CN117221663B - 基于数据交互的用户行为预测方法及系统 - Google Patents
基于数据交互的用户行为预测方法及系统 Download PDFInfo
- Publication number
- CN117221663B CN117221663B CN202311311859.XA CN202311311859A CN117221663B CN 117221663 B CN117221663 B CN 117221663B CN 202311311859 A CN202311311859 A CN 202311311859A CN 117221663 B CN117221663 B CN 117221663B
- Authority
- CN
- China
- Prior art keywords
- interaction
- live broadcast
- user
- live
- preset
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 371
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 230000006399 behavior Effects 0.000 claims description 152
- 230000004927 fusion Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 10
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了基于数据交互的用户行为预测方法及系统,涉及数据处理技术领域,该方法包括:获得第一预定直播信息;获得第一直播特征集;获得多个用户直播交互记录;获得多个用户直播交互特征画像;对所述第一预定直播进行多维度用户行为预测,获得第一直播用户行为预测结果;基于所述第一直播用户行为预测结果对所述第一预定直播进行推送决策,获得第一直播推送决策,并根据所述第一直播推送决策执行所述第一预定直播的直播信息推送,解决了现有技术中由于对用户的偏好等分析不准确,进而导致直播推送能效不佳的技术问题,便于进行直播定向推送,达到提升直播推送决策与用户的适配度,提升推送有效性的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及基于数据交互的用户行为预测方法及系统。
背景技术
随着网络自媒体的快速发展,逐渐衍生出了网络直播,通过自媒体平台可随时进行直播,比如带货直播、唱歌直播、游戏直播等,通过直播向观众展示各种才艺、产品等。但是,现有技术中的直播推送存在由于对用户的偏好等分析不准确,进而导致直播推送能效不佳的技术问题。
发明内容
本发明提供了基于数据交互的用户行为预测方法及系统,用以解决现有技术中的直播推送存在由于对用户的偏好等分析不准确,进而导致直播推送能效不佳的技术问题。
根据本发明的第一方面,提供了基于数据交互的用户行为预测方法,包括:连接数据交互装置,根据所述数据交互装置对第一预定直播进行信息采集,获得第一预定直播信息;对所述第一预定直播信息进行特征识别,获得第一直播特征集,其中,所述第一直播特征集包括直播类型特征、直播主题特征和直播时间特征;连接所述数据交互装置,分别采集预设历史时区内多个用户的直播交互信息,获得多个用户直播交互记录;基于所述多个用户直播交互记录进行数据整合,获得多个用户直播交互特征画像;基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行多维度用户行为预测,获得第一直播用户行为预测结果;基于所述第一直播用户行为预测结果对所述第一预定直播进行推送决策,获得第一直播推送决策,并根据所述第一直播推送决策执行所述第一预定直播的直播信息推送。
根据本发明的第二方面,提供了基于数据交互的用户行为预测系统,包括:预定直播信息采集模块,所述预定直播信息采集模块用于连接数据交互装置,根据所述数据交互装置对第一预定直播进行信息采集,获得第一预定直播信息;特征识别模块,所述特征识别模块用于对所述第一预定直播信息进行特征识别,获得第一直播特征集,其中,所述第一直播特征集包括直播类型特征、直播主题特征和直播时间特征;直播交互信息采集模块,所述直播交互信息采集模块用于连接所述数据交互装置,分别采集预设历史时区内多个用户的直播交互信息,获得多个用户直播交互记录;交互特征画像获取模块,所述交互特征画像获取模块用于基于所述多个用户直播交互记录进行数据整合,获得多个用户直播交互特征画像;用户行为预测模块,所述用户行为预测模块用于基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行多维度用户行为预测,获得第一直播用户行为预测结果;直播推送决策模块,所述直播推送决策模块用于基于所述第一直播用户行为预测结果对所述第一预定直播进行推送决策,获得第一直播推送决策,并根据所述第一直播推送决策执行所述第一预定直播的直播信息推送。
根据本发明采用的一个或多个技术方案,其可达到的有益效果如下:
连接数据交互装置,根据数据交互装置对第一预定直播进行信息采集,获得第一预定直播信息,对第一预定直播信息进行特征识别,获得第一直播特征集,其中,第一直播特征集包括直播类型特征、直播主题特征和直播时间特征,连接数据交互装置,分别采集预设历史时区内多个用户的直播交互信息,获得多个用户直播交互记录,基于多个用户直播交互记录进行数据整合,获得多个用户直播交互特征画像,基于多个用户直播交互特征画像和第一直播特征集对第一预定直播进行多维度用户行为预测,获得第一直播用户行为预测结果,基于第一直播用户行为预测结果对第一预定直播进行推送决策,获得第一直播推送决策,并根据第一直播推送决策执行第一预定直播的直播信息推送,由此通过对第一预定直播进行用户行为预测分析,便于进行直播定向推送,达到提升直播推送决策与用户的适配度,提升推送有效性的技术效果。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的基于数据交互的用户行为预测方法的流程示意图;
图2为本发明实施例提供的基于数据交互的用户行为预测系统的结构示意图。
附图标记说明:预定直播信息采集模块11,特征识别模块12,直播交互信息采集模块13,交互特征画像获取模块14,用户行为预测模块15,直播推送决策模块16。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。
说明书中使用的术语用于描述实施例,而不是限制本发明。如在说明书中所使用的,单数术语“一”“一个”和“该”旨在也包括复数形式,除非上下文另有清楚指示。当在说明书中使用时,术语“包括”和/或“包含”指定了步骤、操作、元件和/或组件的存在,但是不排除一个或多个其他步骤、操作、元件、组件和/或其组的存在或添加。
除非另有定义,本说明书中使用的所有术语(包括技术和科学术语)应具有与本发明所属领域的技术人员通常理解的相同含义。术语,如常用词典中定义的术语,不应以理想化或过于正式的意义来解释,除非在此明确定义。在整个说明书中,相同的附图标记表示相同的元件。
需要说明的是,本发明所涉及的用户信息(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。
实施例一
图1为本发明实施例提供的基于数据交互的用户行为预测方法图,所述方法包括:
连接数据交互装置,根据所述数据交互装置对第一预定直播进行信息采集,获得第一预定直播信息;
第一预定直播是指待进行的直播,所述数据交互装置是用于将各种变化着的信息通过相应的传感器转换成模拟的电信号后,再将这些模拟电信号转换为数字信号存储起来,进行预处理的装置,具备实时采集、自动存储、即时显示、自动传输的功能,本实施例中,用于采集第一预定直播的直播信息,第一预定直播信息包括直播内容、直播时间等信息。
对所述第一预定直播信息进行特征识别,获得第一直播特征集,其中,所述第一直播特征集包括直播类型特征、直播主题特征和直播时间特征;
对所述第一预定直播信息进行特征识别,获得第一直播特征集,其中,所述第一直播特征集包括直播类型特征、直播主题特征和直播时间特征,直播类型特征包括带货直播、游戏直播、唱歌直播等多种类型特征;直播主题特征是指直播内容的概要特征,比如带货直播的直播主题,包括服装售卖、美妆产品售卖等;直播时间特征则是指第一预定直播的直播时长信息。具体来说,可获取大量的直播样本信息,并获取对应的直播样本特征集,利用现有技术中的机器学习模型对所述直播样本信息和所述直播样本特征集进行训练,获得对应的特征识别器,以特征识别器对所述第一预定直播信息进行特征识别,输出得到所述第一直播特征集。
连接所述数据交互装置,分别采集预设历史时区内多个用户的直播交互信息,获得多个用户直播交互记录;
预设历史时区由本领域技术人员自行设置,是指过去的一段时间,比如过去一个月,连接所述数据交互装置,分别采集预设历史时区内多个用户的直播交互信息,就是采集多个用户的历史直播记录数据,即可获得多个用户直播交互记录,需要说明的是,多个用户是指在预定历史时区内观看直播的用户,可以是第一预定直播待投放的平台(网页、app等)上的用户,多个用户直播交互记录包括每一个用户观看的直播信息记录,包括观看直播类型、进行观看的平台、观看时间等。
基于所述多个用户直播交互记录进行数据整合,获得多个用户直播交互特征画像;
在一个优选实施例中,还包括:
遍历所述多个用户,获得第一用户;基于所述多个用户直播交互记录,匹配所述第一用户对应的第一用户直播交互记录;根据所述数据交互装置,获得所述第一用户的第一用户基础信息,并根据所述第一用户基础信息,构建第一用户基础画像;基于所述第一用户直播交互记录对所述第一用户进行直播交互主题特征偏好分析,获得第一直播交互主题特征偏好;基于所述第一用户直播交互记录对所述第一用户进行直播交互介入特征偏好分析,获得第一直播交互介入特征偏好;基于所述第一用户直播交互记录对所述第一用户进行直播交互时域特征偏好分析,获得第一直播交互时域特征偏好;根据所述第一直播交互主题特征偏好、所述第一直播交互介入特征偏好和所述第一直播交互时域特征偏好对所述第一用户基础画像进行数据融合,生成第一用户直播交互特征画像,并将所述第一用户直播交互特征画像添加至所述多个用户直播交互特征画像。
基于所述多个用户直播交互记录进行数据整合,获得多个用户直播交互特征画像,具体过程如下:
遍历所述多个用户,获得第一用户,所述第一用户为所述多个用户中的任意一个用户。基于所述多个用户直播交互记录,匹配提取所述第一用户对应的第一用户直播交互记录。根据所述数据交互装置,获得所述第一用户的第一用户基础信息,第一用户基础信息包括第一用户观看直播的账号信息,可通过数据交互装置直接获取,以所述第一用户基础信息作为第一用户基础画像,便于后续进行第一预定直播的定向推送。基于所述第一用户直播交互记录对所述第一用户进行直播交互主题特征偏好分析,简单来说,利用现有技术根据所述第一用户直播交互记录中第一用户所观看的直播信息进行直播主题特征提取,获得观看次数最多的直播主题特征作为所述第一直播交互主题特征偏好,便于根据第一预定直播的主题特征选择合适的用户进行直播推送。
基于所述第一用户直播交互记录对所述第一用户进行直播交互介入特征偏好分析,所述直播交互介入特征是指第一用户观看直播时所使用的观看平台,比如网页、app、小程序等,从第一用户直播交互记录获得使用频率最高的平台作为第一直播交互介入特征偏好。基于所述第一用户直播交互记录对所述第一用户进行直播交互时域特征偏好分析,直播交互时域特征即为第一用户观看直播的时间特征,比如有的用户喜欢晚上7点以后观看有的用户喜欢在晚上10点观看,根据第一用户直播交互记录提取观看次数最频繁的观看时间作为第一直播交互时域特征偏好。根据所述第一直播交互主题特征偏好、所述第一直播交互介入特征偏好和所述第一直播交互时域特征偏好对所述第一用户基础画像进行数据融合,简单来说,就是将所述第一直播交互主题特征偏好、所述第一直播交互介入特征偏好和所述第一直播交互时域特征偏好标记至所述第一用户基础画像,得到具有主题特征偏好、介入特征偏好和时域特征偏好的第一用户直播交互特征画像,并将所述第一用户直播交互特征画像添加至所述多个用户直播交互特征画像,就是说,采用与获取第一用户直播交互特征画像相同的方法,根据多个用户的多个用户直播交互记录获取多个用户直播交互特征画像,为后续第一预定直播的推送决策提供支持,提升直播推送效果,提升第一预定直播与推送结果的适配度。
基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行多维度用户行为预测,获得第一直播用户行为预测结果;
在一个优选实施例中,还包括:
基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行用户初级交互行为预测,获得用户初级交互行为预测结果;基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行用户高级交互行为预测,获得用户高级交互行为预测结果;基于所述用户初级交互行为预测结果和所述用户高级交互行为预测结果,生成所述第一直播用户行为预测结果。
在一个优选实施例中,还包括:
基于所述直播类型特征和所述直播主题特征,根据所述多个用户直播交互特征画像执行所述多个用户的直播观看主观意向预测,获得多个用户主观意向度;基于所述直播时间特征,根据所述多个用户直播交互特征画像执行所述多个用户的直播观看客观意向预测,获得多个用户客观意向度;基于第一预设权重约束,分别对所述多个用户主观意向度和所述多个用户客观意向度进行加权计算,获得多个用户初级交互预测度,并将所述多个用户初级交互预测度输出为所述用户初级交互行为预测结果。
在一个优选实施例中,还包括:
获得预设K阶直播高级交互行为,且,K为大于1的正整数;基于所述多个用户直播交互特征画像和所述第一直播特征集,根据所述预设K阶直播高级交互行为,分别对所述多个用户进行直播高级交互概率预测,获得多个用户高级交互概率预测结果;基于所述预设K阶直播高级交互行为进行直播交互程度评价,获得K阶高级交互度,并基于所述K阶高级交互度设置K阶高级交互权重;基于所述K阶高级交互权重,分别对所述多个用户高级交互概率预测结果进行加权计算,获得多个用户高级交互预测度,并将所述多个用户高级交互预测度添加至所述用户高级交互行为预测结果。
在一个优选实施例中,还包括:
基于所述预设K阶直播高级交互行为,训练K个高级交互预测器;基于所述多个用户直播交互特征画像和所述第一直播特征集,获得所述多个用户对应的多个用户预测源数据;遍历所述多个用户预测源数据,获得第一用户预测源数据;分别将所述第一用户预测源数据输入所述K个高级交互预测器,获得K个高级交互预测概率;将所述K个高级交互预测概率输出为第一用户高级交互概率预测结果,并将所述第一用户高级交互概率预测结果添加至所述多个用户高级交互概率预测结果。
基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行多维度用户行为预测,就是预测观看直播的用户对第一预定直播的观看行为,从而获得第一直播用户行为预测结果,具体过程如下:
基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行用户初级交互行为预测,用户初级交互行为是指观看直播行为,具体为只进行观看,没有打赏、发送弹幕等的行为,由此对多个用户对第一预定直播的初级交互行为进行预测,获得用户初级交互行为预测结果。进一步基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行用户高级交互行为预测,用户高级交互行为是指用户观看直播过程中发送弹幕、打赏、购买、连麦等行为,获得多个用户对第一预定直播的用户高级交互行为预测结果。以所述用户初级交互行为预测结果和所述用户高级交互行为预测结果组合作为所述第一直播用户行为预测结果。便于后续进行直播推送决策,提升直播推送效果。
其中,基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行用户初级交互行为预测,获得用户初级交互行为预测结果的过程如下:基于所述直播类型特征和所述直播主题特征,根据所述多个用户直播交互特征画像执行所述多个用户的直播观看主观意向预测,简单来说,对所述直播类型特征、所述直播主题特征与所述多个用户直播交互特征画像中的播交互主题特征偏好进行相似度分析,获得多个相似度作为多个用户主观意向度,相似度分析是本领域技术人员常用技术手段,故在此不进行展开。进一步基于所述直播时间特征,根据所述多个用户直播交互特征画像执行所述多个用户的直播观看客观意向预测,同理,计算所述直播时间特征与所述多个用户直播交互特征画像中的各个用户的直播交互时域特征偏好进行相似度比对分析,获得多个时域特征的相似度作为多个用户客观意向度。第一预设权重约束由本领域技术人员结合实际情况自行设定,其是指对用户主观意向度和用户客观意向度的比重约束,包括用户主观意向度和用户客观意向度分别所占的权重,示例性的,可将其设为相同的权重,也可由本领域技术人员结合历史经验利用现有的权重分析法,比如变异系数法进行权重设置,权重分析是本领域技术人员常用技术手段,故在此不进行展开。基于第一预设权重约束中用户主观意向度和用户客观意向度分别所占的权重对所述多个用户主观意向度和所述多个用户客观意向度进行加权计算,以加权计算结果作为多个用户初级交互预测度,并将所述多个用户初级交互预测度输出为所述用户初级交互行为预测结果。由此实现用户对第一预定直播的观看预测,便于后续进行直播定向推送。
其中,基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行用户高级交互行为预测,获得用户高级交互行为预测结果的过程如下:获得预设K阶直播高级交互行为,且,K为大于1的正整数,预设K阶直播高级交互行为是指K个直播高级交互行为,比如发送弹幕、购买、打赏、连麦等需要用户与直播者进行交互的行为,具体可结合实际情况确定。基于所述多个用户直播交互特征画像和所述第一直播特征集,根据所述预设K阶直播高级交互行为,分别对所述多个用户进行直播高级交互概率预测,获得多个用户高级交互概率预测结果。
其中,获得多个用户高级交互概率预测结果的具体过程为:基于所述预设K阶直播高级交互行为,训练K个高级交互预测器,K个高级交互预测器为机器学习中的神经网络模型,简单来说,可基于所述预设K阶直播高级交互行为获取不同行为对应的K阶直播高级交互行为样本,并为其配置对应的交互预测概率样本,就是用户会发送弹幕、购买、打赏的概率,然后利用K阶直播高级交互行为样本和对应的互预测概率样本对所述K个高级交互预测器进行训练,将其训练至收敛状态。进一步基于所述多个用户直播交互特征画像和所述第一直播特征集,获得所述多个用户对应的多个用户预测源数据,每个用户预测源数据包括随机的一个用户直播交互特征画像和所述第一直播特征集。遍历所述多个用户预测源数据,以其中的任意一个用户预测源数据作为第一用户预测源数据。分别将所述第一用户预测源数据输入所述K个高级交互预测器,即可输出获得K个高级交互预测概率,将所述K个高级交互预测概率输出为第一用户高级交互概率预测结果,并将所述第一用户高级交互概率预测结果添加至所述多个用户高级交互概率预测结果。由此实现对不同的高级交互行为的预测,为后续的直播推送决策提供支持。
进一步地,基于所述预设K阶直播高级交互行为进行直播交互程度评价,就是评价预设K阶直播高级交互行为对于直播效果的影响程度,比如打赏比发送弹幕的影响程度更大,用户进行打赏说明直播效果更佳,因此,可由本领域技术人员结合历史经验设置K阶高级交互度,并基于所述K阶高级交互度设置K阶高级交互权重,简单来说,就是按照K阶高级交互度的大小进行权重分配,交互度越大,权重越大,K阶高级交互权重的总和为1。基于所述K阶高级交互权重,分别对所述多个用户高级交互概率预测结果进行加权计算,以计算结果作为多个用户高级交互预测度,并将所述多个用户高级交互预测度添加至所述用户高级交互行为预测结果。由此实现对不同用户的高级交互行为预测,便于提升直播定向推送的准确性,提升直播效果。
基于所述第一直播用户行为预测结果对所述第一预定直播进行推送决策,获得第一直播推送决策,并根据所述第一直播推送决策执行所述第一预定直播的直播信息推送。
在一个优选实施例中,还包括:
获得多个样本直播推送决策记录,其中,每个样本直播推送决策记录包括样本直播用户行为预测结果和样本直播推送决策;获得预设数据融合算子,其中,所述预设数据融合算子为以样本直播用户行为预测结果为推送决策输入特征,以样本直播推送决策为推送决策输出特征;根据所述预设数据融合算子,对所述多个样本直播推送决策记录进行数据融合,生成直播推送决策图谱;基于所述第一直播用户行为预测结果,根据所述直播推送决策图谱执行所述第一预定直播的推送决策。
基于所述第一直播用户行为预测结果对所述第一预定直播进行推送决策,就是分析将第一预定直播向哪些用户推送,保证推送效果,由此获得第一直播推送决策,并根据所述第一直播推送决策执行所述第一预定直播的直播信息推送,提升第一预定直播的直播效果,保证推送结果与实际用户的适配度,具体过程如下详述:
获得多个样本直播推送决策记录,其中,每个样本直播推送决策记录包括样本直播用户行为预测结果和样本直播推送决策,需要说明的是,样本直播用户行为预测结果和样本直播推送决策是由本领域专业技术人员做出的直播推送数据,样本直播用户行为预测结果包括用户初级交互行为预测样本和户高级交互行为预测,样本直播推送决策则是为其配置的推送策略,即用户初级交互行为预测样本和用户高级交互行为预测达到何种程度可以进行推送。获得预设数据融合算子,其中,所述预设数据融合算子以样本直播用户行为预测结果为推送决策输入特征,以样本直播推送决策为推送决策输出特征。根据所述预设数据融合算子,对所述多个样本直播推送决策记录进行数据融合,生成直播推送决策图谱,详细来说,将样本直播用户行为预测结果和样本直播推送决策进行映射关联,即可得到所述直播推送决策图谱。进而基于所述第一直播用户行为预测结果,在所述直播推送决策图谱中进行遍历比对,获得匹配的样本直播用户行为预测结果,以与其映射关联的样本直播推送决策作为第一预定直播的推送决策,执行所述第一预定直播的推送决策,由此实现第一预定直播的定向推送,提升推送准确性。
基于上述分析可知,本发明提供的一个或多个技术方案,其可达到的有益效果如下:
连接数据交互装置,根据数据交互装置对第一预定直播进行信息采集,获得第一预定直播信息,对第一预定直播信息进行特征识别,获得第一直播特征集,其中,第一直播特征集包括直播类型特征、直播主题特征和直播时间特征,连接数据交互装置,分别采集预设历史时区内多个用户的直播交互信息,获得多个用户直播交互记录,基于多个用户直播交互记录进行数据整合,获得多个用户直播交互特征画像,基于多个用户直播交互特征画像和第一直播特征集对第一预定直播进行多维度用户行为预测,获得第一直播用户行为预测结果,基于第一直播用户行为预测结果对第一预定直播进行推送决策,获得第一直播推送决策,并根据第一直播推送决策执行第一预定直播的直播信息推送,由此通过对第一预定直播进行用户行为预测分析,便于进行直播定向推送,达到提升直播推送决策与用户的适配度,提升推送有效性的技术效果。
实施例二
基于与前述实施例中基于数据交互的用户行为预测方法同样的发明构思,如图2所示,本发明还提供了基于数据交互的用户行为预测系统,所述系统包括:
预定直播信息采集模块11,所述预定直播信息采集模块11用于连接数据交互装置,根据所述数据交互装置对第一预定直播进行信息采集,获得第一预定直播信息;
特征识别模块12,所述特征识别模块12用于对所述第一预定直播信息进行特征识别,获得第一直播特征集,其中,所述第一直播特征集包括直播类型特征、直播主题特征和直播时间特征;
直播交互信息采集模块13,所述直播交互信息采集模块13用于连接所述数据交互装置,分别采集预设历史时区内多个用户的直播交互信息,获得多个用户直播交互记录;
交互特征画像获取模块14,所述交互特征画像获取模块14用于基于所述多个用户直播交互记录进行数据整合,获得多个用户直播交互特征画像;
用户行为预测模块15,所述用户行为预测模块15用于基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行多维度用户行为预测,获得第一直播用户行为预测结果;
直播推送决策模块16,所述直播推送决策模块16用于基于所述第一直播用户行为预测结果对所述第一预定直播进行推送决策,获得第一直播推送决策,并根据所述第一直播推送决策执行所述第一预定直播的直播信息推送。
进一步而言,所述交互特征画像获取模块14还用于:
遍历所述多个用户,获得第一用户;
基于所述多个用户直播交互记录,匹配所述第一用户对应的第一用户直播交互记录;
根据所述数据交互装置,获得所述第一用户的第一用户基础信息,并根据所述第一用户基础信息,构建第一用户基础画像;
基于所述第一用户直播交互记录对所述第一用户进行直播交互主题特征偏好分析,获得第一直播交互主题特征偏好;
基于所述第一用户直播交互记录对所述第一用户进行直播交互介入特征偏好分析,获得第一直播交互介入特征偏好;
基于所述第一用户直播交互记录对所述第一用户进行直播交互时域特征偏好分析,获得第一直播交互时域特征偏好;
根据所述第一直播交互主题特征偏好、所述第一直播交互介入特征偏好和所述第一直播交互时域特征偏好对所述第一用户基础画像进行数据融合,生成第一用户直播交互特征画像,并将所述第一用户直播交互特征画像添加至所述多个用户直播交互特征画像。
进一步而言,所述用户行为预测模块15还用于:
基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行用户初级交互行为预测,获得用户初级交互行为预测结果;
基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行用户高级交互行为预测,获得用户高级交互行为预测结果;
基于所述用户初级交互行为预测结果和所述用户高级交互行为预测结果,生成所述第一直播用户行为预测结果。
进一步而言,所述用户行为预测模块15还用于:
基于所述直播类型特征和所述直播主题特征,根据所述多个用户直播交互特征画像执行所述多个用户的直播观看主观意向预测,获得多个用户主观意向度;
基于所述直播时间特征,根据所述多个用户直播交互特征画像执行所述多个用户的直播观看客观意向预测,获得多个用户客观意向度;
基于第一预设权重约束,分别对所述多个用户主观意向度和所述多个用户客观意向度进行加权计算,获得多个用户初级交互预测度,并将所述多个用户初级交互预测度输出为所述用户初级交互行为预测结果。
进一步而言,所述用户行为预测模块15还用于:
获得预设K阶直播高级交互行为,且,K为大于1的正整数;
基于所述多个用户直播交互特征画像和所述第一直播特征集,根据所述预设K阶直播高级交互行为,分别对所述多个用户进行直播高级交互概率预测,获得多个用户高级交互概率预测结果;
基于所述预设K阶直播高级交互行为进行直播交互程度评价,获得K阶高级交互度,并基于所述K阶高级交互度设置K阶高级交互权重;
基于所述K阶高级交互权重,分别对所述多个用户高级交互概率预测结果进行加权计算,获得多个用户高级交互预测度,并将所述多个用户高级交互预测度添加至所述用户高级交互行为预测结果。
进一步而言,所述用户行为预测模块15还用于:
基于所述预设K阶直播高级交互行为,训练K个高级交互预测器;
基于所述多个用户直播交互特征画像和所述第一直播特征集,获得所述多个用户对应的多个用户预测源数据;
遍历所述多个用户预测源数据,获得第一用户预测源数据;
分别将所述第一用户预测源数据输入所述K个高级交互预测器,获得K个高级交互预测概率;
将所述K个高级交互预测概率输出为第一用户高级交互概率预测结果,并将所述第一用户高级交互概率预测结果添加至所述多个用户高级交互概率预测结果。
进一步而言,所述直播推送决策模块16还用于:
获得多个样本直播推送决策记录,其中,每个样本直播推送决策记录包括样本直播用户行为预测结果和样本直播推送决策;
获得预设数据融合算子,其中,所述预设数据融合算子为以样本直播用户行为预测结果为推送决策输入特征,以样本直播推送决策为推送决策输出特征;
根据所述预设数据融合算子,对所述多个样本直播推送决策记录进行数据融合,生成直播推送决策图谱;
基于所述第一直播用户行为预测结果,根据所述直播推送决策图谱执行所述第一预定直播的推送决策。
前述实施例一中的基于数据交互的用户行为预测方法具体实例同样适用于本实施例的基于数据交互的用户行为预测系统,通过前述对基于数据交互的用户行为预测方法的详细描述,本领域技术人员可以清楚地知道本实施例中基于数据交互的用户行为预测系统,所以为了说明书的简洁,在此不再详述。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤,只要能够实现本发明公开的技术方案所期望的结果,本文在此不进行限制。
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 (4)
1.基于数据交互的用户行为预测方法,其特征在于,所述方法包括:
连接数据交互装置,根据所述数据交互装置对第一预定直播进行信息采集,获得第一预定直播信息;
对所述第一预定直播信息进行特征识别,获得第一直播特征集,其中,所述第一直播特征集包括直播类型特征、直播主题特征和直播时间特征;
连接所述数据交互装置,分别采集预设历史时区内多个用户的直播交互信息,获得多个用户直播交互记录;
基于所述多个用户直播交互记录进行数据整合,获得多个用户直播交互特征画像;
基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行多维度用户行为预测,获得第一直播用户行为预测结果;
基于所述第一直播用户行为预测结果对所述第一预定直播进行推送决策,获得第一直播推送决策,并根据所述第一直播推送决策执行所述第一预定直播的直播信息推送;
基于所述多个用户直播交互记录进行数据整合,获得多个用户直播交互特征画像,包括:
遍历所述多个用户,获得第一用户;
基于所述多个用户直播交互记录,匹配所述第一用户对应的第一用户直播交互记录;
根据所述数据交互装置,获得所述第一用户的第一用户基础信息,并根据所述第一用户基础信息,构建第一用户基础画像;
基于所述第一用户直播交互记录对所述第一用户进行直播交互主题特征偏好分析,获得第一直播交互主题特征偏好;
基于所述第一用户直播交互记录对所述第一用户进行直播交互介入特征偏好分析,获得第一直播交互介入特征偏好;
基于所述第一用户直播交互记录对所述第一用户进行直播交互时域特征偏好分析,获得第一直播交互时域特征偏好;
根据所述第一直播交互主题特征偏好、所述第一直播交互介入特征偏好和所述第一直播交互时域特征偏好对所述第一用户基础画像进行数据融合,生成第一用户直播交互特征画像,并将所述第一用户直播交互特征画像添加至所述多个用户直播交互特征画像;
基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行多维度用户行为预测,获得第一直播用户行为预测结果,包括:
基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行用户初级交互行为预测,获得用户初级交互行为预测结果;
基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行用户高级交互行为预测,获得用户高级交互行为预测结果;
基于所述用户初级交互行为预测结果和所述用户高级交互行为预测结果,生成所述第一直播用户行为预测结果;
基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行用户初级交互行为预测,获得用户初级交互行为预测结果,包括:
基于所述直播类型特征和所述直播主题特征,根据所述多个用户直播交互特征画像执行所述多个用户的直播观看主观意向预测,获得多个用户主观意向度;
基于所述直播时间特征,根据所述多个用户直播交互特征画像执行所述多个用户的直播观看客观意向预测,获得多个用户客观意向度;
基于第一预设权重约束,分别对所述多个用户主观意向度和所述多个用户客观意向度进行加权计算,获得多个用户初级交互预测度,并将所述多个用户初级交互预测度输出为所述用户初级交互行为预测结果;
基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行用户高级交互行为预测,获得用户高级交互行为预测结果,包括:
获得预设K阶直播高级交互行为,且,K为大于1的正整数;
基于所述多个用户直播交互特征画像和所述第一直播特征集,根据所述预设K阶直播高级交互行为,分别对所述多个用户进行直播高级交互概率预测,获得多个用户高级交互概率预测结果;
基于所述预设K阶直播高级交互行为进行直播交互程度评价,获得K阶高级交互度,并基于所述K阶高级交互度设置K阶高级交互权重;
基于所述K阶高级交互权重,分别对所述多个用户高级交互概率预测结果进行加权计算,获得多个用户高级交互预测度,并将所述多个用户高级交互预测度添加至所述用户高级交互行为预测结果。
2.如权利要求1所述的方法,其特征在于,获得多个用户高级交互概率预测结果,包括:
基于所述预设K阶直播高级交互行为,训练K个高级交互预测器;
基于所述多个用户直播交互特征画像和所述第一直播特征集,获得所述多个用户对应的多个用户预测源数据;
遍历所述多个用户预测源数据,获得第一用户预测源数据;
分别将所述第一用户预测源数据输入所述K个高级交互预测器,获得K个高级交互预测概率;
将所述K个高级交互预测概率输出为第一用户高级交互概率预测结果,并将所述第一用户高级交互概率预测结果添加至所述多个用户高级交互概率预测结果。
3.如权利要求1所述的方法,其特征在于,基于所述第一直播用户行为预测结果对所述第一预定直播进行推送决策,包括:
获得多个样本直播推送决策记录,其中,每个样本直播推送决策记录包括样本直播用户行为预测结果和样本直播推送决策;
获得预设数据融合算子,其中,所述预设数据融合算子为以样本直播用户行为预测结果为推送决策输入特征,以样本直播推送决策为推送决策输出特征;
根据所述预设数据融合算子,对所述多个样本直播推送决策记录进行数据融合,生成直播推送决策图谱;
基于所述第一直播用户行为预测结果,根据所述直播推送决策图谱执行所述第一预定直播的推送决策。
4.基于数据交互的用户行为预测系统,其特征在于,用于执行权利要求1至3所述的基于数据交互的用户行为预测方法中任意一项方法的步骤,所述系统包括:
预定直播信息采集模块,所述预定直播信息采集模块用于连接数据交互装置,根据所述数据交互装置对第一预定直播进行信息采集,获得第一预定直播信息;
特征识别模块,所述特征识别模块用于对所述第一预定直播信息进行特征识别,获得第一直播特征集,其中,所述第一直播特征集包括直播类型特征、直播主题特征和直播时间特征;
直播交互信息采集模块,所述直播交互信息采集模块用于连接所述数据交互装置,分别采集预设历史时区内多个用户的直播交互信息,获得多个用户直播交互记录;
交互特征画像获取模块,所述交互特征画像获取模块用于基于所述多个用户直播交互记录进行数据整合,获得多个用户直播交互特征画像;
用户行为预测模块,所述用户行为预测模块用于基于所述多个用户直播交互特征画像和所述第一直播特征集对所述第一预定直播进行多维度用户行为预测,获得第一直播用户行为预测结果;
直播推送决策模块,所述直播推送决策模块用于基于所述第一直播用户行为预测结果对所述第一预定直播进行推送决策,获得第一直播推送决策,并根据所述第一直播推送决策执行所述第一预定直播的直播信息推送。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311859.XA CN117221663B (zh) | 2023-10-11 | 2023-10-11 | 基于数据交互的用户行为预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311859.XA CN117221663B (zh) | 2023-10-11 | 2023-10-11 | 基于数据交互的用户行为预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117221663A CN117221663A (zh) | 2023-12-12 |
CN117221663B true CN117221663B (zh) | 2024-04-30 |
Family
ID=89037172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311311859.XA Active CN117221663B (zh) | 2023-10-11 | 2023-10-11 | 基于数据交互的用户行为预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117221663B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106953887A (zh) * | 2017-01-05 | 2017-07-14 | 北京中瑞鸿程科技开发有限公司 | 一种细粒度电台音频内容个性化组织推荐方法 |
CN112203104A (zh) * | 2020-10-08 | 2021-01-08 | 翁海坤 | 应用于在线电商交互的大数据业务处理方法及电商云平台 |
CN112261423A (zh) * | 2020-10-16 | 2021-01-22 | 北京百度网讯科技有限公司 | 用于推送信息的方法、装置、设备以及存储介质 |
CN113259774A (zh) * | 2021-06-25 | 2021-08-13 | 大学长(北京)网络教育科技有限公司 | 一种直播信息推送方法及装置 |
CN114004641A (zh) * | 2021-10-29 | 2022-02-01 | 广州智会云科技发展有限公司 | 一种基于大数据的直播精准引流方法及系统 |
CN114430503A (zh) * | 2022-01-25 | 2022-05-03 | 上海影宴数码科技有限公司 | 一种基于短视频大数据叠加推荐方法 |
CN114866793A (zh) * | 2022-04-27 | 2022-08-05 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN115883928A (zh) * | 2023-03-08 | 2023-03-31 | 深圳市诚识科技有限公司 | 一种直播社交大数据的信息推送方法及系统 |
CN116340813A (zh) * | 2023-02-10 | 2023-06-27 | 深圳市快美妆科技有限公司 | 一种用于直播平台的用户行为分析系统及方法 |
CN116450982A (zh) * | 2023-04-17 | 2023-07-18 | 王亚婷 | 一种基于云服务推送的大数据分析方法及系统 |
CN116634189A (zh) * | 2023-07-20 | 2023-08-22 | 天津星耀九洲科技有限公司 | 交互式直播数据显示方法、装置及电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140149424A1 (en) * | 2012-11-23 | 2014-05-29 | Mobitv, Inc | Time weighted content recommendation |
US20140215506A1 (en) * | 2013-01-25 | 2014-07-31 | Mobitv, Inc. | Time context weighted content recommendation |
US10803111B2 (en) * | 2017-11-27 | 2020-10-13 | Facebook, Inc. | Live video recommendation by an online system |
-
2023
- 2023-10-11 CN CN202311311859.XA patent/CN117221663B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106953887A (zh) * | 2017-01-05 | 2017-07-14 | 北京中瑞鸿程科技开发有限公司 | 一种细粒度电台音频内容个性化组织推荐方法 |
CN112203104A (zh) * | 2020-10-08 | 2021-01-08 | 翁海坤 | 应用于在线电商交互的大数据业务处理方法及电商云平台 |
CN112261423A (zh) * | 2020-10-16 | 2021-01-22 | 北京百度网讯科技有限公司 | 用于推送信息的方法、装置、设备以及存储介质 |
CN113259774A (zh) * | 2021-06-25 | 2021-08-13 | 大学长(北京)网络教育科技有限公司 | 一种直播信息推送方法及装置 |
CN114004641A (zh) * | 2021-10-29 | 2022-02-01 | 广州智会云科技发展有限公司 | 一种基于大数据的直播精准引流方法及系统 |
CN114430503A (zh) * | 2022-01-25 | 2022-05-03 | 上海影宴数码科技有限公司 | 一种基于短视频大数据叠加推荐方法 |
CN114866793A (zh) * | 2022-04-27 | 2022-08-05 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN116340813A (zh) * | 2023-02-10 | 2023-06-27 | 深圳市快美妆科技有限公司 | 一种用于直播平台的用户行为分析系统及方法 |
CN115883928A (zh) * | 2023-03-08 | 2023-03-31 | 深圳市诚识科技有限公司 | 一种直播社交大数据的信息推送方法及系统 |
CN116450982A (zh) * | 2023-04-17 | 2023-07-18 | 王亚婷 | 一种基于云服务推送的大数据分析方法及系统 |
CN116634189A (zh) * | 2023-07-20 | 2023-08-22 | 天津星耀九洲科技有限公司 | 交互式直播数据显示方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117221663A (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110704674B (zh) | 一种视频播放完整度预测方法及装置 | |
CN106485562B (zh) | 一种基于用户历史行为的商品信息推荐方法及系统 | |
CN109460514A (zh) | 用于推送信息的方法和装置 | |
CN106339507B (zh) | 流媒体消息推送方法和装置 | |
CN110008397B (zh) | 一种推荐模型训练方法及装置 | |
CN110737859B (zh) | 一种up主匹配方法及装置 | |
CN104021162B (zh) | 一种为多媒体资源打分的方法及装置 | |
JP6807389B2 (ja) | メディアコンテンツのパフォーマンスの即時予測のための方法及び装置 | |
CN109862397A (zh) | 一种视频分析方法、装置、设备和存储介质 | |
CN112995690B (zh) | 直播内容品类识别方法、装置、电子设备和可读存储介质 | |
CN107864405A (zh) | 一种收视行为类型的预测方法、装置及计算机可读介质 | |
CN116894711A (zh) | 商品推荐理由生成方法及其装置、电子设备 | |
CN112100221A (zh) | 一种资讯推荐方法、装置、推荐服务器及存储介质 | |
CN105915957A (zh) | 智能电视展示播放内容的方法、装置及系统 | |
CN117221663B (zh) | 基于数据交互的用户行为预测方法及系统 | |
CN111046293B (zh) | 一种根据测评结果推荐内容的方法及其系统 | |
CN112269943A (zh) | 一种信息推荐系统及方法 | |
CN116738293A (zh) | 一种业务评价处理方法、装置及电子设备 | |
CN115719183A (zh) | 基于权重动态分级的电力客户自反馈服务评价方法及系统 | |
CN110418171B (zh) | 媒体资源的推送方法和装置、存储介质及电子装置 | |
CN114842382A (zh) | 一种生成视频的语义向量的方法、装置、设备及介质 | |
CN115878839A (zh) | 一种视频推荐方法、装置、计算机设备和计算机程序产品 | |
CN116366923A (zh) | 一种视频推荐方法、装置及电子设备 | |
JP6668410B2 (ja) | 熟読率提供装置および方法 | |
JP2021022199A5 (zh) |
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 |