CN112348649A - 直播类别推荐方法 - Google Patents
直播类别推荐方法 Download PDFInfo
- Publication number
- CN112348649A CN112348649A CN202011419231.8A CN202011419231A CN112348649A CN 112348649 A CN112348649 A CN 112348649A CN 202011419231 A CN202011419231 A CN 202011419231A CN 112348649 A CN112348649 A CN 112348649A
- Authority
- CN
- China
- Prior art keywords
- commodity
- live broadcast
- category
- broadcast room
- shelf
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- H04N21/45—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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供直播类别推荐方法,包括:以标注了商品类别的历史商品图片作为训练集进行训练生成商品类别识别模型;获取各直播间的上架序列表,得到商品图像集合;获取各直播间对应的商品类别集合;建立直播间、商品图像集合、商品类别集合和上架时间的关联关系;获取目标商品图像数据,获取目标商品的类别;依据关联关系,获取各直播间中位于开播至当前时间之后的预设第一时长这一第一时间段的上架时间所对应的商品类别构成的上架商品类别集合,匹配上架商品类别集合与目标商品的类别,将匹配成功的上架商品类别集合对应的直播间作为待推荐直播间。本发明赋予直播平台按照用户给定的目标商品图像准确地推荐上架有对应类别商品的直播间的功能。
Description
技术领域
本发明涉及视频直播领域,具体涉及直播类别推荐方法。
背景技术
随着网络视频技术的快速发展,越来越多网友的购物习惯已经从“海淘”转变为直接从销售直播间中购买中意商品。直播间的表达更直观、内容更丰富、且互动更实时。对买家而言,能够直观地看到商品的形态、使用方式等,更好地判断是否适合;更重要的是,直播间销售的商品的优惠力度更大,能够吸引更多用户从直播间购买商品。
而随着直播间运营方式的快速兴起,直播间的数量剧增。这对于买家而言,便存在选择困难、盲目的问题。特别是买家在有明确想要购买的商品,且想要从直播间中购买以获取更优惠价格时,面对众多的直播间,且每个直播间每晚上架商品很大概率不相同的特点,买家将无从获取目标直播间,买到所需商品。
因此,直播间运营平台有必要以更科学的方式来解决如何为用户快速、准确地推荐目标直播间,以满足用户的个性化需求,提升用户粘性。
发明内容
本发明所要解决的技术问题是:提供直播类别推荐方法,支持快速、准确地为用户推荐与目标购物商品匹配的直播间,以满足用户的专项购物需求。
为了解决上述技术问题,本发明采用的技术方案为:
直播类别推荐方法,包括:
获取历史商品图片;标注所述历史商品图片中商品对应的类别;
以标注后的历史商品图片作为训练集进行训练,生成商品类别识别模型;
开播前获取各直播间待直播商品的上架序列表,所述上架序列表包括商品图像及其对应的上架时间;
依据所述上架序列表,获取对应的商品图像集合;
将各直播间对应的商品图像集合分别输入商品类别识别模型,获取各直播间对应的商品类别集合;
建立直播间、商品图像集合、商品类别集合和上架时间之间的关联关系;
获取通过移动终端上传的目标商品图像数据;
输入所述目标商品图像数据至所述商品类别识别模型,获取目标商品的类别;
依据所述关联关系,获取各直播间中位于开播至当前时间之后的预设第一时长这一第一时间段的上架时间所对应的商品类别构成的上架商品类别集合;
匹配所述上架商品类别集合与所述目标商品的类别,将匹配成功的上架商品类别集合对应的直播间作为待推荐直播间。
进一步地,所述匹配所述上架商品类别集合与所述目标商品的类别,将匹配成功的上架商品类别集合对应的直播间作为待推荐直播间,包括:
匹配所述上架商品类别集合与所述目标商品的类别,获取各个匹配成功的上架商品类别;
将所述各个匹配成功的上架商品类别对应的直播间作为待推荐直播间;
依据所述关联关系,获取所述各个匹配成功的上架商品类别对应的上架商品图像;
计算所述上架商品图像与所述目标商品图像数据的相似度,得到上架商品图像的相似度数值;
依据待推荐直播间对应的所述上架商品图像的相似度数值,对待推荐直播间进行排序;
依据所述排序展示待推荐直播间。
进一步地,还包括:
为所述待推荐直播间分配与其对应的相似度数值成正比的第一推荐权重。
进一步地,所述方法还包括:
依据各个待推荐直播间中匹配成功的商品图像对应的上架时间的先后对待推荐直播间进行顺序排序;
实时对照当前时间,将所述匹配成功的商品图像对应的上架时间处于当前时间至之后预设第二时长这一第二时间段内的待推荐直播间作为第一推荐直播间集合;
将所述匹配成功的商品图像对应的上架时间处于当前时间之前这一第三时间段内的待推荐直播间作为第二推荐直播间集合;
将所述匹配的商品图像对应的上架时间处于所述第二时间段之后的待推荐直播间作为第三推荐直播间集合;
由高至低分配所述第一推荐直播间集合、第二推荐直播间集合和第三推荐直播间集合的第二推荐权重。
进一步地,所述方法还包括:
依据所述第一推荐权重和第二推荐权重的和得到待推荐直播间的总推荐权重;
依据所述总推荐权重展示待推荐直播间。
进一步地,所述方法还包括:
实时获取各直播间中已上架商品的实际上架时间;
依据所述实际上架时间,调整所述关联关系中商品图像集合对应的上架时间。
进一步地,所述目标商品图像数据为目标商品图片或目标商品短视频;
当所述目标商品图像数据为目标商品短视频时,所述输入所述目标商品图像数据至所述商品类别识别模型,获取目标商品的类别,之前,还包括:
获取目标商品短视频的各个图像帧,将所述各个图像帧输入到所述商品类别识别模型,获取对应的商品类别;
依据各个图像帧对应的商品类别,确定目标商品短视频对应的商品类别。
本发明的有益效果在于:本发明先依据历史商品图片生成适用性和准确性均高的商品类别识别模型;开播前获取各个直播间的上架序列表,通过商品类别识别模型得到各个直播间当天将直播的所有商品类别,并建立直播间、商品图像、商品类别与上架时间的关联关系,以大大提高后续数据处理的效率;用户在直播运营平台,可以输入感兴趣商品的图像数据作为目标商品图像数据,确定出对应商品类别后,直接依据预存储的关联关系,获取各直播间从开播到未来一段时间内的上架商品类别集合,并将其与目标商品的类别进行匹配,锁定在合理时间内即可成功下单目标商品的直播间,作为待推荐直播间推荐给用户。因此,本发明赋予了时下最热门的直播购物平台快速地按照用户给定的目标商品图像数据准确地推荐上架有对应类别商品的直播间的功能,不仅能够方便用户在合理时间内即可满足用户当下购物需求,而且能够提高推荐的精准性和个性化,从而显著提高用户与直播运营平台的粘性。
附图说明
图1为本发明实施例一一种直播类别推荐方法的流程示意图;
图2为本发明实施例二中扩展部分的流程示意图;
图3为本发明实施例三中确定待推荐直播间的总推荐权重过程的流程示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:赋予直播购物平台快速地按照用户给定的目标商品图像数据准确地推荐上架有对应类别商品的直播间的功能。
实施例一
请参照图1,本发明提供一种直播类别推荐方法,使直播运营平台具备快速地按照用户给定的目标商品图像数据准确地推荐上架有对应类别商品的直播间的功能。
本实施例的方法可以包括如下步骤:
S1:获取历史商品图片;标注所述历史商品图片中商品对应的类别。
所述历史商品图片的获取途径可以是收集过去一段时间内各个直播间历史上架商品的主图、详情页中展示的商品各个角度的图片。在此,不仅仅只是选取主图进行标注,可以更好地应对直播形式的灵活性(可能在实际上架时随心选取任一角度的图片作为上架主图),从而提高推荐准确性。
所述标注,可以是准确率极高的人工标注形式,也可以是高效的全自动表述形式。
S2:以标注后的历史商品图片作为训练集进行训练,生成商品类别识别模型。
依据历史商品图片进行训练,能够使获取的商品类别识别模型更好地适用于直播运营平台,且成功匹配的准确率更高。
S3:在当天各个直播间开播前,获取各直播间当天待直播所有商品的上架序列表,所述上架序列表包括各个待直播商品的商品图像及其对应的上架时间。
其中,所述上架序列表由各直播间的相关人员提供,对于直播运营平台而言,还可以用作规范审核,一举两得。
直播运营平台在获取到各直播间的上架序列表后,便可以预先进行以下操作,以大大提高后续匹配阶段的处理效率。
S4:依据各直播间对应的上架序列表,获取各直播间对应的商品图像集合,即每个直播间当天会直播的所有商品的商品图像构成的商品图像集合,一个直播间对应一个商品图像集合。
S5:将各直播间对应的商品图像集合分别输入商品类别识别模型,获取各直播间对应的商品类别集合。
具体而言,每个直播间的每个商品的每一张商品图像都将输入商品类别识别模型,快速地得到每一张商品图像对应的商品类别。
在该步骤中,借助预先训练好的商品类别集合,便能够在每一天都高效、准确并且全自动地确定数量庞大的直播商品对应的商品类别,从而显著提高本实施例推荐方法的速度,使推荐结果更具时效性。
S6:建立直播间、商品图像集合、商品类别集合和上架时间之间的关联关系。
例如,其中一条关联关系为直播间A-商品图像集合(即当天会上架的所有商品的商品图像)-商品类别集合(前述所有商品的商品图像各自对应的商品类别)-商品上架时间(前述所有商品对应的上架时间)。
所述关联关系可以是树状图形式、表格形式也可以是其他能够清楚记载上述四者之间的关联关系的其他形式。
在一具体示例中,优选之后还包括以下步骤:
S61:实时获取各直播间中已上架商品的实际上架时间;
S62:依据所述实际上架时间,调整所述关联关系中商品图像集合对应的上架时间。
通过上述步骤,可以实时地更新关联关系中记录的上架时间的准确性,从而提高后续推荐的准确性。
下面,为依据用户需求智能推荐直播间的过程:
S7:用户终端在登录直播运营平台后,在任何时候,都可以通过用户终端上传/直接拍摄感兴趣的目标商品的图片或视频至直播运营平台,在本实施例中,统称为目标商品图像数据。
例如,在看直播的过程中,用户突然想购买电视机,此时,便可以通过上传理想电视机的照片,或者是直接拍摄身边就有的电视机短视频上传到直播运营平台。
S8:输入所述目标商品图像数据至所述商品类别识别模型,获取目标商品的类别。
其中,若平台接收到的是目标商品的图片,则直接输入到商品类别识别模型中,获取对应的类别;若接收到的是视频数据,则获取视频数据的各个图像帧,然后将各个图像帧分别输入到所述商品类别识别模型,获取对应的商品类别,再取其中数量最多的一个商品类别作为识别结果。
对应上述例子,在此,将通过商品类别识别模型输出目标商品的类别为电视机。
S9:依据所述关联关系,获取各直播间中位于开播至当前时间之后的预设第一时长这一第一时间段的上架时间所对应的商品类别构成的上架商品类别集合。
即获取各直播间对应的上架商品类别集合,所述上架商品类别集合为位于开播至当前时间之后的预设第一时长这一第一时间段内的上架时间所对应的商品图像的集合。
由于每个直播间的开播时间不统一,因此,各个直播间对应的第一时间段将有所不同。所述第一时间段,可以理解为各个直播间从开播到未来一段时间之间的时间范围,即用户大概率会从直播间中选购目标商品的合理时间范围。因为,开播至当前时间已上架的商品可以直接下单,而当前时间至预设第一时长内会上架的商品可以让用户在较短等待时间内获取商品信息且支持下单;而其他时间范围,需要让用户等待较长时间,容易消耗用户热情,降低购买欲望,甚至是观看直播的欲望。因此,由第一时间段限定的商品,符合用户的“即兴消费”心理和购物心理,能够提高商品成交率,更贴合用户实际需求。
因此,通过该步骤,可以截取以当前时间为基准确定的合理时间范围内各个直播间中可以下单商品对应的类别构成的集合。其最终目的在于,使推荐直播间更具时效性。这是因为由此决定的最终会推荐的直播间,过滤掉了需要很久才会上架目标商品的直播间;并且,已上架或者短时间内会上架的商品中就有目标商品,用户可以在短时间内下单,不仅能够更快速地满足用户的需求;而且能刺激用户消费。
对照上一步骤所举的例子,假设在该步骤中,第一时间段为开播至未来15分钟,则通过该步骤,将获取各个直播间中上架时间在开播至未来15分钟内的商品对应的类别的集合。
S10:匹配所述上架商品类别集合与所述目标商品的类别,将匹配成功的上架商品类别集合对应的直播间作为待推荐直播间。
也就是说,待推荐直播间为在第一时间段内上架的商品中有与目标商品的类别相匹配的直播间。
对照上一步骤所举的例子,即,将从开播至未来15分钟内会上架电视机的直播间作为待推荐直播间。
实施例二
请参照图2,本实施例对应实施例一,对其做进一步扩展:
实施例一的步骤S10,在本实施例中,具体可以由以下几个子步骤实现:
S101:匹配所述上架商品类别集合与所述目标商品的类别,获取各个匹配成功的上架商品类别;
S102:将所述各个匹配成功的上架商品类别对应的直播间作为待推荐直播间;
S103:依据所述关联关系,获取各个匹配成功的上架商品类别对应的上架商品图像;
S104:计算上一步骤获取的各个上架商品图像与所述目标商品图像数据的相似度,得到上架商品图像的相似度数值;
S105:依据待推荐直播间对应的所述上架商品图像的相似度数值,对待推荐直播间进行排序;优选按照相似度数值由高至低进行排序。
S106:依据所述排序展示待推荐直播间。由此,直播运营平台将优先推荐在第一时间端内会上架与目标商品的类别一致且相似度最高的商品的直播间。
实施例三
请参阅图3,本实施例在实施例二的基础上做进一步扩展:
在本实施例中,删除实施例二的步骤S106,并且在S10之后,还包括:
S11:为S10步骤确定的待推荐直播间分配与其对应的相似度数值成正比的第一推荐权重。也就是说,相似度数值越高,则对应分配的第一推荐权重越高。
上述,为依据与目标商品的相似度分配推荐权重。而下述,则是以上架时间再次分配推荐权重。
S12:依据各个待推荐直播间中与目标商品匹配成功的商品对应的上架时间的先后顺序,对各个待推荐直播间进行顺序排序。也就是说,与目标商品匹配的商品的上架时间越早,则对应的推荐直播间排在越前面。
S13:实时对照当前时间,将匹配商品的上架时间处于当前时间至之后预设第二时长这一第二时间段内的待推荐直播间作为第一推荐直播间集合。例如,所述第二时间段为当前时间至未来15分钟。在一具体实例中,所述第二时长与第一时长相等。
S14:将匹配商品的上架时间处于当前时间之前这一第三时间段内的待推荐直播间作为第二推荐直播间集合。即,开播至今都属于第三时间段。在一具体实例中,所述第一时长、第二时长和第三时长相等。
S15:将匹配商品的上架时间处于所述第二时间段之后的待推荐直播间作为第三推荐直播间集合。对照第二时长段为当前时间至未来15分钟的场景,则第二时间段之后即为未来15分钟之后的时间。
需要特别说明的是,上述第一推荐直播间集合、第二推荐直播间集合以及第三推荐直播间集合内的推荐直播间是依据当前时间实时变化的。即,第二时间段、第三时间段以及第二时间段之后的时间段,仅仅只是时间范围,各自包含的时间点将依据当前时间点的变化而改变。
S16:由高至低分配所述第一推荐直播间集合、第二推荐直播间集合和第三推荐直播间集合的第二推荐权重。也就是说,第一推荐直播间集合内的推荐直播间分配的第二推荐权重最高,第三推荐直播间集合内的推荐直播间分配的第二推荐权重最低。
在另一实施例中,也可以直接依据第二推荐权重向用户推荐直播间。
在本实施例中,将由第一推荐权重和第二推荐权重共同决定优先向用户推荐的直播间。具体如下:
S17:依据所述第一推荐权重和第二推荐权重的和得到待推荐直播间的总推荐权重;
S18:依据所述总推荐权重展示待推荐直播间。例如,总推荐权重最高的排在对用户而言最醒目的位置,其他推荐直播间依据对应的总推荐权重分配具体排班。当然,推荐的形式不局限于界面排班,还可以体现在等待展示的直播间队列的排序上。例如,在用户进入任一直播间后,自动对照总推荐权重从大到小对所有待推荐直播间进行排序,并顺序排入待展示队列,对照用户习惯,在“上划/下划”界面时,按照队列展示各个待推荐直播间。由此,将在用户浏览过程自动地为用户推荐上架有目标商品的直播间。
综上所述,本发明提供的直播类别推荐方法,支持用户在直播运营平台也能即兴搜索感兴趣的商品,快速地获取对应的直播间推荐,不仅能够轻松满足用户的即兴购物需求以及快速购买到价格优惠的所需商品的需求;而且推荐方式具备较高精准性,同时足够及时。因此能够丰富直播运营平台的功能,使其更具人性化,更符合用户需求,从而显著提高用户与直播运营平台的粘性。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.直播类别推荐方法,其特征在于,包括:
获取历史商品图片;标注所述历史商品图片中商品对应的类别;
以标注后的历史商品图片作为训练集进行训练,生成商品类别识别模型;
开播前获取各直播间待直播商品的上架序列表,所述上架序列表包括商品图像及其对应的上架时间;
依据所述上架序列表,获取对应的商品图像集合;
将各直播间对应的商品图像集合分别输入商品类别识别模型,获取各直播间对应的商品类别集合;
建立直播间、商品图像集合、商品类别集合和上架时间之间的关联关系;
获取通过移动终端上传的目标商品图像数据;
输入所述目标商品图像数据至所述商品类别识别模型,获取目标商品的类别;
依据所述关联关系,获取各直播间中位于开播至当前时间之后的预设第一时长这一第一时间段的上架时间所对应的商品类别构成的上架商品类别集合;
匹配所述上架商品类别集合与所述目标商品的类别,将匹配成功的上架商品类别集合对应的直播间作为待推荐直播间。
2.如权利要求1所述的直播类别推荐方法,其特征在于,所述匹配所述上架商品类别集合与所述目标商品的类别,将匹配成功的上架商品类别集合对应的直播间作为待推荐直播间,包括:
匹配所述上架商品类别集合与所述目标商品的类别,获取各个匹配成功的上架商品类别;
将所述各个匹配成功的上架商品类别对应的直播间作为待推荐直播间;
依据所述关联关系,获取所述各个匹配成功的上架商品类别对应的上架商品图像;
计算所述上架商品图像与所述目标商品图像数据的相似度,得到上架商品图像的相似度数值;
依据待推荐直播间对应的所述上架商品图像的相似度数值,对待推荐直播间进行排序;
依据所述排序展示待推荐直播间。
3.如权利要求2所述的直播类别推荐方法,其特征在于,还包括:
为所述待推荐直播间分配与其对应的相似度数值成正比的第一推荐权重。
4.如权利要求3所述的直播类别推荐方法,其特征在于,所述方法还包括:
依据各个待推荐直播间中匹配成功的商品图像对应的上架时间的先后对待推荐直播间进行顺序排序;
实时对照当前时间,将所述匹配成功的商品图像对应的上架时间处于当前时间至之后预设第二时长这一第二时间段内的待推荐直播间作为第一推荐直播间集合;
将所述匹配成功的商品图像对应的上架时间处于当前时间之前这一第三时间段内的待推荐直播间作为第二推荐直播间集合;
将所述匹配的商品图像对应的上架时间处于所述第二时间段之后的待推荐直播间作为第三推荐直播间集合;
由高至低分配所述第一推荐直播间集合、第二推荐直播间集合和第三推荐直播间集合的第二推荐权重。
5.如权利要求4所述的直播类别推荐方法,其特征在于,所述方法还包括:
依据所述第一推荐权重和第二推荐权重的和得到待推荐直播间的总推荐权重;
依据所述总推荐权重展示待推荐直播间。
6.如权利要求1所述的直播类别推荐方法,其特征在于,所述方法还包括:
实时获取各直播间中已上架商品的实际上架时间;
依据所述实际上架时间,调整所述关联关系中商品图像集合对应的上架时间。
7.如权利要求1所述的直播类别推荐方法,其特征在于,所述目标商品图像数据为目标商品图片或目标商品短视频;
当所述目标商品图像数据为目标商品短视频时,所述输入所述目标商品图像数据至所述商品类别识别模型,获取目标商品的类别,之前,还包括:
获取目标商品短视频的各个图像帧,将所述各个图像帧输入到所述商品类别识别模型,获取对应的商品类别;
依据各个图像帧对应的商品类别,确定目标商品短视频对应的商品类别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011419231.8A CN112348649B (zh) | 2020-12-07 | 2020-12-07 | 直播类别推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011419231.8A CN112348649B (zh) | 2020-12-07 | 2020-12-07 | 直播类别推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112348649A true CN112348649A (zh) | 2021-02-09 |
CN112348649B CN112348649B (zh) | 2022-07-29 |
Family
ID=74427907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011419231.8A Active CN112348649B (zh) | 2020-12-07 | 2020-12-07 | 直播类别推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112348649B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111800A (zh) * | 2021-04-19 | 2021-07-13 | 北京每日优鲜电子商务有限公司 | 无人货柜商品上架判断方法、设备和存储介质 |
CN113570432A (zh) * | 2021-07-28 | 2021-10-29 | 北京达佳互联信息技术有限公司 | 资源推荐确定方法、装置、设备及存储介质 |
CN113744029A (zh) * | 2021-09-08 | 2021-12-03 | 北京快来文化传播集团有限公司 | 基于直播间的购物车的购物***和方法 |
CN114095749A (zh) * | 2022-01-19 | 2022-02-25 | 阿里巴巴(中国)有限公司 | 推荐及直播界面展示方法、计算机存储介质、程序产品 |
CN114661392A (zh) * | 2022-01-11 | 2022-06-24 | 北京达佳互联信息技术有限公司 | 信息展示方法、信息处理方法、装置、设备及存储介质 |
CN114885185A (zh) * | 2022-04-28 | 2022-08-09 | 阿里巴巴(中国)有限公司 | 直播间推荐方法、内容推荐方法、终端及存储介质 |
CN115225945A (zh) * | 2021-04-20 | 2022-10-21 | 北京字节跳动网络技术有限公司 | 对象展示方法、装置、电子设备及计算机可读存储介质 |
WO2023050974A1 (zh) * | 2021-09-28 | 2023-04-06 | 北京达佳互联信息技术有限公司 | 对象投放处理方法、装置、电子设备及存储介质 |
CN117499699A (zh) * | 2023-12-29 | 2024-02-02 | 广东茉莉数字科技集团股份有限公司 | 一种基于关联挖掘的直播商品排品和组货方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090240735A1 (en) * | 2008-03-05 | 2009-09-24 | Roopnath Grandhi | Method and apparatus for image recognition services |
US20170068847A1 (en) * | 2010-06-07 | 2017-03-09 | Affectiva, Inc. | Video recommendation via affect |
US20170142462A1 (en) * | 2015-11-16 | 2017-05-18 | Telefonaktiebolaget L M Ericsson (Publ) | Techniques for generating and providing personalized dynamic live content feeds |
CN108076354A (zh) * | 2017-12-20 | 2018-05-25 | 北京潘达互娱科技有限公司 | 直播间推荐方法及设备 |
CN109104639A (zh) * | 2017-06-20 | 2018-12-28 | 阿里巴巴集团控股有限公司 | 直播***、确定直播视频主题的方法、装置以及电子设备 |
CN109951724A (zh) * | 2017-12-20 | 2019-06-28 | 阿里巴巴集团控股有限公司 | 直播推荐方法、主播推荐模型训练方法及相关设备 |
CN110062248A (zh) * | 2019-04-30 | 2019-07-26 | 广州酷狗计算机科技有限公司 | 推荐直播间的方法和装置 |
CN110189172A (zh) * | 2019-05-28 | 2019-08-30 | 广州华多网络科技有限公司 | 一种网络直播间导购方法及*** |
CN110198456A (zh) * | 2019-04-26 | 2019-09-03 | 腾讯科技(深圳)有限公司 | 基于直播的视频推送方法、装置和计算机可读存储介质 |
CN111652678A (zh) * | 2020-05-27 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 物品信息显示方法、装置、终端、服务器及可读存储介质 |
CN111754302A (zh) * | 2020-06-24 | 2020-10-09 | 詹晨 | 一种基于大数据的视频直播界面商品展示智能管理*** |
CN111861652A (zh) * | 2020-07-12 | 2020-10-30 | 王亚鹏 | 一种基于区块链的互联网视频直播购物方法及*** |
-
2020
- 2020-12-07 CN CN202011419231.8A patent/CN112348649B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090240735A1 (en) * | 2008-03-05 | 2009-09-24 | Roopnath Grandhi | Method and apparatus for image recognition services |
US20170068847A1 (en) * | 2010-06-07 | 2017-03-09 | Affectiva, Inc. | Video recommendation via affect |
US20170142462A1 (en) * | 2015-11-16 | 2017-05-18 | Telefonaktiebolaget L M Ericsson (Publ) | Techniques for generating and providing personalized dynamic live content feeds |
CN109104639A (zh) * | 2017-06-20 | 2018-12-28 | 阿里巴巴集团控股有限公司 | 直播***、确定直播视频主题的方法、装置以及电子设备 |
CN108076354A (zh) * | 2017-12-20 | 2018-05-25 | 北京潘达互娱科技有限公司 | 直播间推荐方法及设备 |
CN109951724A (zh) * | 2017-12-20 | 2019-06-28 | 阿里巴巴集团控股有限公司 | 直播推荐方法、主播推荐模型训练方法及相关设备 |
CN110198456A (zh) * | 2019-04-26 | 2019-09-03 | 腾讯科技(深圳)有限公司 | 基于直播的视频推送方法、装置和计算机可读存储介质 |
CN110062248A (zh) * | 2019-04-30 | 2019-07-26 | 广州酷狗计算机科技有限公司 | 推荐直播间的方法和装置 |
CN110189172A (zh) * | 2019-05-28 | 2019-08-30 | 广州华多网络科技有限公司 | 一种网络直播间导购方法及*** |
CN111652678A (zh) * | 2020-05-27 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 物品信息显示方法、装置、终端、服务器及可读存储介质 |
CN111754302A (zh) * | 2020-06-24 | 2020-10-09 | 詹晨 | 一种基于大数据的视频直播界面商品展示智能管理*** |
CN111861652A (zh) * | 2020-07-12 | 2020-10-30 | 王亚鹏 | 一种基于区块链的互联网视频直播购物方法及*** |
Non-Patent Citations (1)
Title |
---|
李欣琪等: "人工智能时代的个性化推荐", 《上海对外经贸大学学报》, no. 04, 31 July 2020 (2020-07-31), pages 91 - 100 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111800A (zh) * | 2021-04-19 | 2021-07-13 | 北京每日优鲜电子商务有限公司 | 无人货柜商品上架判断方法、设备和存储介质 |
CN115225945A (zh) * | 2021-04-20 | 2022-10-21 | 北京字节跳动网络技术有限公司 | 对象展示方法、装置、电子设备及计算机可读存储介质 |
CN113570432A (zh) * | 2021-07-28 | 2021-10-29 | 北京达佳互联信息技术有限公司 | 资源推荐确定方法、装置、设备及存储介质 |
CN113744029A (zh) * | 2021-09-08 | 2021-12-03 | 北京快来文化传播集团有限公司 | 基于直播间的购物车的购物***和方法 |
CN113744029B (zh) * | 2021-09-08 | 2024-04-02 | 北京快来文化传播集团有限公司 | 基于直播间的购物车的购物***和方法 |
WO2023050974A1 (zh) * | 2021-09-28 | 2023-04-06 | 北京达佳互联信息技术有限公司 | 对象投放处理方法、装置、电子设备及存储介质 |
CN114661392B (zh) * | 2022-01-11 | 2024-01-12 | 北京达佳互联信息技术有限公司 | 信息展示方法、信息处理方法、装置、设备及存储介质 |
CN114661392A (zh) * | 2022-01-11 | 2022-06-24 | 北京达佳互联信息技术有限公司 | 信息展示方法、信息处理方法、装置、设备及存储介质 |
CN114095749A (zh) * | 2022-01-19 | 2022-02-25 | 阿里巴巴(中国)有限公司 | 推荐及直播界面展示方法、计算机存储介质、程序产品 |
CN114885185A (zh) * | 2022-04-28 | 2022-08-09 | 阿里巴巴(中国)有限公司 | 直播间推荐方法、内容推荐方法、终端及存储介质 |
CN114885185B (zh) * | 2022-04-28 | 2024-05-24 | 阿里巴巴(中国)有限公司 | 直播间推荐方法、内容推荐方法、终端及存储介质 |
CN117499699A (zh) * | 2023-12-29 | 2024-02-02 | 广东茉莉数字科技集团股份有限公司 | 一种基于关联挖掘的直播商品排品和组货方法 |
CN117499699B (zh) * | 2023-12-29 | 2024-03-26 | 广东茉莉数字科技集团股份有限公司 | 一种基于关联挖掘的直播商品排品和组货方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112348649B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112348649B (zh) | 直播类别推荐方法 | |
US20220182709A1 (en) | Online live video sales management system | |
US20240126413A1 (en) | Data interaction method and apparatus, device, and storage medium | |
US20110076663A1 (en) | Systems and methods for selecting survey questions and available responses | |
CN106791901B (zh) | 一种直播频道排序方法及其装置 | |
US20140344275A1 (en) | Information processing apparatus, information processing method, information processing program, and recording medium | |
CN108648058B (zh) | 产品排序方法及装置,电子设备、存储介质 | |
CN105916050A (zh) | 电视购物信息处理方法和装置 | |
EP2755181B1 (en) | Information processing device, information processing method, information processing program, and recording medium | |
CN113505301A (zh) | 一种信息查询方法及其相关设备 | |
US10445793B2 (en) | Review text output system and review text output method | |
JP4534306B2 (ja) | アイテム組み合わせ提示装置、アイテム組み合わせ提示システム、アイテム組み合わせ提示方法及びアイテム情報提示方法 | |
JP2003091674A (ja) | 商品案内提供システムおよび商品案内提供方法 | |
CN113077319A (zh) | 针对微详情页面的动态推荐方法及装置 | |
JP2010200170A (ja) | 画像情報提供システム、画像情報提供方法、および画像情報提供プログラム | |
CN110825898A (zh) | 美甲套图推荐方法、装置、电子设备、及存储介质 | |
CN110909268A (zh) | 一种屏显面板交互的方法及装置 | |
CN113744029B (zh) | 基于直播间的购物车的购物***和方法 | |
CN112966176B (zh) | 对象展示方法、装置、电子设备及可读存储介质 | |
CN114866796A (zh) | 一种基于虚拟主播的购物***及方法 | |
CN113672769A (zh) | 基于图像识别的多窗口自动推荐方法、装置、终端及介质 | |
CN108898466B (zh) | 基于b2c平台的目录式产品推送方法及*** | |
CN112819539A (zh) | 基于nfc的动感单车上的广告投放方法、***及存储介质 | |
CN105554583A (zh) | 一种产品的推荐方法及装置 | |
CN117651165B (zh) | 基于客户数据的视频推荐方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220706 Address after: Room 303-5, floor 3, building 1, No. 2, Chuangye Road, Shangjie Town, Minhou County, Fuzhou, Fujian 350108 Applicant after: Fuzhou linghexi Technology Co.,Ltd. Address before: Unit 804, building 20, Binjiang commercial city, Heshang Town, Changle District, Fuzhou City, Fujian Province 350208 Applicant before: FUZHOU CHANGLE SANHU INFORMATION TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |