CN112528150A - 直播推荐方法、装置、电子设备及存储介质 - Google Patents
直播推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112528150A CN112528150A CN202011496650.1A CN202011496650A CN112528150A CN 112528150 A CN112528150 A CN 112528150A CN 202011496650 A CN202011496650 A CN 202011496650A CN 112528150 A CN112528150 A CN 112528150A
- Authority
- CN
- China
- Prior art keywords
- user
- current
- live
- live broadcast
- content
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000008451 emotion Effects 0.000 claims abstract description 61
- 230000006399 behavior Effects 0.000 claims description 43
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000036651 mood Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000007405 data analysis Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000008921 facial expression Effects 0.000 description 3
- 230000019771 cognition Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/36—User authentication by graphic or iconic representation
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种直播推荐方法、装置、电子设备及存储介质,涉及计算机多媒体技术领域,方法包括:检测到直播应用程序启动时,获取当前用户的用户图像;根据所述用户图像,获取所述当前用户的属性信息以及当前情绪;根据所述属性信息以及当前情绪,确定所述当前用户的至少一个偏好标签;获取当前直播列表,所述当前直播列表中每个直播内容对应至少一个分类标签;根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从所述当前直播列表中选取目标直播内容进行推荐,本方法可以较为有效地实现直播推荐。
Description
技术领域
本申请涉及计算机多媒体技术领域,更具体地,涉及一种直播推荐方法、装置、电子设备及存储介质。
背景技术
推荐***(Recommendation System)是能够帮助用户发现内容,克服信息过载的重要工具。它通过分析用户行为,对用户兴趣进行建模,从而预测用户的兴趣并给用户做出推荐。随着移动互联网泛娱乐化行业的发展,直播、短视频等相关的流媒体,越来越深入人们的生活,人们对直播和短视频的质量要求也越来越高。目前,大多直播推荐***仅基于观看记录为用户推荐节目,这导致节目推荐单一,达不到个性化推荐的效果。
发明内容
本申请提出了一种直播推荐方法、装置、电子设备及存储介质。
第一方面,本申请实施例提供了一种直播推荐方法,所述包括:检测到直播应用程序启动时,获取当前用户的用户图像;根据所述用户图像,获取所述当前用户的属性信息以及当前情绪;根据所述属性信息以及当前情绪,确定所述当前用户的至少一个偏好标签;获取当前直播列表,所述当前直播列表中每个直播内容对应至少一个分类标签;根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从所述当前直播列表中选取目标直播内容进行推荐。
第二方面,本申请实施例提供了一种直播推荐装置,所述装置包括:检测模块,用于检测到直播应用程序启动时,获取当前用户的用户图像;第一获取模块,用于根据所述用户图像,获取所述当前用户的属性信息以及当前情绪;确定模块,用于根据所述属性信息以及当前情绪,确定所述当前用户的至少一个偏好标签;第二获取模块,用于获取当前直播列表,所述当前直播列表中每个直播内容对应至少一个分类标签;推荐模块,用于根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从所述当前直播列表中选取目标直播内容进行推荐。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储器;一个或多个摄像头,其中所述摄像头用户采集图像,并传递给处理器进行处理;一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个应用程序配置用于执行上述第一方面提供的直播推荐方法。
第四方面,本申请实施例提供了一种计算机可读取存储介质,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行上述第一方面提供的直播推荐方法。
本申请提供的直播推荐方法、装置、电子设备及存储介质,检测到直播应用程序启动时,获取当前用户的用户图像,并根据用户图像获取当前用户的属性信息以及当前情绪,进而确定所述当前用户的至少一个偏好标签。同时,获取当前直播列表中每个直播内容对应至少一个分类标签,并根据得到的至少一个偏好标签和至少一个分类标签的相关度,从当前直播列表中选取目标直播内容进行推荐。由此,在获取用户对直播内容偏好数据与直播内容的相关度之后,电子设备可以根据该相关度的排序对用户进行直播节目的推荐,从而提高不同用户个性化推荐的准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,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的附图。
图1示出了根据本申请一个实施例的直播推荐方法流程图。
图2示出了本申请另一个实施例的直播推荐方法的流程图。
图3示出了本申请又一个实施例的直播推荐方法中步骤S260的流程图。
图4示出了本申请再一个实施例的直播推荐方法中步骤S280的流程图。
图5示出了根据本申请还一个实施例的直播推荐方法流程图。
图6示出了根据本申请一个实施例的直播推荐方法流程图。
图7示出了根据本申请一个实施例的直播推荐***的架构图。
图8示出了根据本申请一个实施例的直播推荐装置的一种框图。
图9是本申请实施例的用于执行根据本申请实施例的直播推荐方法的电子设备的框图。
图10是本申请实施例的用于保存或者携带实现根据本申请实施例的直播推荐方法的程序代码的存储单元。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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。
随时互联网络技术的发展,网络直播逐渐有了新的拓展。用户可以通过网络直播,在线收看体育赛事、娱乐综艺、新闻以及主播提供的各类节目。通常,用户使用直播平台观看直播时,直播平台可根据用户的喜好为用户推荐其可能会喜欢的直播节目。目前,大多直播推荐的方法,都是在直播处于结束状态时,才获取用户兴趣的相关信息,这样无法达到对用户进行实时推荐的目的。此外,节目推荐时,一般仅对原始直播节目单进行数据处理,以获取目标推荐直播节目单,这导致目标推荐直播节目单中的推荐节目类型单一。
因此,为了克服上述缺陷,本申请实施例提供了一种直播推荐方法,请参阅图1,图1示出了本申请实施例提供的一种直播推荐方法。该方法应用于电子设备,该电子设备可以是具有采集图像的摄像装置,支持数据存储和计算能力的各种电子设备。具体地,该方法包括:S110至S150。
S110:检测到直播应用程序启动时,获取当前用户的用户图像。
为了提高电子设备对用户进行直播推荐的实时性,电子设备可以在用户观看直播节目的过程中,实时地进行直播节目的推荐。为此,在用户开始使用直播应用时,电子设备就可以开始直播推荐操作,以便保证直播推荐的实时性。在一些实施例中,当电子设备检测到所使用的直播应用程序启动时,可以获取当前用户的用户图像,其中,用户图像指的是,当前时刻下电子设备通过摄像头采集到的图片或者视频数据,上述图片或者视频数据可以用于识别用户身份信息以及面部表情。
作为一种实施方式,电子设备在检测到用户打开直播应用时,就可以启动人脸检测程序,或者在直播应用开启后,检测到用户点击直播视频文件的操作行为时,再启动人脸检测程序。例如,当前在智能手机上,用户开启了直播应用软件进行直播节目的观看,此时,智能手机检测到该用户点击直播节目文件的操作,接着可以利用摄像头采集该用户的人脸图片以及服饰图片。
作为另一种实施方式,人脸检测程序可以设置为常驻应用程序,默认为一直运行的后台进程。具体地,当电子设备开机时,人脸检测程序就可以开启,在后台进行进入待命状态,当用户点击直播应用软件时,该人脸识别程序由待命状态进入启动状态。
S120:根据所述用户图像,获取所述当前用户的属性信息以及当前情绪。
在本申请实施例中,电子设备在采集到用户的用户图像之后,可以通过对该用户图像进行分析,确定该用户的身份信息,从而可以结合用户身份信息获取该用户的属性信息,进一步地,可以结合用户的属性信息以及当前情绪对该用户提供个性化的推荐服务。其中,属性信息是指,至少能够用于确认用户身份的基本的信息,可以包括用户的性别,年龄,居住的地理区域,在此不做限定。当前情绪是指用户观看直播节目时,面部表情或者肢体动作所表现出的情绪状态,包括愤怒,恐惧,惊讶,悲伤,快乐,在此不做限定。
在一些实施例中,电子设备可以基于人脸检测(Face Recognition,FR)算法和/或面部表情识别(Facial Expression Recognition,FER)算法,对获取的用户图像进行当前情绪的提取。其中,FR算法与FER算法可以是深度学***台、网络搜索平台、网络服务平台等留下的记录日志。再如,捕获通过各种渠道发布的与该用户相关的信息,如该用户社交圈内好友的社交媒体内容、日志中与用户相关的信息等。
在另一些实施例中,电子设备在获取用户图像之后,可以通过图像识别技术确定当前用户身份,进一步地,根据该用户身份获取对应用户的属性信息。由此,可以针对不同类型的用户身份进行推荐操作以便提高个性化直播推荐的准确度。作为一种实施方式,电子设备通过用户图像确定用户身份后,可以通过从存储有该用户的数据库中获取对应的属性信息。例如,智能手机基于人脸识别程序确定当前使用直播应用软件的用户为已经完成注册的用户时,可以通过数据库接口从存储有该用户属性信息的数据库中获取属性信息。作为另一种实施方式,当电子设备通过用户图像确定用户为新用户时,可以依据采集的该用户的用户图像进行用户特征提取,进一步地利用大数据分析技术,对提取的用户特征进行分析,得到该用户的属性信息。此外,也可以依据用户的身份信息利用数据收集代理获取用户的社交数据,从而进行数据分析,得到用户的属性信息。
S130:根据所述属性信息以及当前情绪,确定所述当前用户的至少一个偏好标签。
在本申请实施例中,为了提高电子设备对不同用户推荐的准确度,电子设备在获取用户的属性信息和当前情绪之后,可以根据该属性信息和当前情绪分析出用户的偏好标签,进而结合直播内容进行有针对性的个性化推荐。其中,偏好标签用于描绘用户观看直播内容的偏好,可以有效的表达用户观看直播内容的需求以及用户直播观看兴趣,对用户观看直播的个性化推荐起到指导作用。
作为一种实施方式,电子设备可以对获取的属性信息进行数据预处理,进一步地,可以通过特征工程对预处理过的属性信息进行特征提取,具体地,特征工程所用的算法可以包括表征学习算法,例如,电子设备可以利用图概率模型对属性信息进行特征提取,并且进行分类得到属性信息对应的偏好预标签。进一步地,电子设备可以将该偏好预标签与用户当前时刻的情绪进行匹配计算,从偏好预标签中生成与当前时刻下用户情绪匹配的偏好标签,因此,该偏好标签能够具有当前时刻下用户情绪的特征信息,从而增加了直播节目个性化推荐的实时性。
S140:获取当前直播列表,所述当前直播列表中每个直播内容对应至少一个分类标签。
在本申请实施例中,电子设备在获取用户的偏好标签后,可以将偏好标签与直播内容的分类标签进行计算,从而进行直播节目的推荐,分类标签将直播内容通过抽象、归纳、解析后可以得到的最有价值、最具代表性的直播内容信息,可以便于用户对直播内容的认知和理解进一步地简单化与准确化。在一些实施例中,直播列表中存储有具体的直播内容名单以及每个节目对应的一个或多个分类标签,其中,分类标签是直播内容信息在多个维度的标签化,可以包括但不限于内容类型、风格主题、领域、适用人群、有效期、视频主体、拍摄地点、主播特性。
作为一种实施方式,电子设备可以从WebRTC(Web Real-Time Communication,WebRTC)服务器上获取直播列表,需要理解的是,当WebRTC服务器有新的直播内容加入时,或当前正在直播的直播内容结束时,WebRTC服务器可以通知电子设备进行动态更新当前直播列表。此外,当某一直播内容结束播放时,终端用户可以占时将该直播内容屏蔽以便防止重复推荐。直播列表中的分类标签可以是由WebRTC服务器通过深度学习算法,对直播内容进行数据分析得出,例如,可以对直播视频内容进行语音识别以及图像识别,从而对直播内容进行特征提取,进一步地根据提取的特征信息,分析得出分类标签。
S150:根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从所述当前直播列表中选取目标直播内容进行推荐。
在本申请实施例中,电子设备获取用户的偏好标签以及直播内容的分类标签后,可以将偏好标签和分类标签进行相关度计算,从而可以根据计算所得的相关度进行直播内容的推荐。具体地,电子设备可将偏好标签和分类标签两者计算的相关度,按照相关度从大到小的顺序进行排序,每次选取排序中首位的直播内容作为目标直播内容进行直播内容推荐。此外,对于相关度的计算还可以加入用户的平台行为特征,其中,平台行为特征指的是直播内容在直播平台上历史被点击、点赞、收藏、转发等信息,电子设备可以将平台行为特征作为权重系数之一,参与相关度的计算,因为平台行为特征也真实的反映了用户对直播内容的关注情况,因此计算相关度时加入平台行为特征可以提高相关度计算结果的准确性。
作为一种实施方式,电子设备可以将用户的偏好标签与直播内容的分类标签进行匹配计算,以便获取可以进行推荐的目标直播内容。具体地,对于某一用户,电子设备可以将直播列表中的一个直播内容的分类标签与该用户的偏好标签进行匹配,得到该直播内容分类标签中与用户偏好标签相关的标签数量,同理,按照上述方法对直播列表中的所有直播内容进行匹配,得到所有直播内容与该用户偏好标签相关的标签数量。进一步地,对该标签数量进行从大到小的排序,然后按照排序顺序进行依次推荐,具体地,电子设备可以获取排序的前Top-N直播内容作为目标直播内容进行依次推荐。
在本申请实施例提供的直播推荐方法,通过检测到直播应用程序启动时,获取当前用户的用户图像,并根据用户图像获取当前用户的属性信息以及当前情绪,进而确定所述当前用户的至少一个偏好标签。同时,获取当前直播列表中每个直播内容对应至少一个分类标签,并根据得到的至少一个偏好标签和至少一个分类标签的相关度,从当前直播列表中选取目标直播内容进行推荐。由此,在获取用户对直播内容偏好数据与直播内容的相关性之后,电子设备可以按照相关度排序对用户进行直播节目的推荐,从而提高了对用户个性化推荐的准确度。
请参阅图2,图2示出了本申请实施例提供的另一种直播推荐方法。该方法应用于电子设备,该电子设备可以是具有采集图像的摄像装置,支持数据存储和计算能力的各种电子设备。具体地,该方法包括:S210至S280。
S210:检测到直播应用程序启动时,获取当前用户的用户图像。
在本申请实施例中,步骤S210的具体描述可以参考前述实施例中的内容,在此不再赘述。
S220:识别所述用户图像中的人脸信息,并基于识别结果判断所述当前用户是否为新用户。
在本申请实施例中,电子设备获取当前用户的用户图像后,可以对该用户图像进行识别以便对该用户的身份进行确认,从而能够更加准确地进行个性化的推荐以及提高推荐的效率。作为一种实施方式,电子设备可以通过深度学习算法,对获取的用户图像进行人脸识别,以此确认用户是否为新用户。例如,用户使用智能手机开启直播应用时,智能手机可以通过摄像头采集该用户的人脸图像,然后利用基于Opencv的LBPH(Local BinaryPatterns Histograms)算法对该人脸图像进行识别,获取用户人脸信息并与存储有用户人脸信息的数据库进行比对,从而确认该用户是否为新用户。
S230:当所述当前用户为新用户时,对所述用户图像中所述当前用户的体貌状态进行分析处理,得到所述当前用户的属性信息以及当前情绪。
在本申请实施例中,为了准确地为新用户进行直播节目的推荐,电子设备在判断用户为新用户后,可以针对性的获取该新用户的属性信息和观看直播的当前情绪,从而为直播推荐提供有效的支持。其中,体貌状态可以是指用户在颜面、体态、骨骼、姿势和肌肉等方面表现出来的状态数据。例如,人脸图像,也即为人体在面容方面表现出来的状态数据。具体的体貌数据在本申请实施例中并不作限定,该体貌数据只需能达到还原用户体貌即可。
作为一种实施方式,电子设备在获取得到用户的体貌状态后,可以基于大数据分析得到对应于体貌状态的属性信息以及当前情绪。电子设备还可以将分析得到的属性信息以及当前情绪进行保存,可选地,电子设备可以将新用户的属性信息上传于用户数据服务器中进行保存。
S240:当所述当前用户不为新用户时,获取预先存储的所述当前用户的属性信息。
在本申请实施例中,电子设备判断当前用户不是新用户时,可以通过人脸识别技术确定用户具体的身份信息,进一步地,根据身份信息获取预先存储的该当前用户的属性信息。作为一种实施方式,电子设备在确定观看直播的用户不是新用户时,可以直接从用于存储用户属性信息的服务器中调取该用户之前已经存储的属性信息。例如,当电子设备确定当前使用直播应用软件的用户为旧用户时,可以从用户数据服务器中,直接获取用户对应的属性信息。通过直接获取旧用户的属性信息可以直接进行确定该用户的偏好标签,简化了直播内容推荐的步骤,从而提高推荐的效率。
S250:对所述用户图像中的人脸信息进行情绪分析,得到所述当前用户的当前情绪。
在本申请实施例中,电子设备在获取用户图像之后,可以通过人脸识别算法,对用户图像中人脸信息进行情绪分析,以便将分析得到的当前情绪与属性信息进行结合,用于生成用户的偏好标签。作为一种实施方式,电子设备获取到用户的人脸图像后,可以通过以下至少一种算法对该人脸图像进行情绪识别:有监督学习算法、无监督学习算法、深度学习算法。具体描述可以参考前述实施例中的内容,在此不再赘述。
S260:根据所述属性信息以及当前情绪,确定所述当前用户的至少一个偏好标签。
由于用户的兴趣和情绪在短期和长期来看对观看不同直播内容偏好的影响非常大,因此将用户的属性信息和当前情绪进行融合,共同用于直播推荐,可以有效利用以个性化为核心的用户属性特征以及情绪特征,从而提高直播推荐的个性化和实时性。在一些实施例中,电子设备根据所述属性信息以及当前情绪,确定所述当前用户的至少一个偏好标签,具体地,请参阅图3,步骤S260可以包括:
S261:获取与所述属性信息对应的至少一个候选标签。
作为一种实施方式,电子设备在获取用户的属性信息后,可以通过数据分析的方法从属性信息得到对应的候选标签,进一步地得到偏好标签,从而根据偏好标签制定个性化的直播内容推荐策略。其中,候选标签可以是指对用户大概率感兴趣的直播节目内容类型。具体地,电子设备可以基于获取的属性信息,对该属性信息进行大数据分析,得出用户的候选标签。例如,电子设备在获取用户的年龄、性别、化妆风格、穿衣风格等属性信息后,可以通过大数据分析,得出用户对于直播内容的偏好的候选标签,例如,女性青年用户,分析得出的候选标签可以是购物、美妆以及旅游。
作为另一种实施方式,电子设备还可以通过从数据代理获取用户的社交数据,基于社交数据与属性信息分析得出候选标签。从而使得候选标签更加符合用户在实际生活中的认知与兴趣,有利于提高推荐的准确性。
S262:从所述至少一个候选标签中选取与所述当前情绪匹配的至少一个偏好标签。
作为一种实施方式,电子设备在获取与属性信息对应的至少一个候选标签之后,为了的得到符合用户当前情绪状态的偏好标签,可以从至少一个候选标签中选取与当前情绪匹配的至少一个偏好标签,由此,可以是获得的用户偏好标签具有实时性,从而使得推荐具有实时性。具体地,电子设备可以将n(n>1或n=1)个候选标签与当前情绪进行匹配,从n个候选标签中选取当前情绪匹配的l(l<n或l=n)个偏好标签。
S270:获取当前直播列表,所述当前直播列表中每个直播内容对应至少一个分类标签。
S280:根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从所述当前直播列表中选取目标直播内容进行推荐。
在一些实施例中,电子设备根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从所述当前直播列表中选取目标直播内容进行推荐,具体地,请参阅图4,步骤S280可以包括:
S281:针对所述当前直播列表中的每个直播内容,将所述直播内容对应的至少一个分类标签与所述至少一个偏好标签进行匹配。
作为一种实施方式,电子设备可以将用户的偏好标签与直播列表中所有直播内容的分类标签,逐一地进行匹配计算,由此可以得出与该用户偏好标签相匹配的偏好标签数据,从而依据标签数量排序结果进行推荐。例如,对于某一用户,电子设备可以选取该用户的n(n>1或n=1)个偏好标签,同样的,选取直播列表中某一直播内容的m(m>1或m=1)个分类标签,进一步地,将该n个偏好标签与该m个分类标签进行匹配。
S282:获取每个直播内容匹配成功的偏好标签数量。
作为一种实施方式,电子设备将直播内容对应的至少一个分类标签与至少一个偏好标签进行匹配计算后得到了每个直播内容匹配成功的偏好标签数量。例如,当用户的n个偏好标签中有h个偏好标签与直播内容的m个分类标签中的某些匹配时,将h作为匹配成功的偏好标签数量。同理,将直播列表中的所有直播内容与该用户进行偏好标签与分类标签的匹配,得的每个直播内容匹配成功的偏好标签数量。
S283:按照所述偏好标签数量从大到小的顺序,对所述当前直播列表中的直播内容进行排序,得到排序后的直播推荐列表。
作为一种实施方式,电子设备在获取到偏好标签数量之后,可以对所有直播内容匹配成功的偏好标签数量按照从大到小的顺序进行排序,最终得到排序后的直播推荐列表。
S284:基于所述直播推荐列表,选取目标直播内容进行推荐。
作为一种实施方式,电子设备可以从直播推荐列表中选取Top-N个目标直播内容进行推荐,也可以按照偏好标签数量从大到小的顺序进行依次推荐。
在本申请实施例提供的直播推荐方法,通过识别所述用户图像中的人脸信息,并基于识别结果判断当前用户是否为新用户,当所述当前用户为新用户时,对该用户图像中当前用户的体貌状态进行分析处理,得到当前用户的属性信息以及当前情绪,当所述当前用户不为新用户时,获取预先存储的当前用户的属性信息,电子设备可以根据不同的用户类型进行不同的推荐操作,从而有提高个性化推荐得准确度以及提高推荐的效率。
请参阅图5,图5示出了本申请实施例提供的一种直播推荐方法。该方法应用于电子设备,该电子设备可以是具有采集图像的摄像装置,支持数据存储和计算能力的各种电子设备。具体地,该方法包括:S310至S380。
S310:检测到直播应用程序启动时,获取当前用户的用户图像。
S320:根据所述用户图像,获取所述当前用户的属性信息以及当前情绪。
S330:根据所述属性信息以及当前情绪,确定所述当前用户的至少一个偏好标签。
S340:获取当前直播列表,所述当前直播列表中每个直播内容对应至少一个分类标签。
S350:根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从所述当前直播列表中选取目标直播内容进行推荐。
在本申请实施例中,步骤S310至步骤S350的具体描述可以参考前述实施例中的内容,在此不再赘述。
S360:获取所述当前用户观看直播内容时的行为信息。
电子设备进行直播内容个性化推荐的同时,需要结合用户的在实际使用情况进行差异化处理,也即根据用户观看直播时行为特征,对直播内容进行调整,从而提高用户的直播观看推荐的实时性。由此,在本申请实施例中,电子设备在对用户进行直播推荐操作之后,可以实时地检测用户当前观看直播内容时的行为信息,当用户的行为与正常观看行为相比出现不同时,可以对用户进行重新推荐。其中,行为信息可以包括用户观看推荐的直播内容的观看时长以及进行不同直播内容切换的次数,在此不做限定。
作为一种实施方式,针对推荐的直播内容,电子设备可以实时地检测用户观看该推荐的直播内容的时间,以及切换不同直播内容的次数。用户观看直播内容的时间为用户实际开始观看该直播内容到切换至不同直播内容的时间长度。需要理解的是,电子设备检测到该用户点击直播内容文件但实际没有观看直播内容的时间,不计入观看时长,具体地,针对一个直播节目,用户在观看该直播节目的过程中,当电子设备无法检测到用户体貌时,可以暂停时长记录,当电子设备重新检测到用户时,继续进行时长记录。
S370:当所述行为信息满足第一预设条件时,更新所述当前直播列表。
在本申请实施例中,电子设备获取到当前用户观看直播内容时的行为信息之后,可以检测该行为信息是否满足第一预设条件,当该行为信息满足第一预设条件时,更新当前直播列表,从而提高直播推荐的实时性。其中,第一预设条件为电子设备预先设定的用户在非正常情况下,观看推荐直播内容的时间长度,以及切换不同直播内容的次数。
作为一种实施方式,当电子设备检测到用户观看推荐的直播内容的时长满足预设的第一时长条件,且观看直播时的切换次数达到预设切换阈值时,可以更新当前的直播列表,其中,第一时长条件为电子设备提前设定好的时间阈值。具体地,电子设备可以重新获取当前直播列表,并且将用户观看过得直播内容从直播列表中删除。
S380:根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从更新后的当前直播列表中选取目标直播内容进行推荐。
在本申请实施例中,步骤S380的具体描述可以参考前述实施例中的内容,在此不再赘述。
示例性地,请参阅图6,图6示出了本申请实施例提供的一种直播推荐方法的整体流程图。具体地,电子设备在检测到用户开启直播应用软件时,可以开启摄像头进行人脸图像的拍摄,然后,根据拍摄的人脸图像进行人脸检测,判断该用户是新用户还是旧用户。当检测到该用户为新用户时,对新用户的进行特征提取并分类。其中,提取的特征包含但不限于性别,年龄,国籍,穿衣风格,情绪等,进一步地,根据提取的特征生成用户数据,并基于大数据分析,得出用户对于直播内容的偏好信息。当检测到该用户为老用户时,可以从用户数据服务器获取用户信息以及该用户对直播内容的偏好信息。
例如,如果检测到新用户是幼儿,通过分析该幼儿的偏好可能为启蒙动画,儿歌,玩具试玩类直播节目;如果该新用户是青少年男性,通过分析该青少年男性的偏好可能为游戏,运动,在线教育类直播节目;如果用户为年轻女性,通过分析该年轻女性的偏好可能为购物,美妆,旅游类直播节目;如果用户为老年男性,通过分析该年男性的偏好可能为钓鱼,养生,戏曲类直播节目。
电子设备对新用户进行特征分析得到偏好信息之后,可以将该新用户的身份信息和偏好信息上传至用户数据服务器保存。进一步地,电子设备可以从WebRTC服务器获取当前直播节目的直播列表,其中,直播列表包括直播节目对应的分类标签。电子设备可以将获取的直播列表与用户的偏好信息进行匹配,并将匹配后得到的匹配标记数量,按照从多到少的顺序进行篇排序。进一步地,按照排序的顺序,将排序为第一的直播节目作为推荐直播内容,同时,从WebRTC服务器中对直播内容进行拉流播放。
当电子设备发现用户在频繁切换直播内容,可以根据获取到的最新的直播内容列表,再次和当前用户偏好数据进行排名,去掉已经推荐过的直播内容,以匹配标记数量从多到少进行排序,在用户无目的性的观看直播时,对用户进行用户行为分析,也即通过分析用户的操作行为,在用户上下左右滑动切换直播内容时,再次推荐排名第一的直播内容,在用户下次滑动时,从WebRTC服务器拉流播放推荐内容。
示例性地,请参阅图7,图7示出了本申请提供的一种直播推荐***300整体架构图。具体地,该直播推荐***300包括:直播应用模块310,用于用户观看直播的应用程序,可以部署在手机,电脑,平板电脑,PC端电脑等具有多媒体能力的电子设备上;WebRTC服务模块320,用于转发直播内容,对每个直播从内容,主播性别,年龄,风格,内容所属行业,直播地点等多个角度进行分类,保存当前直播内容列表。当有新主播加入直播或者有当前直播内容结束的时候,刷新当前内容直播列表,通知各个用户端更新直播内容列表;用户数据模块330,用于保存用户信息和偏好数据;
其中,直播应用模块310配置于具体的电子设备中,用于直播推荐,可以包括:摄像单元,用于获取观看直播用户的图像;识别单元,用于分析用户性别,年龄,穿衣风格,情绪识别;特征单元,用于根据人脸识别的结果,对用户进行特征提取,分析用户是新用户还是老用户;如果是新用户,创建新用户记录,保存用户信息,对用户偏好进行预测,上传新用户数据记录到用户数据服务器。如果是老用户,拉取用户数据服务器上的用户记录;直播分类单元,用于获取当前WebRTC服务器上直播内容列表,当WebRTC服务器有新的直播内容加入,或当前有当前直播内容结束,在用户直播应用开启时,WebRTC服务器应该通知用户端,用户端更新当前直播内容列表,同时屏蔽掉用户此次观看过直播内容,此次直播时间范围应为用户打开直播应用到关闭直播应用。使用分析好的用户偏好信息,匹配直播内容列表中的标记,以匹配标记数量从多到少进行排名;行为分析单元,用于分析当前观看直播用户是否频繁切换直播内容,当发现用户在频繁切换直播内容时,通知直播节目分类列表模块,重新推荐直播内容;播放单元,用于在用户正在观看直播内容时,获取直播节目分类列表模块排名好的直播列表,在用户下次切换直播内容时候,拉取对应直播的WebRTC直播多媒体流,进行播放。
S390:当所述行为信息满足第二预设条件时,推荐与当前直播内容对应的关联内容。
电子设备在对用户进行直播推荐的同时,可以通过分析用户的行为趋势,推荐直播以外的关联内容,从而提高用户观看直播的体验度。
作为一种实施方式,当电子设备检测到用户直播观看直播内容时长满足第二时长条件时,可以推荐与当前直播内容对应的关联内容,其中,第二时长条件是由电子设备提前预设的时间阈值,该时间阈值可以为一般情况下偏爱该直播内容的用户观看该直播内容的平均时长。例如,当电子设备检测到用户停留观看购物直播时间满足对应于观看该购物直播时间阈值时,可以推荐直播中与该直播内容关联的物品广告。
作为另一种实施方式,第二预设条件也可以是用户在正常情况下,观看直播内容的行为特征,其中,行为特征指的是直播内容在直播平台上历史被点击、点赞、收藏、转发等信息。电子设备可以设定预设行为阈值,在用户的行为特征通过数据分析符合该预设行为阈值时,可以推荐直播中与该直播内容关联的物品广告给用户。
在本申请实施例提供的直播推荐方法,通过在对用户进行直播推荐后,获取所述当前用户观看直播内容时的行为信息,当所述行为信息满足第一预设条件时,更新所述当前直播列表,当所述直播观看时长满足第一时长条件,且所述直播切换次数达到预设阈值时,更新所述当前直播列表,根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,由此,从更新后的当前直播列表中选取目标直播内容进行推荐。此外,当所述行为信息满足第二预设条件时,推荐与当前直播内容对应的关联内容,从而提高了推荐的实时性以及用户观看直播的粘性。
请参阅图8,其示出了本申请实施例提供的一种直播推荐装置400的结构框图该装置可以包括:检测模块410、第一获取模块420、确定模块430、第二获取模块440以及推荐模块450。其中,检测模块410,用于检测到直播应用程序启动时,获取当前用户的用户图像;第一获取模块420,用于根据所述用户图像,获取所述当前用户的属性信息以及当前情绪;确定模块430,用于根据所述属性信息以及当前情绪,确定所述当前用户的至少一个偏好标签;第二获取模块440,用于获取当前直播列表,所述当前直播列表中每个直播内容对应至少一个分类标签;推荐模块450,用于根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从所述当前直播列表中选取目标直播内容进行推荐
在一些实施例中,第一获取模块420可以包括:识别单元,用于识别所述用户图像中的人脸信息,并基于识别结果判断所述当前用户是否为新用户;第一分析单元,用于当所述当前用户为新用户时,对所述用户图像中所述当前用户的体貌状态进行分析处理,得到所述当前用户的属性信息以及当前情绪。
在一些实施例中,第一获取模块420还可以包括:获取单元,用于当所述当前用户不为新用户时,获取预先存储的所述当前用户的属性信息;第二分析单元,用于对所述用户图像中的人脸信息进行情绪分析,得到所述当前用户的当前情绪。
在一些实施例中,确定模块430可以包括:候选获取单元,用于获取与所述属性信息对应的至少一个候选标签;偏好匹配单元,用于从所述至少一个候选标签中选取与所述当前情绪匹配的至少一个偏好标签。
在一些实施例中,推荐模块450可以包括:匹配单元,用于针对所述当前直播列表中的每个直播内容,将所述直播内容对应的至少一个分类标签与所述至少一个偏好标签进行匹配;数量获取单元,用于获取每个直播内容匹配成功的偏好标签数量;排序单元,用于按照所述偏好标签数量从大到小的顺序,对所述当前直播列表中的直播内容进行排序,得到排序后的直播推荐列表;推荐单元,用于基于所述直播推荐列表,选取目标直播内容进行推荐。
在一些实施例中,直播推荐装置400还可以包括:行为信息获取模块,用于获取所述当前用户观看直播内容时的行为信息;更新模块,用于当所述行为信息满足第一预设条件时,更新所述当前直播列表;重新推荐模块,用于根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从更新后的当前直播列表中选取目标直播内容进行推荐。
在一些实施例中,更新模块可以具体用于当所述直播观看时长满足第一时长条件,且所述直播切换次数达到预设阈值时,更新所述当前直播列表。
在一些实施例中,直播推荐装置400还可以包括关联推荐模块,用于当所述行为信息满足第二预设条件时,推荐与当前直播内容对应的关联内容。
在一些实施例中,关联推荐模块可以具体用于当所述直播观看时长满足第二时长条件时,推荐与当前直播内容对应的关联内容。
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,上述描述装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,模块相互之间的耦合可以是电性,机械或其它形式的耦合。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。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。
请参考图9,其示出了本申请实施例提供的一种电子设备的结构框图。该电子设备100可以是PC电脑、移动终端等能够运行应用程序的电子设备。本申请中的电子设备100可以包括一个或多个如下部件:处理器110、存储器120、摄像头130以及一个或多个应用程序,其中一个或多个应用程序可以被存储在存储器120中并被配置为由一个或多个处理器110执行,一个或多个程序配置用于执行如前述方法实施例所描述的方法,其中,摄像头130用于采集图像,并传递给处理器110进行处理。
处理器110可以包括一个或者多个处理核。处理器110利用各种接口和线路连接整个电子设备100内的各个部分,通过运行或执行存储在存储器120内的指令、程序、代码集或指令集,以及调用存储在存储器120内的数据,执行电子设备100的各种功能和处理数据。可选地,处理器110可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器110中,单独通过一块通信芯片进行实现。
存储器120可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端100在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
请参考图10,其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质800中存储有程序代码,所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质800可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质800包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质800具有执行上述方法中的任何方法步骤的程序代码810的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码810可以例如以适当形式进行压缩。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (12)
1.一种直播推荐方法,其特征在于,所述方法包括:
检测到直播应用程序启动时,获取当前用户的用户图像;
根据所述用户图像,获取所述当前用户的属性信息以及当前情绪;
根据所述属性信息以及当前情绪,确定所述当前用户的至少一个偏好标签;
获取当前直播列表,所述当前直播列表中每个直播内容对应至少一个分类标签;
根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从所述当前直播列表中选取目标直播内容进行推荐。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用户图像,获取所述当前用户的属性信息以及当前情绪,包括:
识别所述用户图像中的人脸信息,并基于识别结果判断所述当前用户是否为新用户;
当所述当前用户为新用户时,对所述用户图像中所述当前用户的体貌状态进行分析处理,得到所述当前用户的属性信息以及当前情绪。
3.根据权利要求2所述的方法,其特征在于,在所述识别所述用户图像中的人脸信息,并基于识别结果判断所述当前用户是否为新用户之后,所述方法还包括:
当所述当前用户不为新用户时,获取预先存储的所述当前用户的属性信息;
对所述用户图像中的人脸信息进行情绪分析,得到所述当前用户的当前情绪。
4.根据权利要求1所述的方法,其特征在于,所述根据所述属性信息以及当前情绪,确定所述当前用户的至少一个偏好标签,包括:
获取与所述属性信息对应的至少一个候选标签;
从所述至少一个候选标签中选取与所述当前情绪匹配的至少一个偏好标签。
5.根据权利要求1所述的方法,其特征在于,所述根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从所述当前直播列表中选取目标直播内容进行推荐,包括:
针对所述当前直播列表中的每个直播内容,将所述直播内容对应的至少一个分类标签与所述至少一个偏好标签进行匹配;
获取每个直播内容匹配成功的偏好标签数量;
按照所述偏好标签数量从大到小的顺序,对所述当前直播列表中的直播内容进行排序,得到排序后的直播推荐列表;
基于所述直播推荐列表,选取目标直播内容进行推荐。
6.根据权利要求1-5任一项所述的方法,其特征在于,在所述根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从所述当前直播列表中选取目标直播内容进行推荐之后,所述方法还包括:
获取所述当前用户观看直播内容时的行为信息;
当所述行为信息满足第一预设条件时,更新所述当前直播列表;
根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从更新后的当前直播列表中选取目标直播内容进行推荐。
7.根据权利要求6所述的方法,其特征在于,所述行为信息包括直播观看时长以及直播切换次数,所述当所述行为信息满足第一预设条件时,更新所述当前直播列表,包括:
当所述直播观看时长满足第一时长条件,且所述直播切换次数达到预设阈值时,更新所述当前直播列表。
8.根据权利要求6所述的方法,其特征在于,所述行为信息包括直播观看时长,在所述获取所述当前用户观看直播内容时的行为信息之后,所述方法还包括:
当所述行为信息满足第二预设条件时,推荐与当前直播内容对应的关联内容。
9.根据权利要求8所述的方法,其特征在于,所述行为信息包括直播观看时长,所述当所述行为信息满足第二预设条件时,推荐与当前直播内容对应的关联内容,包括:
当所述直播观看时长满足第二时长条件时,推荐与当前直播内容对应的关联内容。
10.一种直播推荐装置,其特征在于,所述装置包括:
检测模块,用于检测到直播应用程序启动时,获取当前用户的用户图像;
第一获取模块,用于根据所述用户图像,获取所述当前用户的属性信息以及当前情绪;
确定模块,用于根据所述属性信息以及当前情绪,确定所述当前用户的至少一个偏好标签;
第二获取模块,用于获取当前直播列表,所述当前直播列表中每个直播内容对应至少一个分类标签;
推荐模块,用于根据所述至少一个偏好标签以及所述至少一个分类标签的相关度,从所述当前直播列表中选取目标直播内容进行推荐。
11.一种电子设备,其特征在于,包括:
存储器;
一个或多个处理器,与所述存储器耦接;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个应用程序配置用于执行如权利要求1-9任一项所述的方法。
12.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011496650.1A CN112528150A (zh) | 2020-12-17 | 2020-12-17 | 直播推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011496650.1A CN112528150A (zh) | 2020-12-17 | 2020-12-17 | 直播推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112528150A true CN112528150A (zh) | 2021-03-19 |
Family
ID=75001079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011496650.1A Pending CN112528150A (zh) | 2020-12-17 | 2020-12-17 | 直播推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528150A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113190758A (zh) * | 2021-05-21 | 2021-07-30 | 聚好看科技股份有限公司 | 服务器及媒资推荐方法 |
CN113207010A (zh) * | 2021-06-02 | 2021-08-03 | 清华大学 | 模型训练方法、直播推荐方法、设备、程序产品 |
CN113297953A (zh) * | 2021-05-21 | 2021-08-24 | 北京读我网络技术有限公司 | 信息处理方法、装置、电子设备和存储介质 |
CN113315988A (zh) * | 2021-05-28 | 2021-08-27 | 北京中指讯博数据信息技术有限公司 | 直播视频推荐方法及装置 |
CN113852861A (zh) * | 2021-09-23 | 2021-12-28 | 深圳Tcl数字技术有限公司 | 节目推送方法、装置、存储介质及电子设备 |
CN114265777A (zh) * | 2021-12-23 | 2022-04-01 | 北京百度网讯科技有限公司 | 应用程序的测试方法、装置、电子设备及存储介质 |
CN116012118A (zh) * | 2023-02-28 | 2023-04-25 | 荣耀终端有限公司 | 一种产品推荐方法和装置 |
CN116668788A (zh) * | 2023-07-28 | 2023-08-29 | 中国标准化研究院 | 一种智能电视内容推荐装置及方法 |
CN116761011A (zh) * | 2023-08-21 | 2023-09-15 | 浙江印象软件有限公司 | 直播虚拟物品特效数据的实时加载方法及*** |
CN117725273A (zh) * | 2023-09-21 | 2024-03-19 | 书行科技(北京)有限公司 | 样本标签生成方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509660A (zh) * | 2018-05-29 | 2018-09-07 | 维沃移动通信有限公司 | 一种播放对象推荐方法及终端设备 |
US10091554B1 (en) * | 2017-12-06 | 2018-10-02 | Echostar Technologies L.L.C. | Apparatus, systems and methods for generating an emotional-based content recommendation list |
CN110175245A (zh) * | 2019-06-05 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 多媒体推荐方法、装置、设备及存储介质 |
CN111161035A (zh) * | 2019-12-31 | 2020-05-15 | 北京三快在线科技有限公司 | 菜品推荐方法、装置、服务器、电子设备及存储介质 |
-
2020
- 2020-12-17 CN CN202011496650.1A patent/CN112528150A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10091554B1 (en) * | 2017-12-06 | 2018-10-02 | Echostar Technologies L.L.C. | Apparatus, systems and methods for generating an emotional-based content recommendation list |
CN108509660A (zh) * | 2018-05-29 | 2018-09-07 | 维沃移动通信有限公司 | 一种播放对象推荐方法及终端设备 |
CN110175245A (zh) * | 2019-06-05 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 多媒体推荐方法、装置、设备及存储介质 |
CN111161035A (zh) * | 2019-12-31 | 2020-05-15 | 北京三快在线科技有限公司 | 菜品推荐方法、装置、服务器、电子设备及存储介质 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113190758A (zh) * | 2021-05-21 | 2021-07-30 | 聚好看科技股份有限公司 | 服务器及媒资推荐方法 |
CN113297953A (zh) * | 2021-05-21 | 2021-08-24 | 北京读我网络技术有限公司 | 信息处理方法、装置、电子设备和存储介质 |
CN113315988A (zh) * | 2021-05-28 | 2021-08-27 | 北京中指讯博数据信息技术有限公司 | 直播视频推荐方法及装置 |
CN113315988B (zh) * | 2021-05-28 | 2023-04-07 | 北京中指讯博数据信息技术有限公司 | 直播视频推荐方法及装置 |
CN113207010A (zh) * | 2021-06-02 | 2021-08-03 | 清华大学 | 模型训练方法、直播推荐方法、设备、程序产品 |
CN113852861A (zh) * | 2021-09-23 | 2021-12-28 | 深圳Tcl数字技术有限公司 | 节目推送方法、装置、存储介质及电子设备 |
CN114265777B (zh) * | 2021-12-23 | 2023-01-10 | 北京百度网讯科技有限公司 | 应用程序的测试方法、装置、电子设备及存储介质 |
CN114265777A (zh) * | 2021-12-23 | 2022-04-01 | 北京百度网讯科技有限公司 | 应用程序的测试方法、装置、电子设备及存储介质 |
CN116012118A (zh) * | 2023-02-28 | 2023-04-25 | 荣耀终端有限公司 | 一种产品推荐方法和装置 |
CN116012118B (zh) * | 2023-02-28 | 2023-08-29 | 荣耀终端有限公司 | 一种产品推荐方法和装置 |
CN116668788A (zh) * | 2023-07-28 | 2023-08-29 | 中国标准化研究院 | 一种智能电视内容推荐装置及方法 |
CN116668788B (zh) * | 2023-07-28 | 2023-10-17 | 中国标准化研究院 | 一种智能电视内容推荐装置及方法 |
CN116761011A (zh) * | 2023-08-21 | 2023-09-15 | 浙江印象软件有限公司 | 直播虚拟物品特效数据的实时加载方法及*** |
CN116761011B (zh) * | 2023-08-21 | 2023-11-14 | 浙江印象软件有限公司 | 直播虚拟物品特效数据的实时加载方法及*** |
CN117725273A (zh) * | 2023-09-21 | 2024-03-19 | 书行科技(北京)有限公司 | 样本标签生成方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528150A (zh) | 直播推荐方法、装置、电子设备及存储介质 | |
CN109769128B (zh) | 视频推荐方法、视频推荐装置和计算机可读存储介质 | |
CN109819325B (zh) | 热点视频标注处理方法、装置、计算机设备及存储介质 | |
CN111258435B (zh) | 多媒体资源的评论方法、装置、电子设备及存储介质 | |
CN110519617B (zh) | 视频评论处理方法、装置、计算机设备及存储介质 | |
CN109145784B (zh) | 用于处理视频的方法和装置 | |
CN108769823B (zh) | 直播间显示方法、装置、设备 | |
CN110557659B (zh) | 视频推荐方法、装置、服务器及存储介质 | |
CN110166827B (zh) | 视频片段的确定方法、装置、存储介质及电子装置 | |
CN107563500B (zh) | 一种基于用户头像的视频推荐方法及*** | |
CN105635824B (zh) | 个性化频道推荐方法和*** | |
KR102112973B1 (ko) | 컴퓨터 실행 방법, 시스템 및 컴퓨터 판독 가능 매체 | |
CN104994426B (zh) | 节目视频识别方法及*** | |
CN109862397B (zh) | 一种视频分析方法、装置、设备和存储介质 | |
CN110633669B (zh) | 家居环境中基于深度学习的移动端人脸属性识别方法 | |
CN109508406B (zh) | 一种信息处理方法、装置及计算机可读存储介质 | |
CN111918130A (zh) | 视频封面确定方法、装置、电子设备及存储介质 | |
KR101895846B1 (ko) | 소셜 네트워킹 툴들과의 텔레비전 기반 상호작용의 용이화 | |
CN112348117A (zh) | 场景识别方法、装置、计算机设备和存储介质 | |
CN113422988B (zh) | 直播封面生成方法、装置、电子设备及存储介质 | |
CN111597446A (zh) | 基于人工智能的内容推送方法、装置、服务器和存储介质 | |
CN111432206A (zh) | 基于人工智能的视频清晰度处理方法、装置及电子设备 | |
CN111046209B (zh) | 图像聚类检索*** | |
CN112231497A (zh) | 信息分类方法、装置、存储介质及电子设备 | |
KR20200077176A (ko) | 영상과 관련된 키워드를 추천하는 장치 및 방법 |
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 |