CN110365994A - 直播推荐方法、装置、服务器及可读存储介质 - Google Patents
直播推荐方法、装置、服务器及可读存储介质 Download PDFInfo
- Publication number
- CN110365994A CN110365994A CN201910648126.2A CN201910648126A CN110365994A CN 110365994 A CN110365994 A CN 110365994A CN 201910648126 A CN201910648126 A CN 201910648126A CN 110365994 A CN110365994 A CN 110365994A
- Authority
- CN
- China
- Prior art keywords
- live streaming
- live
- main broadcaster
- sports
- military success
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003860 storage Methods 0.000 title claims abstract description 30
- 230000000386 athletic effect Effects 0.000 claims abstract description 86
- 238000012549 training Methods 0.000 claims description 27
- 238000013135 deep learning Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000015041 syndromic microphthalmia 10 Diseases 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- 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)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请实施例提供一种直播推荐方法、装置、服务器及可读存储介质,通过预先配置的每个直播竞技项目对应的直播战绩识别模型,识别出每个直播竞技项目下各主播的竞技战绩,并根据各主播的竞技战绩生成每个直播竞技项目对应的直播推荐信息。如此,能够让竞技水平高的直播内容更容易触达观众,有助于降低主播的马太效应,有效提高高水平主播的曝光率和关注量,进而提高高水平主播的用户流量,不仅方便对于高水平主播的扶持,同时也为直播平台的流量引导提供一个新的切入口,更便于直播平台的流量运营。
Description
技术领域
本申请涉及互联网直播领域,具体而言,涉及一种直播推荐方法、装置、服务器及可读存储介质。
背景技术
随着互联网直播技术的发展和多人在线战术竞技游戏(Multiplayer OnlineBattleArena,MOBA)的推广,越来越多的游戏主播在各自的直播间直播MOBA类游戏。在这类游戏直播过程中,通常会有大量主播同时开播。当观众没有特别关注的直播间时,通常会希望直播平台给予推荐。
目前的直播推荐方式,通常是根据各个主播的直播间的活跃度排行,例如观众在线人数、弹幕活跃人数、主播等级等维度为观众推荐主播。然而,该推荐方式会使得主播的马太效应明显,当竞技水平原本较高的新主播入驻主播平台时,可能由于无法快速吸引观众而导致观众流量较少,不利于提高直播平台的主播流量,从而影响直播平台的流量运营。
发明内容
有鉴于此,本申请实施例的目的在于提供一种直播推荐方法及装置,能够让竞技水平高的直播内容更容易触达观众,有助于降低主播的马太效应,有效提高高水平主播的曝光率和关注量,进而提高高水平主播的用户流量,不仅方便对于高水平主播的扶持,同时也为直播平台的流量引导提供一个新的切入口,更便于直播平台的流量运营。
根据本申请实施例的一个方面,提供一种服务器,可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可执行指令。当服务器运行时,所述处理器执行所述机器可执行指令,以执行下述的直播推荐方法。
根据本申请实施例的另一方面,提供一种直播推荐方法,应用于服务器,所述服务器预先配置有不同直播竞技项目分别对应的竞技战绩识别模型,所述方法可以包括:
针对每个直播竞技项目,获取该直播竞技项目下各主播的直播视频流;
根据该直播竞技项目对应的直播战绩识别模型对所述各主播的直播视频流进行识别,得到各主播的竞技战绩;
根据所述各主播的竞技战绩生成该直播竞技项目对应的直播推荐信息。
根据本申请实施例的另一方面,提供一种直播推荐装置,应用于服务器,所述服务器预先配置有不同直播竞技项目分别对应的竞技战绩识别模型,所述装置可以包括:
获取模块,用于针对每个直播竞技项目,获取该直播竞技项目下各主播的直播视频流;
识别模块,用于根据该直播竞技项目对应的直播战绩识别模型对所述各主播的直播视频流进行识别,得到各主播的竞技战绩;
生成模块,用于根据所述各主播的竞技战绩生成该直播竞技项目对应的直播推荐信息。
根据本申请实施例的另一方面,提供一种可读存储介质,该可读存储介质上存储有机器可执行指令,该计算机程序被处理器运行时可以执行上述的直播推荐方法的步骤。
基于上述任一方面,本申请实施例通过预先配置的每个直播竞技项目对应的直播战绩识别模型,识别出每个直播竞技项目下各主播的竞技战绩,并根据各主播的竞技战绩生成每个直播竞技项目对应的直播推荐信息。如此,能够让竞技水平高的直播内容更容易触达观众,有助于降低主播的马太效应,有效提高高水平主播的曝光率和关注量,进而提高高水平主播的用户流量,不仅方便对于高水平主播的扶持,同时也为直播平台的流量引导提供一个新的切入口,更便于直播平台的流量运营。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的直播***的交互场景示意图;
图2示出了本申请实施例所提供的直播推荐方法的流程示意图之一;
图3示出了本申请实施例所提供的直播推荐方法的流程示意图之二;
图4示出了本申请实施例所提供的一种示例性直播推荐列表的界面示意图;
图5示出了本申请实施例所提供的直播推荐方法的流程示意图之三;
图6示出了本申请实施例所提供的用于执行上述直播推荐方法的服务器的结构示意框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
参照图1所示,图1示出了本申请实施例提供的直播***10的交互场景示意图。例如,直播***10可以是用于诸如互联网直播之类的服务平台。直播***10可以包括服务器100、直播提供终端200以及直播接收终端300,服务器100分别与直播提供终端200以及直播接收终端300通信连接,用于为直播提供终端200以及直播接收终端300提供直播服务。例如,直播提供终端200可以将直播间的直播视频流发送给服务器100,观众可以通过直播接收终端300从服务器100拉取直播视频流以观看直播间的直播视频。又例如,服务器100也可以在观众订阅的直播间开播时向该观众的直播接收终端300发送通知消息。直播视频流可以是当前正在直播平台中直播的视频流或者直播完成后形成的完整视频流。
可以理解,图1所示的直播***10仅为一种可行的示例,在其它可行的实施例中,该直播***10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
在一些实施场景中,直播提供终端200和直播接收终端300可以互换使用。例如,直播提供终端200的主播可以使用直播提供终端200来为观众提供直播视频服务,或者作为观众查看其它主播提供的直播视频。又例如,直播接收终端300的观众也可以使用直播接收终端300观看所关注的主播提供的直播视频,或者作为主播为其它观众提供直播视频服务。
本实施例中,直播提供终端200和直播接收终端300可以是,但不限于智能手机、个人数字助理、平板电脑、个人计算机、笔记本电脑、虚拟现实终端设备、增强现实终端设备等。其中,直播提供终端200和直播接收终端300中可以安装用于提供互联网直播服务的互联网产品,例如,互联网产品可以是计算机或智能手机中使用的与互联网直播服务相关的应用程序APP、Web网页、小程序等。
本实施例中,服务器100可以是单个物理服务器,也可以是一个由多个用于执行不同数据处理功能的物理服务器构成的服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器100可以是分布式***)。在一些可能的实施方式中,针对单个物理服务器,可以基于不同直播服务功能为该物理服务器分配不同的逻辑服务器,例如音视频服务器、截图服务器、预处理服务器、直播列表推荐服务器等。
图2示出了本申请实施例提供的直播推荐方法的流程示意图,该直播推荐方法可以由图1中的服务器100执行。应当理解,在其它实施例中,本实施例的直播推荐方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。该直播推荐方法的详细步骤介绍如下。
步骤S110,针对每个直播竞技项目,获取该直播竞技项目下各主播的直播视频流。
本实施例中,直播竞技项目可以是指直播视频流中具有竞技战绩比分的直播项目,例如可以包括多人在线战术竞技游戏,比如王者荣耀、荒野行动、绝地求生、英雄联盟等;或者,还可以包括真实对抗比赛,例如足球比赛、篮球比赛等。
在每个直播竞技项目的直播过程中,通常可能会有大量主播同时开播。此时,服务器100可分别获取每个直播竞技项目下各主播的直播视频流,例如“王者荣耀”游戏的直播视频流、“英雄联盟”游戏的直播视频流等。可选地,为了保证视频帧的实时性,进而保证后续识别的内容的准确性与及时性,可以从各主播的直播视频流中的任意播放位置截取相应的视频帧。
步骤S120,根据该直播竞技项目对应的直播战绩识别模型对各主播的直播视频流进行识别,得到各主播的竞技战绩。
本实施例中,服务器100可根据不同的直播竞技项目预先配置对应的竞技战绩识别模型。每个竞技战绩识别模型可以通过该直播竞技项目对应的每帧历史直播画面和每帧历史直播画面的竞技战绩标签训练得到。
以直播竞技项目为“王者荣耀”游戏为例,“王者荣耀”游戏对应的“王者荣耀”游戏战绩识别模型可以通过在“王者荣耀”游戏中各主播直播的每帧历史直播画面和每帧历史直播画面的杀敌数、死亡数、助攻数等竞技战绩标签训练得到,训练得到“王者荣耀”游戏战绩识别模型可以用于识别“王者荣耀”游戏中各主播直播的直播会面中的杀敌数、死亡数、助攻数等竞技战绩。
步骤S130,根据各主播的竞技战绩生成该直播竞技项目对应的直播推荐信息。
基于上述设计,相较于传统根据各个主播的直播间的活跃度排行为观众推荐主播的方案,本实施例通过预先配置的每个直播竞技项目对应的直播战绩识别模型,识别出每个直播竞技项目下各主播的竞技战绩,并根据各主播的竞技战绩生成每个直播竞技项目对应的直播推荐信息,从而能够让竞技水平高的直播内容更容易触达观众,有助于降低主播的马太效应,有效提高高水平主播的曝光率和关注量,进而提高高水平主播的用户流量,不仅方便对于高水平主播的扶持,同时也为直播平台的流量引导提供一个新的切入口,更便于直播平台的流量运营。
在上述基础上,下面结合参阅图3,对上述竞技战绩识别模型的训练过程进行详细阐述,在该步骤S110之前,该直播推荐方法还可以包括如下步骤:
步骤S101,针对每个直播竞技项目,获取该直播竞技项目对应的训练样本数据。
本实施例中,上述训练样本数据可包括该直播竞技项目对应的历史直播视频样本和历史直播视频样本中每帧历史直播画面的竞技战绩标签。例如,“王者荣耀”游戏竞技项目对应的训练样本数据可包括各主播直播的每帧历史直播画面和每帧历史直播画面的杀敌数、死亡数、助攻数等竞技战绩标签。
可选地,为了提高竞技战绩标签的标注效率,服务器100可以通过与该直播竞技项目对应的运营平台通信以从该运营平台中实时获取每帧历史直播画面的竞技战绩标签,并将该竞技战绩标签标注在对应的历史直播画面上。
步骤S102,根据该直播竞技项目对应的训练样本数据训练深度学习网络模型,得到该直播竞技项目对应的竞技战绩识别模型。
作为一种可能的实施方式,可以将该直播竞技项目对应的每帧历史直播画面和每帧历史直播画面的竞技战绩标签输入深度学习网络模型,提取历史直播画面的画面特征信息。接着,根据历史直播画面的画面特征信息得到历史直播画面对应的预测战绩标签,并根据历史直播画面对应的预测战绩标签与竞技战绩标签之间的差异更新深度学习网络模型的网络参数,直到深度学习网络模型满足训练终止条件后,输出训练得到的该直播竞技项目对应的竞技战绩识别模型,并将该竞技战绩识别模型存储在服务器100中。
可选地,训练终止条件可以包括:竞技战绩识别模型的预测准确率不小于设定阈值。详细地,在输出训练得到的该直播竞技项目对应的竞技战绩识别模型之前,可以获取该直播竞技项目对应的测试样本数据,测试样本数据包括该直播竞技项目对应的历史直播视频样本和历史直播视频样本中每帧历史直播画面的竞技战绩标签。然后,将该历史直播视频样本中各帧历史直播画面输入更新网络参数后的深度学习网络模型,得到各帧历史直播画面对应的预测战绩标签。接着,根据各帧历史直播画面对应的预测战绩标签与竞技战绩标签之间的差异,得到更新网络参数后的深度学习网络模型的预测准确率。若预测准确率不小于设定阈值,则输出训练得到的该直播竞技项目对应的竞技战绩识别模型。
可选地,上述的训练样本数据和测试样本数据可以采用TensorFlow格式的数据。TensorFlow是一个基于数据流编程的符号数学***,可具有多层级结构,可以被应用于本实施例提供的深度学习算法的编程实现。
值得说明的是,在其它实施方式中,上述的训练终止条件还可以包括以下三种条件中的至少一种:
1)迭代训练次数达到设定次数;2)预测战绩标签与竞技战绩标签之间的差异低于设定阈值;3)预测战绩标签与竞技战绩标签之间的差异不再下降。
其中,在条件1)中,为了节省运算量,可以设置迭代次数的最大值,如果迭代次数达到设定次数,可以停止本迭代周期的迭代,将最后得到的深度学习网络模型作为竞技战绩识别模型。在条件2)中,如果预测战绩标签与竞技战绩标签之间的差异低于设定阈值,说明当前的竞技战绩识别模型已经基本可以满足条件,此时可以停止迭代。在条件3)中,如果预测战绩标签与竞技战绩标签之间的差异不再下降,表明已经形成了最佳的竞技战绩识别模型,可以停止迭代。
需要说明的是,上述迭代停止条件可以结合使用,也可以择一使用,例如,可以在预测战绩标签与竞技战绩标签之间的差异不再下降停止迭代,或者,在迭代次数达到设定次数时停止迭代,或者,在预测战绩标签与竞技战绩标签之间的差异不再下降时停止迭代。或者,还可以在预测战绩标签与竞技战绩标签之间的差异低于设定阈值,并且预测战绩标签与竞技战绩标签之间的差异不再下降时,停止迭代。
此外,在实际实施过程中,也可以不限于采用上述示例作为训练终止条件,本领域技术人员可以根据实际需求设计与上述示例不同的训练终止条件。
在前述基础上,在一种可能的实施方式中,对于不同的直播竞技项目而言,其呈现出的竞技战绩通常会包括多个统计维度的战绩。仍旧以“王者荣耀”游戏为例,其呈现出的竞技战绩通常可包括杀敌数、死亡数、助攻数等多个维度的战绩,这些不同维度的战绩可以从整体上反映主播的竞技水平的高低。基于此,为了便于从多个维度上考虑主播的竞技水平,以提高推荐准确率,服务器100可预先配置有每个直播竞技项目的战绩计算规则,该战绩计算规则可以考虑多个维度的权值,或者由多个维度的战绩参与的计算公式。
呈上,针对步骤S130,可以根据该直播竞技项目的战绩计算规则,计算各主播的竞技战绩对应的战绩表现评分。
例如,以“王者荣耀”游戏为例,其战绩计算规则的公式可以是:
KDA=(K+A)/D
其中,KDA为主播的竞技战绩对应的战绩表现评分,K为杀敌数,D为死亡数,A为助攻数。
在此基础上,可以根据各主播的战绩表现评分由高到低的顺序,得到各主播的排序结果,并按照各主播的排序结果,生成该直播竞技项目对应的直播推荐信息。
例如,仍旧以“王者荣耀”游戏为例,可以根据计算得到的各主播的KDA由高到低的顺序,得到各主播在“王者荣耀”游戏直播推荐项目中的排序结果。即,KDA高的主播排序更靠前,KDA低的主播排序更靠后。然后,以上述各主播的KDA排序结果,生成该直播竞技项目对应的直播推荐信息。
此外,本申请发明人在研究中还发现,目前针对每个观众的直播推荐信息中,观众需要进入每个主播的主播间才能了解到该直播间中主播的具体竞技战绩情况。基于此,为了提高直播推荐信息的显著性,本实施例可以按照各主播的排序结果,生成各主播在该直播竞技项目对应的直播推荐列表中的直播内容区域,然后在每个主播的直播内容区域中添加该主播的竞技战绩的显示标记,以生成该直播竞技项目对应的直播推荐信息。
例如,请结合参阅图4,示出了针对“王者荣耀”游戏的直播推荐列表,在该直播推荐列表中,当观众选择“高KDA”时,服务器100可以根据各主播的KDA的高低顺序生成“王者荣耀”游戏的直播推荐信息,从而让“王者荣耀”游戏中竞技水平更高的主播的直播内容更容易触达观众,有效提高高水平主播的曝光率和关注量,进而提高“王者荣耀”游戏的高水平主播的用户流量。此外,在每个直播内容区域中,还标注有该主播的竞技战绩的显示标记。例如针对主播“傲晨-酒徒九月”,其竞技战绩为杀敌数20、死亡数1、助攻数5,其KDA为25,为当前“王者荣耀”游戏各个主播中的最高KDA,因此将其排序在直播推荐列表的首位,并在该主播的主播内容区域标记其竞技战绩为“20/1/5”,从而便于观众第一时间知晓当前该主播的具体竞技情况。
在上述过程中,当主播的竞技战绩发生变更时,服务器可以按竞技战绩由高到低的顺序更新该直播竞技项目对应的直播推荐信息。
进一步地,请结合参阅图5,在生成该直播竞技项目对应的直播推荐信息后,该直播推荐方法还可以包括如下步骤:
步骤S140,在接收到直播接收终端300发送的针对目标直播竞技项目的直播推荐请求时,将该目标直播竞技项目对应的至少部分直播推荐信息发送给直播接收终端300进行显示。
对于不同的观众而言,其所重点关注的战绩维度可能不同。为此,针对不同的观众,可以为其提供不同维度的推荐选择,以适应于不同观众的观看推荐需求。例如,作为一种可能的实施方式,可以从该直播推荐请求中获得该直播接收终端300的用户所设定的直播推荐筛选条件,然后根据直播推荐筛选条件从该目标直播竞技项目对应的直播推荐信息中筛选对应的目标直播推荐信息,并将该目标直播推荐信息发送给直播接收终端300进行显示。
示例性地,该直播推荐筛选条件可以包括竞技战绩筛选条件。以“王者荣耀”游戏为例,观众可以从杀敌数、死亡数、助攻数等多个战绩维度确定竞技战绩筛选条件。例如,若观众A所设定的竞技战绩筛选条件为“杀敌数大于15”,那么服务器100可以根据KDA的高低顺序为该观众A推送杀敌数大于15的主播的目标直播推荐信息。
图6示出了本申请实施例提供的用于执行上述的直播推荐方法的服务器100的结构示意图,本实施例中,该服务器100可以包括存储介质110、处理器120以及直播推荐装置130。
其中,处理器120可以是一个通用的中央处理器(Central Processing Unit,CPU),微处理器,特定应用集成电路(Application-Specific Integrated Circuit,ASIC),或一个或多个用于控制上述方法实施例提供的直播推荐方法的程序执行的集成电路。
存储介质110可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(Electrically Erasable Programmabler-Only Memory,EEPROM)、只读光盘(Compactdisc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储介质110可以是独立存在,通过通信总线与处理器120相连接。存储介质110也可以和处理器集成在一起。其中,存储介质110用于存储执行本申请方案的应用程序代码,例如图6中所示的直播推荐装置130,并由处理器120来控制执行。处理器120用于执行存储介质110中存储的应用程序代码,例如直播推荐装置130,以执行上述方法实施例的直播推荐方法。
本申请可以根据上述方法实施例对直播推荐装置130进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请中对模块的划分是示意性的,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。比如,在采用对应各个功能划分各个功能模块的情况下,图6示出的直播推荐装置130只是一种装置示意图。其中,直播推荐装置130可以包括获取模块131、识别模块132以及生成模块133,下面分别对该直播推荐装置130的各个功能模块的功能进行详细阐述。
获取模块131,用于针对每个直播竞技项目,获取该直播竞技项目下各主播的直播视频流。可以理解,该获取模块131可以用于执行上述步骤S110,关于该获取模块131的详细实现方式可以参照上述对步骤S110有关的内容。
识别模块132,用于根据该直播竞技项目对应的直播战绩识别模型对各主播的直播视频流进行识别,得到各主播的竞技战绩。可以理解,该识别模块132可以用于执行上述步骤S120,关于该识别模块132的详细实现方式可以参照上述对步骤S120有关的内容。
生成模块133,用于根据各主播的竞技战绩生成该直播竞技项目对应的直播推荐信息。可以理解,该生成模块133可以用于执行上述步骤S130,关于该生成模块133的详细实现方式可以参照上述对步骤S130有关的内容。
由于本申请实施例提供的直播推荐装置130是前述实施例所提供的直播推荐方法的另一种实现形式,且直播推荐装置130可用于执行前述实施例所提供的方法,因此其所能获得的技术效果可参考上述方法实施例,在此不再赘述。
进一步地,基于同一发明构思,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述直播推荐方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述直播推荐方法。
本申请实施例是参照根据本申请实施例的方法、设备(如图6的服务器100)、和计算机程序产品的流程图和/或方框图来描述的。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、嵌入式处理机或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。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在权利要求中,“包括”一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
以上所述,仅为本申请的各种实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (11)
1.一种直播推荐方法,其特征在于,应用于服务器,所述服务器预先配置有不同直播竞技项目分别对应的竞技战绩识别模型,所述方法包括:
针对每个直播竞技项目,获取该直播竞技项目下各主播的直播视频流;
根据该直播竞技项目对应的直播战绩识别模型对所述各主播的直播视频流进行识别,得到各主播的竞技战绩;
根据所述各主播的竞技战绩生成该直播竞技项目对应的直播推荐信息。
2.根据权利要求1所述的直播推荐方法,其特征在于,所述方法还包括:
针对每个直播竞技项目,获取该直播竞技项目对应的训练样本数据,所述训练样本数据包括该直播竞技项目对应的历史直播视频样本和所述历史直播视频样本中每帧历史直播画面的竞技战绩标签;
根据该直播竞技项目对应的训练样本数据训练深度学习网络模型,得到该直播竞技项目对应的竞技战绩识别模型。
3.根据权利要求2所述的直播推荐方法,其特征在于,所述根据该直播竞技项目对应的训练样本数据训练深度学习网络模型,得到该直播竞技项目对应的竞技战绩识别模型的步骤,包括:
将该直播竞技项目对应的每帧历史直播画面和每帧历史直播画面的竞技战绩标签输入所述深度学习网络模型,提取每帧历史直播画面的画面特征信息;
根据所述历史直播画面的画面特征信息得到所述历史直播画面对应的预测战绩标签;
根据所述历史直播画面对应的预测战绩标签与竞技战绩标签之间的差异更新所述深度学习网络模型的网络参数,直到所述深度学习网络模型满足训练终止条件后,输出训练得到的该直播竞技项目对应的竞技战绩识别模型,并将该竞技战绩识别模型存储在所述服务器中。
4.根据权利要求3所述的直播推荐方法,其特征在于,所述训练终止条件包括所述竞技战绩识别模型的预测准确率不小于设定阈值;
在输出训练得到的该直播竞技项目对应的竞技战绩识别模型之前,该方法还包括:
获取该直播竞技项目对应的测试样本数据,所述测试样本数据包括该直播竞技项目对应的历史直播视频样本和所述历史直播视频样本中每帧历史直播画面的竞技战绩标签;
将该历史直播视频样本中各帧历史直播画面输入更新网络参数后的深度学习网络模型,得到各帧历史直播画面对应的预测战绩标签;
根据各帧历史直播画面对应的预测战绩标签与竞技战绩标签之间的差异,得到所述更新网络参数后的深度学习网络模型的预测准确率;
若所述预测准确率不小于设定阈值,则执行输出训练得到的该直播竞技项目对应的竞技战绩识别模型的步骤。
5.根据权利要求1-4中任意一项所述的直播推荐方法,其特征在于,所述根据所述各主播的竞技战绩生成该直播竞技项目对应的直播推荐信息的步骤,包括:
根据该直播竞技项目的战绩计算规则,计算各主播的竞技战绩对应的战绩表现评分;
根据各主播的战绩表现评分由高到低的顺序,得到各主播的排序结果;
按照各主播的排序结果,生成该直播竞技项目对应的直播推荐信息。
6.根据权利要求5所述的直播推荐方法,其特征在于,所述按照各主播的排序结果,生成该直播竞技项目对应的直播推荐信息的步骤,包括:
按照各主播的排序结果,生成各主播在该直播竞技项目对应的直播推荐列表中的直播内容区域;
在每个主播的直播内容区域中添加该主播的竞技战绩的显示标记,以生成该直播竞技项目对应的直播推荐信息。
7.根据权利要求1所述的直播推荐方法,其特征在于,所述方法还包括:
在接收到直播接收终端发送的针对目标直播竞技项目的直播推荐请求时,将该目标直播竞技项目对应的至少部分直播推荐信息发送给所述直播接收终端进行显示。
8.根据权利要求7所述的直播推荐方法,其特征在于,所述在接收到直播接收终端发送的针对目标直播竞技项目的直播推荐请求时,将该目标直播竞技项目对应的至少部分直播推荐信息发送给所述直播接收终端进行显示的步骤,包括:
在接收到直播接收终端发送的针对目标直播竞技项目的直播推荐请求时,从所述直播推荐请求中获得该直播接收终端的用户所设定的直播推荐筛选条件,其中,所述直播推荐筛选条件包括竞技战绩筛选条件;
根据所述直播推荐筛选条件从该目标直播竞技项目对应的直播推荐信息中筛选对应的目标直播推荐信息并发送给所述直播接收终端进行显示。
9.一种直播推荐装置,其特征在于,应用于服务器,所述服务器预先配置有不同直播竞技项目分别对应的竞技战绩识别模型,所述装置包括:
获取模块,用于针对每个直播竞技项目,获取该直播竞技项目下各主播的直播视频流;
识别模块,用于根据该直播竞技项目对应的直播战绩识别模型对所述各主播的直播视频流进行识别,得到各主播的竞技战绩;
生成模块,用于根据所述各主播的竞技战绩生成该直播竞技项目对应的直播推荐信息。
10.一种服务器,其特征在于,所述服务器包括机器可读存储介质及处理器,所述机器可读存储介质存储有机器可执行指令,所述处理器在执行所述机器可执行指令时使所述服务器实现权利要求1-8中任意一项所述的直播推荐方法。
11.一种可读存储介质,其特征在于,所述可读存储介质中存储有机器可执行指令,所述机器可执行指令被执行时实现权利要求1-8中任意一项所述的直播推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910648126.2A CN110365994B (zh) | 2019-07-18 | 2019-07-18 | 直播推荐方法、装置、服务器及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910648126.2A CN110365994B (zh) | 2019-07-18 | 2019-07-18 | 直播推荐方法、装置、服务器及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110365994A true CN110365994A (zh) | 2019-10-22 |
CN110365994B CN110365994B (zh) | 2021-09-21 |
Family
ID=68220272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910648126.2A Active CN110365994B (zh) | 2019-07-18 | 2019-07-18 | 直播推荐方法、装置、服务器及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110365994B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110830812A (zh) * | 2019-10-31 | 2020-02-21 | 广州市网星信息技术有限公司 | 相似主播分类模型训练方法、主播推荐方法及相关装置 |
CN111246235A (zh) * | 2020-01-21 | 2020-06-05 | 网易(杭州)网络有限公司 | 直播控制方法及装置、电子设备和计算机可读存储介质 |
CN111787351A (zh) * | 2020-07-01 | 2020-10-16 | 百度在线网络技术(北京)有限公司 | 信息查询方法、装置、设备和计算机存储介质 |
CN112199586A (zh) * | 2020-09-29 | 2021-01-08 | 北京字节跳动网络技术有限公司 | 一种作品分发方法、装置、计算机设备及存储介质 |
CN112218106A (zh) * | 2020-09-09 | 2021-01-12 | 北京达佳互联信息技术有限公司 | 游戏直播方法、装置、电子设备及存储介质 |
CN112492334A (zh) * | 2020-11-17 | 2021-03-12 | 北京达佳互联信息技术有限公司 | 一种直播视频推送方法和装置及设备 |
CN114339417A (zh) * | 2021-12-30 | 2022-04-12 | 未来电视有限公司 | 一种视频推荐的方法、终端设备和可读存储介质 |
CN115065870A (zh) * | 2022-04-26 | 2022-09-16 | 北京达佳互联信息技术有限公司 | 目标业务榜单展示方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070004516A1 (en) * | 2000-11-20 | 2007-01-04 | Jordan Kent W | Method and apparatus for interactive real time distributed gaming |
US20120095577A1 (en) * | 2010-10-08 | 2012-04-19 | Richard Golding | Real Time Fantasy Game Engine |
US20160166940A1 (en) * | 2009-08-10 | 2016-06-16 | Suicide Fantasy Sports, Llc | Suicide Player Pool Fantasy Sports Games |
KR101733886B1 (ko) * | 2015-11-10 | 2017-05-10 | 전욱 | 스포츠 관람 참여형 경기 예측 시스템 및 방법 |
CN107998661A (zh) * | 2017-12-26 | 2018-05-08 | 苏州大学 | 一种在线对战游戏的辅助决策方法、装置及存储介质 |
CN108744526A (zh) * | 2018-05-23 | 2018-11-06 | 广州虎牙信息科技有限公司 | 一种技能主播用户确定方法、装置、设备及存储介质 |
CN109151593A (zh) * | 2018-09-30 | 2019-01-04 | 广州酷狗计算机科技有限公司 | 主播推荐方法、装置存储介质 |
CN109819271A (zh) * | 2019-02-14 | 2019-05-28 | 网易(杭州)网络有限公司 | 游戏直播间展示的方法及装置、存储介质、电子设备 |
CN109847367A (zh) * | 2019-03-06 | 2019-06-07 | 网易(杭州)网络有限公司 | 一种游戏胜率的预测方法、模型生成方法和装置 |
CN110012308A (zh) * | 2019-05-15 | 2019-07-12 | 广州虎牙信息科技有限公司 | 一种基于直播的业务处理方法、装置、设备和存储介质 |
-
2019
- 2019-07-18 CN CN201910648126.2A patent/CN110365994B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070004516A1 (en) * | 2000-11-20 | 2007-01-04 | Jordan Kent W | Method and apparatus for interactive real time distributed gaming |
US20160166940A1 (en) * | 2009-08-10 | 2016-06-16 | Suicide Fantasy Sports, Llc | Suicide Player Pool Fantasy Sports Games |
US20120095577A1 (en) * | 2010-10-08 | 2012-04-19 | Richard Golding | Real Time Fantasy Game Engine |
KR101733886B1 (ko) * | 2015-11-10 | 2017-05-10 | 전욱 | 스포츠 관람 참여형 경기 예측 시스템 및 방법 |
CN107998661A (zh) * | 2017-12-26 | 2018-05-08 | 苏州大学 | 一种在线对战游戏的辅助决策方法、装置及存储介质 |
CN108744526A (zh) * | 2018-05-23 | 2018-11-06 | 广州虎牙信息科技有限公司 | 一种技能主播用户确定方法、装置、设备及存储介质 |
CN109151593A (zh) * | 2018-09-30 | 2019-01-04 | 广州酷狗计算机科技有限公司 | 主播推荐方法、装置存储介质 |
CN109819271A (zh) * | 2019-02-14 | 2019-05-28 | 网易(杭州)网络有限公司 | 游戏直播间展示的方法及装置、存储介质、电子设备 |
CN109847367A (zh) * | 2019-03-06 | 2019-06-07 | 网易(杭州)网络有限公司 | 一种游戏胜率的预测方法、模型生成方法和装置 |
CN110012308A (zh) * | 2019-05-15 | 2019-07-12 | 广州虎牙信息科技有限公司 | 一种基于直播的业务处理方法、装置、设备和存储介质 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110830812A (zh) * | 2019-10-31 | 2020-02-21 | 广州市网星信息技术有限公司 | 相似主播分类模型训练方法、主播推荐方法及相关装置 |
CN110830812B (zh) * | 2019-10-31 | 2021-11-30 | 广州市网星信息技术有限公司 | 相似主播分类模型训练方法、主播推荐方法及相关装置 |
CN111246235A (zh) * | 2020-01-21 | 2020-06-05 | 网易(杭州)网络有限公司 | 直播控制方法及装置、电子设备和计算机可读存储介质 |
CN111787351A (zh) * | 2020-07-01 | 2020-10-16 | 百度在线网络技术(北京)有限公司 | 信息查询方法、装置、设备和计算机存储介质 |
CN111787351B (zh) * | 2020-07-01 | 2022-09-06 | 百度在线网络技术(北京)有限公司 | 信息查询方法、装置、设备和计算机存储介质 |
CN112218106A (zh) * | 2020-09-09 | 2021-01-12 | 北京达佳互联信息技术有限公司 | 游戏直播方法、装置、电子设备及存储介质 |
CN112199586A (zh) * | 2020-09-29 | 2021-01-08 | 北京字节跳动网络技术有限公司 | 一种作品分发方法、装置、计算机设备及存储介质 |
CN112492334A (zh) * | 2020-11-17 | 2021-03-12 | 北京达佳互联信息技术有限公司 | 一种直播视频推送方法和装置及设备 |
CN114339417A (zh) * | 2021-12-30 | 2022-04-12 | 未来电视有限公司 | 一种视频推荐的方法、终端设备和可读存储介质 |
CN114339417B (zh) * | 2021-12-30 | 2024-05-10 | 未来电视有限公司 | 一种视频推荐的方法、终端设备和可读存储介质 |
CN115065870A (zh) * | 2022-04-26 | 2022-09-16 | 北京达佳互联信息技术有限公司 | 目标业务榜单展示方法、装置、电子设备及存储介质 |
CN115065870B (zh) * | 2022-04-26 | 2024-01-09 | 北京达佳互联信息技术有限公司 | 目标业务榜单展示方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110365994B (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110365994A (zh) | 直播推荐方法、装置、服务器及可读存储介质 | |
US11291917B2 (en) | Artificial intelligence (AI) model training using cloud gaming network | |
US20220008818A1 (en) | Entertainment system for performing human intelligence tasks | |
CN110784759B (zh) | 弹幕信息处理方法、装置、电子设备及存储介质 | |
Drachen et al. | Game analytics–the basics | |
CN101968827B (zh) | 分级的、用户生成的游戏进行建议的实时上下文显示 | |
CN116055821A (zh) | 用于支持直播的用户终端及服务器的操作方法 | |
CN111760295B (zh) | 信息处理方法、装置、计算机可读介质及电子设备 | |
CN110505521A (zh) | 一种直播比赛互动方法、电子设备、存储介质及*** | |
CN110378752A (zh) | 广告推荐方法、装置、电子设备以及存储介质 | |
US10474749B2 (en) | Method and device for generating live text broadcasting content using historical broadcasting text | |
US20200289925A1 (en) | Server load prediction and advanced performance measures | |
CN113272032A (zh) | 用于提供上下文游戏指导的远程连网服务 | |
CN113343089A (zh) | 用户召回方法及装置、设备 | |
CN112546621A (zh) | 游戏直播的投票方法及装置、计算机存储介质、电子设备 | |
CN110321502A (zh) | 电子推广资源轮播控制方法、装置、终端及可读存储介质 | |
CN112418259A (zh) | 一种基于直播过程中用户行为的实时规则的配置方法、计算机设备及可读存储介质 | |
CN112245934A (zh) | 虚拟场景应用中虚拟资源的数据分析方法、装置及设备 | |
CN114637927B (zh) | 一种内容推荐方法、装置、电子设备及存储介质 | |
CN112449205A (zh) | 信息交互方法、装置、终端设备及存储介质 | |
CN116370959A (zh) | 游戏中虚拟对象的控制方法、装置、终端设备及存储介质 | |
CN114530073B (zh) | 基于虚拟现实的培训方法及装置 | |
KR20140119288A (ko) | 게임 시스템 및 이의 운영 방법 | |
KR20240015286A (ko) | 온라인 광고 플랫폼 시스템 및 이를 이용한 온라인 광고 서비스 제공 방법 | |
CN116850603A (zh) | 游戏物品推荐方法、装置、存储介质与电子设备 |
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 |