CN116726508A - 账户匹配方法及装置 - Google Patents
账户匹配方法及装置 Download PDFInfo
- Publication number
- CN116726508A CN116726508A CN202310709958.7A CN202310709958A CN116726508A CN 116726508 A CN116726508 A CN 116726508A CN 202310709958 A CN202310709958 A CN 202310709958A CN 116726508 A CN116726508 A CN 116726508A
- Authority
- CN
- China
- Prior art keywords
- account
- matching
- information
- duration
- accounts
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012163 sequencing technique Methods 0.000 abstract description 6
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/70—Game security or game management aspects
- A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
- A63F13/795—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories for finding other players; for building a team; for providing a buddy list
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/70—Game security or game management aspects
- A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
- A63F13/798—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories for assessing skills or for ranking players, e.g. for generating a hall of fame
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开关于一种账户匹配方法及装置。账户匹配方法包括:在目标账户进入匹配池时,确定匹配池中的至少一个第一账户,其中,第一账户与目标账户的匹配成功率大于预设阈值;基于每个第一账户的信息,对至少一个第一账户进行排序,其中,信息包括匹配信息和时长信息,匹配信息指示第一账户与目标账户的匹配成功率,时长信息指示第一账户在匹配池中的时长;基于排序结果,从至少一个第一账户中确定目标账户的匹配账户;将匹配账户与目标账户进行匹配。
Description
技术领域
本公开涉及通信领域,尤其涉及一种账户匹配方法及装置。
背景技术
PVP(player versus player)指的是游戏中玩家对战玩家的游戏模式,PVP的这种形态已经广泛的应用到直播场景中,常见的应用就是几个账户比拼限时内的资源及各自的支持。直播场景下的PVP玩法中,账户匹配策略无论是对平台侧的回报还是对用户体验来说都有很大的影响。
通常一场账户匹配可以是双账户匹配局,也可以是多账户匹配局,但是多账户匹配和双账户匹配的匹配逻辑有很大的区别。目前,在多账户匹配局场景下往往复用双账户匹配局的策略,即在召回的多个账户中选择其中匹配成功率最高的几个账户,这种方式常常导致多账户匹配局选择的多个账户之间无法较好的匹配。
发明内容
本公开提供一种账户匹配方法及装置,以至少解决相关技术中多账户之间无法较好的匹配的问题。
根据本公开实施例的第一方面,提供一种账户匹配方法,包括:在目标账户进入匹配池时,确定匹配池中的至少一个第一账户,其中,第一账户与目标账户的匹配成功率大于预设阈值;基于每个第一账户的信息,对至少一个第一账户进行排序,其中,信息包括匹配信息和时长信息,匹配信息指示第一账户与目标账户的匹配成功率,时长信息指示第一账户在匹配池中的时长;基于排序结果,从至少一个第一账户中确定目标账户的匹配账户;将匹配账户与目标账户进行匹配。
可选地,在确定匹配池中的至少一个第一账户之前,还包括:将每个第一账户的账户信息和目标账户的账户信息输入匹配模型,得到每个第一账户与目标账户的匹配成功率,其中,匹配模型是基于两两账户的账户信息和历史匹配成功率训练得到的。
可选地,上述信息还包括随和度信息,其中,随和度信息指示匹配池中与第一账户的匹配成功率大于预设阈值的账户的数量信息。
可选地,在基于每个第一账户的信息,对至少一个第一账户进行排序之前,还包括:对于每个第一账户,确定匹配池中的至少一个第二账户,其中,第二账户与第一账户的匹配成功率大于预设阈值;基于至少一个第二账户的数量,获取第一账户的随和度信息。
可选地,基于至少一个第二账户的数量,获取第一账户的随和度信息,包括:基于至少一个第二账户的数量,确定至少一个第二账户在匹配池中的占比;将占比,确定为第一账户的随和度信息。
可选地,基于每个第一账户的信息,对至少一个第一账户进行排序,包括:周期性的在匹配池中选取预定数量的账户;获取预定数量的账户中第三账户的平均匹配信息和平均时长信息,其中,第三账户是预定数量的账户中两两匹配连线持续时长大于等于预设时长的账户;获取预定数量的账户中第四账户的平均匹配信息与平均时长信息,其中,第四账户是预定数量的账户中两两匹配连线持续时长小于预设时长的账户;基于第三账户的平均匹配信息和第四账户的平均匹配信息,确定匹配信息对应的权重;基于第三账户的平均时长信息和第四账户的平均时长信息,确定时长信息对应的权重;将当前时间所在的周期内匹配信息对应的权重和时长信息对应的权重,分别作为当前时间的每个第一账户的匹配信息和时长信息各自的权重;基于当前时间的每个第一账户的匹配信息和时长信息各自的权重,对至少一个第一账户进行排序。
可选地,基于每个第一账户的信息,对至少一个第一账户进行排序,包括:周期性的在匹配池中选取预定数量的账户;获取预定数量的账户中第三账户的平均匹配信息、平均时长信息和平均随和度信息,其中,第三账户是预定数量的账户中两两匹配连线持续时长大于等于预设时长的账户;获取预定数量的账户中第四账户的平均匹配信息、平均时长信息和平均随和度信息,其中,第四账户是预定数量的账户中两两匹配连线持续时长小于预设时长的账户;基于第三账户的平均匹配信息和第四账户的平均匹配信息,确定匹配信息对应的权重;基于第三账户的平均时长信息和第四账户的平均时长信息,确定时长信息对应的权重;基于第三账户的平均随和度信息和第四账户的平均随和度信息,确定随和度信息对应的权重;将当前时间所在的周期内匹配信息对应的权重、时长信息对应的权重和随和度信息对应的权重,分别作为当前时间的每个第一账户的匹配信息、时长信息和随和度各自的权重;基于当前时间的每个第一账户的匹配信息、时长信息和随和度各自的权重,对至少一个第一账户进行排序。
根据本公开实施例的第二方面,提供一种账户匹配装置,包括:第一账户确定单元,被配置为在目标账户进入匹配池时,确定匹配池中的至少一个第一账户,其中,第一账户与目标账户的匹配成功率大于预设阈值;排序单元,被配置为基于每个第一账户的信息,对至少一个第一账户进行排序,其中,信息包括匹配信息和时长信息,匹配信息指示第一账户与目标账户的匹配成功率,时长信息指示第一账户在匹配池中的时长;匹配账户确定单元,被配置为基于排序结果,从至少一个第一账户中确定目标账户的匹配账户;匹配单元,被配置为将匹配账户与目标账户进行匹配。
可选地,第一账户确定单元,还被配置为在确定匹配池中的至少一个第一账户之前,将每个第一账户的账户信息和目标账户的账户信息输入匹配模型,得到每个第一账户与目标账户的匹配成功率,其中,匹配模型是基于两两账户的账户信息和历史匹配成功率训练得到的。
可选地,上述信息还包括随和度信息,其中,随和度信息指示匹配池中与第一账户的匹配成功率大于预设阈值的账户的数量信息。
可选地,排序单元,还被配置为在基于每个第一账户的信息,对至少一个第一账户进行排序之前,对于每个第一账户,确定匹配池中的至少一个第二账户,其中,第二账户与第一账户的匹配成功率大于预设阈值;基于至少一个第二账户的数量,获取第一账户的随和度信息。
可选地,排序单元,还被配置为基于至少一个第二账户的数量,确定至少一个第二账户在匹配池中的占比;将占比,确定为第一账户的随和度信息。
可选地,排序单元,还被配置为周期性的在匹配池中选取预定数量的账户;获取预定数量的账户中第三账户的平均匹配信息和平均时长信息,其中,第三账户是预定数量的账户中两两匹配连线持续时长大于等于预设时长的账户;获取预定数量的账户中第四账户的平均匹配信息与平均时长信息,其中,第四账户是预定数量的账户中两两匹配连线持续时长小于预设时长的账户;基于第三账户的平均匹配信息和第四账户的平均匹配信息,确定匹配信息对应的权重;基于第三账户的平均时长信息和第四账户的平均时长信息,确定时长信息对应的权重;将当前时间所在的周期内匹配信息对应的权重和时长信息对应的权重,分别作为当前时间的每个第一账户的匹配信息和时长信息各自的权重;基于当前时间的每个第一账户的匹配信息和时长信息各自的权重,对至少一个第一账户进行排序。
可选地,排序单元,还被配置为周期性的在匹配池中选取预定数量的账户;获取预定数量的账户中第三账户的平均匹配信息、平均时长信息和平均随和度信息,其中,第三账户是预定数量的账户中两两匹配连线持续时长大于等于预设时长的账户;获取预定数量的账户中第四账户的平均匹配信息、平均时长信息和平均随和度信息,其中,第四账户是预定数量的账户中两两匹配连线持续时长小于预设时长的账户;基于第三账户的平均匹配信息和第四账户的平均匹配信息,确定匹配信息对应的权重;基于第三账户的平均时长信息和第四账户的平均时长信息,确定时长信息对应的权重;基于第三账户的平均随和度信息和第四账户的平均随和度信息,确定随和度信息对应的权重;将当前时间所在的周期内匹配信息对应的权重、时长信息对应的权重和随和度信息对应的权重,分别作为当前时间的每个第一账户的匹配信息、时长信息和随和度各自的权重;基于当前时间的每个第一账户的匹配信息、时长信息和随和度各自的权重,对至少一个第一账户进行排序。
根据本公开实施例的第三方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行指令,以实现根据本公开的账户匹配方法。
根据本公开实施例的第四方面,提供了一种计算机可读存储介质,当计算机可读存储介质中的指令被至少一个处理器运行时,促使至少一个处理器执行如上根据本公开的账户匹配方法。
根据本公开实施例的第五方面,提供了一种计算机程序产品,包括计算机指令,计算机指令被处理器执行时实现根据本公开的账户匹配方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
根据本公开的账户匹配方法及装置,对匹配池中的至少一个第一账户进行排序时,综合考虑了账号的匹配成功率和在匹配池中的时长,使得排序后的至少一个第一账户的顺序更贴合实际情况,基于该排序后的第一账户,可以得到更适合与目标账户匹配的多个匹配账户,从而提高了目标账户与多个账户之间的匹配成功率。因此,本公开解决了相关技术中多账户之间无法较好的匹配的问题。
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,并不构成对本公开的不当限定。
图1是示出根据本公开的示例性实施例的账户匹配方法的实施场景示意图;
图2是根据一示例性实施例示出的一种账户匹配方法的流程图;
图3是根据一示例性实施例示出的一种账户匹配装置的框图;
图4是根据本公开实施例的一种电子设备400的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必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,以便这里描述的本公开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。以下实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在此需要说明的是,在本公开中出现的“若干项之中的至少一项”均表示包含“该若干项中的任意一项”、“该若干项中的任意多项的组合”、“该若干项的全体”这三类并列的情况。例如“包括A和B之中的至少一个”即包括如下三种并列的情况:(1)包括A;(2)包括B;(3)包括A和B。又例如“执行步骤一和步骤二之中的至少一个”,即表示如下三种并列的情况:(1)执行步骤一;(2)执行步骤二;(3)执行步骤一和步骤二。
目前,相较于双账户匹配,多账户匹配需要考虑的问题更加复杂,例如,当给账户1寻找3个合适的匹配账户,此时不仅需要考虑账户1和账户2、账户3、账户4是否有较高的匹配成功率,同时还需要考虑账户2、账户3、账户4本身是否互相也有较高的匹配成功率,如,假设账户1能够匹配的账户有多个(如符合条件的有50个账户),那么在双账户匹配的场景下,只需要找到和账户1匹配度最高的那个账户即可,而在多账户匹配场景下,与账户1匹配度高的几个账户之间可能并不匹配。并且,假设该多账户匹配场景为4个账户进行匹配,如果想要找到对于账户1来说的全局最优解,那么查找空间将会高达C(50,3)约2万种(50个账户中找3个账户)4人匹配的组合,并在这2万种中找到最好的一组(4个账户共6条边的总连通度最高),这么大的计算量在实时场景下是不可能做到的。同时,由于多账户匹配的匹配条件相对于双账户匹配更严苛,因为双账户匹配的场景下,找到一个合适的账户就可以进行匹配,但是多账户匹配的场景下,账户1需要等到至少2个符合条件的账户,等待时长一定会比双账户匹配更长。
针对上述问题,本公开提供了一种账户匹配方法,能够使多个账户之间较好的进行匹配,下面以直播连线场景为例进行说明。
图1是示出根据本公开的示例性实施例的账户匹配方法的实施场景示意图,如图1所述,该实施场景包括服务器100、用户终端110和用户终端120,其中,用户终端不限于2个,包括并不限于手机、个人计算机等设备,用户终端可以安装有直播的应用程序,服务器可以是一个服务器,也可以是若干个服务器组成服务器集群,还可以是云计算平台或虚拟化中心。
用户终端110或120上的应用程序通过目标账户开启直播间,并在直播间中需要与多个账户连线时,指示目标账户对应的用户点击连线菜单,此时目标账户即进入匹配池,在目标账户进入匹配池时,用户终端110或120确定当前时间下匹配池中的召回账户(即第一账户),其中,召回账户与目标账户的匹配成功率大于预设阈值;基于每个召回账户的匹配信息和时长信息,对所有召回账户进行排序,其中,匹配信息指示第一账户与目标账户的匹配成功率,时长信息指示第一账户在匹配池中的时长;基于排序结果,从所有召回账户中确定目标账户的匹配账户;将匹配账户与目标账户连线匹配。
需要说明的是,用户终端110和用户终端120可以独立完成该工作,也可以通过服务器100为其提供数据服务,本公开对此并不进行限定。当通过服务器100为其提供数据服务时,用户终端110和/或用户终端120上的应用程序通过目标账户开启直播间,并在直播间中需要与多个账户连线时,指示目标账户对应的用户点击连线菜单,此时目标账户即进入服务器100上的匹配池,在目标账户进入匹配池时,服务器100确定当前时间下匹配池中的召回账户(即第一账户),其中,召回账户与目标账户的匹配成功率大于预设阈值;基于每个召回账户的匹配信息和时长信息,对所有召回账户进行排序,其中,匹配信息指示第一账户与目标账户的匹配成功率,时长信息指示第一账户在匹配池中的时长;基于排序结果,从所有召回账户中确定目标账户的匹配账户;将匹配账户与目标账户连线匹配。
下面,将参照附图详细描述根据本公开的示例性实施例的账户匹配方法及装置。
图2是根据一示例性实施例示出的一种账户匹配方法的流程图,如图2所示,账户匹配方法包括以下步骤:
在步骤S201中,在目标账户进入匹配池时,确定匹配池中的至少一个第一账户,其中,第一账户与目标账户的匹配成功率大于预设阈值。
作为示例,可以设定一个最小匹配成功率(即上述预设阈值),该最小匹配成功率可根据业务需要以及实际情况自行设置或通过实验确定,对此本公开并不进行限定。当确定了最小匹配成功率,可以召回匹配池中匹配成功率高于该最小匹配成功率的账户,一般称为目标账户的召回账户,也即上述第一账户。
根据本公开的示例性实施例,在确定匹配池中的至少一个第一账户之前,还可以将每个第一账户的账户信息和目标账户的账户信息输入匹配模型,得到每个第一账户与目标账户的匹配成功率,其中,匹配模型是基于两两账户的账户信息和历史匹配成功率训练得到的。根据本实施例,引入机器学习,即通过训练出的匹配模型,可以获取到更为准确的匹配成功率。
具体地,可以利用双账户匹配模式的相关数据,对账户之间的匹配成功率进行建模,建立的匹配模型的预测目标可以是两个账户在匹配后N秒内不断线的概率,即匹配成功率。上述账户信息可以包括账户的画像(姓名、性别、身高等基础特征)、历史PVP的匹配行为,对此本公开并不进行限定。
需要说明的是,本公开所涉及的账户信息(包括但不限于设备信息、个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经账户所属用户授权或者经过各方充分授权的信息和数据。
例如,获取双账户匹配模式下的多个账户,将两两匹配的账户的账户信息输入到初始匹配模型中,得到两两账户的预估匹配成功率,根据该预估匹配成功率和两两账户的实际匹配成功率,调整初始匹配模型的参数,从而完成对初始匹配模型的训练,得到训练后的匹配模型。
返回图2,在步骤S202中,基于每个第一账户的信息,对至少一个第一账户进行排序,其中,信息包括匹配信息和时长信息,匹配信息指示第一账户与目标账户的匹配成功率,时长信息指示第一账户在匹配池中的时长。
例如,可以对每个第一账户与目标账户的匹配信息和时长信息进行加权求和处理,得到每个第一账户的排序信息;也可以通过自注意力机制对每个第一账户匹配信息和时长信息进行综合,得到每个第一账户的排序信息,对此本公开并不进行限定。
根据本公开的示例性实施例,上述信息还包括随和度信息,其中,随和度信息指示匹配池中与第一账户的匹配成功率大于预设阈值的账户的数量信息。根据本实施例,在确定适合与目标账户匹配的匹配账户时,还考虑到了每个预定账户在匹配池中的随和度信息,从而进一步地提高了目标账户与多个账户之间的匹配成功率。
上述基于每个第一账户的信息,对至少一个第一账户进行排序可以包括:基于每个第一账户的匹配信息、时长信息以及随和度信息,对至少一个第一账户进行排序,对此本公开并不进行限定。例如,可以预先获取到每个第一账户在匹配池的随和度信息,然后通过对每个第一账户的匹配信息、时长信息以及随和度信息进行加权处理得到每个第一账户的排序信息,进而基于该排序信息对第一账户进行排序。
需要说明的是,每个第一账户的时长一般与随和度成反比关系,原因在于,对于随和度低的账户,其在任一账户的排序列表中的排位可能都比较靠后,那么这将导致随和度低的账户的等待时长非常长,进而影响到这类挑剔账户的产品使用体验。因此,对第一账户进行排序时,可以考虑将等待时长比较长的账户排在前面。
根据本公开的示例性实施例,在基于每个第一账户的信息,对至少一个第一账户进行排序之前,还可以对于每个第一账户,确定匹配池中的至少一个第二账户,其中,第二账户与第一账户的匹配成功率大于预设阈值;基于至少一个第二账户的数量,获取第一账户的随和度信息。根据本实施例,通过第二账户的数量的多少,可以直观、方便的确定出匹配池中可以与第一账户适配的账户数量,从而可以知晓预定账户的随和度信息。
具体地,多账户匹配场景与双账户匹配场景最大的不同在于:假设账户1和账户X有很高的匹配成功率,但是由于账户X本身可能是非常挑剔的,即账户X与大多数账户的匹配成功率都很低,因而当账户1找到的第二个账户Y进入匹配池时,账户X可能会因为账户Y的出现而断线。因此,可以尽量将随和的用户排在前面,以避免上述情况发生。由于账户1进入匹配池时,账户X已经在匹配池里了,而账户X进入匹配池后,一般也进行了召回的步骤,但由于某些原因导致其没能在账户1进入匹配池前开始匹配,因此,一定可以取到账户X的随和度信息。
例如,以确定匹配池中账户X的随和度信息为例,可以获取匹配池中与账户X的匹配成功率大于预设阈值的账户,一般称为账户X的召回账户(对应上述实施例的第二账户),获取召回账户的数量,基本该数量确定账户X的随和度信息。需要说明的是,账户的随和度和召回账户的数量成正比,召回账户的数量越大表示账户的随和度越大,召回账户的数量越小表示账户的随和度越小。
根据本公开的示例性实施例,基于至少一个第二账户的数量,获取第一账户的随和度信息,可以包括:基于至少一个第二账户的数量,确定至少一个第二账户在匹配池中的占比;将占比,确定为第一账户的随和度信息。根据本实施例,通过第二账户的数量在匹配池中的占比,可以确定较为准确的随和度信息。
例如,仍以确定匹配池中账户X的随和度信息为例,获取了账户X的召回账户的数量后,可以通过召回账户的数量和匹配池内所有账户的数量,得到召回账户的占比,将该占比作为账户X的随和度信息,当然本公开对于随和度的确定并不限定。
根据本公开的示例性实施例,基于每个第一账户的信息,对至少一个第一账户进行排序,可以包括:确定每个第一账户的匹配信息和时长信息各自的权重;基于当前时间的每个第一账户的匹配信息和时长信息各自的权重,对至少一个第一账户进行排序,例如可以通过确定的权重对匹配信息和时长信息进行加权求和处理,得到至少一个第一账户的排序信息;基于排序信息,对至少一个第一账户进行排序。根据本实施例,为匹配信息和时长信息两个因素分别确定相应的权重,并基于权重对二者进行综合,从而可以灵活的调整各个因素对排序信息的影响,使得排序后的预定账户更贴合实际情况。
具体地,上述各个因素的权重可以根据经验和实际需要人为进行设定,例如,可以人为设定每个因素的权重;也可以人为的为每个因素分别设定多个权重,然后基于实验为每个因素选择各自的权重;还可以直接通过实验的方式确定每个因素的权重,对此本公开并不进行限定。
例如,假设W1和W2分别表示一个账户的匹配信息和时长信息各自的权重,则该账户的排序信息可以为W1×匹配信息+W2×时长信息;排序信息越大,该账户在对应的目标账户的排序列表中排名越靠前。需要说明的是,上述时长信息的形式还可以进行变化,如时长信息可以采用时长与匹配池的最长时长的比值,也可以是其他形式,对此本公开并不进行限定。
对于基于实验为每个因素选择各自的权重的方式,下面展开论述。
根据本公开的示例性实施例,确定每个第一账户的匹配信息和时长信息各自的权重,可以包括:周期性的在匹配池中选取预定数量的账户;获取预定数量的账户中第三账户的平均匹配信息和平均时长信息,其中,第三账户是预定数量的账户中两两匹配连线持续时长大于等于预设时长的账户;获取预定数量的账户中第四账户的平均匹配信息与平均时长信息,其中,第四账户是预定数量的账户中两两匹配连线持续时长小于预设时长的账户;基于第三账户的平均匹配信息和第四账户的平均匹配信息,确定匹配信息对应的权重;基于第三账户的平均时长信息和第四账户的平均时长信息,确定时长信息对应的权重;将当前时间所在的周期内匹配信息对应的权重和时长信息对应的权重,分别作为当前时间的每个第一账户的匹配信息和时长信息各自的权重。根据本实施例,可以不依靠人力,自动的确定出各个因素的权重,节省了人力。
具体地,上述周期可以根据需要设定,如可以是5秒,可以是10秒,对此本公开并不进行限定。上述预定数量也可以根据需要设定,如可以是匹配池中20%的账户,也可以是匹配池中30%的账户,对此本公开也不进行限定。上述预设时长也可以根据需要设定,如可以是30秒,也可以是20秒,对此本公开并不进行限定。
例如,以5秒一周期、预定数量是匹配池中20%的账户、预设时长是30秒为例,首先,每间隔5秒,在匹配池内随机选取20%的账户并对这些账户进行随机匹配;其次,计算这些随机匹配场次中30秒内未断线的场次和30秒内断线的场次中每个场次的以下两个指标,指标1-账户的时长信息的均值,指标2-账户间的匹配信息的均值,对于指标2,假设一个场次有4个账户进行匹配,则需要计算C(4,2)=6个匹配信息的均值;然后,计算未断线的所有场次中两个指标各自的平均值,即上述实施例中第三账户的平均匹配信息和平均时长信息,还需计算断线的所有场次的中两个指标各自的平均值,即上述实施例中第四账户的平均匹配信息和平均时长信息;最后,可以根据两个指标在断线的场次和非断线的场次的比值大小确定权重,如:
W1=未断线的场次的平均匹配信息/断线的场次的平均匹配信息,
W2=未断线的场次的平均时长信息/断线的场次的平均时长信息。
需要说明的是,权重并不一定通过两个指标在断线的场次和非断线的场次的比值大小,还可以通过差值等确定,对此本公开并不进行限定。
根据本公开的示例性实施例,基于每个第一账户的信息,对至少一个第一账户进行排序,可以包括:确定每个第一账户的匹配信息、时长信息和随和度信息各自权重;基于当前时间的每个第一账户的匹配信息、时长信息和随和度各自的权重,对至少一个第一账户进行排序,例如可以通过确定的权重对匹配信息、时长信息和随和度信息进行加权求和处理,得到至少一个第一账户的排序信息;基于排序信息,对至少一个第一账户进行排序。根据本实施例,为随和度信息确定相应的权重,并基于权重对三个因素进行综合,从而可以灵活的调整各个因素对排序信息的影响,使得排序后的预定账户更贴合实际情况。
具体地,上述权重可以根据经验和实际需要人为进行设定,例如,可以人为设定随和度信息的权重;也可以人为的为随和度信息分别设定多个权重,然后基于实验为随和度信息选择各自的权重;还可以直接通过实验的方式确定随和度信息的权重,对此本公开并不进行限定。
例如,假设W1、W2和W3分别表示一个账户的匹配信息、时长信息和随和度信息各自的权重,则该账户的排序信息可以为W1×匹配信息+W2×时长信息+W2×随和度信息;排序信息越大,该账户在对应的目标账户的排序列表中排名越靠前。需要说明的是,上述时长信息的形式还可以进行变化,如时长信息可以采用第一账户的时长与匹配池的最长时长的比值,也可以是其他形式,对此本公开并不进行限定。
根据本公开的示例性实施例,确定每个第一账户的匹配信息、时长信息和随和度信息各自权重可以包括:周期性的在匹配池中选取预定数量的账户;获取预定数量的账户中第三账户的平均匹配信息、平均时长信息和平均随和度信息,其中,第三账户是预定数量的账户中两两匹配连线持续时长大于等于预设时长的账户;获取预定数量的账户中第四账户的平均匹配信息、平均时长信息和平均随和度信息,其中,第四账户是预定数量的账户中两两匹配连线持续时长小于预设时长的账户;基于第三账户的平均匹配信息和第四账户的平均匹配信息,确定匹配信息对应的权重;基于第三账户的平均时长信息和第四账户的平均时长信息,确定时长信息对应的权重;基于第三账户的平均随和度信息和第四账户的平均随和度信息,确定随和度信息对应的权重;将当前时间所在的周期内匹配信息对应的权重、时长信息对应的权重和随和度信息对应的权重,分别作为当前时间的每个第一账户的匹配信息、时长信息和随和度各自的权重。根据本实施例,可以不依靠人力,自动的确定出随和度信息的权重,节省了人力。
例如,仍以5秒一周期、预定数量是匹配池中20%的账户、预设时长是30秒为例,首先,每间隔5秒,在匹配池内随机选取20%的账户并对这些账户进行随机匹配;其次,计算这些随机匹配场次中30秒内未断线的场次和30秒内断线的场次中每个场次的以下三个指标,指标1-账户的时长信息的均值,指标2-账户间的匹配信息的均值,指标3-账户的随和度信息的均值,对于指标2,假设一个场次有4个账户进行匹配,则需要计算C(4,2)=6个匹配信息的均值;然后,计算未断线的所有场次中三个指标各自的平均值,即上述实施例中第三账户的平均匹配信息、平均时长信息和平均随和度信息,还需计算断线的所有场次的中三个指标各自的平均值,即上述实施例中第四账户的平均匹配信息、平均时长信息和平均随和度信息;最后,可以根据三个指标在断线的场次和非断线的场次的比值大小确定权重,如:
W1=未断线的场次的平均匹配信息/断线的场次的平均匹配信息,
W2=未断线的场次的平均时长信息/断线的场次的平均时长信息,
W3=未断线的场次的平均随和度信息/断线的场次的平均随和度信息。
同样需要说明的是,权重并不一定通过指标在断线的场次和非断线的场次的比值大小,还可以通过差值等确定,对此本公开并不进行限定。
返回图2,在步骤S203中,基于排序结果,从至少一个第一账户中确定目标账户的匹配账户。本步骤中的匹配账户可以是多个,也可以是一个,无论需是几个匹配账户,都按排序后的第一账户选择排在前面的账户。
例如,需要4个匹配账户时,可以选择排序后的第一账户中前4个账户,作为目标账户的匹配账户。
返回图2,在步骤S204中,将匹配账户与目标账户进行匹配。该匹配可以是直播间的连线,也可以是会议中的连麦,对此本公开并不进行限定。
需要说明的是,本公开所涉及的账户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
综上,本公开在目标账户进入匹配池后,当前时间截面的匹配池内账户即成为目标账户的匹配账户候选集。此时需要对候选集内的账户进行初步的召回,也即可以选择匹配成功率大于一定阈值的账户,然后对召回的账户进行排序,其中,排序可以考虑目标账户与候选集内账户的匹配成功率、候选集内账户的随和度以及候选集内账户在匹配池中的时长,当然还可以考虑其他因素,对此本公开并不进行限定。本公开在匹配时综合考虑了账户之间匹配度、账户的随和度和账户的时长,同时,为每个决定是否匹配的因素设定相应的权重。通过本公开可以消耗较少计算量查找到适合匹配的账户。
图3是根据一示例性实施例示出的一种账户匹配装置的框图。参照图3,该装置包括第一账户确定单元30、排序单元32、匹配账户确定单元34和匹配单元36。
第一账户确定单元30,被配置为在目标账户进入匹配池时,确定匹配池中的至少一个第一账户,其中,第一账户与目标账户的匹配成功率大于预设阈值;排序单元32,被配置为基于每个第一账户的信息,对至少一个第一账户进行排序,其中,信息包括匹配信息和时长信息,匹配信息指示第一账户与目标账户的匹配成功率,时长信息指示第一账户在匹配池中的时长;匹配账户确定单元34,被配置为基于排序结果,从至少一个第一账户中确定目标账户的匹配账户;匹配单元36,被配置为将匹配账户与目标账户进行匹配。
根据本公开的示例性实施例,第一账户确定单元30,还被配置为在确定匹配池中的至少一个第一账户之前,将每个第一账户的账户信息和目标账户的账户信息输入匹配模型,得到每个第一账户与目标账户的匹配成功率,其中,匹配模型是基于两两账户的账户信息和历史匹配成功率训练得到的。
根据本公开的示例性实施例,上述信息还包括随和度信息,其中,随和度信息指示匹配池中与第一账户的匹配成功率大于预设阈值的账户的数量信息。
根据本公开的示例性实施例,排序单元32,还被配置为在基于每个第一账户的信息,对至少一个第一账户进行排序之前,对于每个第一账户,确定匹配池中的至少一个第二账户,其中,第二账户与第一账户的匹配成功率大于预设阈值;基于至少一个第二账户的数量,获取第一账户的随和度信息。
根据本公开的示例性实施例,排序单元,还被配置为基于至少一个第二账户的数量,确定至少一个第二账户在匹配池中的占比;将占比,确定为第一账户的随和度信息。
根据本公开的示例性实施例,排序单元32,还被配置为确定每个第一账户的匹配信息和时长信息各自的权重;通过确定的权重对匹配信息和时长信息进行加权求和处理,得到至少一个第一账户的排序信息;基于排序信息,对至少一个第一账户进行排序。
根据本公开的示例性实施例,排序单元32,还被配置为周期性的在匹配池中选取预定数量的账户;获取预定数量的账户中第三账户的平均匹配信息和平均时长信息,其中,第三账户是预定数量的账户中两两匹配连线持续时长大于等于预设时长的账户;获取预定数量的账户中第四账户的平均匹配信息与平均时长信息,其中,第四账户是预定数量的账户中两两匹配连线持续时长小于预设时长的账户;基于第三账户的平均匹配信息和第四账户的平均匹配信息,确定匹配信息对应的权重;基于第三账户的平均时长信息和第四账户的平均时长信息,确定时长信息对应的权重;将当前时间所在的周期内匹配信息对应的权重和时长信息对应的权重,分别作为当前时间的每个第一账户的匹配信息和时长信息各自的权重。
根据本公开的示例性实施例,排序单元32,还被配置为确定每个第一账户的匹配信息、时长信息和随和度信息各自权重;通过确定的权重对匹配信息、时长信息和随和度信息进行加权求和处理,得到至少一个第一账户的排序信息;基于排序信息,对至少一个第一账户进行排序。
根据本公开的示例性实施例,排序单元32,还被配置为周期性的在匹配池中选取预定数量的账户;获取预定数量的账户中第三账户的平均匹配信息、平均时长信息和平均随和度信息,其中,第三账户是预定数量的账户中两两匹配连线持续时长大于等于预设时长的账户;获取预定数量的账户中第四账户的平均匹配信息、平均时长信息和平均随和度信息,其中,第四账户是预定数量的账户中两两匹配连线持续时长小于预设时长的账户;基于第三账户的平均匹配信息和第四账户的平均匹配信息,确定匹配信息对应的权重;基于第三账户的平均时长信息和第四账户的平均时长信息,确定时长信息对应的权重;基于第三账户的平均随和度信息和第四账户的平均随和度信息,确定随和度信息对应的权重;将当前时间所在的周期内匹配信息对应的权重、时长信息对应的权重和随和度信息对应的权重,分别作为当前时间的每个第一账户的匹配信息、时长信息和随和度各自的权重。
根据本公开的实施例,可提供一种电子设备。图4是根据本公开实施例的一种电子设备400的框图,该电子设备包括至少一个存储器401和至少一个处理器402,所述至少一个存储器中存储有计算机可执行指令集合,当计算机可执行指令集合被至少一个处理器执行时,执行根据本公开实施例的账户匹配方法。
作为示例,电子设备400可以是PC计算机、平板装置、个人数字助理、智能手机、或其他能够执行上述指令集合的装置。这里,电子设备1000并非必须是单个的电子设备,还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。电子设备400还可以是集成控制系统或系统管理器的一部分,或者可被配置为与本地或远程(例如,经由无线传输)以接口互联的便携式电子设备。
在电子设备400中,处理器402可包括中央处理器(CPU)、图形处理器(GPU)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制,处理器402还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。
处理器402可运行存储在存储器中的指令或代码,其中,存储器401还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收,其中,网络接口装置可采用任何已知的传输协议。
存储器401可与处理器402集成为一体,例如,将RAM或闪存布置在集成电路微处理器等之内。此外,存储器401可包括独立的装置,诸如,外部盘驱动、存储阵列或任何数据库系统可使用的其他存储装置。存储器401和处理器402可在操作上进行耦合,或者可例如通过I/O端口、网络连接等互相通信,使得处理器402能够读取存储在存储器401中的文件。
此外,电子设备400还可包括视频显示器(诸如,液晶显示器)和用户交互接口(诸如,键盘、鼠标、触摸输入装置等)。电子设备的所有组件可经由总线和/或网络而彼此连接。
根据本公开的实施例,还可提供一种计算机可读存储介质,其中,当计算机可读存储介质中的指令被至少一个处理器运行时,促使至少一个处理器执行本公开实施例的账户匹配方法。这里的计算机可读存储介质的示例包括:只读存储器(ROM)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、蓝光或光盘存储器、硬盘驱动器(HDD)、固态硬盘(SSD)、卡式存储器(诸如,多媒体卡、安全数字(SD)卡或极速数字(XD)卡)、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置,所述任何其他装置被配置为以非暂时性方式存储计算机程序以及任何相关联的数据、数据文件和数据结构并将所述计算机程序以及任何相关联的数据、数据文件和数据结构提供给处理器或计算机使得处理器或计算机能执行所述计算机程序。上述计算机可读存储介质中的计算机程序可在诸如客户端、主机、代理装置、服务器等计算机设备中部署的环境中运行,此外,在一个示例中,计算机程序以及任何相关联的数据、数据文件和数据结构分布在联网的计算机系统上,使得计算机程序以及任何相关联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式方式存储、访问和执行。
根据本公开实施例,提供了一种计算机程序产品,包括计算机指令,计算机指令被处理器执行时实现本公开实施例的账户匹配方法。
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。本公开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。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
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 (10)
1.一种账户匹配方法,其特征在于,包括:
在目标账户进入匹配池时,确定所述匹配池中的至少一个第一账户,其中,所述第一账户与所述目标账户的匹配成功率大于预设阈值;
基于每个第一账户的信息,对所述至少一个第一账户进行排序,其中,所述信息包括匹配信息和时长信息,所述匹配信息指示第一账户与所述目标账户的匹配成功率,所述时长信息指示第一账户在所述匹配池中的时长;
基于排序结果,从所述至少一个第一账户中确定所述目标账户的匹配账户;
将所述匹配账户与所述目标账户进行匹配。
2.如权利要求1所述的账户匹配方法,其特征在于,在确定所述匹配池中的至少一个第一账户之前,还包括:
将每个第一账户的账户信息和所述目标账户的账户信息输入匹配模型,得到每个第一账户与所述目标账户的匹配成功率,其中,所述匹配模型是基于两两账户的账户信息和历史匹配成功率训练得到的。
3.如权利要求1所述的账户匹配方法,其特征在于,所述信息还包括随和度信息,所述随和度信息指示所述匹配池中与第一账户的匹配成功率大于所述预设阈值的账户的数量信息。
4.如权利要求3所述的账户匹配方法,其特征在于,在基于每个第一账户的信息,对所述至少一个第一账户进行排序之前,还包括:
对于每个第一账户,确定所述匹配池中的至少一个第二账户,其中,所述第二账户与所述第一账户的匹配成功率大于所述预设阈值;
基于所述至少一个第二账户的数量,获取所述第一账户的随和度信息。
5.如权利要求4所述的账户匹配方法,其特征在于,所述基于所述至少一个第二账户的数量,获取所述第一账户的随和度信息,包括:
基于所述至少一个第二账户的数量,确定所述至少一个第二账户在所述匹配池中的占比;
将所述占比,确定为所述第一账户的随和度信息。
6.如权利要求1所述的账户匹配方法,其特征在于,所述基于每个第一账户的信息,对所述至少一个第一账户进行排序,包括:
周期性的在所述匹配池中选取预定数量的账户;
获取所述预定数量的账户中第三账户的平均匹配信息和平均时长信息,其中,所述第三账户是所述预定数量的账户中两两匹配连线持续时长大于等于预设时长的账户;
获取所述预定数量的账户中第四账户的平均匹配信息与平均时长信息,其中,所述第四账户是所述预定数量的账户中两两匹配连线持续时长小于所述预设时长的账户;
基于所述第三账户的平均匹配信息和所述第四账户的平均匹配信息,确定匹配信息对应的权重;
基于所述第三账户的平均时长信息和所述第四账户的平均时长信息,确定时长信息对应的权重;
将当前时间所在的周期内匹配信息对应的权重和时长信息对应的权重,分别作为所述当前时间的每个第一账户的所述匹配信息和所述时长信息各自的权重;
基于所述当前时间的每个第一账户的所述匹配信息和所述时长信息各自的权重,对所述至少一个第一账户进行排序。
7.如权利要求3所述的账户匹配方法,其特征在于,所述基于每个第一账户的信息,对所述至少一个第一账户进行排序,包括:
周期性的在所述匹配池中选取预定数量的账户;
获取所述预定数量的账户中第三账户的平均匹配信息、平均时长信息和平均随和度信息,其中,所述第三账户是所述预定数量的账户中两两匹配连线持续时长大于等于预设时长的账户;
获取所述预定数量的账户中第四账户的平均匹配信息、平均时长信息和平均随和度信息,其中,所述第四账户是所述预定数量的账户中两两匹配连线持续时长小于所述预设时长的账户;
基于所述第三账户的平均匹配信息和所述第四账户的平均匹配信息,确定匹配信息对应的权重;
基于所述第三账户的平均时长信息和所述第四账户的平均时长信息,确定时长信息对应的权重;
基于所述第三账户的平均随和度信息和所述第四账户的平均随和度信息,确定随和度信息对应的权重;
将当前时间所在的周期内匹配信息对应的权重、时长信息对应的权重和随和度信息对应的权重,分别作为所述当前时间的每个第一账户的所述匹配信息、所述时长信息和所述随和度各自的权重;
基于所述当前时间的每个第一账户的所述匹配信息、所述时长信息和所述随和度各自的权重,对所述至少一个第一账户进行排序。
8.一种账户匹配装置,其特征在于,包括:
第一账户确定单元,被配置为在目标账户进入匹配池时,确定所述匹配池中的至少一个第一账户,其中,所述第一账户与所述目标账户的匹配成功率大于预设阈值;
排序单元,被配置为基于每个第一账户的信息,对所述至少一个第一账户进行排序,其中,所述信息包括匹配信息和时长信息,所述匹配信息指示第一账户与所述目标账户的匹配成功率,所述时长信息指示第一账户在所述匹配池中的时长;
匹配账户确定单元,被配置为基于排序结果,从所述至少一个第一账户中确定所述目标账户的匹配账户;
匹配单元,被配置为将所述匹配账户与所述目标账户进行匹配。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的账户匹配方法。
10.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令被至少一个处理器运行时,促使所述至少一个处理器执行如权利要求1至7中任一项所述的账户匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310709958.7A CN116726508A (zh) | 2023-06-15 | 2023-06-15 | 账户匹配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310709958.7A CN116726508A (zh) | 2023-06-15 | 2023-06-15 | 账户匹配方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116726508A true CN116726508A (zh) | 2023-09-12 |
Family
ID=87907674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310709958.7A Pending CN116726508A (zh) | 2023-06-15 | 2023-06-15 | 账户匹配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116726508A (zh) |
-
2023
- 2023-06-15 CN CN202310709958.7A patent/CN116726508A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11372805B2 (en) | Method and device for information processing | |
CN105493045A (zh) | 虚拟计算实例迁移 | |
CN110413867B (zh) | 用于内容推荐的方法及系统 | |
CN112418673A (zh) | 案件分配方法、装置及介质 | |
CN111481939A (zh) | 游戏账号控制方法、装置、介质及电子设备 | |
CN114268672B (zh) | Cdn节点分配方法、装置、电子设备、介质及程序产品 | |
CN111659125B (zh) | 基于游戏的好友推荐方法、装置及计算机可读存储介质 | |
US20160132771A1 (en) | Application Complexity Computation | |
CN104239519A (zh) | 一种信息推荐方法及相关设备、系统 | |
CN108847948B (zh) | 活动群的创建方法及装置、介质和计算设备 | |
US10853867B1 (en) | Recommendation engine using action node mapping | |
US11126785B1 (en) | Artificial intelligence system for optimizing network-accessible content | |
CN112433751A (zh) | 灰度发布方法、装置、电子设备和存储介质 | |
CN116726508A (zh) | 账户匹配方法及装置 | |
CN116661920A (zh) | 互联网页面的自动切换方法、装置、设备、系统及介质 | |
CN114996507A (zh) | 视频推荐方法及装置 | |
CN114997930A (zh) | 策略配置方法及装置 | |
CN114169920A (zh) | 一种虚拟资源的推送方法、装置、设备及存储介质 | |
CN109960758A (zh) | 中奖信息推送方法、装置及电子设备 | |
CN104283974A (zh) | 数据拉取方法和相关设备及通信系统 | |
CN115438203A (zh) | 多媒体资源的推荐方法及装置 | |
CN116095069A (zh) | 多媒体资源获取方法、装置、设备及介质 | |
CN114756779B (zh) | 资源交互方法、资源交互装置、电子设备和存储介质 | |
CN112507165B (zh) | 视频推荐方法及装置 | |
CN113806567B (zh) | 搜索词的推荐方法及装置 |
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 |