CN108322829B - 个性化主播推荐方法、装置及电子设备 - Google Patents
个性化主播推荐方法、装置及电子设备 Download PDFInfo
- Publication number
- CN108322829B CN108322829B CN201810175489.4A CN201810175489A CN108322829B CN 108322829 B CN108322829 B CN 108322829B CN 201810175489 A CN201810175489 A CN 201810175489A CN 108322829 B CN108322829 B CN 108322829B
- Authority
- CN
- China
- Prior art keywords
- user
- anchor
- recommended
- preference
- users
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—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]
- H04N21/20—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
- H04N21/45—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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明实施例提供了一种个性化主播推荐方法、装置及电子设备,根据所有用户在预设时间段内对各个主播的直播进行操作的历史信息,确定每个用户对各个主播的喜好程度,以确定每个用户的喜好主播,根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度,确定每个用户的喜好相似用户;将所有待推荐用户对应的喜好相似用户的喜好主播中,非待推荐用户的喜好主播确定为待推荐用户的推荐主播,基于用户之间的喜好相似度和用户对主播的喜好程度确定推荐主播,深度挖掘了用户的喜好,提高了针对用户的个性化主播推荐的准确度,可以更加有效地帮助用户发现喜欢的主播。
Description
技术领域
本发明涉及主播推荐技术领域,特别涉及针对不同用户的个性化主播推荐方法及装置。
背景技术
现有的个性化主播推荐技术,通常根据两两主播之间的相似度向用户推荐主播,例如获取用户观看过的主播A以及直播平台的主播数据库中其他主播的数据,利用预设的主播相似度算法,计算主播A与其他主播的相似度,根据相似度将一定数量的主播A的相似主播推荐给用户。
但是这种根据主播相似度进行主播推荐的方法,无法向用户推荐符合用户喜好并且与用户历史观看主播不相似的多种主播。
因此,如何深度挖掘用户喜好,通过符合用户喜好的多种主播的推荐,来更好地满足用户对个性化主播推荐的需求,是目前的直播推荐技术亟待解决的问题。
发明内容
本发明实施例的目的在于提供一种个性化主播推荐方法、装置及电子设备,以实现更好地满足用户需求的个性化主播推荐。具体技术方案如下:
第一方面,本发明实施例提供了一种个性化主播推荐方法,包括:
获取所有用户在预设时间段内对各个主播的直播进行操作的历史信息;其中,每个用户的历史信息包括:该用户观看各个主播直播的时长;
根据每个用户的历史信息,确定每个用户对各个主播的喜好程度;
根据每个用户对各个主播的喜好程度,确定每个用户的喜好主播;
根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度;
根据所述两两用户之间的喜好相似度,为每个用户确定喜好相似用户;
对所有用户中的待推荐用户,将待推荐用户对应的喜好相似用户的喜好主播中非待推荐用户的喜好主播,确定为待推荐用户的推荐主播。
可选的,所述根据每个用户对各个主播的喜好程度,确定每个用户的喜好主播的步骤,包括:
针对每个用户,根据该用户对各个主播的喜好程度,将喜好程度最高的第一预设数量个主播,记录为该用户的喜好主播;
所述根据每个用户对各个主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度的步骤,包括:
根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出具有至少一个相同喜好主播的两两用户之间的喜好相似度。
可选的,所述历史信息还包括:用户给各个主播送出的礼物的价值;
所述根据每个用户的历史信息,确定每个用户对各个主播的喜好程度的步骤,包括:
根据每个用户的播放时长和礼物价值,利用预设的喜好程度计算公式,计算每个用户对各个主播的喜好程度。
可选的,所述根据每个用户的播放时长和礼物价值,利用预设的喜好程度计算公式,计算每个用户对各个主播的喜好程度的步骤,包括:
利用预设的喜好程度计算公式:
分别计算每个用户对各个主播的喜好程度ai,ai∈[0,1],I为一个用户在预设时间段内观看过的主播集合,i∈I,ti为该用户观看主播i的总时长,pi为用户向主播i送出的礼物的总价值,λ为预设的礼物价值权重。
可选的,所述根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出具有至少一个相同喜好主播的两两用户之间的喜好相似度的步骤,包括:
对于每个用户,将其作为待推荐用户u;待推荐用户u的喜好主播构成参与计算的用户喜好主播集合Au;
针对每个待推荐用户u,获得与该待推荐用户具有至少一个相同喜好主播的所有用户作为参与计算的其他用户v;其他用户v的喜好主播构成参与计算的其他用户喜好主播集合Av;
利用预设的喜好相似度计算公式:
分别计算出每个待推荐用户u与参与计算的各个其他用户v之间的喜好相似度suv;其中,iuv为所述每个待推荐用户u与参与计算的其他用户v各自的喜好主播集合中的相同主播,分别为该待推荐用户u、参与计算的其他用户v对所述相同主播iuv的喜好程度;
所述根据所述两两用户之间的喜好相似度,为每个用户确定喜好相似用户的步骤,包括:
对于每个待推荐用户,将与其喜好相似度最高的第二预设数量个其他用户确定为该待推荐用户的相似用户,构成待推荐用户的相似用户集合su。
可选的,所述对所有用户中的待推荐用户,将待推荐用户对应的喜好相似用户的喜好主播中非待推荐用户的喜好主播,确定为待推荐用户的推荐主播的步骤,包括:
获取待推荐用户对应的各个相似用户的喜好主播中非待推荐用户的喜好主播,将获取的各个喜好主播确定为候选推荐主播cu;
根据待推荐用户与相似用户的喜好相似度,和相似用户对候选推荐主播的喜好程度,利用预设的主播推荐分数计算公式,计算所有候选推荐主播的推荐分数;
对所述候选推荐主播排序,将推荐分数最高的第三预设数量个主播,确定为待推荐用户的推荐主播。
可选的,所述根据待推荐用户与相似用户的喜好相似度,和相似用户对候选推荐主播的喜好程度,利用预设的主播推荐分数计算公式,计算所有候选推荐主播的推荐分数的步骤,包括:
利用预设的主播推荐分数计算公式:
可选的,所述方法还包括:
将确定的待推荐用户的推荐主播,按推荐分数顺序展现给所述待推荐用户。
可选的,其特征在于,
所述利用预设的喜好相似度计算公式,分别计算出每个待推荐用户u与参与计算的各个其他用户v之间的喜好相似度suv的步骤,还包括:
获取所述候选推荐主播cu的关注度wd∈[0,+∞],使用如下的主播推荐分数计算公式计算主播推荐分数:
可选的,在将确定的待推荐用户的推荐主播,按分数顺序展现给所述待推荐用户的步骤之后,还包括
获取所述待推荐用户关注了的推荐主播的数量;
将关注了大于等于第四预设数量个推荐主播的待推荐用户作为正样本;
将所述正样本对应的喜好程度计算公式中的礼物价值权重λ,代入预设的FTRL算法模型中进行训练;
使用训练后的权重更新所述喜好程度计算公式。
第二方面,本发明实施例提供了一种个性化主播推荐装置,该装置包括:
用户历史信息获取模块,用于获取所有用户在预设时间段内对各个主播的直播进行操作的历史信息;其中,每个用户的历史信息包括:该用户观看各个主播直播的时长;
喜好程度确定模块,用于根据每个用户的历史信息,确定每个用户对各个主播的喜好程度;
喜好主播确定模块,用于根据每个用户对各个主播的喜好程度,确定每个用户的喜好主播;
喜好相似度确定模块,用于根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度;
喜好相似用户确定模块,用于根据所述两两用户之间的喜好相似度,为每个用户确定喜好相似用户;
推荐主播确定模块,用于对所有用户中的待推荐用户,将待推荐用户对应的喜好相似用户的喜好主播中非待推荐用户的喜好主播,确定为待推荐用户的推荐主播。
可选的,所述喜好主播确定模块,具体用于:
针对每个用户,根据该用户对各个主播的喜好程度,将喜好程度最高的第一预设数量个主播,记录为该用户的喜好主播;
所述喜好相似度确定模块,具体用于:
根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出具有至少一个相同喜好主播的两两用户之间的喜好相似度。
可选的,所述用户历史信息获取模块获取的历史信息还包括:用户给各个主播送出的礼物的价值;
所述喜好程度确定模块,具体用于:
根据每个用户的播放时长和礼物价值,利用预设的喜好程度计算公式,计算每个用户对各个主播的喜好程度。
可选的,所述喜好程度确定模块,具体用于:
利用预设的喜好程度计算公式:
分别计算每个用户对各个主播的喜好程度ai,ai∈[0,1],I为一个用户在预设时间段内观看过的主播集合,i∈I,ti为该用户观看主播i的总时长,pi为用户向主播i送出的礼物的总价值,λ为预设的礼物价值权重。
可选的,所述喜好相似度确定模块具体用于:
对于每个用户,将其作为待推荐用户u;待推荐用户u的喜好主播构成参与计算的用户喜好主播集合Au;
针对每个待推荐用户u,获得与该待推荐用户具有至少一个相同喜好主播的所有用户作为参与计算的其他用户v;其他用户v的喜好主播构成参与计算的其他用户喜好主播集合Av;
利用预设的喜好相似度计算公式:
分别计算出每个待推荐用户u与参与计算的各个其他用户v之间的喜好相似度suv;其中,iuv为所述每个待推荐用户u与参与计算的其他用户v各自的喜好主播集合中的相同主播,分别为该待推荐用户u、参与计算的其他用户v对所述相同主播iuv的喜好程度;
所述喜好相似用户确定模块,具体用于:
对于每个待推荐用户,将与其喜好相似度最高的第二预设数量个其他用户确定为该待推荐用户的相似用户,构成待推荐用户的相似用户集合su。
可选的,所述推荐主播确定模块,包括:
候选主播确定模块,用于获取待推荐用户对应的各个相似用户的喜好主播中非待推荐用户的喜好主播,将获取的各个喜好主播确定为候选推荐主播cu;
主播推荐分数计算模块,用于根据待推荐用户与相似用户的喜好相似度,和相似用户对候选推荐主播的喜好程度,利用预设的主播推荐分数计算公式,计算所有候选推荐主播的推荐分数;
所述推荐主播确定模块,具体用于对所述候选推荐主播排序,将推荐分数最高的第三预设数量个主播,确定为待推荐用户的推荐主播。
可选的,所述主播推荐分数计算模块,具体用于:
利用预设的主播推荐分数计算公式:
可选的,所述装置还包括:
推荐主播展示模块,用于将确定的待推荐用户的推荐主播,按推荐分数顺序展现给所述待推荐用户。
可选的,所述喜好相似度确定模块,具体用于:
所述主播推荐分数计算模块,具体用于:
可选的,所述装置还包括喜好程度计算公式更新模块,用于:
获取所述待推荐用户关注了的推荐主播的数量;
将关注了大于等于第四预设数量个推荐主播的待推荐用户作为正样本;;
将所述正样本对应的喜好程度计算公式中的礼物价值权重λ,代入预设的FTRL算法模型中进行训练;
使用训练后的权重更新所述喜好程度计算公式。
第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面方法的任一步骤。
本发明实施例提供的一种个性化主播推荐方法、装置及电子设备,通过获取所有用户在预设时间段内观看各个主播直播的时长,确定每个用户对各个主播的喜好程度,从而确定每个用户的喜好主播,根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度,为每个用户确定喜好相似用户;将所有用户中的待推荐用户对应的喜好相似用户的喜好主播中,非待推荐用户的喜好主播,确定为待推荐用户的推荐主播,使得推荐的主播是基于用户之间的喜好相似度和用户对主播的喜好程度确定的,深度挖掘了用户的喜好,更好地满足了用户的个性化需求,提高了针对用户的个性化主播推荐的准确度,可以更加有效地帮助用户发现喜欢的主播。
附图说明
为了更清楚地说明本发明实施例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。
图1为本发明实施例提供的个性化主播推荐方法的一种流程示意图;
图2为本发明实施例提供的个性化主播推荐方法的另一种流程示意图;
图3为本发明实施例提供的个性化主播推荐装置的一种结构示意图;
图4为本发明实施例提供的个性化主播推荐装置的另一种结构示意图;
图5为本发明实施例提供的电子设备的示意图。
具体实施方式
为了使本领域技术人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本发明实施例提供的一种个性化主播推荐方法,可以应用于能够提供直播服务的电子设备,该设备包括台式计算机、便携式计算机、互联网电视,智能移动终端、可穿戴式智能终端、服务器等,在此不作限定,任何可以实现本发明实施例的电子设备,均属于本发明实施例的保护范围。
参见图1,图1为本发明实施例提供的个性化主播推荐方法的一种流程示意图,包括如下步骤:
S101,获取所有用户在预设时间段内对各个主播的直播进行操作的历史信息;其中,每个用户的历史信息包括:该用户观看各个主播直播的时长。
S102,根据每个用户的历史信息,确定每个用户对各个主播的喜好程度。
S103,根据每个用户对各个主播的喜好程度,确定每个用户的喜好主播。
用户观看主播直播的时间越长,通常代表用户对该直播越喜欢,而直播是取决于主播的,因此用户观看各个主播直播的时长,能够代表该用户对相应主播的喜好程度,获取所有用户在预设时间段内观看各个主播直播的时长,就可以确定出每个用户对各个主播的喜好程度,喜好程度越高的主播,越符合用户喜好,从而能够确定出每个用户的喜好主播。
所述预设时间段,可以是根据历史经验直接设定的时间段,也可以是所有用户中观看直播的频率最低的用户的观看周期,例如所有用户中某用户每隔一周才会观看直播,而除该用户以外的其他用户为每天都会观看直播,那么预设时间段就设定为一周,以保证获取的历史信息能够用于反映所有用户的喜好。任何确定预设时间段的方法均可用于本步骤,在此不作限制。
S104,根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度。
当两两用户之间喜好程度高的相同的喜好主播数量越多,两两用户之间对主播的喜好越相似,用户对各个喜好主播的喜好程度,能够反映他们的喜好相似度,因此可以利用预设的喜好相似度计算公式,计算两两用户之间的喜好相似度。
可选的,步骤S104可以包括:根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出具有至少一个相同喜好主播的两两用户之间的喜好相似度。
可以理解的是,如果两两用户之间的相同喜好主播为0个,那么他们的喜好相似度也为0,因此通过计算出具有至少一个相同喜好主播的两两用户之间的喜好相似度,就能够避免直接计算所有用户中两两用户之间的喜好相似度时,所导致的用户数量过大,效率较低的问题,使得本发明能够更快地确定出两两用户间的喜好相似度。
S105,根据所述两两用户之间的喜好相似度,为每个用户确定喜好相似用户。
S106,对所有用户中的待推荐用户,将待推荐用户对应的喜好相似用户的喜好主播中非待推荐用户的喜好主播,确定为待推荐用户的推荐主播。
例如:用户A和用户B为喜好相似用户,用户A的喜好主播有主播a、主播b、主播c、主播d,用户B的喜好主播有主播a、主播b、主播e、主播f,则将用户A喜好的主播c、主播d确定为用户B的推荐主播,将用户B喜好的主播e、主播f确定为用户A的推荐主播。
每个用户与其喜好相似用户具有相同的喜好,因此对所有用户中需要向该用户推荐主播的待推荐用户,其喜好相似用户的喜好主播中非待推荐用户的喜好主播,就是符合待推荐用户喜好的推荐主播,并且由于推荐主播是根据两两用户之间的相似度确定的,因此与根据主播相似度进行推荐的方法相比,能够向待推荐用户推荐与该用户历史观看主播并不相似,但符合该用户潜在喜好的多种类的主播,深度挖掘了用户喜好,能更好地满足用户个性化需求。
本发明实施例提供的一种个性化主播推荐方法,通过获取所有用户在预设时间段内观看各个主播直播的时长,确定每个用户对各个主播的喜好程度,从而确定每个用户的喜好主播,根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度,为每个用户确定喜好相似用户;将所有用户中的待推荐用户对应的相似用户的喜好主播中,非待推荐用户的喜好主播,确定为待推荐用户的推荐主播,使得推荐的主播是基于用户之间的喜好相似度和用户对主播的喜好程度确定的,深度挖掘了用户的喜好,更好地满足了用户的个性化需求,提高了针对用户的个性化主播推荐的准确度,可以更加有效地帮助用户发现喜欢的主播。
参见图2,图2为本发明实施例提供的个性化主播推荐方法的另一种流程示意图,包括如下步骤:
S201,获取所有用户在预设时间段内对各个主播的直播进行操作的历史信息;所述历史信息还包括:用户给各个主播送出的礼物的价值。
S202,根据每个用户的播放时长和礼物价值,利用预设的喜好程度计算公式,计算每个用户对各个主播的喜好程度。
用户对主播直播的操作除了图1所示实施例中的观看外,还包括在相应直播下给主播送出礼物,以表达对该主播的喜欢,同时不同的礼物有不同的价值,用户按自己的意愿送出不同数量的礼物。因此获取每个用户的所述历史信息时,可以获取该用户观看各个主播直播的时长和给各个主播送出的礼物的价值,再将所述时长和所述礼物价值输入预设的喜好程度计算公式,即可得到所述喜好程度。可以理解的是,向主播送出礼物的操作需要用户进行付费,因此与仅考虑观看时长的方法相比,综合考虑了观看时长和送出的礼物价值,能够更准确地反映用户对主播的喜好程度。
S203,针对每个用户,根据该用户对各个主播的喜好程度,将喜好程度最高的第一预设数量个主播,记录为该用户的喜好主播。
喜好程度越高的主播越能代表用户的喜好,因此在计算出每个用户对各个主播的喜好程度后,可以按喜好程度对主播进行排序,将其中喜好程度最高的第一预设数量个主播记录为该用户的喜好主播。当用户在预设时间段内观看过的主播数量小于第一预设数量,那么该用户观看过的主播可记录为该用户的喜好主播,使得对观看直播较少的用户也能正常进行个性化主播推荐,以通过符合用户喜好的主播推荐,提高其观看直播的频率。
可选的,步骤S202可以包括:利用预设的喜好程度计算公式,公式一:
分别计算每个用户对各个主播的喜好程度ai,ai∈[0,1],I为一个用户在预设时间段内观看过的主播集合,i∈I,ti为该用户观看主播i的总时长,pi为用户向主播i送出的礼物的总价值,λ为预设的礼物价值权重。可以理解的是,当该用户仅观看了主播i的一场直播,那么所述总时长就是观看了这一场直播的时长,当该用户仅向主播i送出了一件礼物,那么所述礼物的总价值就是这一件礼物的价值。
该步骤在分别计算每个用户对各个主播的喜好程度ai时,纳入了用户对所述主播集合中所有主播的直播进行操作的历史信息∑i∈Iti、∑i∈Ipi,对此可以理解的是,用户观看某主播的时间占预设时间段内该用户观看各个主播直播总时间的比例越高,和/或者送给某主播礼物的价值占预设时间段内该用户向各个主播送出礼物总价值的比例越高,则用户对该主播的喜好程度越高。与直接加和某一用户对某一主播的直播进行操作的所述时长和所述礼物价值的方式相比,本发明的实施例通过所述预设时间段内该用户的整体观看情况,以相同的评价基础获取一个用户对观看过的不同主播的喜好程度,使得通过所述喜好程度选取用户的喜好主播时,选取结果更加准确公平。
同时,在通过所述时长和所述礼物价值共同反映用户对主播的喜好程度时,发明人经过大量实验,发现当所述预设的礼物价值权重λ=0.5时,可以使得到的结果较好地反映所述喜好程度。可以理解的是,分享这一操作也可以反映用户对主播直播的认可和喜爱。因此,用户对各个主播的直播进行操作的历史信息还可以包括对各个主播的直播的分享次数,相应的,在利用预设的喜好程度计算公式计算所述喜好程度时,可纳入用户对直播的分享次数,利用下述的喜好程度计算公式,公式二:
分别计算每个用户对各个主播的喜好程度ai,其中fi为用户对主播i的直播的分享次数,k为预设的分享次数权重。
因此通过相应的不同权重,将用户观看主播直播的时长、送给主播的礼物价值和分享直播的次数共同用于获取用户对主播的喜好程度,可以获得更加准确的用户喜好评估结果,有利于最终获得更加准确的主播推荐结果。任何能够表现用户对主播喜好的历史信息均可用于本步骤,本实施例对此不作限制。
S204,对于每个用户,将其作为待推荐用户u,待推荐用户u的喜好主播构成参与计算的用户喜好主播集合Au;针对每个待推荐用户u,获得与该待推荐用户具有至少一个相同喜好主播的所有用户作为参与计算的其他用户v,其他用户v的喜好主播构成参与计算的其他用户喜好主播集合Av;利用预设的喜好相似度计算公式,分别计算出每个待推荐用户u与参与计算的各个其他用户v之间的喜好相似度suv。
所述喜好相似度计算公式可以为公式三:
可以理解的是所述相同主播iuv的数量为至少一个,即iuv∈Au∩Av,当该待推荐用户u与所述其他用户v之间相同主播越多,并且两两用户对该主播的喜好程度越高,两两用户间的喜好相似度越高。
S205,对于每个待推荐用户,将与其喜好相似度最高的第二预设数量个其他用户确定为该待推荐用户的相似用户,构成待推荐用户的相似用户集合su。
为了提高主播推荐的效率和准确度,为每个待推荐用户选取和该用户喜好相似度最高的其他用户作为该待推荐用户的相似用户,具体为在得到了所有待推荐用户u与所有其他用户v两两之间的喜好相似度后,对每个待推荐用户u的其他用户v按所述喜好相似度suv排序,将其他用户v中喜好相似度suv最高的第二预设数量个用户确定为该待推荐用户u的相似用户,这些第二预设数量个其他用户就构成了该待推荐用户的相似用户集合su。
S206,获取待推荐用户对应的各个相似用户的喜好主播中非待推荐用户的喜好主播,将获取的各个喜好主播确定为候选推荐主播cu。
每个待推荐用户与该待推荐用户的相似用户对主播的喜好是相似的,为了向待推荐用户推荐该用户未观看过的、多样化的主播,可以从该待推荐用户的各个相似用户的喜好主播中,获取与该待推荐用户的喜好主播不同的主播,作为该待推荐用户的候选推荐主播,也就是说,如果待推荐用户的候选推荐主播为cu,那么
S207,根据待推荐用户与相似用户的喜好相似度,和相似用户对候选推荐主播的喜好程度,利用预设的主播推荐分数计算公式,计算所有候选推荐主播的推荐分数。
S208,对所述候选推荐主播排序,将推荐分数最高的第三预设数量个主播,确定为待推荐用户的推荐主播。
由于所述候选推荐主播对于待推荐用户而言是全新的主播,也就不存在待推荐用户对候选推荐主播的直播进行操作的历史记录,因此可以根据待推荐用户u与各个相似用户vs的喜好相似度和各个相似用户vs对候选推荐主播的喜好程度利用预设的主播推荐分数计算公式,计算所有候选推荐主播的推荐分数,可以理解的是,所述推荐分数用于表征待推荐用户对各个候选推荐主播的喜好程度,通过对各个候选主播计算推荐分数,使得对于待推荐用户而言为全新主播的各个待推荐主播,也能具体评估出待推荐用户对各个待推荐主播的喜好程度,从而进一步提高个性化主播推荐的准确度。
相应的,对于各个待推荐主播按所述推荐分数进行排序,其中推荐分数最高的第三预设数量个主播就是最符合待推荐用户喜好的主播,这些第三预设数量个主播就构成了待推荐用户的推荐主播。
可选的,所述预设的主播推荐分数计算公式,可以为公式四:
可选的,本实施例还可以包括在步骤S208之后,将确定的待推荐用户的推荐主播,按推荐分数顺序展现给所述待推荐用户。由于待推荐用户对推荐分数越高的推荐主播喜好程度越高,因此按推荐分数顺序展示可以使用户更快地发现符合自身喜好的主播,提升了用户体验。
可选的,图2所示的实施例还可以包括:
主播的关注度为关注该主播的用户数量,用于反映主播的人气,可直接从后台数据中获得。可以理解的是,由于人气较高的主播更有可能同时得到两用户的喜欢,所以当两用户同时喜欢一个人气较低的主播时,相比于同时喜欢一个人气较高的主播更能证明两用户喜好的相似,通过相同主播的关注度表征该主播的人气度,关注度越大,人气越高。因此,加入主播关注度惩罚项可以提高人气较低的主播的喜好相似度,降低人气较高的主播对喜好相似度,以提高根据用户已有的喜好信息挖掘用户潜在喜好信息的准确度。
例如:待推荐用户u与某一其他用户v1存在相同的喜好主播i1,待推荐用户u与另一个其他用户v2存在相同的喜好主播i2,主播i1的关注度大于主播i2的关注度,也就是用户v1与用户v2对主播i1、i2的喜好程度分别为当相等时,
所述利用预设的主播推荐分数计算公式,计算所有候选推荐主播的推荐分数rud的步骤,包括:
人气较高的主播更容易成为用户的喜欢主播,并且由于直播平台会在首页展示各个人气较高的主播,所以人气较高的主播有更高的几率被用户发现,通过待推荐主播的关注度表征该主播的人气度,关注度越大,人气越高。因此,加入待推荐主播关注度惩罚项可以提高人气较低的主播的推荐分数,降低人气较高的主播的推荐分数,有利于增加人气较低的主播或者新主播被用户发现的机会,并且使得向用户推荐的主播中热门主播的数量尽可能减少,有利于提高用户观看直播的新鲜度,提升用户体验。
可选的,在将确定的待推荐用户的推荐主播,按分数顺序展现给所述待推荐用户的步骤之后,在另一实施例中还可以包括以下步骤:
获取所述待推荐用户关注了的推荐主播的数量;将关注了大于等于第四预设数量个推荐主播的待推荐用户作为正样本;将所述正样本对应的喜好程度计算公式,公式一中的礼物价值权重λ,代入预设的FTRL算法模型中进行训练;使用训练后的权重更新所述喜好程度计算公式。
例如,向各个待推荐用户分别推荐10个推荐主播,获取每个待推荐用户关注了的推荐主播的数量,其中待推荐用户A关注了5个推荐主播,待推荐用户B关注了4个推荐主播,待推荐用户C关注了8个推荐主播,当第四预设数量为5时,待推荐用户A、待推荐用户C就为正样本;将计算用户A、用户B对主播喜好程度时的喜好程度计算公式公式一中的礼物价值权重λ,代入预设的FTRL算法模型中进行训练;使用训练后的权重更新所述喜好程度计算公式公式一。
或者,获取所述待推荐用户关注了的推荐主播的数量;将关注了大于等于第四预设数量个推荐主播的待推荐用户作为正样本;将所述正样本对应的喜好程度计算公式公式二中的礼物价值权重λ,以及分享次数权重k代入预设的FTRL算法模型中进行训练;使用训练后的权重更新所述喜好程度计算公式公式二。
所述待推荐用户关注了的推荐主播的数量,相当于用户对个性化主播推荐结果的反馈数据,可以用于表征用户对推荐结果的满意程度,关注数量越多,则用户越满意。因此,根据用户的反馈数据对所述喜好程度计算公式公式一中的礼物价值权重λ或者所述喜好程度计算公式公式二中的礼物价值权重λ,以及分享次数权重k进行训练并更新,有利于及时修正推荐结果,提升用户满意度。当然,本步骤可以用于对于本发明所述喜好程度计算公式中的任一权重进行训练,包括但不限于礼物价值和分享次数的权重。
本发明实施例提供的一种个性化主播推荐方法,通过获取所有用户在预设时间段内观看各个主播直播的时长,确定每个用户对各个主播的喜好程度,从而确定每个用户的喜好主播,根据每个用户对各个喜好主播的喜好程度以及主播关注度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度,为每个用户确定喜好相似用户;再根据所有用户中待推荐用户以及该用户的喜好相似用户各自的喜好主播,确定待推荐用户的候选推荐主播,并根据相似主播对候选推荐主播的喜好程度和候选推荐主播的关注度,计算候选推荐主播的推荐分数,使得推荐的主播是基于用户之间的喜好相似度和用户对主播的喜好程度以及主播关注度确定的,深度挖掘了用户的喜好,提高了针对用户的个性化主播推荐的准确度,可以更加有效地帮助用户发现喜欢的主播,同时有利于提高人气较低的主播或者新主播被用户发现的机会,也能提高用户观看直播的新鲜度。
参见图3,图3为本发明实施例提供的个性化主播推荐装置的一种结构示意图,包括如下模块:
用户历史信息获取模块S301,用于获取所有用户在预设时间段内对各个主播的直播进行操作的历史信息;其中,每个用户的历史信息包括:该用户观看各个主播直播的时长;
喜好程度确定模块S302,用于根据每个用户的历史信息,确定每个用户对各个主播的喜好程度;
喜好主播确定模块S303,用于根据每个用户对各个主播的喜好程度,确定每个用户的喜好主播;
喜好相似度确定模块S304,用于根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度;
喜好相似用户确定模块S305,用于根据所述两两用户之间的喜好相似度,为每个用户确定喜好相似用户;
推荐主播确定模块S306,用于对所有用户中的待推荐用户,将待推荐用户对应的喜好相似用户的喜好主播中非待推荐用户的喜好主播,确定为待推荐用户的推荐主播。
可选的,所述喜好主播确定模块S303,具体用于:
针对每个用户,根据该用户对各个主播的喜好程度,将喜好程度最高的第一预设数量个主播,记录为该用户的喜好主播;
所述喜好相似度确定模块S304,具体用于:
根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出具有至少一个相同喜好主播的两两用户之间的喜好相似度。
可选的,所述用户历史信息获取模块获取的历史信息还包括:用户给各个主播送出的礼物的价值;
相应的,所述喜好程度确定模块S302,具体用于:
根据每个用户的播放时长和礼物价值,利用预设的喜好程度计算公式,计算每个用户对各个主播的喜好程度。
可选的,所述喜好程度确定模块S302,具体用于:
利用预设的喜好程度计算公式,公式一:
分别计算每个用户对各个主播的喜好程度ai,ai∈[0,1],I为一个用户在预设时间段内观看过的主播集合,i∈I,ti为该用户观看主播i的时长,pi为用户向主播i送出的礼物的总价值,λ为预设的礼物价值权重。
可选的,所述喜好相似度确定模块S302具体用于:
对于每个用户,将其作为待推荐用户u;待推荐用户u的喜好主播构成参与计算的用户喜好主播集合Au;
针对每个待推荐用户u,获得与该待推荐用户具有至少一个相同喜好主播的所有用户作为参与计算的其他用户v;其他用户v的喜好主播构成参与计算的其他用户喜好主播集合Av;
利用预设的喜好相似度计算公式,公式三:
分别计算出每个待推荐用户u与参与计算的各个其他用户v之间的喜好相似度suv;其中,iuv为所述每个待推荐用户u与参与计算的其他用户v各自的喜好主播集合中的相同主播,分别为该待推荐用户u、参与计算的其他用户v对所述相同主播iuv的喜好程度;
所述喜好相似用户确定模块S304,具体用于:
对于每个待推荐用户,将与其喜好相似度最高的第二预设数量个其他用户确定为该待推荐用户的相似用户,构成待推荐用户的相似用户集合su。
可选的,所述喜好相似度确定模块S304,具体用于:
本发明实施例提供的一种个性化主播推荐装置,通过获取所有用户在预设时间段内观看各个主播直播的时长,确定每个用户对各个主播的喜好程度,从而确定每个用户的喜好主播,根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度,为每个用户确定喜好相似用户;对所有用户中的待推荐用户对应的相似用户的喜好主播中,非待推荐用户的喜好主播,确定为待推荐用户的推荐主播,使得推荐的主播是基于用户之间的喜好相似度和用户对主播的喜好程度确定的,深度挖掘了用户的喜好,提高了针对用户的个性化主播推荐的准确度,可以更加有效地帮助用户发现喜欢的主播。
参见图4,图4为本发明实施例的个性化主播推荐装置的另一种结构示意图,包括以下模块:
所述推荐主播确定模块S306具体包括:
候选主播确定模块S3061,用于获取待推荐用户对应的各个相似用户的喜好主播中非待推荐用户的喜好主播,将获取的各个喜好主播确定为候选推荐主播cu;
主播推荐分数计算模块S3062,用于根据待推荐用户与相似用户的喜好相似度,和相似用户对候选推荐主播的喜好程度,利用预设的主播推荐分数计算公式,计算所有候选推荐主播的推荐分数;
所述推荐主播确定模块S306,具体用于对所述候选推荐主播排序,将推荐分数最高的第三预设数量个主播,确定为待推荐用户的推荐主播。
可选的,所述主播推荐分数计算模块S3062,具体用于:
利用预设的主播推荐分数计算公式,公式四:
可选的,所述装置还包括:
推荐主播展示模块(未在图中示出),用于将确定的待推荐用户的推荐主播,按推荐分数顺序展现给所述待推荐用户。
所述主播推荐分数计算模块S3062,具体用于:
可选的,所述装置还包括喜好程度计算公式更新模块S3021,用于:
获取所述待推荐用户关注了的推荐主播的数量;
将关注了大于等于第四预设数量个推荐主播的待推荐用户作为正样本;
将所述正样本对应的喜好程度计算公式中的礼物价值权重λ,代入预设的FTRL算法模型中进行训练;
使用训练后的权重更新所述喜好程度计算公式。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
本发明实施例提供的一种个性化主播推荐装置,通过获取所有用户在预设时间段内观看各个主播直播的时长,确定每个用户对各个主播的喜好程度,从而确定每个用户的喜好主播,根据每个用户对各个喜好主播的喜好程度以及主播关注度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度,为每个用户确定喜好相似用户;再根据所有用户中待推荐用户以及该用户的喜好相似用户各自的喜好主播,确定待推荐用户的候选推荐主播,并根据相似主播对候选推荐主播的喜好程度和候选推荐主播的关注度,计算候选推荐主播的推荐分数,使得推荐的主播是基于用户之间的喜好相似度和用户对主播的喜好程度以及主播关注度确定的,深度挖掘了用户的喜好,提高了针对用户的个性化主播推荐的准确度,可以更加有效地帮助用户发现喜欢的主播,同时有利于提高人气较低的主播或者新主播被用户发现的机会,也能提高用户观看直播的新鲜度。
本发明实施例还提供了一种电子设备,如图5所示,包括处理器501、通信接口502、存储器503和通信总线504,其中,处理器501,通信接口502,存储器通503过通信总线504完成相互间的通信;
所述存储器503,用于存放计算机程序;
所述处理器501,用于执行所述存储器503上所存放的计算机程序时,实现以下步骤:
获取所有用户在预设时间段内对各个主播的直播进行操作的历史信息;其中,每个用户的历史信息包括:该用户观看各个主播直播的时长;
根据每个用户的历史信息,确定每个用户对各个主播的喜好程度;
根据每个用户对各个主播的喜好程度,确定每个用户的喜好主播;
根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度;
根据所述两两用户之间的喜好相似度,为每个用户确定喜好相似用户;
对所有用户中的待推荐用户,将待推荐用户对应的喜好相似用户的喜好主播中非待推荐用户的喜好主播,确定为待推荐用户的推荐主播。
当然所述处理器501在运行所述存储器503上存放的程序时还能执行上述任意一种个性化主播推荐方法。
本发明实施例提供的电子设备,通过获取所有用户在预设时间段内观看各个主播直播的时长,确定每个用户对各个主播的喜好程度,从而确定每个用户的喜好主播,根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度,为每个用户确定喜好相似用户;对所有用户中的待推荐用户对应的相似用户的喜好主播中,非待推荐用户的喜好主播,确定为待推荐用户的推荐主播,使得推荐的主播是基于用户之间的喜好相似度和用户对主播的喜好程度确定的,深度挖掘了用户的喜好,提高了针对用户的个性化主播推荐的准确度,可以更加有效地帮助用户发现喜欢的主播。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (21)
1.一种个性化主播推荐方法,其特征在于,所述方法包括:
获取所有用户在预设时间段内对各个主播的直播进行操作的历史信息;其中,每个用户的历史信息包括:该用户观看各个主播直播的时长;
根据每个用户的历史信息,确定每个用户对各个主播的喜好程度;
根据每个用户对各个主播的喜好程度,确定每个用户的喜好主播;
根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度;
根据所述两两用户之间的喜好相似度,为每个用户确定喜好相似用户;
对所有用户中的待推荐用户,将待推荐用户对应的喜好相似用户的喜好主播中非待推荐用户的喜好主播,确定为待推荐用户的推荐主播;
所述根据每个用户对各个喜好主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度的步骤,包括:
对于每个用户,将其作为待推荐用户u;待推荐用户u的喜好主播构成参与计算的待推荐用户喜好主播集合Au;
针对每个待推荐用户u,获得与该待推荐用户具有至少一个相同喜好主播的所有用户作为参与计算的其他用户v;其他用户v的喜好主播构成参与计算的其他用户喜好主播集合Av;
利用预设的喜好相似度计算公式:
2.根据权利要求1所述的方法,其特征在于,所述根据每个用户对各个主播的喜好程度,确定每个用户的喜好主播的步骤,包括:
针对每个用户,根据该用户对各个主播的喜好程度,将喜好程度最高的第一预设数量个主播,记录为该用户的喜好主播。
3.根据权利要求2所述的方法,其特征在于,所述历史信息还包括:用户给各个主播送出的礼物的价值;
所述根据每个用户的历史信息,确定每个用户对各个主播的喜好程度的步骤,包括:
根据每个用户观看各个主播直播的时长和礼物价值,利用预设的喜好程度计算公式,计算每个用户对各个主播的喜好程度。
5.根据权利要求4所述的方法,其特征在于,所述根据所述两两用户之间的喜好相似度,为每个用户确定喜好相似用户的步骤,包括:
对于每个待推荐用户,将与其喜好相似度最高的第二预设数量个其他用户确定为该待推荐用户的相似用户,构成待推荐用户的相似用户集合su。
6.根据权利要求5所述的方法,其特征在于,所述对所有用户中的待推荐用户,将待推荐用户对应的喜好相似用户的喜好主播中非待推荐用户的喜好主播,确定为待推荐用户的推荐主播的步骤,包括:
获取待推荐用户对应的各个相似用户的喜好主播中非待推荐用户的喜好主播,将获取的各个喜好主播确定为候选推荐主播cu;
根据待推荐用户与相似用户的喜好相似度,和相似用户对候选推荐主播的喜好程度,利用预设的主播推荐分数计算公式,计算所有候选推荐主播的推荐分数;
对所述候选推荐主播排序,将推荐分数最高的第三预设数量个主播,确定为待推荐用户的推荐主播。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:
将确定的待推荐用户的推荐主播,按推荐分数顺序展现给所述待推荐用户。
10.根据权利要求8所述的方法,其特征在于,在将确定的待推荐用户的推荐主播,按分数顺序展现给所述待推荐用户的步骤之后,还包括
获取所述待推荐用户关注了的推荐主播的数量;
将关注了大于等于第四预设数量个推荐主播的待推荐用户作为正样本;
将所述正样本对应的喜好程度计算公式中的礼物价值权重λ,代入预设的FTRL算法模型中进行训练;
使用训练后的权重更新所述喜好程度计算公式。
11.一种个性化主播推荐装置,其特征在于,所述装置包括:
用户历史信息获取模块,用于获取所有用户在预设时间段内对各个主播的直播进行操作的历史信息;其中,每个用户的历史信息包括:该用户观看各个主播直播的时长;
喜好程度确定模块,用于根据每个用户的历史信息,确定每个用户对各个主播的喜好程度;
喜好主播确定模块,用于根据每个用户对各个喜好主播的喜好程度,确定每个用户的喜好主播;
喜好相似度确定模块,用于根据每个用户对各个主播的喜好程度,利用预设的喜好相似度计算公式,计算出两两用户之间的喜好相似度;
喜好相似用户确定模块,用于根据所述两两用户之间的喜好相似度,为每个用户确定喜好相似用户;
推荐主播确定模块,用于对所有用户中的待推荐用户,将待推荐用户对应的喜好相似用户的喜好主播中非待推荐用户的喜好主播,确定为待推荐用户的推荐主播;
所述喜好相似度确定模块,具体用于:
对于每个用户,将其作为待推荐用户u;待推荐用户u的喜好主播构成参与计算的用户喜好主播集合Au;
针对每个待推荐用户u,获得与该待推荐用户具有至少一个相同喜好主播的所有用户作为参与计算的其他用户v;其他用户v的喜好主播构成参与计算的其他用户喜好主播集合Av;
利用预设的喜好相似度计算公式:
12.根据权利要求11所述的装置,其特征在于,所述喜好主播确定模块,具体用于:
针对每个用户,根据该用户对各个主播的喜好程度,将喜好程度最高的第一预设数量个主播,记录为该用户的喜好主播。
13.根据权利要求12所述的装置,其特征在于,所述用户历史信息获取模块获取的历史信息还包括:用户给各个主播送出的礼物的价值;
所述喜好程度确定模块,具体用于:
根据每个用户观看各个主播直播的时长和礼物价值,利用预设的喜好程度计算公式,计算每个用户对各个主播的喜好程度。
15.根据权利要求14所述的装置,其特征在于,所述喜好相似用户确定模块,具体用于:
对于每个待推荐用户,将与其喜好相似度最高的第二预设数量个其他用户确定为该待推荐用户的相似用户,构成待推荐用户的相似用户集合su。
16.根据权利要求15所述的装置,其特征在于,所述推荐主播确定模块,包括:
候选主播确定模块,用于获取待推荐用户对应的各个相似用户的喜好主播中非待推荐用户的喜好主播,将获取的各个喜好主播确定为候选推荐主播cu;
主播推荐分数计算模块,用于根据待推荐用户与相似用户的喜好相似度,和相似用户对候选推荐主播的喜好程度,利用预设的主播推荐分数计算公式,计算所有候选推荐主播的推荐分数;
所述推荐主播确定模块,具体用于对所述候选推荐主播排序,将推荐分数最高的第三预设数量个主播,确定为待推荐用户的推荐主播。
18.根据权利要求16所述的装置,其特征在于,所述装置还包括:
推荐主播展示模块,用于将确定的待推荐用户的推荐主播,按推荐分数顺序展现给所述待推荐用户。
20.根据权利要求18所述的装置,其特征在于,所述装置还包括喜好程度计算公式更新模块,用于:
获取所述待推荐用户关注了的推荐主播的数量;
将关注了大于等于第四预设数量个推荐主播的待推荐用户作为正样本;
将所述正样本对应的喜好程度计算公式中的礼物价值权重λ,代入预设的FTRL算法模型中进行训练;
使用训练后的权重更新所述喜好程度计算公式。
21.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-10任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810175489.4A CN108322829B (zh) | 2018-03-02 | 2018-03-02 | 个性化主播推荐方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810175489.4A CN108322829B (zh) | 2018-03-02 | 2018-03-02 | 个性化主播推荐方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108322829A CN108322829A (zh) | 2018-07-24 |
CN108322829B true CN108322829B (zh) | 2020-11-27 |
Family
ID=62900979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810175489.4A Active CN108322829B (zh) | 2018-03-02 | 2018-03-02 | 个性化主播推荐方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108322829B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108989893B (zh) * | 2018-08-21 | 2020-12-15 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、装置、终端和存储介质 |
CN109255073B (zh) * | 2018-08-28 | 2022-03-29 | 麒麟合盛网络技术股份有限公司 | 一种个性化推荐方法、装置及电子设备 |
CN109120955B (zh) * | 2018-09-30 | 2020-12-15 | 武汉斗鱼网络科技有限公司 | 一种直播间的推荐方法以及相关设备 |
CN109462778B (zh) * | 2018-11-15 | 2020-10-16 | 武汉斗鱼网络科技有限公司 | 一种直播标识的推荐方法以及相关设备 |
CN109348260B (zh) * | 2018-12-06 | 2021-09-07 | 武汉瓯越网视有限公司 | 一种直播间推荐方法、装置、设备及介质 |
CN109600639B (zh) * | 2018-12-07 | 2021-04-27 | 武汉斗鱼鱼乐网络科技有限公司 | 基于用户偏好的用户相似度计算方法、装置、设备及介质 |
CN109729377B (zh) * | 2019-01-02 | 2021-06-08 | 广州虎牙信息科技有限公司 | 一种主播信息的推送方法、装置、计算机设备和存储介质 |
CN110087119B (zh) * | 2019-04-26 | 2022-02-22 | 广州酷狗计算机科技有限公司 | 直播首页显示方法、装置及计算机可读存储介质 |
CN110213606A (zh) * | 2019-05-30 | 2019-09-06 | 上海云甫智能科技有限公司 | 一种直播平台内容推荐方法及*** |
CN110263258A (zh) * | 2019-06-25 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 内容推荐的方法、装置、电子设备及计算机可读介质 |
CN110475155B (zh) * | 2019-08-19 | 2022-02-18 | 北京字节跳动网络技术有限公司 | 直播视频热度状态识别方法、装置、设备及可读介质 |
CN111222055A (zh) * | 2020-01-13 | 2020-06-02 | 广州荔支网络技术有限公司 | 一种音频主播推荐方法 |
WO2022070908A1 (ja) * | 2020-09-29 | 2022-04-07 | 株式会社ドワンゴ | 動画配信装置、動画配信方法、および、記録媒体 |
CN114697711B (zh) * | 2020-12-30 | 2024-02-20 | 广州财盟科技有限公司 | 一种主播推荐方法、装置、电子设备和存储介质 |
CN113301442B (zh) * | 2021-05-20 | 2022-10-21 | 北京百度网讯科技有限公司 | 确定直播资源的方法、设备、介质及程序产品 |
CN113794910B (zh) * | 2021-09-14 | 2024-04-19 | 广州方硅信息技术有限公司 | 视频推送方法、装置、电子设备和存储介质 |
CN114302156A (zh) * | 2021-12-07 | 2022-04-08 | 广州方硅信息技术有限公司 | 主播动态信息推荐方法、设备、***及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2452519A (en) * | 2007-09-06 | 2009-03-11 | Ant Software Ltd | System and Method for Providing User Recommendations |
CN105872837A (zh) * | 2016-04-21 | 2016-08-17 | 广州酷狗计算机科技有限公司 | 用户推荐方法及装置 |
CN106294800A (zh) * | 2016-08-16 | 2017-01-04 | 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*** |
CN107483982A (zh) * | 2017-07-11 | 2017-12-15 | 北京潘达互娱科技有限公司 | 一种主播推荐方法与装置 |
CN107704498A (zh) * | 2017-08-25 | 2018-02-16 | 广州虎牙信息科技有限公司 | 搜索方法、搜索装置和终端设备 |
-
2018
- 2018-03-02 CN CN201810175489.4A patent/CN108322829B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2452519A (en) * | 2007-09-06 | 2009-03-11 | Ant Software Ltd | System and Method for Providing User Recommendations |
CN105872837A (zh) * | 2016-04-21 | 2016-08-17 | 广州酷狗计算机科技有限公司 | 用户推荐方法及装置 |
CN106294800A (zh) * | 2016-08-16 | 2017-01-04 | 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*** |
CN107483982A (zh) * | 2017-07-11 | 2017-12-15 | 北京潘达互娱科技有限公司 | 一种主播推荐方法与装置 |
CN107704498A (zh) * | 2017-08-25 | 2018-02-16 | 广州虎牙信息科技有限公司 | 搜索方法、搜索装置和终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108322829A (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108322829B (zh) | 个性化主播推荐方法、装置及电子设备 | |
US10997229B2 (en) | Content recommendation system | |
CN112364202B (zh) | 视频推荐方法、装置及电子设备 | |
WO2018000909A1 (zh) | 一种用于直播网站的直播房间推荐方法及*** | |
CN110929052A (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN109040157A (zh) | 一种基于互联网的录播数据学习监控方法 | |
US20160379123A1 (en) | Entertainment Prediction Favorites | |
CN109996122B (zh) | 一种视频推荐方法、装置、服务器及存储介质 | |
EP1891588A1 (en) | Method and apparatus for estimating total interest of a group of users directing to a content | |
CN110602518A (zh) | 直播推荐方法、装置、电子设备及可读存储介质 | |
CN109982155B (zh) | 一种播单推荐方法及*** | |
CN110830812A (zh) | 相似主播分类模型训练方法、主播推荐方法及相关装置 | |
CN112579913B (zh) | 一种视频推荐方法、装置、设备和计算机可读存储介质 | |
CN112883275B (zh) | 一种直播间推荐方法、装置、服务器及介质 | |
CN103593382A (zh) | 信息处理设备、信息处理方法和程序 | |
CN115834959B (zh) | 一种视频推荐信息确定方法、装置、电子设备和介质 | |
CN109086813A (zh) | 主播相似度的确定方法、装置、设备及存储介质 | |
CN112733014A (zh) | 推荐方法、装置、设备及存储介质 | |
CN104869464A (zh) | 一种生成推荐节目列表的方法及装置 | |
US10877982B1 (en) | Detection of popular content with narrow appeal | |
CN113127720A (zh) | 一种热搜词确定方法及装置 | |
CN111565322B (zh) | 一种用户情感倾向信息获得方法、装置及电子设备 | |
CN110188277A (zh) | 一种资源的推荐方法及装置 | |
KR102086041B1 (ko) | 다중 기간별 사용자 선호도를 이용한 디지털 컨텐츠 추천 방법 및 그 장치 | |
CN109325181B (zh) | 一种直播间展示方法、装置及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |