CN113132749A - 直播间的推荐方法、装置、设备及介质 - Google Patents
直播间的推荐方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113132749A CN113132749A CN202110468213.7A CN202110468213A CN113132749A CN 113132749 A CN113132749 A CN 113132749A CN 202110468213 A CN202110468213 A CN 202110468213A CN 113132749 A CN113132749 A CN 113132749A
- Authority
- CN
- China
- Prior art keywords
- anchor
- live broadcast
- audience
- degree
- recommendation
- 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 44
- 238000012216 screening Methods 0.000 claims abstract description 17
- 230000000875 corresponding effect Effects 0.000 claims description 40
- 230000036541 health Effects 0.000 claims description 27
- 230000014759 maintenance of location Effects 0.000 claims description 23
- 230000000694 effects Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000013145 classification model Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 230000035508 accumulation Effects 0.000 claims description 5
- 239000013585 weight reducing agent Substances 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000009342 intercropping Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 8
- 230000002354 daily effect Effects 0.000 description 22
- 238000011161 development Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005266 casting Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 3
- 230000002459 sustained effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—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)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明实施例公开了一种直播间的推荐方法、装置、设备及介质。该方法包括：在直播平台的全部直播间中，筛选设定直播品类的目标直播间，获取与目标直播间匹配的主播集合和观众集合；根据主播集合中各主播的观众粘性指标，计算直播品类的主播分布均衡度；根据观众集合中各观众与主播集合中各主播之间的关系指数，计算直播品类的主播用户交叉度；在根据主播分布均衡度和主播用户交叉度确定直播品类满足推荐调整条件时，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐。在上述技术方案中，根据主播分布均衡度和主播用户交叉度对同品类直播间分类，提供了一种新的直播间推荐技术，满足了人们日益增长的个性化、便捷化的直播间推荐需求。
Description
技术领域
本发明实施例涉及网络直播技术领域，尤其涉及一种直播间的推荐方法、装置、设备及介质。
背景技术
随着互联网技术和智能终端设备的快速发展，网络直播在人们生活中的应愈加广泛，直播平台也越来越走进人们的工作和生活中。
一般来说，直播平台可以按照直播品类将各个直播间分门别类的推送给直播平台的观众，其中，该直播品类可以为一项具体的游戏名，也可以为一项设定的直播内容等。现有技术中，直播平台可以针对不同观众的历史观看记录，确定观众的兴趣度，并按照兴趣度向观众推荐设定直播品类的直播间。
发明人在实现本发明的过程中，发现现有技术存在如下缺陷：将观众兴趣度作为推荐参考指标进行直播间推荐时，推荐参考指标的维度比较单一，只能从一个维度层面进行直播间推荐，无法满足人们日益增长的个性化的、便捷化的直播间推荐需求。
发明内容
本发明实施例提供一种直播间的推荐方法、装置、设备及介质，以提供一种新的直播间推荐技术，满足人们日益增长的个性化、便捷化的直播间推荐需求。
第一方面，本发明实施例提供了一种直播间的推荐方法，包括：
在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与目标直播间匹配的主播集合和观众集合；
根据主播集合中各主播的观众粘性指标，计算所述直播品类的主播分布均衡度；
根据观众集合中各观众与主播集合中各主播之间的关系指数，计算所述直播品类的主播用户交叉度；
在根据主播分布均衡度和主播用户交叉度，确定所述直播品类满足推荐调整条件时，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐。
第二方面，本发明实施例还提供了一种直播间的推荐装置，包括：
直播间筛选及集合获取模块，用于在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与目标直播间匹配的主播集合和观众集合；
主播分布均衡度计算模块，用于根据主播集合中各主播的观众粘性指标，计算所述直播品类的主播分布均衡度；
主播用户交叉度计算模块，用于根据观众集合中各观众与主播集合中各主播之间的关系指数，计算所述直播品类的主播用户交叉度；
直播间推荐模块，用于在根据主播分布均衡度和主播用户交叉度，确定所述直播品类满足推荐调整条件时，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任意实施例所述的直播间的推荐方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的直播间的推荐方法。
本发明实施例提供的技术方案中，通过在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与之匹配的主播集合和观众集合，根据主播集合中各主播的观众粘性指标计算直播品类的主播分布均衡度，根据观众集合中各观众与主播集合中各主播之间的关系指数计算直播品类的主播用户交叉度，然后在根据主播分布均衡度和主播用户交叉度确定直播品类满足推荐调整条件时，采取匹配的推荐调整策略在直播平台中推荐各目标直播间，通过根据主播分布均衡度和主播用户交叉度对同一直播品类的直播间进行分类的方式，提供一种以主播分布均衡度和主播用户交叉度作为新的推荐参考指标的新的直播间推荐技术，丰富了推荐参考指标的维度，满足了人们日益增长的个性化、便捷化的直播间推荐需求。
附图说明
图1是本发明实施例一中的一种直播间的推荐方法的流程示意图；
图2是本发明实施例二中的一种直播间的推荐方法的流程示意图；
图3是本发明实施例三中的一种直播间的推荐方法的流程示意图；
图4是本发明实施例四中的一种直播间的推荐装置的结构示意图；
图5是本发明实施例五中的一种计算机设备的硬件结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本发明实施例一提供的一种直播间的推荐方法的流程图，本发明实施例可适用于根据主播的特点，将设定直播品类的各项直播间在直播平台中进行推荐的情况。该方法可以由本发明实施例提供的直播间的推荐装置来执行，该装置可采用软件和/或硬件的方式实现，并一般可集成在具有数据处理功能的计算机设备中，例如，各种计算终端或者服务器。
如图1所示，本实施例提供的一种直播间的推荐方法，具体包括：
S110、在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与目标直播间匹配的主播集合和观众集合。
其中，直播间，指的是直播平台提供的，登录直播平台的观众观看主播直播内容的虚拟房间。目标直播间，指的是在直播平台的全部直播间中筛选得到的某一直播品类的所有直播间。
直播品类，指的是用于对直播间进行分类的一项分类指标，该分类指标与直播间的直播内容关联。典型的，该直播品类可以为某一项具体的网络游戏的游戏名称，也可以为某一类型的直播形式(例如，户外或者3D直播)等，本实施例对此并不进行具体限制。
可选的，可以在主播建立直播间时，指示主播设置一项用于输入直播品类的直播标签。相应的，在获取与设定直播品类匹配的直播标签后，可以通过对直播平台中的各直播间筛选直播标签的方式，获取用于直播设定直播品类的目标直播间。
在筛选得到各目标直播间后，可以直接获取与各目标直播间分别对应的主播构成主播集合，以及获取进入各目标直播间观看直播内容的观众构成观众集合。
其中，主播集合内的各主播，以及观众集合内的各观众可以使用主播以及观众登录所述直播平台所使用的唯一身份标识(典型的，登录账号或者设备标识等)进行识别。
120、根据主播集合中各主播的观众粘性指标，计算直播品类的主播分布均衡度。
在本发明实施例中，引入了主播分布均衡度这一概念作为一项新的推荐参考指标，以进行有效的直播间推荐。其中，该主播分布均衡度，具体用于衡量共同直播同一直播品类的各主播的用户量级的均衡性。该用户量级的均衡性主要可以使用观众粘性指标来衡量。
所谓观众粘性指标，用于衡量每个主播对观众所产生的依赖程度，示例性的，观众粘性指标可以是在一段时间内观看某个主播的直播视频的观众数量，例如，可以是日活跃用户数量或者月活跃用户数量等。
在本发明实施例中，一个直播品类的主播分布均衡度越高，说明直播该直播品类的各主播之间的用户量级越均衡，进而可以说明各个主播对该直播品类的整体用户量级的贡献也越均衡，该直播品类的主播稳定度也越高。其中，主播稳定度用于衡量直播某一直播品类的主播的波动性对该直播品类的整体用户量级的影响程度。直播稳定度越高，某一主播选择退出对该直播品类进行直播后，对该直播品类产生的影响程度越低。
对于某个直播品类而言，从主播的角度出发，可以根据与该直播品类匹配的主播集合中各主播的观众粘性指标，计算该直播品类的主播分布均衡度，定量分析该直播品类的各主播之间的用户量级是否均衡。
S130、根据观众集合中各观众与主播集合中各主播之间的关系指数，计算直播品类的主播用户交叉度。
在本发明实施例中，引入了主播分布均衡度这一概念作为一项新的推荐参考指标，以进行有效的直播间推荐。其中，该主播分布均衡度，具体从每个观众的角度下，衡量针对同一直播品类各个主播之间的可替代性。该主播用户交叉度主要可以使用各观众与主播集合中各主播之间的关系指数来衡量。
所谓关系指数，用于衡量每个观众对每个主播的持续关注程度，示例性的，关系指数可以是在一段时间后，仍然继续观看某个主播的直播视频的观众数量。
在本发明实施例中，一个直播品类的主播用户交叉度越高，说明针对同一观众来说，直播该直播品类的各主播之间的可替换性越强，该用户在选择观看上述直播品类时，对各主播的目标直播间的选择概率也会尽可能的均衡，同样的，该直播品类的主播稳定度也越高。
对于某个直播品类而言，从主播和用户的角度出发，可以根据与该直播品类匹配的观众集合中各观众与主播集合中各主播之间的关系指数，计算该直播品类的主播用户交叉度，定量分析该直播品类中各主播的目标直播间被用户选择的概率是否均衡。
S140、在根据主播分布均衡度和主播用户交叉度，确定直播品类满足推荐调整条件时，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐。
其中，可以针对与该直播品类对应的各目标直播间，预先设定匹配的直播间推荐策略，并按照该直播间推荐策略，对各目标直播间进行推荐。其中，上述直播间推荐策略可以采用现有技术中的任一项推荐策略，例如，直播间热度越高，推荐权重越高，或者主播的上播时间越长，推荐权重越高等。
在本发明实施例中，通过计算与该直播品类对应的主播分布均衡度和主播用户交叉度后，可以判断出该直播品类的各个目标直播间是否均衡发展，也即，是否满足推荐调整策略。如果确定直播品类不满足推荐调整策略，则说明该直播品类中各目标直播间均衡发展，当前的推荐策略合理有效；如果确定直播品类满足推荐调整策略，则说明该直播品类中各目标直播间没有均衡发展，需要对当前的推荐策略进行有效的调整。
需要再次强调的是，这里所说的均衡发展，是指各个主播对该直播品类的整体用户量级的贡献均衡，以及同一用户在选择观看所述直播品类时，对各主播的目标直播间的选择概率均衡。此时，说明该直播品类的主播健康度较好，该直播品类下主播的波动，不会对该直播品类的观众造成明显的负面影响。
可以理解的是，主播分布均衡度Z和主播用户交叉度U越高，越说明该直播品类的各个目标直播间均衡发展。因此，可以首先构建一个与该主播分布均衡度Z和主播用户交叉度U均正相关的健康度指数M，例如，M＝Z*M或者M＝Z+M，并预先设定一个门限阈值，如果计算得到的健康度指数M小于该门限阈值，则说明该直播品类满足推荐调整条件，进而需要对目标直播间在直播平台中的推荐策略进行相应的调整。或者，除了参考主播分布均衡度和主播用户交叉度之外，还可以考虑与该直播品类对应的其他参数，例如，直播间总数量和/或观众总数量等，并结合这些参数一同确定该直播品类是否满足该推荐调整条件。
在本实施例的一个可选的实施方式中，可以根据主播分布均衡度或者主播用户交叉度选取匹配的推荐调整策略，还可以根据由主播分布均衡度以及主播用户交叉度共同确定的健康度指数，选取匹配的推荐调整策略，本实施例对此并不进行具体限制。
其中，所述推荐调整策略可以为增加主播集合中一个或者多个主播的推荐权重，或者降低主播集合中一个或者多个主播的推荐权重等；或者，该推荐调整策略还可以为增加一个或者多个目标直播间的推荐权重，或者降低一个或者多个目标直播间的推荐权重等，本实施例对此并不进行具体限制。其中，一个主播或者一个目标直播间的推荐权重越高，在每次进行直播间推荐时，该主播或者目标直播间在直播平台的推荐列表中的排序越靠前。
需要再次强调的是，直播品类的内容质量对直播平台的长远发展具有重要意义，根据主播分布均衡度和主播用户交叉度，可以多维度地对各品类直播间的内容质量进行定量描述，实现了抽象问题的模型化转换，并且在确定直播品类满足推荐调整条件时，可以采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐，维护了直播品类的发展均衡性，促进了同一直播品类的直播间能够科学、良性的发展。
本发明实施例提供的技术方案中，通过在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与之匹配的主播集合和观众集合，根据主播集合中各主播的观众粘性指标计算直播品类的主播分布均衡度，根据观众集合中各观众与主播集合中各主播之间的关系指数计算直播品类的主播用户交叉度，然后在根据主播分布均衡度和主播用户交叉度确定直播品类满足推荐调整条件时，采取匹配的推荐调整策略在直播平台中推荐各目标直播间，通过根据主播分布均衡度和主播用户交叉度对同一直播品类的直播间进行分类的方式，提供一种以主播分布均衡度和主播用户交叉度作为新的推荐参考指标的新的直播间推荐技术，丰富了推荐参考指标的维度，满足了人们日益增长的个性化、便捷化的直播间推荐需求。
在本实施例的一个可选的实施方式中，根据主播分布均衡度和主播用户交叉度，确定直播品类满足推荐调整条件，可以包括：
根据主播分布均衡度和主播用户交叉度，计算直播品类的健康度，健康度分别与主播分布均衡度和主播用户交叉度正相关；将健康度，以及直播品类的基础直播属性输入至预先训练的分类模型中，并获取分类模型对直播品类的分类结果；如果确定分类结果为不健康品类，则确定直播品类满足推荐调整条件。
健康度，指的是某一直播品类的发展健康度。该健康度越高，说明该直播品类中的各个目标直播间的发展越均衡。在本发明实施例中，健康度可以是主播分布均衡度与主播用户交叉度的乘积。
基础直播属性，指的是用于直观表征直播品类基本特征的参数，例如，基础直播属性可以是直播品类的观众总数量、留存率或者目标直播间的总数量中的一个或者多个。
其中，分类模型，指的是预先训练好的用于区分直播品类的健康度好坏的模型。分类结果，指的是通过分类模型的输出结果得到的直播品类的健康度结果，能够反映与某一直播品类对应的各个目标直播间的发展均衡性。不健康品类，指的是目标直播间发展不均衡的直播品类。
在本发明实施例中，分类模型可以采用现有技术中任意一种能够进行二分类的机器学习模型，典型的，分类模型可以采用XGBoost(Extreme Gradient Boosting，极端梯度提升)算法，在得到的分类结果中，将健康度高的直播品类(即健康品类)标记为“1”，将健康度低的直播品类(即不健康品类)标记为“0”，从而对直播品类的健康度进行有效地区分。
根据主播分布均衡度和主播用户交叉度，计算直播品类的健康度，多维度地刻画了直播品类的内容质量，当直播品类的健康度下降时，能够快速定位是主播分布均衡度和/或主播用户交叉度出现了下降，然后将健康度以及直播品类的基础直播属性输入至预先训练的分类模型中，并获取分类模型对直播品类的分类结果，当确定分类结果为不健康品类时，则确定直播品类满足推荐调整条件，从而可以有针对性地调整直播品类的推荐策略。
这样设置的好处在于，除了将由主播分布均衡度和主播用户交叉度确定的健康度作为评价直播品类是否为健康品类的重要依据之外，进一步选取了直播品类的基础直播属性作为评价直播品类是否为健康品类的相关依据，使得最终对直播品类是否满足推荐调整条件的判断依据更加丰富和精准，进一步保证了直播品类的内容持续性健康发展，进而提高了直播平台的长远收益。
实施例二
图2是本发明实施例二提供的一种直播间的推荐方法的流程图。本实施例在上述实施例的基础上进行具体化，其中，本实施例未尽详细解释之处请参见前述实施例，在此不再赘述。
在本发明实施例中，可以将根据主播集合中各主播的观众粘性指标，计算直播品类的主播分布均衡度，具体为：根据直播平台中记录的各历史访问数据，确定主播集合中各主播的日活跃观众数量，作为各主播的观众粘性指标；根据各主播的日活跃观众数量除以主播集合中全部主播的日活跃观众总数量得到的活跃度比值，计算直播品类的主播分布均衡度。
以及，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐，具体化为：如果确定主播分布均衡度小于或等于第一门限阈值，则按照活跃度比值从大到小的顺序，从主播集合获取至少一个失衡主播；在全部目标直播间中，按照预设的降权策略，降低与各失衡主播分别对应的第一目标直播间的推荐权重；根据更新后的推荐权重。
相应的，如图2所示，本实施例提供的一种直播间的推荐方法，具体包括：
S210、在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与目标直播间匹配的主播集合和观众集合。
S220、根据直播平台中记录的各历史访问数据，确定主播集合中各主播的日活跃观众数量，作为各主播的观众粘性指标。
其中，历史访问数据，指的是直播平台中记录的各个观众进入直播间观看直播视频的记录。主播A的日活跃观众数量(Daily Active Use，DAU)，指的是一日内，进入主播A的直播间观看直播内容的观众总数量。
在本发明实施例中，在获取到直播平台中记录的各历史访问数据后，可以获取每天访问主播集合中各主播开播的一个或者多个直播间的全部观众，通过每天统计与每个主播分别对应的观众总数量，可以获取与各主播分别对应的日活跃观众数量，作为各主播的观众粘性指标。
S230、根据各主播的日活跃观众数量除以主播集合中全部主播的日活跃观众总数量得到的活跃度比值，计算直播品类的主播分布均衡度。
其中，日活跃观众总数量，指的是目标直播间匹配的主播集合中各主播的日活跃观众数量的累加和。活跃度比值，指的是各主播的日活跃观众数量与主播集合中全部主播的日活跃观众总数量的比值。其中，各活跃度比值之间的差异度越小，主播分布均衡度越大。
直播品类的主播分布均衡度可以根据活跃度比值计算得到，其中活跃度比值是各主播的日活跃观众数量除以主播集合中全部主播的日活跃观众总数量得到的计算结果。
可选的，根据各主播的日活跃观众数量除以主播集合中全部主播的日活跃观众总数量得到的活跃度比值，计算直播品类的主播分布均衡度，可以包括：
根据公式：
计算直播品类的主播分布均衡度Z；其中，N为主播集合中包括的主播总数量，Pi为主播集合中的第i个主播的日活跃观众数量Di除以主播集合中全部主播的日活跃观众总数量得到的活跃度比值。
活跃度比值Pi可以根据公式
计算得到，即主播集合中的第i个主播的日活跃观众数量Di除以主播集合中N个主播的日活跃观众总数量，然后根据活跃度比值Pi，计算直播品类的主播分布均衡度Z，即
S240、根据观众集合中各观众与主播集合中各主播之间的关系指数，计算直播品类的主播用户交叉度。
S250、在根据主播分布均衡度和主播用户交叉度，确定直播品类满足推荐调整条件时，如果确定主播分布均衡度小于或等于第一门限阈值，则按照活跃度比值从大到小的顺序，从主播集合获取至少一个失衡主播。
在本发明实施例中，如果确定直播品类满足推荐调整条件，则说明该直播品类并没有均衡发展。进而，可以根据主播分布均衡度和主播用户交叉度的具体取值，确定出具体是由于各个主播对该直播品类的整体用户量级的贡献不均衡，还是由于同一用户在选择观看所述直播品类时，对各主播的目标直播间的选择概率不均衡，导致的该直播品类发展不均衡。
在本发明实施例中，如果确定出主播分布均衡度小于或等于第一门限阈值，则可以量化确定出各个主播对该直播品类的整体用户量级的贡献不均衡，换句话说，该直播品类中的至少一个主播对观众产生的依赖程度较高，即至少一个主播的观众数量要远高于其余主播的观众数量。因此，需要找到那些观众数量严重高于其他主播观众数量的主播作为失衡主播。
本领域技术人员可以理解的是，当失衡主播由于某种原因停止直播或流失时，可能会导致该直播品类的观众人数急剧减少，或者造成观众在剩余主播的直播间内频繁切换带来的直播平台压力增大等负面影响，严重影响了直播品类的发展均衡性。
为了避免上述问题的发生，可以首先找到这些失衡主播，进而对这些失衡主播的推荐权重进行相应的调整。具体的，可以按照活跃度比值从大到小的顺序，从主播集合获取至少一个失衡主播。可以理解的是，一个主播的活跃度比值越大，该主播的日活跃观众总数量占该直播品类的全部日活跃观众总数量的比例越大，该主播的停播或流失对该直播品类的影响也越大。
其中，可以按照活跃度比值从大到小的顺序选择设定数量(例如，1个、2个或者3个等)的主播作为失衡主播，也可以活跃度比值从大到小的顺序，将各主播的活跃度比值进行累加求和，并将累加求和结果大于等于预设阈值时当前累加的各个主播，均作为失衡主播。
S260、在全部目标直播间中，按照预设的降权策略，降低与各失衡主播分别对应的第一目标直播间的推荐权重。
如前所述，推荐权重越大，在每次进行直播间推荐时，该主播在直播平台的推荐列表中的排序越靠前。通过降低该失衡主播对应的各第一目标直播间的推荐权重，可以从一定程度上降低失衡主播的日活跃观众总数量，进而可以有效降低失衡主播的活跃度比值，以有效提高与该直播品类对应的主播分布均衡度。
其中，在设定推荐权重时，可以按照失衡主播的活跃度比值越大，推荐权重降低比例越大的方式，降低各失衡主播的第一目标直播间的推荐权重；也可以针对不同活跃度比值的失衡主播，均设置相同的推荐权重降低比例，本实施例对此并不进行具体限制。
S270、根据更新后的推荐权重，将各第一目标直播间在直播平台中进行推荐。
其中，在更新各第一目标直播间的推荐权重之后，可以按照新的推荐权重，在直播平台中对各第一目标直播间进行推荐。
本发明实施例提供的技术方案中，通过在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与之匹配的主播集合和观众集合，根据主播集合中各主播的观众粘性指标计算直播品类的主播分布均衡度，根据观众集合中各观众与主播集合中各主播之间的关系指数计算直播品类的主播用户交叉度，然后在根据主播分布均衡度和主播用户交叉度确定直播品类满足推荐调整条件时，采取匹配的推荐调整策略在直播平台中推荐各目标直播间，通过根据主播分布均衡度和主播用户交叉度对同一直播品类的直播间进行分类的方式，提供一种以主播分布均衡度和主播用户交叉度作为新的推荐参考指标的新的直播间推荐技术，丰富了推荐参考指标的维度，满足了人们日益增长的个性化、便捷化的直播间推荐需求。
实施例三
图3是本发明实施例三提供的一种直播间的推荐方法的流程图。本实施例在上述实施例的基础上进行具体化，其中，本实施例未尽详细解释之处请参见前述实施例，在此不再赘述。
在本实施例的一个可选的实施方式中，可以将根据观众集合中各观众与主播集合中各主播之间的关系指数，计算直播品类的主播用户交叉度，具体为：
根据直播平台中记录的各历史访问数据，分别计算观众集合中各观众对主播集合中各主播的留存率，作为关系指数；按照留存率大小，形成与观众集合中每个观众分别对应的主播排序集合；将每个主播排序集合中处于同一排序位置的各主播的留存率进行累加求和，得到与每个排序位置分别对应的关系指数累加值；根据每个关系指数累加值除以全部关系指数累加值的总和得到的关系指数比值，计算直播品类的主播用户交叉度；
同时，将采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐，具体化为：
如果确定主播用户交叉度小于或等于第二门限阈值，则在与观众集合中每个观众分别对应的主播排序集合中，获取与每个观众分别对应的至少一个备选交叉主播；在检测满足对观众集合中的目标观众的直播间推荐条件时，获取与目标观众匹配的目标备选交叉主播；在全部目标直播间中，按照预设的升权策略，提高与各目标备选交叉主播分别对应的第二目标直播间的推荐权重；根据更新后的推荐权重，将各第二目标直播间在直播平台中向目标观众进行推荐。
相应的，如图3所示，本实施例提供的一种直播间的推荐方法，具体包括：
S310、在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与目标直播间匹配的主播集合和观众集合。
S320、根据主播集合中各主播的观众粘性指标，计算直播品类的主播分布均衡度。
S330、根据直播平台中记录的各历史访问数据，分别计算观众集合中各观众对主播集合中各主播的留存率，作为关系指数。
其中，留存率，指的是用户在某段时间内开始使用应用，经过一段时间后，仍然继续使用该应用的用户占新增用户的比例。在本发明实施例中，留存率可以指某个观众观看某个主播的直播视频的次数占该观众观看所有主播的直播视频的次数的比例，它能够反映一个直播间保留观众的能力。
在本发明实施例中，在获取到直播平台中记录的各历史访问数据后，可以获取观众集合中各观众观看主播集合中各主播开播的直播间的次数，通过计算各观众对主播集合中各主播的留存率，作为观众集合中各观众与主播集合中各主播之间的关系系数。
S340、按照留存率大小，形成与观众集合中每个观众分别对应的主播排序集合。
其中，主播排序集合，指的是对与目标直播间匹配的观众集合中各观众分别对应的主播，按照留存率大小进行排序后，得到的与各观众分别对应的新的主播集合。
S350、将每个主播排序集合中处于同一排序位置的各主播的留存率进行累加求和，得到与每个排序位置分别对应的关系指数累加值。
其中，关系指数累加值，指的是将各主播排序集合中处于同一排序位置的各主播的留存率进行累加后得到的数值，例如，将各主播排序集合中排名第一的各主播的留存率进行累加求和，得到与第一个排序位置对应的关系指数累加值。关系指数累加值的数量与主播集合中包括的主播总数量相等。
S360、根据每个关系指数累加值除以全部关系指数累加值的总和得到的关系指数比值，计算直播品类的主播用户交叉度。
关系指数比值，指的是各关系指数累加值与全部关系指数累加值的总和的比值。其中，各关系指数比值之间的差异度越小，主播用户交叉度越大。
直播品类的主播用户交叉度可以根据关系指数比值计算得到，其中关系指数比值是每个关系指数累加值除以全部关系指数累加值的总和。
可选的，根据每个关系指数累加值除以全部关系指数累加值的总和得到的关系指数比值，计算直播品类的主播用户交叉度，可以包括：
根据公式：
计算直播品类的主播用户交叉度U；其中，M为主播集合中包括的主播总数量，Pj为各主播排序集合中的第j个排序位置的关系指数累加值Ej除以全部关系指数累加值的总和得到的关系指数比值。
关系指数比值Pj可以根据公式
计算得到，即各主播排序集合中的第j个排序位置的关系指数累加值Ej除以全部关系指数累加值的总和，然后根据关系指数比值Pj，计算直播品类的主播用户交叉度U，即
S370、在根据主播分布均衡度和主播用户交叉度，确定直播品类满足推荐调整条件时，如果确定主播用户交叉度小于或等于第二门限阈值，则在与观众集合中每个观众分别对应的主播排序集合中，获取与每个观众分别对应的至少一个备选交叉主播。
在本发明实施例中，如果确定直播品类满足推荐调整条件，则说明该直播品类并没有均衡发展。进而，可以根据主播分布均衡度和主播用户交叉度的具体取值，确定出具体是由于各个主播的对该直播品类的整体用户量级的贡献不均衡，还是由于同一用户在选择观看所述直播品类时，对各主播的目标直播间的选择概率不均衡，导致的该直播品类发展不均衡。
在本发明实施例中，如果确定出主播用户交叉度小于或等于第二门限阈值，则可以量化确定出同一用户在选择观看所述直播品类时，对各主播的目标直播间的选择概率不均衡，换句话说，同一用户对该直播品类中的至少一个主播的持续关注程度较高，对其余主播的持续关注程度较低甚至没有关注，即用户选择至少一个主播的目标直播间的概率要远高于选择其余主播的目标直播间的概率。因此，需要找到那些被持续关注程度严重低于其他被持续关注程度的主播作为备选交叉主播。
本领域技术人员可以理解的是，当观众持续关注程度较高的主播由于某种原因停止直播或流失时，可能会导致该直播品类的观众人数急剧减少，或者造成观众在剩余主播的直播间内频繁切换带来的直播平台压力增大等负面影响，严重影响了直播品类的发展均衡性。
为了避免上述问题的发生，可以首先找到这些被持续关注程度较低的备选交叉主播，进而对这些备选交叉主播的推荐权重进行相应的调整。具体的，可以在与观众集合中每个观众分别对应的主播排序集合中，获取与每个观众分别对应的至少一个备选交叉主播。可以理解的是，在主播排序集合中，排名越靠前的主播的被持续关注程度越高，该主播的停播或流失对该直播品类的影响也越大；排名越靠后的主播的被持续关注程度越低，可以作为在该直播品类中与该观众对应的可选的替代性主播，即备选交叉主播。
其中，可以在与观众集合中每个观众分别对应的主播排序集合中，按照从后往前的顺序选择设定数量例如，1个、2个或者3个等)的主播作为备选交叉主播，也可以在主播排序集合中，将排序大于预设阈值的各个主播，均作为备选交叉主播。
S380、在检测满足对观众集合中的目标观众的直播间推荐条件时，获取与目标观众匹配的目标备选交叉主播。
其中，目标观众，指的是观众集合中被直播平台推荐直播间的观众。直播间推荐条件，指的是直播平台向观众推荐的直播间所具备的条件。目标备选交叉主播，指的是与目标观众对应的且符合该目标观众的直播间推荐条件的备选交叉主播。
当满足目标观众的直播间推荐条件时，获取与目标观众匹配的目标备选交叉主播。
S390、在全部目标直播间中，按照预设的升权策略，提高与各目标备选交叉主播分别对应的第二目标直播间的推荐权重。
如前所述，推荐权重越大，在每次进行直播间推荐时，该主播在直播平台的推荐列表中的排序越靠前。通过提高该目标备选交叉主播对应的各第二目标直播间的推荐权重，可以从一定程度上提高目标备选交叉主播的被持续关注程度，提高该直播品类的各主播之间的可替换性，进而可以有效提高与该直播品类对应的主播用户交叉度。
其中，在设定推荐权重时，可以按照目标备选交叉主播的排序越靠后，推荐权重提高比例越大的方式，提高各目标备选交叉主播的第二目标直播间的推荐权重；也可以针对不同排序的目标备选交叉主播，均设置相同的推荐权重提高比例，本实施例对此并不进行具体限制。
S3100、根据更新后的推荐权重，将各第二目标直播间在直播平台中向目标观众进行推荐。
其中，在更新各第二目标直播间的推荐权重之后，可以按照新的推荐权重，在直播平台中对各第二目标直播间进行推荐。
本发明实施例提供的技术方案中，通过在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与之匹配的主播集合和观众集合，根据主播集合中各主播的观众粘性指标计算直播品类的主播分布均衡度，根据观众集合中各观众与主播集合中各主播之间的关系指数计算直播品类的主播用户交叉度，然后在根据主播分布均衡度和主播用户交叉度确定直播品类满足推荐调整条件时，采取匹配的推荐调整策略在直播平台中推荐各目标直播间，通过根据主播分布均衡度和主播用户交叉度对同一直播品类的直播间进行分类的方式，提供一种以主播分布均衡度和主播用户交叉度作为新的推荐参考指标的新的直播间推荐技术，丰富了推荐参考指标的维度，满足了人们日益增长的个性化、便捷化的直播间推荐需求。
实施例四
图4是本发明实施例四提供的一种直播间的推荐装置的结构示意图。如图4所示，该直播间的推荐装置具体包括：直播间筛选及集合获取模块410、主播分布均衡度计算模块420、主播用户交叉度计算模块430以及直播间推荐模块440。其中，
直播间筛选及集合获取模块410，用于在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与目标直播间匹配的主播集合和观众集合；
主播分布均衡度计算模块420，用于根据主播集合中各主播的观众粘性指标，计算所述直播品类的主播分布均衡度；
主播用户交叉度计算模块430，用于根据观众集合中各观众与主播集合中各主播之间的关系指数，计算所述直播品类的主播用户交叉度；
直播间推荐模块440，用于在根据主播分布均衡度和主播用户交叉度，确定所述直播品类满足推荐调整条件时，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐。
本发明实施例提供的技术方案中，通过在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与之匹配的主播集合和观众集合，根据主播集合中各主播的观众粘性指标计算直播品类的主播分布均衡度，根据观众集合中各观众与主播集合中各主播之间的关系指数计算直播品类的主播用户交叉度，然后在根据主播分布均衡度和主播用户交叉度确定直播品类满足推荐调整条件时，采取匹配的推荐调整策略在直播平台中推荐各目标直播间，通过根据主播分布均衡度和主播用户交叉度对同一直播品类的直播间进行分类的方式，提供一种以主播分布均衡度和主播用户交叉度作为新的推荐参考指标的新的直播间推荐技术，丰富了推荐参考指标的维度，满足了人们日益增长的个性化、便捷化的直播间推荐需求。
可选的，主播分布均衡度计算模块420，还可以包括：观众粘性指标确定单元和主播分布均衡度计算单元，其中，
观众粘性指标确定单元，用于根据所述直播平台中记录的各历史访问数据，确定所述主播集合中各主播的日活跃观众数量，作为各所述主播的观众粘性指标；
主播分布均衡度计算单元，用于根据各主播的日活跃观众数量除以主播集合中全部主播的日活跃观众总数量得到的活跃度比值，计算所述直播品类的主播分布均衡度；其中，各活跃度比值之间的差异度越小，所述主播分布均衡度越大。
可选的，主播分布均衡度计算单元，具体可以用于：
根据公式：
计算所述直播品类的主播分布均衡度Z；其中，N为主播集合中包括的主播总数量，Pi为主播集合中的第i个主播的日活跃观众数量Di除以主播集合中全部主播的日活跃观众总数量得到的活跃度比值。
可选的，主播用户交叉度计算模块430，还可以包括：关系指数计算单元、主播排序集合生成单元、关系指数累加值计算单元和主播用户交叉度计算单元，其中，
关系指数计算单元，用于根据所述直播平台中记录的各历史访问数据，分别计算观众集合中各观众对主播集合中各主播的留存率，作为所述关系指数；
主播排序集合生成单元，用于按照留存率大小，形成与观众集合中每个观众分别对应的主播排序集合；
关系指数累加值计算单元，用于将每个主播排序集合中处于同一排序位置的各主播的留存率进行累加求和，得到与每个排序位置分别对应的关系指数累加值；
主播用户交叉度计算单元，用于根据每个关系指数累加值除以全部关系指数累加值的总和得到的关系指数比值，计算所述直播品类的主播用户交叉度；其中，各关系指数比值之间的差异度越小，主播用户交叉度越大。
可选的，主播用户交叉度计算单元，具体用于根据公式：
计算所述直播品类的主播用户交叉度U；其中，M为主播集合中包括的主播总数量，PJ为各主播排序集合中的第j个排序位置的关系指数累加值EJ除以全部关系指数累加值的总和得到的关系指数比值。
可选的，直播间推荐模块440，具体可以用于：
根据所述主播分布均衡度和主播用户交叉度，计算所述直播品类的健康度，所述健康度分别与所述主播分布均衡度和主播用户交叉度正相关；
将所述健康度，以及所述直播品类的基础直播属性输入至预先训练的分类模型中，并获取所述分类模型对所述直播品类的分类结果；
如果确定所述分类结果为不健康品类，则确定所述直播品类满足推荐调整条件；
在确定所述直播品类满足推荐调整条件时，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐。
作为一种可选的实施方式，直播间推荐模块440，具体可以用于：
如果确定所述主播分布均衡度小于或等于第一门限阈值，则按照活跃度比值从大到小的顺序，从所述主播集合获取至少一个失衡主播；在全部目标直播间中，按照预设的降权策略，降低与各所述失衡主播分别对应的第一目标直播间的推荐权重；根据更新后的所述推荐权重，将各第一目标直播间在直播平台中进行推荐。
作为另一种可选的实施方式，直播间推荐模块440，具体可以用于：
如果确定所述主播用户交叉度小于或等于第二门限阈值，则在与观众集合中每个观众分别对应的主播排序集合中，获取与所述每个观众分别对应的至少一个备选交叉主播；在检测满足对所述观众集合中的目标观众的直播间推荐条件时，获取与所述目标观众匹配的目标备选交叉主播；在全部目标直播间中，按照预设的升权策略，提高与各所述目标备选交叉主播分别对应的第二目标直播间的推荐权重；根据更新后的所述推荐权重，将各第二目标直播间在直播平台中向所述目标观众进行推荐。
上述直播间的推荐装置可执行本发明任意实施例所提供的直播间的推荐方法，具备执行直播间的推荐方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种计算机设备的硬件结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图5显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，***存储器28，连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。***存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如***存储器28中，这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图5中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种直播间的推荐方法。也即，所述处理单元执行所述程序时实现：
在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与目标直播间匹配的主播集合和观众集合；
根据主播集合中各主播的观众粘性指标，计算所述直播品类的主播分布均衡度；
根据观众集合中各观众与主播集合中各主播之间的关系指数，计算所述直播品类的主播用户交叉度；
在根据主播分布均衡度和主播用户交叉度，确定所述直播品类满足推荐调整条件时，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐。
实施例六
本发明实施例六提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的一种直播间的推荐方法：也即，该程序被处理器执行时实现：
在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与目标直播间匹配的主播集合和观众集合；
根据主播集合中各主播的观众粘性指标，计算所述直播品类的主播分布均衡度；
根据观众集合中各观众与主播集合中各主播之间的关系指数，计算所述直播品类的主播用户交叉度；
在根据主播分布均衡度和主播用户交叉度，确定所述直播品类满足推荐调整条件时，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言(诸如Java、Smalltalk、C++)，还包括常规的过程式程序设计语言(诸如“C”语言或类似的程序设计语言)。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络(包括局域网(LAN)或广域网(WAN))，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种直播间的推荐方法，其特征在于，包括：
在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与目标直播间匹配的主播集合和观众集合；
根据主播集合中各主播的观众粘性指标，计算所述直播品类的主播分布均衡度；
根据观众集合中各观众与主播集合中各主播之间的关系指数，计算所述直播品类的主播用户交叉度；
在根据主播分布均衡度和主播用户交叉度，确定所述直播品类满足推荐调整条件时，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐。
2.根据权利要求1所述的方法，其特征在于，根据主播集合中各主播的观众粘性指标，计算所述直播品类的主播分布均衡度，包括：
根据所述直播平台中记录的各历史访问数据，确定所述主播集合中各主播的日活跃观众数量，作为各所述主播的观众粘性指标；
根据各主播的日活跃观众数量除以主播集合中全部主播的日活跃观众总数量得到的活跃度比值，计算所述直播品类的主播分布均衡度；
其中，各活跃度比值之间的差异度越小，所述主播分布均衡度越大。
3.根据权利要求2所述的方法，其特征在于，根据各主播的日活跃观众数量除以主播集合中全部主播的日活跃观众总数量得到的活跃度比值，计算所述直播品类的主播分布均衡度，包括：
根据公式：
计算所述直播品类的主播分布均衡度Z；
其中，N为主播集合中包括的主播总数量，Pi为主播集合中的第i个主播的日活跃观众数量Di除以主播集合中全部主播的日活跃观众总数量得到的活跃度比值。
4.根据权利要求1所述的方法，其特征在于，根据观众集合中各观众与主播集合中各主播之间的关系指数，计算所述直播品类的主播用户交叉度，包括：
根据所述直播平台中记录的各历史访问数据，分别计算观众集合中各观众对主播集合中各主播的留存率，作为所述关系指数；
按照留存率大小，形成与观众集合中每个观众分别对应的主播排序集合；
将每个主播排序集合中处于同一排序位置的各主播的留存率进行累加求和，得到与每个排序位置分别对应的关系指数累加值；
根据每个关系指数累加值除以全部关系指数累加值的总和得到的关系指数比值，计算所述直播品类的主播用户交叉度；
其中，各关系指数比值之间的差异度越小，主播用户交叉度越大。
5.根据权利要求4所述的方法，其特征在于，根据每个关系指数累加值除以全部关系指数累加值的总和得到的关系指数比值，计算所述直播品类的主播用户交叉度，包括：
根据公式：
计算所述直播品类的主播用户交叉度U；
其中，M为主播集合中包括的主播总数量，Pj为各主播排序集合中的第j个排序位置的关系指数累加值Ej除以全部关系指数累加值的总和得到的关系指数比值。
6.根据权利要求1所述的方法，其特征在于，根据主播分布均衡度和主播用户交叉度，确定所述直播品类满足推荐调整条件，包括：
根据所述主播分布均衡度和主播用户交叉度，计算所述直播品类的健康度，所述健康度分别与所述主播分布均衡度和主播用户交叉度正相关；
将所述健康度，以及所述直播品类的基础直播属性输入至预先训练的分类模型中，并获取所述分类模型对所述直播品类的分类结果；
如果确定所述分类结果为不健康品类，则确定所述直播品类满足推荐调整条件。
7.根据权利要求2所述的方法，其特征在于，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐，包括：
如果确定所述主播分布均衡度小于或等于第一门限阈值，则按照活跃度比值从大到小的顺序，从所述主播集合获取至少一个失衡主播；
在全部目标直播间中，按照预设的降权策略，降低与各所述失衡主播分别对应的第一目标直播间的推荐权重；
根据更新后的所述推荐权重，将各第一目标直播间在直播平台中进行推荐。
8.根据权利要求4所述的方法，其特征在于，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐，包括：
如果确定所述主播用户交叉度小于或等于第二门限阈值，则在与观众集合中每个观众分别对应的主播排序集合中，获取与所述每个观众分别对应的至少一个备选交叉主播；
在检测满足对所述观众集合中的目标观众的直播间推荐条件时，获取与所述目标观众匹配的目标备选交叉主播；
在全部目标直播间中，按照预设的升权策略，提高与各所述目标备选交叉主播分别对应的第二目标直播间的推荐权重；
根据更新后的所述推荐权重，将各第二目标直播间在直播平台中向所述目标观众进行推荐。
9.一种直播间的推荐装置，其特征在于，包括：
直播间筛选及集合获取模块，用于在直播平台的全部直播间中，筛选用于直播设定直播品类的目标直播间，并获取与目标直播间匹配的主播集合和观众集合；
主播分布均衡度计算模块，用于根据主播集合中各主播的观众粘性指标，计算所述直播品类的主播分布均衡度；
主播用户交叉度计算模块，用于根据观众集合中各观众与主播集合中各主播之间的关系指数，计算所述直播品类的主播用户交叉度；
直播间推荐模块，用于在根据主播分布均衡度和主播用户交叉度，确定所述直播品类满足推荐调整条件时，采取匹配的推荐调整策略，将各目标直播间在直播平台中进行推荐。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110468213.7A CN113132749B (zh) | 2021-04-28 | 2021-04-28 | 直播间的推荐方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110468213.7A CN113132749B (zh) | 2021-04-28 | 2021-04-28 | 直播间的推荐方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113132749A true CN113132749A (zh) | 2021-07-16 |
| CN113132749B CN113132749B (zh) | 2022-10-04 |
Family
ID=76781172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110468213.7A Active CN113132749B (zh) | 2021-04-28 | 2021-04-28 | 直播间的推荐方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113132749B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114025176A (zh) * | 2021-08-24 | 2022-02-08 | 广州方硅信息技术有限公司 | 主播推荐方法、装置、电子设备及存储介质 |
| CN114710686A (zh) * | 2022-03-11 | 2022-07-05 | 武汉斗鱼鱼乐网络科技有限公司 | 一种直播间的曝光方法、装置、介质及设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002025938A2 (en) * | 2000-09-20 | 2002-03-28 | Koninklijke Philips Electronics N.V. | Method and apparatus for generating recommendation scores using implicit and explicit viewing preference |
| WO2012002685A2 (ko) * | 2010-07-02 | 2012-01-05 | 아코지토(주) | 협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템 |
| CN108304888A (zh) * | 2018-02-28 | 2018-07-20 | 广州虎牙信息科技有限公司 | 直播平台用户分类方法及计算机存储介质、终端 |
| CN109905723A (zh) * | 2019-03-04 | 2019-06-18 | 武汉斗鱼鱼乐网络科技有限公司 | 一种主播的推荐方法、服务器以及可读存储介质 |
| CN110602518A (zh) * | 2019-09-18 | 2019-12-20 | 广州虎牙科技有限公司 | 直播推荐方法、装置、电子设备及可读存储介质 |
| CN110996116A (zh) * | 2019-12-18 | 2020-04-10 | 广州市百果园信息技术有限公司 | 一种主播信息的推送方法、装置、计算机设备和存储介质 |
-
2021
- 2021-04-28 CN CN202110468213.7A patent/CN113132749B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002025938A2 (en) * | 2000-09-20 | 2002-03-28 | Koninklijke Philips Electronics N.V. | Method and apparatus for generating recommendation scores using implicit and explicit viewing preference |
| WO2012002685A2 (ko) * | 2010-07-02 | 2012-01-05 | 아코지토(주) | 협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템 |
| CN108304888A (zh) * | 2018-02-28 | 2018-07-20 | 广州虎牙信息科技有限公司 | 直播平台用户分类方法及计算机存储介质、终端 |
| CN109905723A (zh) * | 2019-03-04 | 2019-06-18 | 武汉斗鱼鱼乐网络科技有限公司 | 一种主播的推荐方法、服务器以及可读存储介质 |
| CN110602518A (zh) * | 2019-09-18 | 2019-12-20 | 广州虎牙科技有限公司 | 直播推荐方法、装置、电子设备及可读存储介质 |
| CN110996116A (zh) * | 2019-12-18 | 2020-04-10 | 广州市百果园信息技术有限公司 | 一种主播信息的推送方法、装置、计算机设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114025176A (zh) * | 2021-08-24 | 2022-02-08 | 广州方硅信息技术有限公司 | 主播推荐方法、装置、电子设备及存储介质 |
| CN114710686A (zh) * | 2022-03-11 | 2022-07-05 | 武汉斗鱼鱼乐网络科技有限公司 | 一种直播间的曝光方法、装置、介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113132749B (zh) | 2022-10-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110929052B (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
| CN113132749B (zh) | 直播间的推荐方法、装置、设备及介质 | |
| CN112969079B (zh) | 主播的资源分配方法、装置、计算机设备及存储介质 | |
| CN111144941A (zh) | 商户评分的生成方法、装置、设备及可读存储介质 | |
| CN112711691B (zh) | 网络舆情引导效果数据信息处理方法、***、终端及介质 | |
| CN109740036B (zh) | Ota平台酒店排序方法及装置 | |
| CN109086822A (zh) | 一种主播用户分类方法、装置、设备及存储介质 | |
| CN111090833A (zh) | 一种数据处理方法、***及相关设备 | |
| US20210232484A1 (en) | Application quality index | |
| CN113918806A (zh) | 自动推荐培训课程的方法及相关设备 | |
| CN111340540A (zh) | 广告推荐模型的监控方法、推荐方法及装置 | |
| CN110895706A (zh) | 一种目标聚类数的获取方法、装置及计算机*** | |
| CN110609963B (zh) | 推荐榜单生成方法及装置、电子设备及存储介质 | |
| CN117352114A (zh) | 一种基于聚类算法的心理测评量表的推荐方法及*** | |
| CN111445280A (zh) | 模型生成方法、餐馆排序方法、***、设备和介质 | |
| WO2014020299A1 (en) | Location evaluation | |
| CN115641198A (zh) | 用户运营方法、装置、电子设备和存储介质 | |
| CN110991241A (zh) | 异常识别方法、设备及计算机可读介质 | |
| CN114466214B (zh) | 直播间人数统计方法及装置 | |
| CN115738285A (zh) | 一种游戏质量评价反馈方法及*** | |
| CN108629023A (zh) | 数据挖掘方法、装置以及计算机可读存储介质 | |
| CN113297398A (zh) | 一种用户召回方法、装置、计算机设备和存储介质 | |
| CN114625894A (zh) | 鉴赏力评估、模型训练方法、装置、介质和计算设备 | |
| CN110297982B (zh) | 一种推荐方法、装置、设备及介质 | |
| CN113781239A (zh) | 一种策略确定方法、装置、电子设备以及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |