CN109413459B - 一种直播平台中用户的推荐方法以及相关设备 - Google Patents
一种直播平台中用户的推荐方法以及相关设备 Download PDFInfo
- Publication number
- CN109413459B CN109413459B CN201811158950.1A CN201811158950A CN109413459B CN 109413459 B CN109413459 B CN 109413459B CN 201811158950 A CN201811158950 A CN 201811158950A CN 109413459 B CN109413459 B CN 109413459B
- Authority
- CN
- China
- Prior art keywords
- user
- category
- users
- target user
- target
- 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]
- H04N21/20—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]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
- H04N21/25891—Management of end-user data being end-user preferences
-
- 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
- H04N21/4508—Management of client data or end-user data
- H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Computer Graphics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种直播平台中用户的推荐方法及相关设备,可以为直播平台中的用户推荐合适的群体,从而为直播平台的社交奠定基础。该方法包括:确定直播平台中预设数目个基准用户的类别集合;当目标用户不为所述直播平台中新注册的用户时,计算所述目标用户与所述预设数目个基准用户中每个基准用户的目标距离;选取所述目标距离小于第一预设值的k个基准用户,所k为大于1的正整数;确定所述k个基准用户在所述类别集合的每个类别中的出现频率;根据所述k个基准用户在所述类别集合的每个类别中的出现频率确定所述目标用户的预测类别;按照预设规则将所述预测类别中的用户向所述目标用户推荐。
Description
技术领域
本发明涉及直播领域,尤其涉及一种直播平台中用户的推荐方法以及相关设备。
背景技术
当下的直播平台用户交流多采用弹幕和论坛的方式,而弹幕发言稍纵即逝,且多用于直播观看过程中,论坛的发言常常不够及时,且只针对用户感兴趣的话题,而线上社交作为当下互联网群体不可或缺的一部分。
直播平台在这方面做得不够完善,具体表现在:直播平台用户在进行线上社交时,都只选择关注的主播推荐的QQ或微信群,没能尽可能将兴趣相似的用户进行聚集。
发明内容
本发明实施例提供了一种直播平台中用户的推荐方法以及相关设备,可以为直播平台中的用户推荐合适的群体,从而为直播平台的社交奠定基础。
本发明实施例的第一方面提供了一种直播平台中用户的推荐方法,包括:
确定直播平台中预设数目个基准用户的类别集合;
当目标用户不为所述直播平台中新注册的用户时,计算所述目标用户与所述预设数目个基准用户中每个基准用户的目标距离;
选取所述目标距离小于第一预设值的k个基准用户,所k为大于1的正整数;
确定所述k个基准用户在所述类别集合的每个类别中的出现频率;
根据所述k个基准用户在所述类别集合的每个类别中的出现频率确定所述目标用户的预测类别;
按照预设规则将所述预测类别中的用户向所述目标用户推荐。
可选地,所述按照预设规则将所述预测类别中的用户向所述目标用户推荐包括:
确定所述预测类别中与所述目标用户不具有关联关系的用户集合;
将所述用户集合按照预设规则向所述目标用户推荐。
可选地,所述将所述用户集合按照预设规则向所述目标用户推荐包括:
随机选取所述用户集合中第二预设值个用户向所述目标用户推荐;
或,
将所述用户集合中的所有用户向所述目标用户推荐。
可选地,所述计算所述目标用户与所述预设数目个基准用户中每个基准用户的目标距离包括:
通过如下公式计算所述目标用户与所述基准用户中每个基准用户的目标距离:
其中,X、Y为所述目标用户u与所述预设数目个基准用户中的任意一个基准用户o的两个维度,d为所述目标用户u与所述预设数目个基准用户中的任意一个基准用户o的目标距离。
可选地,当所述目标用户为所述直播平台中新注册的用户时,所述方法还包括:
将所述类别集合中级别最高的类别中的用户推荐给所述目标用户。
本发明实施例第二方面提供了一种直播平台中用户的推荐装置,包括:
第一确定单元,用于确定直播平台中预设数目个基准用户的类别集合;
计算单元,用于当目标用户不为所述直播平台中新注册的用户时,计算所述目标用户与所述预设数目个基准用户中每个基准用户的目标距离;
选取单元,用于选取所述目标距离小于第一预设值的k个基准用户,所k为大于1的正整数;
第二确定单元,用于确定所述k个基准用户在所述类别集合的每个类别中的出现频率;
第三确定单元,用于根据所述k个基准用户在所述类别集合的每个类别中的出现频率确定所述目标用户的预测类别;
推荐单元,用于按照预设规则将所述预测类别中的用户向所述目标用户推荐。
可选地,所述推荐单元具体用于:
确定所述预测类别中与所述目标用户不具有关联关系的用户集合;
将所述用户集合按照预设规则向所述目标用户推荐。
可选地,所述推荐单元还具体用于:
随机选取所述用户集合中第二预设值个用户向所述目标用户推荐;
或,
将所述用户集合中的所有用户向所述目标用户推荐。
可选地,所述计算单元具体用于:
通过如下公式计算所述目标用户与所述基准用户中每个基准用户的目标距离:
其中,X、Y为所述目标用户u与所述预设数目个基准用户中的任意一个基准用户o的两个维度,d为所述目标用户u与所述预设数目个基准用户中的任意一个基准用户o的目标距离。
可选地,所述推荐单元还用于:
当所述目标用户为所述直播平台中新注册的用户时,将所述类别集合中级别最高的类别中的用户推荐给所述目标用户。
本发明第三方面提供了一种电子设备,包括存储器、处理器,其特征在于,所述处理器用于执行存储器中存储的计算机管理类程序时实现如上述任意一项所述的直播平台中用户的推荐方法的步骤。
本发明第四方面提供了一种计算机可读存储介质,其上存储有计算机管理类程序,其特征在于:所述计算机管理类程序被处理器执行时实现如上述任意一项所述的直播平台中用户的推荐方法的步骤。
综上所述,本发明实施例中,能够实时对平台中的预设数目个基准用户进行分类,之后当需要向目标用户推荐用户时,可以计算目标用户与基准用户的目标距离,选取目标距离小于第一预设值的k个基准用户,之后确定k个基准用户在各个类别中的出现频率,根据该出现频率确定预测类别,然后按照预设规则将预测类别进行推荐,这样既可以为目标用户推荐合适的用户,从而为直播平台的社交奠定基础。
附图说明
图1为本发明实施例提供的一种直播平台中用户的推荐方法的流程示意图;
图2为本发明实施例提供的数据收集架构图;
图3为本发明实施例提供的用户推荐的框架图;
图4为本发明实施例提供的一种直播平台中用户的推荐装置的实施例示意图;
图5为本发明实施例提供的一种直播平台中用户的推荐装置的硬件结构示意图;
图6为本发明实施例提供的一种电子设备的实施例示意图;
图7为本发明实施例提供的一种计算机可读存储介质的实施例示意图。
具体实施方式
本发明实施例提供了一种直播平台中用户的推荐方法和相关设备,可以为直播平台中的用户推荐合适的群体,从而为直播平台的社交奠定基础。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
下面从直播平台中用户的推荐装置的角度对直播平台中用户的推荐方法进行说明,该直播平台中用户的推荐装置可以为服务器,也可以为服务器中的服务单元。
请参阅图1,图1为本发明实施例提供的直播平台中用户的推荐方法的一个实施例示意图,包括:
101、确定直播平台中预设数目个基准用户的类别集合。
本实施例中,直播平台中用户的推荐装置可以首先对直播平台中预设数目个基准用户的用户信息进行收集,之后根据用户的信息确定直播平台中预设数目个基准用户的类别集合。下面结合图2以直播平台为“斗鱼直播”为例进行详细说明:
请参阅图2,图2为本发明实施例提供的数据收集架构图,首先,直播平台中用户的推荐装置可以采用数据埋点的方式,将特征点位放在直播平台对应的应用程序(Application,APP)(图2中的202)或直播平台对应的WEB网站(图2中的201)的页面中,当用户通过APP或WEB有观看或点击行为时,APP或WEB会主动请求服务器Nginx Lua接口,将用户的观看或点击行为进行上报,上报信息储存于Kafka消息队列中,以便后续多次重复读取和使用。
图2中Nginx Lua用于提供行为收集接口,为了应对高并发情景,可以进行分布式拓展,Kafka作为高性能消息队列,可以存储海量用户信息,并可以多次回放,队列的中的数据可以当作样本进行模型训练,也可以作为检验用户所属群体的依据;例如上报Nginx Lua接口定义为www.douyu.tv/lapi/action.do,用户A使用APP点击登陆按钮时,APP会访问lua接口,并将用户登陆时间、用户名称、用户标识等行为进行上报,同样,也可以收集用户观看直播的时长、打赏、发送弹幕等信息。
之后,对获取到的用户的行为数据进行标记,例如可以将直播平台中的预设数目个基准用户通过社交群体的特征将其分为3类:
A、不具魅力的用户;
B、魅力一般的用户;
C、极具魅力的用户;
通过收集平台中预设数目个基准用户(该预设数目个基准用户为直播平台注册时间超过一个预设阈值的用户,例如超过一个月的用户)的行为信息和标签信息(标签信息来自于直播平台中除预设数目个基准用户之外的其他用户的评定),然后通过调查问卷的方式,分批次将预设数目个基准用户最近半年的弹幕内容、观看时长、被赞次数、鱼吧动态、打赏金额、关注的分区等信息发送给直播平台中除预设数目个基准用户之外的其他用户,其他用户通过打分***将预设数目个基准用户分为以上A、B、C类,至此可以得到直播平台中预设数目个基准用户的类别集合,也即将直播平台中预设数目个基准用户中的各个用户分别对应的分到A、B、C三个类别当中,例如预设数目为4万,其中A类中的基准用户的数量为2万,B类中的基准用户的数量为1万5千,C类中的基准用户的数量为5千。
需要说明的是,上述预设数目可以为4万,当然也可以为其他数目,例如5万,另外,预设数目个基准用户通过社交群体的特征进行的分类数量,可以为3类,也可以为4类,具体不做限定。
102、当目标用户不为直播平台中新注册的用户时,计算目标用户与预设数目个基准用户中每个基准用户的目标距离。
本实施例中,在确定了直播平台中预设数目个基准用户的类别集合之后,会对目标用户进行一个判断,判断该目标用户是否为直播平台中新注册的用户,当该目标用户不为直播平台中新注册的用户时,即可以说明,该目标用户在直播平台中已经有了用户行为,则可以根据该目标用户的用户行为计算目标用户与预设数目个基准用户中每个基准用户的目标距离,此处以目标距离为欧式距离为例进行说明,当然也还可以是其他的,具体不做限定。具体的,直播平台中用户的推荐装置可以通过如下公式计算目标用户与基准用户中每个基准用户的目标距离:
其中,X、Y为目标用户u与预设数目个基准用户中的任意一个基准用户o的两个维度,例如X表示弹幕,Y表示观看时长,d为目标用户u与预设数目个基准用户中的任意一个基准用户o的目标距离。
103、选取目标距离小于第一预设值的k个基准用户。
本实施例中,在确定了目标用户与预设数目个基准用户中每个基准用户的目标距离之后,可以选取目标距离小于第一预设值的k个基准用户,其中k为大于1的正整数。
需要说明的是,以k的取值1000为例进行说明,当然也还可以是其他的数值,具体不限定。
104、确定k个基准用户在类别集合的每个类别中的出现频率。
本实施例中,在确定预设数目个基准用户的类别集合时,已经确定了预设数目个记住用户中的每个用户的类别,在确定了目标距离小于第一预设值的k个基准用户之后,即可以确定出k个基准用户在类别集合的每个类别中的出现概率。例如k为1000,其中k个基准用户中有400个A类用户、500个B类用户以及100个C类用户,则可以确定k个基准用户在A类中出现的频率为400/1000=0.4,k个基准用户在B类中的出现频率为500/1000=0.5,k个基准用户在C类中的出现概率为100/1000=0.1。
105、根据k个基准用户在类别集合的每个类别中的出现概率确定目标用户的预测类别。
本实施例中,步骤104中已经确定出k个基准用户在类别集合的每个类别中的出现概率,直播平台用户的推荐装置可以根据k个基准用户在类别集合的每个类别中的出现概率确定目标用户的预测类别,此处选择k个基准用户在类别集合的每个类别中的出现概率最高的类别作为目标用户的预测类别。
106、按照预设规则将预设类别中的用户向目标用户推荐。
本实施例中,直播平台用户的推荐装置在确定目标用户的预测类别之后,可以按照预设规则将预设类别中的用户向目标用户推荐。下面进行具体说明:
直播平台用户的推荐装置首先确定预测类别中与目标用户不具有关联关系的用户集合;
之后将用户集合按照预设规则向目标用户推荐。
下面结合图3进行详细说明,请参阅图3,图3为本发明实施例提供的用户推荐的框架图,图3中的Redis中存储的数据结构为Map<key,value>,其中key为目标用户U,value为给目标用户U推荐的用户列表(也即预测类别),记作list,由于每次通过推荐发送程序给目标用户U推荐其他用户之前,都需要去掉目标用户U已经关注或加为好友的用户(即与目标用户具有关联关系的用户),所以每次向目标用户u推荐用户之前需要结合目标用户之前的关注信息将list中的信息进行剔除,得到预测类别中与目标用户不具有关联关系的用户集合(也即预测类别中目标用户没有关注或者加为好友的用户的集合)之后再按照预设规则通过推荐发送程序向目标用户u推荐,而目标用户u之前的关注信息存在于mysql的记录之中,推荐发送每条list之前会先读取mysql记录进行去重,由此不会给目标用户推荐其之前关注或者加为好友的用户,可以给用户更好的体验。
需要说明的是,将用户集合按照预设规则向目标用户推荐的时候,可以随机选取用户集合中第二预设值个用户向目标用户推荐,例如随机选取用户集合的20个用户向目标用户推荐,或者,将用户集合中的所有用户向目标用户推荐,具体不做限定。
还需要说明的是,当目标用户为直播平台中新注册的用户时,可以将类别集合中级别最高的类别中的用户推荐给目标用户,例如将C类极具魅力的用户推荐给目标用户,推荐的规则如上述所说,可以全部推荐也可以部分推荐,具体不限定。
需要说明的是,直播平台用户的推荐装置在确定预测类别之后,可以判断该预测类别的级别,例如是A类、B类还是C类,之后,可以根据预测类别的级别向目标用户进行推荐,例如预测类别是B类,则可以将B类基准用户以及C类基准用户同时向目标用户推荐,也就是说,可以推荐预测类别以及级别高于预测类别的类别,具体的推荐规则,例如可以随机选取B类中的部分用户以及随机选取C类中的部分用户或者推荐B类以及C类中的所有基准用户,具体不做限定。
综上所述,可以看出,本发明实施例提供的技术方案中,能够实时对平台中的预设数目个基准用户进行分类,之后当需要向目标用户推荐用户时,可以计算目标用户与基准用户的目标距离,选取目标距离小于第一预设值的k个基准用户,之后确定k个基准用户在各个类别中的出现频率,根据该出现频率确定预测类别,然后按照预设规则将预测类别进行推荐,这样既可以为目标用户推荐合适的用户,从而为直播平台的社交奠定基础。
上面对本发明实施例中直播平台中用户的推荐方法进行了描述,下面对本发明实施例中的直播平台中用户的推荐装置进行描述。
请参阅图4,本发明实施例中直播平台中用户的推荐装置的一个实施例,该直播平台中用户的推荐装置应用于直播平台,包括:
第一确定单元401,用于确定直播平台中预设数目个基准用户的类别集合;
计算单元402,用于当目标用户不为所述直播平台中新注册的用户时,计算所述目标用户与所述预设数目个基准用户中每个基准用户的目标距离;
选取单元403,用于选取所述目标距离小于第一预设值的k个基准用户,所k为大于1的正整数;
第二确定单元404,用于确定所述k个基准用户在所述类别集合的每个类别中的出现频率;
第三确定单元405,用于根据所述k个基准用户在所述类别集合的每个类别中的出现频率确定所述目标用户的预测类别;
推荐单元406,用于按照预设规则将所述预测类别中的用户向所述目标用户推荐。
可选地,所述推荐单元406具体用于:
确定所述预测类别中与所述目标用户不具有关联关系的用户集合;
将所述用户集合按照预设规则向所述目标用户推荐。
可选地,所述推荐单元406还具体用于:
随机选取所述用户集合中第二预设值个用户向所述目标用户推荐;
或,
将所述用户集合中的所有用户向所述目标用户推荐。
可选地,所述计算单元402具体用于:
通过如下公式计算所述目标用户与所述基准用户中每个基准用户的目标距离:
其中,X、Y为所述目标用户u与所述预设数目个基准用户中的任意一个基准用户o的两个维度,d为所述目标用户u与所述预设数目个基准用户中的任意一个基准用户o的目标距离。
可选地,所述推荐单元406还用于:
当所述目标用户为所述直播平台中新注册的用户时,将所述类别集合中级别最高的类别中的用户推荐给所述目标用户。
上面图4从模块化功能实体的角度对本发明实施例中的直播平台中用户的推荐装置进行了描述,下面从硬件处理的角度对本发明实施例中的直播平台中用户的推荐装置进行详细描述,请参阅图5,本发明实施例中的直播平台中用户的推荐装置500一个实施例,包括:
输入装置501、输出装置502、处理器503和存储器504(其中处理器503的数量可以一个或多个,图5中以一个处理器503为例)。在本发明的一些实施例中,输入装置501、输出装置502、处理器503和存储器504可通过总线或其它方式连接,其中,图5中以通过总线连接为例。
其中,通过调用存储器504存储的操作指令,处理器503,用于执行如下步骤:
确定直播平台中预设数目个基准用户的类别集合;
当目标用户不为所述直播平台中新注册的用户时,计算所述目标用户与所述预设数目个基准用户中每个基准用户的目标距离;
选取所述目标距离小于第一预设值的k个基准用户,所k为大于1的正整数;
确定所述k个基准用户在所述类别集合的每个类别中的出现频率;
根据所述k个基准用户在所述类别集合的每个类别中的出现频率确定所述目标用户的预测类别;
按照预设规则将所述预测类别中的用户向所述目标用户推荐。
通过调用存储器504存储的操作指令,处理器503,还用于执行图1对应的实施例中的任一方式。
请参阅图6,图6为本发明实施例提供的电子设备的实施例示意图。
如图6所示,本发明实施例提供了一种电子设备,包括存储器610、处理器620及存储在存储器620上并可在处理器620上运行的计算机程序611,处理器620执行计算机程序611时实现以下步骤:
确定直播平台中预设数目个基准用户的类别集合;
当目标用户不为所述直播平台中新注册的用户时,计算所述目标用户与所述预设数目个基准用户中每个基准用户的目标距离;
选取所述目标距离小于第一预设值的k个基准用户,所k为大于1的正整数;
确定所述k个基准用户在所述类别集合的每个类别中的出现频率;
根据所述k个基准用户在所述类别集合的每个类别中的出现频率确定所述目标用户的预测类别;
按照预设规则将所述预测类别中的用户向所述目标用户推荐。
在具体实施过程中,处理器620执行计算机程序611时,可以实现图1对应的实施例中任一实施方式。
由于本实施例所介绍的电子设备为实施本发明实施例中一种直播平台中用户的推荐装置所采用的设备,故而基于本发明实施例中所介绍的方法,本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式,所以在此对于该电子设备如何实现本发明实施例中的方法不再详细介绍,只要本领域所属技术人员实施本发明实施例中的方法所采用的设备,都属于本发明所欲保护的范围。
请参阅图7,图7为本发明实施例提供的一种计算机可读存储介质的实施例示意图。
如图7所示,本实施例提供了一种计算机可读存储介质700,其上存储有计算机程序711,该计算机程序711被处理器执行时实现如下步骤:
确定直播平台中预设数目个基准用户的类别集合;
当目标用户不为所述直播平台中新注册的用户时,计算所述目标用户与所述预设数目个基准用户中每个基准用户的目标距离;
选取所述目标距离小于第一预设值的k个基准用户,所k为大于1的正整数;
确定所述k个基准用户在所述类别集合的每个类别中的出现频率;
根据所述k个基准用户在所述类别集合的每个类别中的出现频率确定所述目标用户的预测类别;
按照预设规则将所述预测类别中的用户向所述目标用户推荐。
在具体实施过程中,该计算机程序711被处理器执行时可以实现图1对应的实施例中任一实施方式。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机软件指令,当计算机软件指令在处理设备上运行时,使得处理设备执行如图1对应实施例中的风电场数字化平台设计的方法中的流程。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修该,或者对其中部分技术特征进行等同替换;而这些修该或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种直播平台中用户的推荐方法,其特征在于,包括:
确定直播平台中预设数目个基准用户的类别集合;
当目标用户不为所述直播平台中新注册的用户时,根据目标用户的用户行为计算所述目标用户与所述预设数目个基准用户中每个基准用户的目标距离;所述用户行为包括下述行为:用户观看直播的时长、发送弹幕;
选取所述目标距离小于第一预设值的k个基准用户,所述k为大于1的正整数;
确定所述k个基准用户在所述类别集合的每个类别中的出现频率;
根据所述k个基准用户在所述类别集合的每个类别中的出现频率确定所述目标用户的预测类别;所述根据所述k个基准用户在所述类别集合的每个类别中的出现频率确定所述目标用户的预测类别具体包括:选择所述k个基准用户在所述类别集合的每个类别中的出现频率最高的类别作为目标用户的预测类别;
按照预设规则将所述预测类别中的用户向所述目标用户推荐。
2.根据权利要求1所述的方法,其特征在于,所述按照预设规则将所述预测类别中的用户向所述目标用户推荐包括:
确定所述预测类别中与所述目标用户不具有关联关系的用户集合;
将所述用户集合按照预设规则向所述目标用户推荐。
3.根据权利要求2所述的方法,其特征在于,所述将所述用户集合按照预设规则向所述目标用户推荐包括:
随机选取所述用户集合中第二预设值个用户向所述目标用户推荐;
或,
将所述用户集合中的所有用户向所述目标用户推荐。
5.根据权利要求1至3中任一项所述的方法,其特征在于,当所述目标用户为所述直播平台中新注册的用户时,所述方法还包括:
将所述类别集合中级别最高的类别中的用户推荐给所述目标用户。
6.一种直播平台中用户的推荐装置,其特征在于,包括:
第一确定单元,用于确定直播平台中预设数目个基准用户的类别集合;
计算单元,用于当目标用户不为所述直播平台中新注册的用户时,根据目标用户的用户行为计算所述目标用户与所述预设数目个基准用户中每个基准用户的目标距离;所述用户行为包括下述行为:用户观看直播的时长、发送弹幕;
选取单元,用于选取所述目标距离小于第一预设值的k个基准用户,所述k为大于1的正整数;
第二确定单元,用于确定所述k个基准用户在所述类别集合的每个类别中的出现频率;
第三确定单元,用于根据所述k个基准用户在所述类别集合的每个类别中的出现频率确定所述目标用户的预测类别;所述根据所述k个基准用户在所述类别集合的每个类别中的出现频率确定所述目标用户的预测类别具体包括:选择所述k个基准用户在所述类别集合的每个类别中的出现频率最高的类别作为目标用户的预测类别;
推荐单元,用于按照预设规则将所述预测类别中的用户向所述目标用户推荐。
7.根据权利要求6所述的装置,其特征在于,所述推荐单元具体用于:
确定所述预测类别中与所述目标用户不具有关联关系的用户集合;
将所述用户集合按照预设规则向所述目标用户推荐。
9.一种电子设备,包括存储器、处理器,其特征在于,所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1至5中任意一项所述的直播平台中用户的推荐方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机管理类程序,其特征在于:所述计算机管理类程序被处理器执行时实现如权利要求1至5中任意一项所述的直播平台中用户的推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811158950.1A CN109413459B (zh) | 2018-09-30 | 2018-09-30 | 一种直播平台中用户的推荐方法以及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811158950.1A CN109413459B (zh) | 2018-09-30 | 2018-09-30 | 一种直播平台中用户的推荐方法以及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109413459A CN109413459A (zh) | 2019-03-01 |
CN109413459B true CN109413459B (zh) | 2020-10-16 |
Family
ID=65465986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811158950.1A Active CN109413459B (zh) | 2018-09-30 | 2018-09-30 | 一种直播平台中用户的推荐方法以及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109413459B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110120146A (zh) * | 2019-04-25 | 2019-08-13 | 新浪网技术(中国)有限公司 | 一种基于报警中台***的报警方法及报警中台*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102929950A (zh) * | 2011-10-04 | 2013-02-13 | 微软公司 | 用于个性化搜索结果的社交网络推荐的内容和推荐成员 |
CN106202388A (zh) * | 2016-07-08 | 2016-12-07 | 武汉斗鱼网络科技有限公司 | 一种用户等级自动划分方法及*** |
CN106446078A (zh) * | 2016-09-08 | 2017-02-22 | 乐视控股(北京)有限公司 | 一种信息的推荐方法和推荐装置 |
CN107563898A (zh) * | 2017-09-26 | 2018-01-09 | 浪潮软件集团有限公司 | 一种社交圈推荐方法及装置 |
CN107613395A (zh) * | 2017-08-28 | 2018-01-19 | 武汉斗鱼网络科技有限公司 | 直播房间推荐方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9373128B2 (en) * | 2013-02-25 | 2016-06-21 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for determining similarity information for users of a network |
-
2018
- 2018-09-30 CN CN201811158950.1A patent/CN109413459B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102929950A (zh) * | 2011-10-04 | 2013-02-13 | 微软公司 | 用于个性化搜索结果的社交网络推荐的内容和推荐成员 |
CN106202388A (zh) * | 2016-07-08 | 2016-12-07 | 武汉斗鱼网络科技有限公司 | 一种用户等级自动划分方法及*** |
CN106446078A (zh) * | 2016-09-08 | 2017-02-22 | 乐视控股(北京)有限公司 | 一种信息的推荐方法和推荐装置 |
CN107613395A (zh) * | 2017-08-28 | 2018-01-19 | 武汉斗鱼网络科技有限公司 | 直播房间推荐方法及*** |
CN107563898A (zh) * | 2017-09-26 | 2018-01-09 | 浪潮软件集团有限公司 | 一种社交圈推荐方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109413459A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108733706B (zh) | 热度信息的生成方法和装置 | |
US9026916B2 (en) | User interface for managing questions and answers across multiple social media data sources | |
CN106649681B (zh) | 一种数据处理方法、装置及设备 | |
CN110896488B (zh) | 一种直播间的推荐方法以及相关设备 | |
US20150066950A1 (en) | Sentiment scoring for sports entities and filtering techniques | |
CN103443781A (zh) | 数据递送 | |
CN109255371B (zh) | 一种确定直播平台虚假关注用户的方法以及相关设备 | |
CN103974096B (zh) | 一种视频文件评估方法、装置和*** | |
CN106326391A (zh) | 多媒体资源推荐方法及装置 | |
CN104918067A (zh) | 对视频热度进行曲线处理的方法和*** | |
CN109257617B (zh) | 一种确定直播平台中嫌疑用户的方法以及相关设备 | |
CN109840319B (zh) | 确定对象实体的方法、***及计算机设备和存储介质 | |
CN107545451A (zh) | 一种广告推送方法及装置 | |
CN113076416A (zh) | 信息热度评估方法、装置和电子设备 | |
Li et al. | Understanding video sharing propagation in social networks: Measurement and analysis | |
CN106161389B (zh) | 一种作弊识别方法、装置及终端 | |
Kaligotla et al. | Diffusion of competing rumours on social media | |
CN106919692B (zh) | 一种推送消息的方法和装置 | |
CN109120955B (zh) | 一种直播间的推荐方法以及相关设备 | |
CN111064971B (zh) | 一种自定义开播通知的方法以及相关设备 | |
CN109413459B (zh) | 一种直播平台中用户的推荐方法以及相关设备 | |
CN110222297B (zh) | 一种标签用户的识别方法以及相关设备 | |
KR101136725B1 (ko) | 콘텐츠 서비스 시스템 및 방법 | |
CN109218766B (zh) | 一种召集粉丝的方法、直播平台服务器及主播端 | |
CN109361929B (zh) | 一种确定直播间标签的方法以及相关设备 |
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 |