CN115037957B - 一种基于直播节目推荐点播内容的方法、装置及系统 - Google Patents
一种基于直播节目推荐点播内容的方法、装置及系统 Download PDFInfo
- Publication number
- CN115037957B CN115037957B CN202210640283.0A CN202210640283A CN115037957B CN 115037957 B CN115037957 B CN 115037957B CN 202210640283 A CN202210640283 A CN 202210640283A CN 115037957 B CN115037957 B CN 115037957B
- Authority
- CN
- China
- Prior art keywords
- live
- demand content
- data
- candidate
- content
- 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 57
- 230000006399 behavior Effects 0.000 claims description 120
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 17
- 238000013135 deep learning Methods 0.000 claims description 14
- 238000007635 classification algorithm Methods 0.000 claims description 13
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening 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
- H04N21/21—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]
- H04N21/40—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
- H04N21/4665—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms involving classification methods, e.g. Decision trees
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
- H04N21/47202—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for requesting content on demand, e.g. video on demand
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请公开了一种基于直播节目推荐点播内容的方法、装置及系统，涉及信息推荐技术领域，所述方法包括：在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据；获取所述视频播放设备的当前直播流数据，所述当前直播流数据为所述视频播放设备的当前时刻的直播流数据；根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容。本申请的方案实现了主动向直播收视用户推荐点播内容，便于直播收视用户接受并观看点播内容，使得点播内容在直播收视用户内得到推广。
Description
技术领域
本申请涉及信息推荐技术领域，尤其是涉及一种基于直播节目推荐点播内容的方法、装置及系统。
背景技术
大屏领域中，收看直播的用户占据绝对收视优势且用户行为与思维形成稳固的使用习惯很难改变；然而平台视频内容越来越多，平台想要让收看直播收视行为偏好的用户接受并观看其他视频内容十分困难，导致让某个或某些产品在众多产品中脱颖而出也特别的困难。
发明内容
本申请的目的在于提供一种基于直播节目推荐点播内容的方法、装置及系统，从而解决现有技术中平台上的点播视频内容向直播用户推广困难的问题。
第一方面，为了达到上述目的，本申请实施例提供一种基于直播节目推荐点播内容的方法，所述方法包括：
在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据；
获取所述视频播放设备的当前直播流数据，所述当前直播流数据为所述视频播放设备的当前时刻的直播流数据；
根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容。
可选地，根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容，包括：
利用预设的视频分类算法，对所述当前直播流数据进行内容聚类，获得与内容聚类结果相关的第一候选点播内容集合；
利用预设的基于深度学习的点击率预估算法，对所述历史行为数据进行行为聚类，获得与行为聚类结果相关的第二候选点播内容集合；
根据所述第一候选点播内容集合和所述第二候选点播内容集合，确定所述目标点播内容；
向所述直播收视用户推荐所述目标点播内容。
可选地，利用预设的视频分类算法，对所述当前直播流数据进行内容聚类，获得与内容聚类结果相关的第一候选点播内容集合，包括：
利用所述视频分类算法，对所述当前直播流数据和所述视频播放设备的直播节目单数据进行内容聚类，获得所述第一候选点播内容集合。
可选地，所述方法还包括：
获取所述直播收视用户的实时行为数据；
利用预设的基于深度学习的点击率预估算法，对所述历史行为数据进行行为聚类，获得与行为聚类结果相关的第二候选点播内容集合，包括：
利用所述基于深度学习的点击率预估算法，对所述历史行为数据和所述实时行为数据进行行为聚类，获得所述第二候选点播内容集合。
可选地，根据所述第一候选点播内容集合和所述第二候选点播内容集合，确定所述目标点播内容，包括：
按照预设处理规则，对所述第一候选点播内容集合和所述第二候选点播内容集合进行处理，获得各个候选点播内容与第一数据的综合关联度，所述第一数据包括进行内容聚类的数据和进行行为聚类的数据；
根据所述综合关联度，确定所述目标点播内容，其中，所述目标点播内容的综合关联度满足预设的关联度阈值。
可选地，所述在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据的步骤之后，所述方法还包括：
根据所述历史行为数据和所述视频播放设备的直播节目单数据，确定所述直播收视用户对当前的直播节目的感兴趣程度；
所述获取视频播放设备的当前直播流数据，包括：
在所述感兴趣程度达到预设阈值的情况下，获取所述视频播放设备的当前直播流数据。
可选地，所述获取视频播放设备的当前直播流数据的步骤之前，所述方法还包括：
获取第一时刻与当前时刻的时间差；其中，所述第一时刻为最后一次向所述直播收视用户推荐目标点播内容的时刻；
在所述时间差大于第一差值的情况下，获取所述当前直播流数据；其中，所述第一差值与所述历史行为数据相关。
可选地，所述历史行为数据包括以下至少一项：
历史收视行为数据；
直播收视用户与视频播放设备显示的页面的交互行为数据；
直播收视用户的订购行为。
第二方面，为了达到上述目的，本申请实施例还提供一种基于直播节目推荐点播内容的装置，包括：
第一获取模块，用于在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据；
第二获取模块，用于获取所述视频播放设备的当前直播流数据，所述当前直播流数据为所述视频播放设备的当前时刻的直播流数据；
推荐模块，用于根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容。
第三方面，为了达到上述目的，本申请实施例还提供一种基于直播节目推荐点播内容的系统，包括：收发器，处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如第一方面所述的基于直播节目推荐点播内容的方法的步骤。
第四方面，为了达到上述目的，本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序，所述程序被处理器执行时实现如第一方面所述的基于直播节目推荐点播内容的方法的步骤。
本申请的上述技术方案至少具有如下有益效果：
本申请实施例的基于直播节目推荐点播内容的方法，首先，在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据；其次，获取所述视频播放设备的当前直播流数据，所述当前直播流数据为所述视频播放设备的当前时刻的直播流数据；最后，根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容。如此，实现了根据直播收视用户当前观看的内容和直播收视用户的行为习惯为其推荐感兴趣的点播内容，使得点播内容在直播收视用户范围内得到推广，提高平台的点播收视率，便于点播内容在众多产品中脱颖而出。
附图说明
图1为本申请实施例的基于直播节目推荐点播内容的方法的流程示意图；
图2为本申请实施例的基于直播节目推荐点播内容的装置的结构示意图；
图3为本申请实施例的基于直播节目推荐点播内容的系统的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的基于直播节目推荐点播内容的方法、装置及系统进行详细地说明。
如图1所示，为本申请实施例的基于直播节目推荐点播内容的方法的流程示意图，该方法包括：
步骤101，在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据；
这里，需要说明的是，视频播放设备如可以为电视终端，本步骤具体可以是通过客户端的用户埋点获取所述历史行为数据。
步骤102，获取所述视频播放设备的当前直播流数据，所述当前直播流数据为所述视频播放设备的当前时刻的直播流数据；
本步骤中，当前直播流数据可以包括视频播放设备当前时刻播放的视频流、音频流等，具体可以是在直播流数据中进行截帧处理，获得截帧信息(即当前直播流数据)。
步骤103，根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容。
也就是说，本申请实施例中是基于视频播放设备当前时刻播放的内容(当前时刻的画面、音频等)和用户的历史行为数据筛选点播内容，而并非是目前公知的基于当前直播的节目筛选点播内容。
本申请实施例的基于直播节目推荐点播内容的方法，首先，在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据；其次，获取所述视频播放设备的当前直播流数据，所述当前直播流数据为所述视频播放设备的当前时刻的直播流数据；最后，根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容。如此，实现了根据直播收视用户当前时刻观看的内容和直播收视用户的行为习惯为其推荐感兴趣的点播内容，提升了筛选的点播内容的准确率，使得点播内容在直播收视用户范围内得到推广，提高平台的点播收视率，最终达到由直播到点播引流的目的，使得点播内容在众多产品中脱颖而出。
这里，需要说明的是，本申请实施例的基于直播节目推荐点播内容的方法的执行主体为基于直播节目推荐点播内容的系统，如智慧直播推荐系统(smart live)系统。
作为一个可选的实现方式，步骤103，根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容，包括：
(1)利用预设的视频分类算法，对所述当前直播流数据进行内容聚类，获得与内容聚类结果相关的第一候选点播内容集合；
本步骤中，预设的视频分类算法可以为StNet模型算法，或者是根据实际需要对StNet模型算法改进后的算法；通过对当前直播流数据进行截帧处理，获取帧图像，并对图像进行特征提取，基于提取的特征，利用StNet模型算法进行内容聚类，以筛选出与提取到的特征相关的点播内容，从而形成第一候选点播内容集合；
(2)利用预设的基于深度学习的点击率预估算法，对所述历史行为数据进行行为聚类，获得与行为聚类结果相关的第二候选点播内容集合；
本步骤中，预设的基于深度学习的点记率预估算法可以为DeepCTR模型算法，或者是基于实际需要对DeepCTR模型算法改进后的算法；通过对历史行为数据进行深度学习以获得用户的行为喜好，从而根据用户的行为喜好筛选出用户可能感兴趣的点播内容。
(3)根据所述第一候选点播内容集合和所述第二候选点播内容集合，确定所述目标点播内容；
也就是说，目标点播内容是从第一候选点播内容集合和第二候选点播内容集合中筛选出来的用户最可能感兴趣的点播内容。
(4)向所述直播收视用户推荐所述目标点播内容。
本申请实施例中，通过基于当前直播流数据进行内容聚类分析获得第一候选点播内容集合，并基于历史行为数据进行行为聚类分析，获得第二候选点播内容集合，最终在第一候选点播内容集合和第二候选点播内容集合中筛选出最终直播收视用户最可能感兴趣的点播内容，这样，提升了筛选点播内容的准确率，使得为直播收视用户推荐的点播内容最大化的贴合用户兴趣，提高直播收视用户的点击率，从而达到直播到点播的引流的目的。
也就是说，本可选实现方式的具体实现可以依赖于预先训练好的AI模型，即：将历史行为数据和当前直播流数据输入至预先训练好的AI模型，AI模型通过运算即可输出目标点播内容，其中，AI模型包括用于内容分析聚类的StNet模型和用于行为分析聚类的DeepCTR模型。这样，系统维护人员可以基于以往的推荐情况对AI模型进行更新，以提高AI模型推荐的准确性。
作为一个具体的实现方式，利用预设的视频分类算法，对所述当前直播流数据进行内容聚类，获得与内容聚类结果相关的第一候选点播内容集合，包括：
利用所述视频分类算法，对所述当前直播流数据和所述视频播放设备的直播节目单数据进行内容聚类，获得所述第一候选点播内容集合。
也就是说，在基于视频播放设备当前时刻播放的视频及音频进行内容聚类时，还可以进一步参考视频播放设备当前播放的直播节目；这样，可以使得根据内容聚类结果获得的第一候选点播内容集合尽可能为用户感兴趣的内容。例如，用户在收看A电影时，当前播放到B场景，B场景中包括若干个人物和地理位置D，则通过内容聚类，可以获得与A电影相关的电影(如同类型电影)，与各个人物相关的历史内容/演员的相关内容(演员的其他作品等)，以及，与D地理位置相关的景点、特产或作品等。
作为另一个可选的实现方式，所述方法还包括：
获取所述直播收视用户的实时行为数据；
本步骤中，所述实时行为数据可以为用户与视频播放设备的交互行为，如，用户暂停了当前播放的直播节目、用户切换了直播频道、用户调整了当前播放的直播节目的播放进度等；
在此基础上，利用预设的基于深度学习的点击率预估算法，对所述历史行为数据进行行为聚类，获得与行为聚类结果相关的第二候选点播内容集合，包括：
利用所述基于深度学习的点击率预估算法，对所述历史行为数据和所述实时行为数据进行行为聚类，获得所述第二候选点播内容集合。
也就是说，在进行行为聚类时，不仅要考虑用户的历史行为数据还要结合用户的实时行为数据进行行为聚类，即：为直播收视用户的实时行为和周期性行为匹配点播内容；例如，若直播收视用户切换了直播频道，则可以认为直播收视用户对当前播放的直播节目不感兴趣；若直播收视用户后退了当前播放的直播节目，则可以认为直播收视用户可能想要重复收看当前直播的内容，则用户对当前播放的直播节目应该是感兴趣的。
作为一个可选的实现方式，根据所述第一候选点播内容集合和所述第二候选点播内容集合，确定所述目标点播内容，包括：
按照预设处理规则，对所述第一候选点播内容集合和所述第二候选点播内容集合进行处理，获得各个候选点播内容与第一数据的综合关联度，所述第一数据包括进行内容聚类的数据和进行行为聚类的数据；
本步骤中，预设处理规则可以为加权处理规则或者是求同处理规则，所谓求同处理规则可以为在两个候选点播内容集合中筛选出相同的候选点播内容。
根据所述综合关联度，确定所述目标点播内容，其中，所述目标点播内容的综合关联度满足预设的关联度阈值。
也就是说，“综合关联度”可以表征用户感兴趣的程度，综合关联度越高，预测用户感兴趣的可能性越大，通过将综合关联度满足预设的关联度阈值的候选点播内容推荐给直播收视用户，使得为用户推荐的点播内容尽可能的贴合直播收视用户的兴趣爱好，从而提高直播收视用户对点播内容的点击率，以达到从直播到点播的引流。
下面，利用一个具体实例对前述实现过程进行说明：
第一，通过用户的历史行为数据对用户进行标签化处理；
第二，聚合相近行为的其他用户数据，对这类用户进行聚合，从而演算出这类用户的喜好；
第三，通过节目单数据获取当前节目的编目信息；
第四，通过编码器获取当前直播节目的图像信息；
第五，根据用户图像、比爱你前，以及当前节目的编目、图像信息，通过关联路径计算内容相关且用户感兴趣的点播节目进行推荐。
作为一个可选的实现方式，所述在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据的步骤之后，所述方法还包括：
根据所述历史行为数据和所述视频播放设备的直播节目单数据，确定所述直播收视用户对当前的直播节目的感兴趣程度；
本步骤中，例如直播收视用户经常在同时段收看同一频道的直播节目，则表明直播收视用户应该对该直播节目的感兴趣程度较高。
所述获取视频播放设备的当前直播流数据，包括：
在所述感兴趣程度达到预设阈值的情况下，获取所述视频播放设备的当前直播流数据。
也就是说，在确定直播收视用户对当前的直播节目比较感兴趣的情况下，才会向其推荐相关的点播内容，如此，可以使得推荐的点播内容尽可能的贴合直播收视用户的喜好，提升推荐的点播内容的准确性。
作为一个可选的实现方式，所述获取视频播放设备的当前直播流数据的步骤之前，所述方法还包括：
获取第一时刻与当前时刻的时间差；其中，所述第一时刻为最后一次向所述直播收视用户推荐目标点播内容的时刻；
在所述时间差大于第一差值的情况下，获取所述当前直播流数据；其中，所述第一差值与所述历史行为数据相关。
也就是说，为了避免频繁为直播收视用户推荐点播内容，造成直播收视用户对主动推荐点播内容的方案，本可选实现方式设置了相邻两次推荐过程的时间间隔，这样，能够避免直播收视用户对主动推荐的动作的反感，提升用户的收视体验；其中，可以基于算法针对不同的直播收视用户确定不同的时间间隔，例如，针对以往直播收视用户对推荐的点播内容的操作行为设置时间间隔，具体的，若直播收视用户多次忽略推荐的点播内容，则表明直播收视用户不喜欢主动为其推荐点播内容，这样，可以设置相邻两次的点播推荐的时间间隔长一些。
作为另一个可选的实现方式，所述历史行为数据包括以下至少一项：
历史收视行为数据；
直播收视用户与视频播放设备显示的页面的交互行为数据；
直播收视用户的订购行为。
本可选实现方式中，所述历史收视行为数据如可以包括但不限于以下内容：直播收视用户曾经收看过的视频(直播节目、点播节目、视频片段等)，直播收视用户收看同一节目的频次，每次收看节目的时间长度，以及，直播收视用户每次收看节目的过程中与视频播放设备的互动行为(如：暂停、快进、后退、倍速或切换等)。
所述直播收视用户与视频播放设备显示的页面的交互行为数据包括但不限于以下内容：直播收视用户曾经点播的内容、直播收视用户曾经浏览的页面、检测到的直播收视用户的焦点停留位置及时长。
所述直播收视用户的订购行为包括但不限于以下内容：订购的虚拟产品(如视频网站的会员、视频的收视版权等)、订购的实体产品(如从电子商城中购买的书籍、运动器械等)。
本可选实现方式中，基于上述历史行为数据，可以预测所述直播收视用户的喜好，从而保证确定的目标点播内容最大化的贴合直播收视用户的兴趣爱好，以提高直播收视用户的点击率，从而达到直播到点播引流的目的。
另外，本申请实施例的基于直播节目推荐点播内容的方法可以为设备或装置主动为直播收视用户推荐点播内容，则推荐的时机和推荐的次数可以是根据算法自主确定的，这种方式，需要考虑直播收视用户的历史行为数据确定的用户喜好以及当前时刻的直播收视内容；也可以是根据检测到用户的行为确定的，如用户暂停、切换频道或退出等时，向用户推荐点播内容。
需要说明的是，本申请实施例提供的基于直播节目推荐点播内容的方法，执行主体可以为基于直播节目推荐点播内容的装置，或者该基于直播节目推荐点播内容的装置中的用于执行加载基于直播节目推荐点播内容的方法的控制模块。本申请实施例中以基于直播节目推荐点播内容的装置执行加载基于直播节目推荐点播内容的方法为例，说明本申请实施例提供的基于直播节目推荐点播内容的方法。
如图2所示，本申请实施例还提供一种基于直播节目推荐点播内容的装置，包括：
第一获取模块201，用于在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据；
第二获取模块202，用于获取所述视频播放设备的当前直播流数据，所述当前直播流数据为所述视频播放设备的当前时刻的直播流数据；
推荐模块203，用于根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容。
本申请实施例的基于直播节目推荐点播内容的装置，首先，第一获取模块201在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据；其次，第二获取模块202获取所述视频播放设备的当前直播流数据，所述当前直播流数据为所述视频播放设备的当前时刻的直播流数据；最后，推荐模块203根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容。如此，实现了根据直播收视用户当前时刻观看的内容和直播收视用户的行为习惯为其推荐感兴趣的点播内容，提升了筛选的点播内容的准确率，使得点播内容在直播收视用户范围内得到推广，提高平台的点播收视率，最终达到由直播到点播引流的目的，使得点播内容在众多产品中脱颖而出。
可选地，所述推荐模块203包括：
第一获取子模块，用于利用预设的视频分类算法，对所述当前直播流数据进行内容聚类，获得与内容聚类结果相关的第一候选点播内容集合；
第二获取子模块，用于利用预设的基于深度学习的点击率预估算法，对所述历史行为数据进行行为聚类，获得与行为聚类结果相关的第二候选点播内容集合；
确定子模块，用于根据所述第一候选点播内容集合和所述第二候选点播内容集合，确定所述目标点播内容；
推荐子模块，用于向所述直播收视用户推荐所述目标点播内容。
可选地，所述第一推荐子模块具体用于：利用所述视频分类算法，对所述当前直播流数据和所述视频播放设备的直播节目单数据进行内容聚类，获得所述第一候选点播内容集合。
可选地，所述装置还包括：
第三获取模块，用于获取所述直播收视用户的实时行为数据；
在此基础上，所述第二获取子模块具体用于：利用所述基于深度学习的点击率预估算法，对所述历史行为数据和所述实时行为数据进行行为聚类，获得所述第二候选点播内容集合。
可选地，所述确定子模块包括：
获取单元，用于按照预设处理规则，对所述第一候选点播内容集合和所述第二候选点播内容集合进行处理，获得各个候选点播内容与第一数据的综合关联度，所述第一数据包括进行内容聚类的数据和进行行为聚类的数据；
确定单元，用于根据所述综合关联度，确定所述目标点播内容，其中，所述目标点播内容的综合关联度满足预设的关联度阈值。
可选地，所述装置还包括：
确定模块，用于根据所述历史行为数据和所述视频播放设备的直播节目单数据，确定所述直播收视用户对当前的直播节目的感兴趣程度；
在此基础上，所述第二获取模块202具体用于：在所述感兴趣程度达到预设阈值的情况下，获取所述视频播放设备的当前直播流数据。
如图3所示，本申请实施例还提供一种基于直播节目推荐点播内容的系统，包括：收发器310、处理器300、存储器320及存储在所述存储器320上并可在所述处理器300上运行的程序或指令；所述处理器300执行所述程序或指令时实现如上所述的基于直播节目推荐点播内容的方法。
所述收发器310，用于在处理器300的控制下接收和发送数据。
其中，在图3中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器300代表的一个或多个处理器和存储器320代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发器310可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。处理器300负责管理总线架构和通常的处理，存储器320可以存储处理器300在执行操作时所使用的数据。
本申请实施例还提供一种可读存储介质，可读存储介质上存储有程序，该程序被处理器执行时实现如上所述的基于直播节目推荐点播内容的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，该可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (9)
1.一种基于直播节目推荐点播内容的方法，其特征在于，所述方法包括：
在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据；
获取所述视频播放设备的当前直播流数据，所述当前直播流数据为所述视频播放设备的当前时刻的直播流数据；
根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容；
其中，根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容，包括：
利用预设的视频分类算法，对所述当前直播流数据进行内容聚类，获得与内容聚类结果相关的第一候选点播内容集合；
利用预设的基于深度学习的点击率预估算法，对所述历史行为数据进行行为聚类，获得与行为聚类结果相关的第二候选点播内容集合；
根据所述第一候选点播内容集合和所述第二候选点播内容集合，确定所述目标点播内容；
向所述直播收视用户推荐所述目标点播内容；
其中，根据所述第一候选点播内容集合和所述第二候选点播内容集合，确定所述目标点播内容，包括：
按照预设处理规则，对所述第一候选点播内容集合和所述第二候选点播内容集合进行处理，获得各个候选点播内容与第一数据的综合关联度，所述第一数据包括进行内容聚类的数据和进行行为聚类的数据；
根据所述综合关联度，确定所述目标点播内容，其中，所述目标点播内容的综合关联度满足预设的关联度阈值。
2.根据权利要求1所述的方法，其特征在于，利用预设的视频分类算法，对所述当前直播流数据进行内容聚类，获得与内容聚类结果相关的第一候选点播内容集合，包括：
利用所述视频分类算法，对所述当前直播流数据和所述视频播放设备的直播节目单数据进行内容聚类，获得所述第一候选点播内容集合。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述直播收视用户的实时行为数据；
利用预设的基于深度学习的点击率预估算法，对所述历史行为数据进行行为聚类，获得与行为聚类结果相关的第二候选点播内容集合，包括：
利用所述基于深度学习的点击率预估算法，对所述历史行为数据和所述实时行为数据进行行为聚类，获得所述第二候选点播内容集合。
4.根据权利要求1所述的方法，其特征在于，所述在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据的步骤之后，所述方法还包括：
根据所述历史行为数据和所述视频播放设备的直播节目单数据，确定所述直播收视用户对当前的直播节目的感兴趣程度；
所述获取视频播放设备的当前直播流数据，包括：
在所述感兴趣程度达到预设阈值的情况下，获取所述视频播放设备的当前直播流数据。
5.根据权利要求1或4所述的方法，其特征在于，所述获取视频播放设备的当前直播流数据的步骤之前，所述方法还包括：
获取第一时刻与当前时刻的时间差；其中，所述第一时刻为最后一次向所述直播收视用户推荐目标点播内容的时刻；
在所述时间差大于第一差值的情况下，获取所述当前直播流数据；其中，所述第一差值与所述历史行为数据相关。
6.根据权利要求1所述的方法，其特征在于，所述历史行为数据包括以下至少一项：
历史收视行为数据；
直播收视用户与视频播放设备显示的页面的交互行为数据；
直播收视用户的订购行为。
7.一种基于直播节目推荐点播内容的装置，其特征在于，包括：
第一获取模块，用于在视频播放设备播放直播节目的情况下，获取与所述视频播放设备相关的直播收视用户的历史行为数据；
第二获取模块，用于获取所述视频播放设备的当前直播流数据，所述当前直播流数据为所述视频播放设备的当前时刻的直播流数据；
推荐模块，用于根据所述历史行为数据和所述当前直播流数据，为所述直播收视用户推荐目标点播内容；
其中，所述推荐模块包括：
第一获取子模块，用于利用预设的视频分类算法，对所述当前直播流数据进行内容聚类，获得与内容聚类结果相关的第一候选点播内容集合；
第二获取子模块，用于利用预设的基于深度学习的点击率预估算法，对所述历史行为数据进行行为聚类，获得与行为聚类结果相关的第二候选点播内容集合；
确定子模块，用于根据所述第一候选点播内容集合和所述第二候选点播内容集合，确定所述目标点播内容；
推荐子模块，用于向所述直播收视用户推荐所述目标点播内容；
其中，所述确定子模块包括：
获取单元，用于按照预设处理规则，对所述第一候选点播内容集合和所述第二候选点播内容集合进行处理，获得各个候选点播内容与第一数据的综合关联度，所述第一数据包括进行内容聚类的数据和进行行为聚类的数据；
确定单元，用于根据所述综合关联度，确定所述目标点播内容，其中，所述目标点播内容的综合关联度满足预设的关联度阈值。
8.一种基于直播节目推荐点播内容的系统，其特征在于，包括：收发器，处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如权利要求1至6中任一项所述的基于直播节目推荐点播内容的方法的步骤。
9.一种可读存储介质，其特征在于，所述可读存储介质上存储有程序，所述程序被处理器执行时实现如权利要求1至6中任一项所述的基于直播节目推荐点播内容的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210640283.0A CN115037957B (zh) | 2022-06-07 | 2022-06-07 | 一种基于直播节目推荐点播内容的方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210640283.0A CN115037957B (zh) | 2022-06-07 | 2022-06-07 | 一种基于直播节目推荐点播内容的方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115037957A CN115037957A (zh) | 2022-09-09 |
| CN115037957B true CN115037957B (zh) | 2024-01-30 |
Family
ID=83122110
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210640283.0A Active CN115037957B (zh) | 2022-06-07 | 2022-06-07 | 一种基于直播节目推荐点播内容的方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115037957B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107071578A (zh) * | 2017-05-24 | 2017-08-18 | 中国科学技术大学 | Iptv节目推荐方法 |
| CN107608990A (zh) * | 2016-07-12 | 2018-01-19 | 上海视畅信息科技有限公司 | 一种直播个性化推荐方法 |
| CN110941738A (zh) * | 2019-11-27 | 2020-03-31 | 北京奇艺世纪科技有限公司 | 推荐方法、装置、电子设备及计算机可读存储介质 |
| CN111309939A (zh) * | 2020-02-03 | 2020-06-19 | 天津智融创新科技发展有限公司 | 视频推荐排序方法和装置 |
| CN113382279A (zh) * | 2021-06-15 | 2021-09-10 | 北京百度网讯科技有限公司 | 直播推荐方法、装置、设备、存储介质以及计算机程序产品 |
| CN114036342A (zh) * | 2021-11-10 | 2022-02-11 | 天翼数字生活科技有限公司 | 一种视频推荐方法、装置、设备及可读存储介质 |
| CN114095742A (zh) * | 2021-11-09 | 2022-02-25 | 广州博冠信息科技有限公司 | 一种视频推荐方法、装置、计算机设备及存储介质 |
| CN114245185A (zh) * | 2021-11-30 | 2022-03-25 | 北京达佳互联信息技术有限公司 | 视频推荐方法、模型训练方法、装置、电子设备及介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170188102A1 (en) * | 2015-12-23 | 2017-06-29 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for video content recommendation |
-
2022
- 2022-06-07 CN CN202210640283.0A patent/CN115037957B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107608990A (zh) * | 2016-07-12 | 2018-01-19 | 上海视畅信息科技有限公司 | 一种直播个性化推荐方法 |
| CN107071578A (zh) * | 2017-05-24 | 2017-08-18 | 中国科学技术大学 | Iptv节目推荐方法 |
| CN110941738A (zh) * | 2019-11-27 | 2020-03-31 | 北京奇艺世纪科技有限公司 | 推荐方法、装置、电子设备及计算机可读存储介质 |
| CN111309939A (zh) * | 2020-02-03 | 2020-06-19 | 天津智融创新科技发展有限公司 | 视频推荐排序方法和装置 |
| CN113382279A (zh) * | 2021-06-15 | 2021-09-10 | 北京百度网讯科技有限公司 | 直播推荐方法、装置、设备、存储介质以及计算机程序产品 |
| CN114095742A (zh) * | 2021-11-09 | 2022-02-25 | 广州博冠信息科技有限公司 | 一种视频推荐方法、装置、计算机设备及存储介质 |
| CN114036342A (zh) * | 2021-11-10 | 2022-02-11 | 天翼数字生活科技有限公司 | 一种视频推荐方法、装置、设备及可读存储介质 |
| CN114245185A (zh) * | 2021-11-30 | 2022-03-25 | 北京达佳互联信息技术有限公司 | 视频推荐方法、模型训练方法、装置、电子设备及介质 |
Non-Patent Citations (2)
| Title |
|---|
| IPTV视频个性化推荐方案;于洪涌;邱晨旭;闻剑峰;;电信科学(第12期);全文 * |
| 一种基于用户播放行为序列的个性化视频推荐策略;王娜;何晓明;刘志强;王文君;李霞;;计算机学报(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115037957A (zh) | 2022-09-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240098221A1 (en) | Method and apparatus for delivering video and video-related content at sub-asset level | |
| CN109769128B (zh) | 视频推荐方法、视频推荐装置和计算机可读存储介质 | |
| US9202523B2 (en) | Method and apparatus for providing information related to broadcast programs | |
| WO2013018325A1 (en) | Information processing apparatus, information processing method, and computer program product | |
| KR101549183B1 (ko) | 내용 기반 ｔｖ 프로그램 추천 시스템, 장치 및 방법 | |
| CN102163212B (zh) | 视频片段识别 | |
| RU2641663C1 (ru) | Способ рекомендации телевизионной программы и сервер | |
| CN105635824A (zh) | 个性化频道推荐方法和系统 | |
| CN105516742A (zh) | 一种机顶盒用户界面推荐方法及相关设备 | |
| CN103442290A (zh) | 基于电视终端用户及语音的信息提供方法及系统 | |
| US20170374426A1 (en) | Binary tv | |
| CN112507163A (zh) | 时长预测模型训练方法、推荐方法、装置、设备及介质 | |
| CN111107434A (zh) | 信息推荐方法及装置 | |
| US11252375B2 (en) | Electronic apparatus and control method thereof | |
| CN112312142B (zh) | 视频播放控制方法、装置和计算机可读存储介质 | |
| CN106464975B (zh) | Tv节目推荐的方法和装置 | |
| CN105100840A (zh) | 一种用于插播推荐媒体信息的方法和装置 | |
| CN112784069B (zh) | 一种iptv内容智能推荐系统以及方法 | |
| CN113766268A (zh) | 视频处理方法、装置、电子设备和可读介质 | |
| CN115037957B (zh) | 一种基于直播节目推荐点播内容的方法、装置及系统 | |
| KR20190072731A (ko) | 방송 서비스의 반송률 측정 장치 | |
| KR20220054050A (ko) | 정보 추천 서비스 제공 장치 및 방법 | |
| JP6069246B2 (ja) | 情報処理装置、情報処理装置の制御方法、及びプログラム | |
| CN114157885A (zh) | 一种推荐方法、装置、设备以及存储介质 | |
| CN112073738B (zh) | 一种信息的处理方法和装置 |
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 |