候选曝光位置建立二部图结构,所述二部图结构包括主播和曝光位置两种实体,主播实体与其对应的目标候选曝光位置实体之间生成一条连接边;
根据所述二部图结构为所述目标主播分配目标曝光位置。
7.根据权利要求6所述的方法,其特征在于,所述根据所述二部图结构为所述目标主播分配目标曝光位置,包括:
遍历所述二部图结构中的每个曝光位置实体,若当前曝光位置实体与至少两个主播实体相连,将当前曝光位置分配给与其历史曝光占比之差的绝对值最小的预测曝光占比的主播;
遍历所述二部图结构中的每个主播实体,若目标主播实体与至少两个曝光位置实体相连,将目标主播的预测曝光占比与历史曝光占比之差的绝对值最小的曝光位置分配给所述目标主播;
目标主播被分配曝光位置之后,将所述二部图结构中所述目标主播实体、与所述目标主播实体相连的曝光位置实体删除;
针对所述二部图结构中剩余的曝光位置实体按照历史曝光占比从大到小依次搜索,将每个曝光位置分配给与其历史曝光占比之差的绝对值最小的预测曝光占比的未被分配曝光位置的主播。
8.一种曝光位置分配装置,其特征在于,包括:
最大曝光占比确定模块,用于确定目标主播在当期内目标时段的最大曝光占比;
预测曝光占比确定模块,用于以目标主播在所述目标时段的预测曝光占比小于或等于所述最大曝光占比为限定条件,在所述限定条件的基础上结合所述目标主播的曝光收益指标确定所述目标主播在所述目标时段的所述预测曝光占比;
分配模块,用于根据各原始候选曝光位置在所述目标时段的历史曝光占比,以及所述预测曝光占比,为所述目标主播分配目标曝光位置。
9.一种电子设备,其特征在于,所述设备包括:
一个或多个处理器;
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一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的曝光位置分配方法步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的曝光位置分配方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011364803.7A CN114567788A (zh) | 2020-11-27 | 2020-11-27 | 一种曝光位置分配方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011364803.7A CN114567788A (zh) | 2020-11-27 | 2020-11-27 | 一种曝光位置分配方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114567788A true CN114567788A (zh) | 2022-05-31 |
Family
ID=81711915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011364803.7A Pending CN114567788A (zh) | 2020-11-27 | 2020-11-27 | 一种曝光位置分配方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114567788A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008149368A2 (en) * | 2007-06-07 | 2008-12-11 | Trumedia Technologies Inc. | System and method for selecting a message to play from a playlist |
CN109040798A (zh) * | 2017-06-08 | 2018-12-18 | 武汉斗鱼网络科技有限公司 | 直播数据引流方法、存储介质、电子设备及系统 |
CN109168009A (zh) * | 2018-08-03 | 2019-01-08 | 北京密境和风科技有限公司 | 流量分配方法、装置、电子设备及计算机可读存储介质 |
CN110415032A (zh) * | 2019-07-24 | 2019-11-05 | 深圳乐信软件技术有限公司 | 一种曝光转化率预估方法、装置、设备以及存储介质 |
CN110569910A (zh) * | 2019-09-10 | 2019-12-13 | 广州虎牙科技有限公司 | 直播周期的处理方法、装置、设备及存储介质 |
-
2020
- 2020-11-27 CN CN202011364803.7A patent/CN114567788A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008149368A2 (en) * | 2007-06-07 | 2008-12-11 | Trumedia Technologies Inc. | System and method for selecting a message to play from a playlist |
CN109040798A (zh) * | 2017-06-08 | 2018-12-18 | 武汉斗鱼网络科技有限公司 | 直播数据引流方法、存储介质、电子设备及系统 |
CN109168009A (zh) * | 2018-08-03 | 2019-01-08 | 北京密境和风科技有限公司 | 流量分配方法、装置、电子设备及计算机可读存储介质 |
CN110415032A (zh) * | 2019-07-24 | 2019-11-05 | 深圳乐信软件技术有限公司 | 一种曝光转化率预估方法、装置、设备以及存储介质 |
CN110569910A (zh) * | 2019-09-10 | 2019-12-13 | 广州虎牙科技有限公司 | 直播周期的处理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190340641A1 (en) | Simulation-based evaluation of a marketing channel attribution model | |
US10748072B1 (en) | Intermittent demand forecasting for large inventories | |
CN111401940B (zh) | 特征预测方法、装置、电子设备及存储介质 | |
CN110730385A (zh) | 一种直播间推荐方法、装置、服务器及存储介质 | |
CN112988840A (zh) | 一种时间序列预测方法、装置、设备和存储介质 | |
Dube et al. | AI gauge: Runtime estimation for deep learning in the cloud | |
CN113378498B (zh) | 一种任务分配方法及装置 | |
CN110689425A (zh) | 基于收益进行额度定价的方法、装置和电子设备 | |
Naghshnejad et al. | A hybrid scheduling platform: a runtime prediction reliability aware scheduling platform to improve hpc scheduling performance | |
CN117273376A (zh) | 一种电量预测方法、系统、计算机设备和存储介质 | |
CN110569190B (zh) | 交易压力测试方法和装置、以及电子设备和可读存储介质 | |
CN111291936B (zh) | 产品生命周期预估模型生成方法、装置及电子设备 | |
CN113435632A (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN114567788A (zh) | 一种曝光位置分配方法、装置、电子设备和存储介质 | |
Almomani et al. | Selecting a good stochastic system for the large number of alternatives | |
CN110533437B (zh) | 广告投放预算分配方法及装置 | |
CN115841068A (zh) | 一种针对用户的干预执行方法、装置以及设备 | |
CN113793017B (zh) | 一种配电房老化评价方法、装置、终端设备及存储介质 | |
US20220188383A1 (en) | Horizon-based smoothing of forecasting model | |
CN115202890A (zh) | 数据元件生产资源空间分配方法、系统及设备 | |
CN113592263A (zh) | 基于动态资源归还增比的资源归还增量预测方法和装置 | |
CN114020469A (zh) | 基于边缘节点的多任务学习方法、装置、介质与设备 | |
CN113869596A (zh) | 任务预测处理方法、设备、产品和介质 | |
CN115130026A (zh) | 目标对象的确定方法、装置、介质及电子设备 | |
CN111047435A (zh) | 信贷数据处理、信贷分配方法、装置及电子设备 |
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 |