CN114697711B - 一种主播推荐方法、装置、电子设备和存储介质 - Google Patents
一种主播推荐方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114697711B CN114697711B CN202011607100.2A CN202011607100A CN114697711B CN 114697711 B CN114697711 B CN 114697711B CN 202011607100 A CN202011607100 A CN 202011607100A CN 114697711 B CN114697711 B CN 114697711B
- Authority
- CN
- China
- Prior art keywords
- anchor
- target
- target user
- determining
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000013598 vector Substances 0.000 claims description 63
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000005192 partition Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002939 conjugate gradient method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H04N21/25—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
- H04N21/251—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
- H04N21/43—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
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Graphics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明实施例公开了一种主播推荐方法、装置、电子设备和存储介质,该方法包括:确定目标用户的主播观看历史信息;根据直播间观看历史信息确定目标主播给目标用户带来的影响程度,其中,目标主播为目标用户未观看过的主播;确定目标用户对目标主播的接受度;根据影响程度以及接受度确定目标主播的推荐价值;根据推荐价值确定是否将目标主播推荐给目标用户。通过本发明实施例的技术方案,实现了针对不同用户进行主播的个性化推荐,提高了推荐精度的技术效果。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种主播推荐方法、装置、电子设备和存储介质。
背景技术
在直播平台,为了给用户推荐其感兴趣的直播间,推荐系统会根据用户的历史观看行为进行推荐。因此,用户很容易陷入自己的历史兴趣中,无法看到其它可能感兴趣的内容。
针对上述问题,目前的解决方案是通过一些具有泛化能力的召回算法为用户扩散出新的主播,这些新的主播与用户的历史兴趣主播具有一定的差异。
然而,在直播场景中有些用户只喜欢某几个主播,喜欢长期观看相同主播的直播间,若给此类用户推荐一些全新的主播,会给用户带来较差的体验,甚至引起用户的反感。
发明内容
本发明实施例提供了一种主播推荐方法、装置、电子设备和存储介质,实现了针对不同用户进行主播的个性化推荐,提高了推荐精度。
第一方面,本发明实施例提供了一种主播推荐方法,该方法包括:
确定目标用户的主播观看历史信息;
根据所述直播间观看历史信息确定目标主播给所述目标用户带来的影响程度,其中,所述目标主播为所述目标用户未观看过的主播;
确定目标用户对所述目标主播的接受度;
根据所述影响程度以及所述接受度确定所述目标主播的推荐价值;
根据所述推荐价值确定是否将所述目标主播推荐给所述目标用户。
第二方面,本发明实施例还提供了一种主播推荐装置,该装置包括:
历史信息确定模块,用于确定目标用户的主播观看历史信息;
影响程度确定模块,用于根据所述直播间观看历史信息确定目标主播给所述目标用户带来的影响程度,其中,所述目标主播为所述目标用户未观看过的主播;
接受度确定模块,用于确定目标用户对所述目标主播的接受度;
推荐价值确定模块,用于根据所述影响程度以及所述接受度确定所述目标主播的推荐价值;
推荐模块,用于根据所述推荐价值确定是否将所述目标主播推荐给所述目标用户。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
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主播推荐方法步骤。
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主播推荐方法步骤。
本发明实施例的技术方案,通过确定目标用户的主播观看历史信息,根据直播间观看历史信息确定目标主播给目标用户带来的影响程度,并确定目标用户对目标主播的接受度,进而可以根据影响程度以及接受度确定目标主播的推荐价值,以确定是否将目标主播推荐给目标用户,解决了为目标用户推荐目标主播时,由于目标用户对目标主播的接受程度较低而造成的目标用户体验差的问题,实现了针对不同用户进行主播的个性化推荐,提高了推荐精度的技术效果。
附图说明
图1是本发明实施例一提供的一种主播推荐方法的流程图;
图2是本发明实施例二提供的一种主播推荐方法的流程图;
图3是本发明实施例三提供的一种主播推荐装置的结构示意图;
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是本发明实施例一提供的一种主播推荐方法的流程图,本实施例提供的主播推荐方法可适用于对为直播平台用户推荐匹配程度高的主播的情况。该方法可以由主播推荐装置来执行,该装置可以由软件和/或硬件的方式来实现,通常集成于终端,例如与直播平台对应的服务器。
如图1所示,该方法具体包括以下步骤:
S110、确定目标用户的主播观看历史信息。
其中,目标用户可以是直播平台的用户,也可以是待推荐新主播的直播平台用户。主播观看历史信息可以是目标用户从开通账号至今曾经观看过的主播集合,也可以是预设时间内目标用户曾经观看过的主播,例如:近一个月目标用户曾经观看过的主播。
具体的,可以根据目标用户的历史观看记录或与目标用户相对应的历史操作记录,确定目标用户曾经观看的主播。
S120、根据直播间观看历史信息确定目标主播给目标用户带来的影响程度。
其中,目标主播为目标用户未观看过的主播。影响程度可以是目标主播与直播间观看历史信息的相似度。
具体的,获取直播间观看历史信息,可以确定直播间观看历史信息中的各个主播信息,进而根据各个主播信息生成主播向量,主播向量的生成方式可以是根据直播间观看历史信息之间的关联性生成的,或根据主播信息的各个子信息生成的,例如:子信息可以包括直播主题,主播年龄等。在确定直播间观看历史信息中各主播的主播向量后,可以进一步确定目标主播的主播向量,并计算目标主播的主播向量与直播间观看历史信息中各主播的主播向量之间的相似度。上述相似度可以是通过计算目标主播的主播向量与直播间观看历史信息中各主播的主播向量之间的距离信息确定的,距离信息越小,相似度越强,目标主播给目标用户带来的影响程度越小;距离信息越大,相似度越弱,目标主播给目标用户带来的影响程度越大。需要说明的是,相似度可以是根据欧氏距离,曼哈顿距离,余弦相似度或皮尔森相关系数等确定的,在本实施例中不做具体限定。
S130、确定目标用户对目标主播的接受度。
其中,接受度可以用于衡量目标用户是否有意愿进入目标主播的直播间。
具体的,可以根据曾经为目标用户推荐的新主播,以及目标用户是否点击进入新主播直播间的信息确定目标用户对目标主播的接受度。
可选的,目标用户对目标主播的接受度可以根据目标用户点击进入直播平台推荐的新主播的频率确定,例如:根据目标用户点击进入直播平台推荐的新主播的次数与直播平台推荐的新主播数量的比值确定目标用户对目标主播的接受度。
S140、根据影响程度以及接受度确定目标主播的推荐价值。
其中,目标主播的推荐价值可以用于确定目标主播与目标用户的匹配程度,以便进一步确定是否将目标主播推荐至目标用户。
具体的,在确定目标主播给目标用户带来的影响程度以及目标用户对目标主播的接受度后,可以对上述影响程度以及接受度进行计算处理,以确定目标主播的推荐价值。
需要说明的是,针对影响程度以及接受度进行计算处理时,可以是将影响程度以及接受度进行求和处理,加权求和处理或求乘积处理等,在本实施例中不做具体限定。
S150、根据推荐价值确定是否将目标主播推荐给目标用户。
具体的,可以预先设定推荐价值阈值,当推荐价值大于或等于推荐价值阈值时,将目标主播推荐给目标用户。推荐方式可以是将目标主播的直播间入口显示在目标用户的直播应用程序或直播平台网页的页面上的预设位置。
本发明实施例的技术方案,通过确定目标用户的主播观看历史信息,根据直播间观看历史信息确定目标主播给目标用户带来的影响程度,并确定目标用户对目标主播的接受度,进而可以根据影响程度以及接受度确定目标主播的推荐价值,以确定是否将目标主播推荐给目标用户,解决了为目标用户推荐目标主播时,由于目标用户对目标主播的接受程度较低而造成的目标用户体验差的问题,实现了针对不同用户进行主播的个性化推荐,提高了推荐精度的技术效果。
实施例二
图2是本发明实施例二提供的一种主播推荐方法的流程图,本实施例在上述实施例的基础上,目标主播给目标用户带来的影响程度以及目标主播给目标用户带来的影响程度的具体确定方式可参见本实施例技术方案。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。
如图2所示,主播推荐方法的步骤具体包括:
S210、确定主播向量。
其中,主播向量可以是用来表征主播特征信息的向量,可以根据用户连续观看的主播确定。
可选的,可以基于如下算法确定主播向量:
其中,表示第i个中心主播ei的主播向量,/>表示用户在观看中心主播ei之前和之后观看过的n个主播集合中的第j个主播的主播向量,/>表示与中心主播ei处于相同分区的主播向量的随机采样向量,m表示所有主播的总数量。
根据上述确定主播向量的公式,可以分别确定各个主播所对应的主播向量。上述公式表明,可以分别以不同的当前主播作为中心主播,根据与中心主播观看位置相邻的主播,以及与中心主播位于相同分区的主播,可以确定中心主播的主播向量。
采用上述公式确定主播向量的原因在于,通常情况下,用户连续观看的主播的相似性较高,故连续观看的主播的主播向量的相似性较高。因此,中心主播ei的主播向量和中心主播ei之前和之后观看的主播的主播向量的向量点乘结果越小,越符合实际情况。那么,/>的值越大越准确。同理,同一分区主播的主播之间的相似性较高,故同一分区主播的主播向量之间的相似性较高。因此,中心主播ei的主播向量/>和与中心主播ei位于相同分区的主播的主播向量/>的向量点乘结果越小,越符合实际情况。那么,/>的值越大越准确。通过上述分析可知,为了更准确的确定主播向量,可以采用梯度下降法等最优化目标求解方法,确定最优化目标F最大时的中心主播ei的主播向量/>最优化目标求解方法还可以使用牛顿法和拟牛顿法、共轭梯度法或拉格朗日乘数法等,在本实施例中不做具体限定。
S220、根据目标用户观看过的主播的特征属性,将目标用户观看过的主播划分为不同的主播组。
其中,特征属性可以是根据主播信息的各个子信息生成的,例如:子信息可以包括直播主题,主播年龄等,特征属性也可以是主播向量。在本实施例中,可以将目标用户观看过的主播的主播向量作为对应的特征属性。
具体的,可以根据目标用户观看过的主播的特征属性之间的相似度,将目标用户观看过的主播进行划分,确定至少一个主播组。
可选的,可以通过如下步骤确定主播组:
步骤一、随机选取一个目标用户观看过的第一主播。
步骤二、根据主播的特征属性,分别确定目标用户观看过的其他主播与第一主播之间的距离。
其中,第一主播可以是用户观看过的主播中的任一主播。
具体的,在获取目标用户观看过的其他主播与第一主播的主播向量后,可以根据距离计算方法分别确定目标用户观看过的其他主播与第一主播之间的距离。
可选的,可以按照如下算法确定目标用户观看过的其他主播与第一主播之间的距离:
其中,K(xi-)表示主播向量xi和第一主播的主播向量x之间的距离度量,c表示大于0的常数,c的取值可以根据业务经验进行确定,在本实施例中不作具体限定。通常,c的取值范围在0到1之间,影响c取值的因素取决于对主播在特定维度的定义。若对主播在特定维度的定义粒度层次越多,那么不同主播之间的相似度会比较小,主播之间的距离需要更加明显地被凸显,因此c的取值需要尽量小一些,向0靠近,反之,c的取值需要尽量大一些,向1靠近。所述特定维度例如可以是主播的直播风格、直播类型或者直播内容等,通过主播在特定维度的定义可以确定某具体主播对用户来说是否属于全新的主播,还是属于观看过的历史相似主播。具体的,以所述特定维度是直播内容为例,若定义主播A的直播内容为“游戏类-王者荣耀-王者荣耀第1季”,则在“直播内容”维度的定义粒度的层次可以理解为3,假设层次阈值为2,则该次定义粒度的层次超过阈值,属于定义粒度层次多的范畴,此时c的取值范围可以在0-0.5之间;若定义粒度的层次未超过阈值,属于定义粒度层次少的范畴,此时c的取值范围可以在0.5-1之间。
步骤三、将距离小于预设值的主播确定为以第一主播为中心的主播簇。
其中,主播簇为基于预设值确定的相似度较高的一系列主播。并且,预设值越大,主播簇中的主播数量可能越多。
具体的,在确定目标用户观看过的其他主播与第一主播之间的距离后,可以将上述距离作为第一主播与其他主播之间相似度的衡量标准。进而,将与第一主播之间距离小于预设值的主播以及第一主播作为一个主播簇。
该步骤还可以看作是,以第一主播为圆心,以预设值为半径,确定为与该圆内的所有主播为以第一主播为中心的主播簇。
步骤四、根据主播簇确定主播组。
具体的,可以以用户观看过的主播中的一个主播作为第一主播,确定与第一主播相对应的主播簇。根据主播簇中各个主播与第一主播的距离可以对主播簇进行调整,进而可以确定主播组。
可选的,主播组的确定方式可以是:
基于目标用户观看过的其他主播与第一主播之间的距离更新主播簇的中心。
具体的,可以基于如下算法确定中心偏移量:
其中,m(x)表示中心偏移量,K(xi-)表示主播向量xi和第一主播的主播向量x之间的距离度量,Nx表示主播簇。
根据第一主播的主播向量以及中心偏移量可以确定更新后的中心为x+m(x)。
进一步的,根据更新后的中心将目标用户观看过的主播划分为不同的主播组。
可选的,当中心偏移向量的模值小于预设模值ε时,停止对主播簇的中心进行更新,并将此时的主播簇作为主播组。
需要说明的是,当确定一个主播组后,可以以目标用户观看过的主播中除去主播组之外的任一主播为新的第一主播,根据上述步骤确定第二个主播组,直至目标用户观看过的所有主播都划分至一个主播组中为止。
S230、将主播组确定为目标用户的主播观看历史信息。
S240、根据直播间观看历史信息确定目标主播给目标用户带来的影响程度。
具体的,根据直播间观看历史信息,即主播组,可以确定目标主播与各个主播组之间的差异性,差异性越大,目标主播给目标用户带来的影响程度越大。
可选的,可以基于如下算法确定影响程度:
其中,e(u,i)表示目标主播i给目标用户u带来的影响程度;Ck表示目标用户u观看过的主播组,N表示所述主播组的个数,|Ck|表示主播组Ck里主播的个数;wi表示目标主播i对应的主播向量,d(Ck,i)表示目标主播i与主播组Ck的距离度量。
上述确定影响程度的公式的含义是:目标用户u观看过的主播组Ck可以表示目标用户u的历史观看行为。如果目标主播的主播向量与主播组的中心的距离越大,可以确定目标主播与目标用户直播间观看的历史主播的差异越大,也就可以表明目标用户从未观看或极少观看过与目标主播相类似的主播,在这种情况下,目标主播对于目标用户的影响程度也就越大。因此,可以分别计算目标主播与主播组中心的距离d(Ck,i)。根据各主播组中的主播数量占所有主播组中主播数量总和的比值,确定目标主播与各主播组中心的距离的权重值,权重值可以是根据目标主播与各主播组中心的距离以及相对应的权重值,可以确定目标主播给目标用户带来的影响程度。
S250、确定目标用户对目标主播的接受度。
不同用户对于直播的观看习惯不同,某些用户愿意尝试观看不同类型的主播的直播,也愿意尝试点击进入直播系统推荐的直播间进行观看,而某些用户只愿意观看自己曾经观看过的主播,从未或极少尝试观看新主播的直播,也不愿意尝试点击进入直播系统推荐的直播间进行观看。由于存在上述情况,可以确定愿意尝试新主播的用户对于目标主播的接受度较高,不愿意尝试新主播的用户对于目标主播的接受度较低。
为了准确的确定目标用户对目标主播的接受度,可以基于如下算法确定接受度:
其中,p(u)表示目标用户u对目标主播i的接受度,#(,in)表示目标用户u对新颖主播集合in的点击次数,#(,in)表示将新颖主播集合in向目标用户u曝光的次数。新颖主播表示的是在直播系统首次将该主播推荐给目标用户,并且在推荐之前,目标用户与该主播之间不存在任何交互行为,例如点击,观看等。
上述确定目标用户对目标主播的接受度的公式的含义是可以根据目标用户对新颖用户的点击率确定目标用户对目标主播的接受度,点击率越高,表明目标用户对于目标主播的接受度越高。根据目标用户对新颖用户的点击率确定目标用户对目标主播的接受度的计算方式可以是目标用户u对新颖主播集合in的点击次数#(,in)除以新颖主播集合in向目标用户u曝光的次数#(,in),将商作为目标用户对目标主播的接受度。
S260、根据影响程度以及接受度确定目标主播的推荐价值。
具体的,目标主播的推荐价值可以被两方面因素影响,第一方面是目标主播i给目标用户u带来的影响程度e(u,i),第二方面是目标用户u对目标主播i的接受度p(u)。上述影响程度以及接受度的取值范围都是0到1之间,计算量纲相同。因此,可以将影响程度以及接受度进行求乘积的计算,以综合考虑两方面的影响,并将求得的乘积作为目标主播的推荐价值。
可以是基于如下算法确定推荐价值:
U(u,i)=e(,i)()
其中,U(u,i)表示目标主播i对于目标用户u的推荐价值,e(u,i)表示目标主播i给目标用户u带来的影响程度,p(u)表示目标用户u对目标主播i的接受度。
S270、根据推荐价值确定是否将目标主播推荐给目标用户。
具体的,可以预先设定推荐价值阈值,当推荐价值大于或等于推荐价值阈值时,将目标主播推荐给目标用户。推荐方式可以是将目标主播的直播间入口显示在目标用户的直播应用程序或直播平台网页的页面上的预设位置。
推荐价值阈值可以根据实际需求进行设定,推荐价值阈值的影响因素可以是对目标主播的新颖性和相关性的要求,新颖性与接受度相对应,新颖性越高,接受度越高;相关性与影响程度相对应,相关性越高,影响程度越低。如果要求目标主播的新颖性越高,那么可以降低推荐价值阈值;如果要求推荐主播的相关性越高,那么可提高推荐价值阈值,以便推荐给用户合适的目标主播。
示例性的,假设根据目标用户u确定3个主播组,每个主播组的中心与目标主播i之间的距离分别为0.5,0.4和0.2,每个主播组中主播的个数分别为5,4和3。因此,目标主播i给目标用户u带来的影响程度为:
并且,目标用户u对新颖主播集的点击次数为3,将新颖主播集合向目标用户u曝光的次数为20,可以确定目标用户u对目标主播i的接受度为:
进一步,可以确定目标主播i的推荐价值为
U(u,i)=(u,i)p(u)=0.39×0.15=0.059
此时,若推荐价值阈值为0.05,由于目标主播i的推荐价值为0.059并且0.059>0.05,可以将目标主播i推荐给目标用户u。
本发明实施例的技术方案,通过确定主播向量并根据主播向量划分主播组,将主播组确定为目标用户的主播观看历史信息,根据直播间观看历史信息确定目标主播给目标用户带来的影响程度,并确定目标用户对目标主播的接受度,进而可以根据影响程度以及接受度确定目标主播的推荐价值,以确定是否将目标主播推荐给目标用户,解决了为目标用户推荐目标主播时,由于目标用户对目标主播的接受程度较低而造成的目标用户体验差的问题,实现了针对不同用户进行主播的个性化推荐,提高了推荐精度的技术效果。
以下是本发明实施例提供的主播推荐装置的实施例,该装置与上述各实施例的主播推荐方法属于同一个发明构思,在主播推荐装置的实施例中未详尽描述的细节内容,可以参考上述主播推荐方法的实施例。
实施例三
图3是本发明实施例三提供的一种主播推荐装置的结构示意图,该装置具体包括:历史信息确定模块310、影响程度确定模块320、接受度确定模块330、推荐价值确定模块340和推送模块350。
其中,历史信息确定模块310,用于确定目标用户的主播观看历史信息;影响程度确定模块320,用于根据直播间观看历史信息确定目标主播给目标用户带来的影响程度,其中,目标主播为目标用户未观看过的主播;接受度确定模块330,用于确定目标用户对目标主播的接受度;推荐价值确定模块340,用于根据影响程度以及接受度确定目标主播的推荐价值;推送模块350,用于根据推荐价值确定是否将目标主播推荐给目标用户。
可选的,历史信息确定模块310,具体用于根据目标用户观看过的主播的特征属性,将目标用户观看过的主播划分为不同的主播组;将主播组确定为目标用户的主播观看历史信息。
可选的,历史信息确定模块310,具体用于随机选取一个目标用户观看过的第一主播;根据主播的特征属性,分别确定目标用户观看过的其他主播与第一主播之间的距离;将距离小于预设值的主播确定为以第一主播为中心的主播簇;根据主播簇确定主播组。
可选的,历史信息确定模块310,具体用于按照如下算法确定目标用户观看过的其他主播与第一主播之间的距离:
其中,K(xi-)表示主播向量xi和第一主播的主播向量x之间的距离度量,c表示大于0的常数。
可选的,历史信息确定模块310,具体用于基于目标用户观看过的其他主播与第一主播之间的距离更新主播簇的中心;根据更新后的中心将目标用户观看过的主播划分为不同的主播组。
可选的,历史信息确定模块310,具体用于基于如下算法确定中心偏移量:
其中,m(x)表示中心偏移量,K(xi-)表示主播向量xi和第一主播的主播向量x之间的距离度量,Nx表示主播簇;
更新后的中心为:x+m(x)。
可选的,历史信息确定模块310,还用于基于如下算法确定主播向量:
其中,表示第i个中心主播ei的主播向量,/>表示用户在观看中心主播ei之前和之后观看过的n个主播集合中的第j个主播的主播向量,/>表示与中心主播ei处于相同分区的主播向量的随机采样向量,m表示所有主播的总数量。
可选的,影响程度确定模块320,具体用于基于如下算法确定影响程度:
其中,e(u,i)表示目标主播i给目标用户u带来的影响程度;Ck表示目标用户u观看过的主播组,N表示主播组的个数,|Ck|表示主播组Ck里主播的个数;wi表示目标主播i对应的主播向量,d(Ck,i)表示目标主播i与主播组Ck的距离度量。
可选的,接受度确定模块330,具体用于基于如下算法确定接受度:
其中,p(u)表示目标用户u对目标主播i的接受度,#(,in)表示目标用户u对新颖主播集合in的点击次数,#(,in)表示将新颖主播集合in向目标用户u曝光的次数;
推荐价值确定模块340,具体用于基于如下算法确定推荐价值:
U(u,i)=e(,i)()
其中:U(u,i)表示目标主播i对于目标用户u的推荐价值,e(u,i)表示目标主播i给目标用户u带来的影响程度,p(u)表示目标用户u对目标主播i的接受度。
本发明实施例的技术方案,通过确定目标用户的主播观看历史信息,根据直播间观看历史信息确定目标主播给目标用户带来的影响程度,并确定目标用户对目标主播的接受度,进而可以根据影响程度以及接受度确定目标主播的推荐价值,以确定是否将目标主播推荐给目标用户,解决了为目标用户推荐目标主播时,由于目标用户对目标主播的接受程度较低而造成的目标用户体验差的问题,实现了针对不同用户进行主播的个性化推荐,提高了推荐精度的技术效果。
本发明实施例所提供的主播推荐装置可执行本发明任意实施例所提供的主播推荐方法,具备执行主播推荐方法相应的功能模块和有益效果。
实施例四
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。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电子设备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数据处理,例如实现本发实施例所提供的一种主播推荐方法步骤,该方法包括:
确定目标用户的主播观看历史信息;
根据直播间观看历史信息确定目标主播给目标用户带来的影响程度,其中,目标主播为目标用户未观看过的主播;
确定目标用户对目标主播的接受度;
根据影响程度以及接受度确定目标主播的推荐价值;
根据推荐价值确定是否将目标主播推荐给目标用户。
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主播推荐方法的技术方案。
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主播推荐方法步骤,该方法包括:
确定目标用户的主播观看历史信息;
根据直播间观看历史信息确定目标主播给目标用户带来的影响程度,其中,目标主播为目标用户未观看过的主播;
确定目标用户对目标主播的接受度;
根据影响程度以及接受度确定目标主播的推荐价值;
根据推荐价值确定是否将目标主播推荐给目标用户。
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 (8)
1.一种主播推荐方法,其特征在于,包括:
确定目标用户的主播观看历史信息;
根据所述主播观看历史信息确定目标主播给所述目标用户带来的影响程度,其中,所述目标主播为所述目标用户未观看过的主播;
确定目标用户对所述目标主播的接受度;
根据所述影响程度以及所述接受度确定所述目标主播的推荐价值;
根据所述推荐价值确定是否将所述目标主播推荐给所述目标用户;
所述根据所述主播观看历史信息确定目标主播给所述目标用户带来的影响程度,包括:
基于如下算法确定所述影响程度:
其中,e(u,i)表示目标主播i给目标用户u带来的影响程度;Ck表示目标用户u观看过的主播组,N表示所述主播组的个数,|Ck|表示主播组Ck里主播的个数;wi表示目标主播i对应的主播向量,d(Ck,wi)表示目标主播i与主播组Ck的距离度量;
所述确定目标用户对所述目标主播的接受度,包括:
基于如下算法确定所述接受度:
其中,p(u)表示目标用户u对目标主播i的接受度,#c(u,in)表示目标用户u对新颖主播集合in的点击次数,#e(u,in)表示将新颖主播集合in向目标用户u曝光的次数;
所述根据所述影响程度以及所述接受度确定所述目标主播的推荐价值,包括:
基于如下算法确定所述推荐价值:
U(u,i)=e(u,i)p(u)
其中:U(u,i)表示目标主播i对于目标用户u的推荐价值,e(u,i)表示目标主播i给目标用户u带来的影响程度,p(u)表示目标用户u对目标主播i的接受度。
2.根据权利要求1所述的方法,其特征在于,所述确定目标用户的主播观看历史信息,包括:
根据所述目标用户观看过的主播的特征属性,将所述目标用户观看过的主播划分为不同的主播组;
将所述主播组确定为目标用户的主播观看历史信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标用户观看过的主播的特征属性,将所述目标用户观看过的主播划分为不同的主播组,包括:
随机选取一个所述目标用户观看过的第一主播;
根据主播的特征属性,分别确定所述目标用户观看过的其他主播与所述第一主播之间的距离;
将所述距离小于预设值的主播确定为以所述第一主播为中心的主播簇;
根据所述主播簇确定所述主播组。
4.根据权利要求3所述的方法,其特征在于,所述根据主播的特征属性,分别确定所述目标用户观看过的其他主播与所述第一主播之间的距离,包括:
按照如下算法确定所述目标用户观看过的其他主播与所述第一主播之间的距离:
其中,K(xi-x)表示主播向量xi和第一主播的主播向量x之间的距离度量,c表示大于0的常数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述主播簇确定所述主播组,包括:
基于所述目标用户观看过的其他主播与所述第一主播之间的距离更新所述主播簇的中心;
根据更新后的中心将所述目标用户观看过的主播划分为不同的主播组。
6.根据权利要求5所述的方法,其特征在于,所述基于所述目标用户观看过的其他主播与所述第一主播之间的距离更新所述主播簇的中心,包括:
基于如下算法确定中心偏移量:
其中,m(x)表示中心偏移量,K(xi-x)表示主播向量xi和第一主播的主播向量x之间的距离度量,Nx表示所述主播簇;
更新后的中心为:x+m(x)。
7.根据权利要求4所述的方法,其特征在于,还包括:
基于如下算法确定所述主播向量:其中,分别以不同的当前主播作为中心主播,根据与所述中心主播观看位置相邻的主播,以及与所述中心主播位于相同分区的主播,确定所述中心主播的主播向量,并基于如下算法确定最优化目标F最大时的中心主播ei的主播向量
其中,表示第i个中心主播ei的主播向量,/>表示用户在观看中心主播ei之前和之后观看过的n个主播集合中的第j个主播的主播向量,/>表示与中心主播ei处于相同分区的主播向量的随机采样向量,m表示所有主播的总数量。
8.一种电子设备,其特征在于,所述电子设备包括:
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中任一所述的主播推荐方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607100.2A CN114697711B (zh) | 2020-12-30 | 2020-12-30 | 一种主播推荐方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607100.2A CN114697711B (zh) | 2020-12-30 | 2020-12-30 | 一种主播推荐方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114697711A CN114697711A (zh) | 2022-07-01 |
CN114697711B true CN114697711B (zh) | 2024-02-20 |
Family
ID=82132236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011607100.2A Active CN114697711B (zh) | 2020-12-30 | 2020-12-30 | 一种主播推荐方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114697711B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106604051A (zh) * | 2016-12-20 | 2017-04-26 | 广州华多网络科技有限公司 | 直播频道推荐方法及装置 |
WO2018000909A1 (zh) * | 2016-06-29 | 2018-01-04 | 武汉斗鱼网络科技有限公司 | 一种用于直播网站的直播房间推荐方法及系统 |
WO2018032790A1 (zh) * | 2016-08-16 | 2018-02-22 | 武汉斗鱼网络科技有限公司 | 基于加权k近邻评分的直播间推荐方法及系统 |
CN108322829A (zh) * | 2018-03-02 | 2018-07-24 | 北京奇艺世纪科技有限公司 | 个性化主播推荐方法、装置及电子设备 |
CN108829771A (zh) * | 2018-05-29 | 2018-11-16 | 广州虎牙信息科技有限公司 | 主播推荐方法、装置、计算机存储介质及服务器 |
CN109033233A (zh) * | 2018-06-29 | 2018-12-18 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、存储介质、电子设备及系统 |
CN109495770A (zh) * | 2018-11-23 | 2019-03-19 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、装置、设备及介质 |
CN110012364A (zh) * | 2019-04-15 | 2019-07-12 | 广州华多网络科技有限公司 | 主播推荐方法、装置及存储介质 |
CN110830812A (zh) * | 2019-10-31 | 2020-02-21 | 广州市网星信息技术有限公司 | 相似主播分类模型训练方法、主播推荐方法及相关装置 |
CN110996116A (zh) * | 2019-12-18 | 2020-04-10 | 广州市百果园信息技术有限公司 | 一种主播信息的推送方法、装置、计算机设备和存储介质 |
WO2020228514A1 (zh) * | 2019-05-13 | 2020-11-19 | 腾讯科技(深圳)有限公司 | 内容推荐方法、装置、设备及存储介质 |
CN111988636A (zh) * | 2020-08-21 | 2020-11-24 | 广州华多网络科技有限公司 | 主播推荐方法和装置、服务器、计算机可读存储介质 |
-
2020
- 2020-12-30 CN CN202011607100.2A patent/CN114697711B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018000909A1 (zh) * | 2016-06-29 | 2018-01-04 | 武汉斗鱼网络科技有限公司 | 一种用于直播网站的直播房间推荐方法及系统 |
WO2018032790A1 (zh) * | 2016-08-16 | 2018-02-22 | 武汉斗鱼网络科技有限公司 | 基于加权k近邻评分的直播间推荐方法及系统 |
CN106604051A (zh) * | 2016-12-20 | 2017-04-26 | 广州华多网络科技有限公司 | 直播频道推荐方法及装置 |
CN108322829A (zh) * | 2018-03-02 | 2018-07-24 | 北京奇艺世纪科技有限公司 | 个性化主播推荐方法、装置及电子设备 |
CN108829771A (zh) * | 2018-05-29 | 2018-11-16 | 广州虎牙信息科技有限公司 | 主播推荐方法、装置、计算机存储介质及服务器 |
CN109033233A (zh) * | 2018-06-29 | 2018-12-18 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、存储介质、电子设备及系统 |
CN109495770A (zh) * | 2018-11-23 | 2019-03-19 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、装置、设备及介质 |
CN110012364A (zh) * | 2019-04-15 | 2019-07-12 | 广州华多网络科技有限公司 | 主播推荐方法、装置及存储介质 |
WO2020228514A1 (zh) * | 2019-05-13 | 2020-11-19 | 腾讯科技(深圳)有限公司 | 内容推荐方法、装置、设备及存储介质 |
CN110830812A (zh) * | 2019-10-31 | 2020-02-21 | 广州市网星信息技术有限公司 | 相似主播分类模型训练方法、主播推荐方法及相关装置 |
CN110996116A (zh) * | 2019-12-18 | 2020-04-10 | 广州市百果园信息技术有限公司 | 一种主播信息的推送方法、装置、计算机设备和存储介质 |
CN111988636A (zh) * | 2020-08-21 | 2020-11-24 | 广州华多网络科技有限公司 | 主播推荐方法和装置、服务器、计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114697711A (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10405016B2 (en) | Recommending media items based on take rate signals | |
CN110929052B (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
JP6267344B2 (ja) | 精度管理を用いたコンテンツ選択 | |
CN108965951B (zh) | 广告的播放方法及装置 | |
CN110874436B (zh) | 用于基于第三方内容的上下文课程推荐的网络系统 | |
CN113688310B (zh) | 一种内容推荐方法、装置、设备及存储介质 | |
CN112969079B (zh) | 主播的资源分配方法、装置、计算机设备及存储介质 | |
WO2022007626A1 (zh) | 视频内容推荐方法、装置及计算机设备 | |
CN112163614A (zh) | 一种主播分类方法、装置、电子设备及存储介质 | |
CN111159563A (zh) | 用户兴趣点信息的确定方法、装置、设备及存储介质 | |
CN107729473B (zh) | 文章推荐方法及其装置 | |
WO2015148420A1 (en) | User inactivity aware recommendation system | |
CN111488517A (zh) | 用于训练点击率预估模型的方法和装置 | |
CN113055745A (zh) | 视频播放的处理方法、装置、设备及存储介质 | |
CN114697711B (zh) | 一种主播推荐方法、装置、电子设备和存储介质 | |
CN110020129B (zh) | 点击率校正方法、预估方法、装置、计算设备及存储介质 | |
CN110659389A (zh) | 排序方法、装置、电子设备和计算机可读存储介质 | |
CN110297982B (zh) | 一种推荐方法、装置、设备及介质 | |
WO2018205642A1 (zh) | 视频收益计算建模装置、方法和视频推荐装置、方法和服务器及存储介质 | |
CN115329179A (zh) | 数据采集资源量控制方法、装置、设备及存储介质 | |
CN111367778B (zh) | 评估搜索策略的数据分析方法和装置 | |
CN112651764B (zh) | 一种目标用户识别方法、装置、设备和存储介质 | |
CN109299351B (zh) | 内容推荐方法和装置、电子设备及计算机可读介质 | |
CN111881353A (zh) | 一种展示资源的推送方法、装置、电子设备和存储介质 | |
CN108399249B (zh) | 数据归一化方法、用户画像提供方法、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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231117 Address after: Room 205, Room 206, Room J1447, No. 1045 Tianyuan Road, Tianhe District, Guangzhou City, Guangdong Province, 510000 Applicant after: Guangzhou Caimeng Technology Co.,Ltd. Address before: 11 / F, building B1, software industry phase 4.1, No.1, Software Park East Road, Donghu Development Zone, Wuhan City, Hubei Province 430070 Applicant before: WUHAN DOUYU NETWORK TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |