CN113422986A - 用于直播间推荐的方法、装置、设备、介质和程序产品 - Google Patents
用于直播间推荐的方法、装置、设备、介质和程序产品 Download PDFInfo
- Publication number
- CN113422986A CN113422986A CN202110674166.1A CN202110674166A CN113422986A CN 113422986 A CN113422986 A CN 113422986A CN 202110674166 A CN202110674166 A CN 202110674166A CN 113422986 A CN113422986 A CN 113422986A
- Authority
- CN
- China
- Prior art keywords
- live
- live broadcast
- time
- user
- generating
- 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 60
- 238000004590 computer program Methods 0.000 claims description 11
- 230000020169 heat generation Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- H04N21/25—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
- H04N21/254—Management at additional data server, e.g. shopping server, rights management server
- H04N21/2542—Management at additional data server, e.g. shopping server, rights management server for selling goods, e.g. TV shopping
-
- 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]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
- H04N21/25891—Management of end-user data being end-user preferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/4508—Management of client data or end-user data
- H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
-
- 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
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/47815—Electronic shopping
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Graphics (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开公开了用于直播间推荐的方法、装置、设备、介质和程序产品,涉及计算机技术领域,尤其涉及大数据领域。具体实现方案为:基于与直播间所推荐对象相关联的用户历史交易数据,生成与当前处于直播状态的直播间集相关联的用户兴趣度集;从直播间集确定用户兴趣度大于预定值的多个直播间;对于多个直播间中的每个直播间,基于与直播间相关联的、针对当前直播场次的对象交易统计信息和直播时长,生成与直播间相关联的热度值;以及基于与多个直播间相关联的多个热度值和与多个直播间相关联的多个用户兴趣度,生成多个直播间的排序结果,以用于向用户推荐。由此,能够从用户兴趣和直播间热度这两个维度来更精准地推荐直播间。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及大数据技术。
背景技术
传统直播推荐技术主要基于直播内容以及诸如用户的点击、展现、点展比、观看时长等常规行为来进行推荐。随着电商直播的发展,越来越多的用户在直播间进行购物,传统直播推荐技术对于这类场景的推荐准确性较差。
发明内容
本公开提供了一种用于直播间推荐的方法、装置、设备、存储介质和程序产品。
根据本公开的第一方面,提供了一种用于直播间推荐的方法,包括:基于与直播间所推荐对象相关联的用户历史交易数据,生成与当前处于直播状态的直播间集相关联的用户兴趣度集;从直播间集确定用户兴趣度大于预定值的多个直播间;对于多个直播间中的每个直播间,基于与直播间相关联的、针对当前直播场次的对象交易统计信息和直播时长,生成与直播间相关联的热度值;以及基于与多个直播间相关联的多个热度值和与多个直播间相关联的多个用户兴趣度,生成多个直播间的排序结果,以用于向用户推荐。
根据本公开的第二方面,提供了一种用于直播间推荐的装置,包括:用户兴趣度生成模块,用于基于与直播间所推荐对象相关联的用户历史交易数据,生成与当前处于直播状态的直播间集相关联的用户兴趣度集;直播间确定模块,用于从直播间集确定用户兴趣度大于预定值的多个直播间;热度值生成模块,用于对于多个直播间中的每个直播间,基于与直播间相关联的、针对当前直播场次的对象交易统计信息和直播时长,生成与直播间相关联的热度值;以及直播间排序模块,用于基于与多个直播间相关联的多个热度值和与多个直播间相关联的多个用户兴趣度,生成多个直播间的排序结果,以用于向用户推荐。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行根据第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据第一方面所述的方法。
由此,能够从用户兴趣和直播间热度这两个维度来更精准地推荐直播间。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。
图1是根据本公开实施例的信息处理环境100的示意图。
图2是根据本公开实施例的用于直播间推荐的方法200的示意图。
图3是根据本公开实施例的用于生成热度值的方法300的示意图。
图4是根据本公开实施例的用于确定多个第二对象类别标签集的方法400的示意图。
图5是根据本公开实施例的用于生成用户相关度集的方法500的示意图。
图6是根据本公开实施例的用于确定用户兴趣度集的方法600的示意图。
图7是根据本公开实施例的用于直播间推荐的装置700的示意框图。
图8是用来实现本公开实施例的用于直播间推荐的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如上所述,传统直播推荐方案对于电商直播场景的推荐准确性较差,主要存在以下问题:1)缺少对用户在电商直播场景下的交易行为深度建模,无法跟踪用户的长短期交易兴趣变化,无法聚焦到商品维度的细粒度兴趣偏好;2)传统方案大多从用户兴趣偏好角度来进行直播间推荐,缺乏通过多维度指标来提升推荐效果。
为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个,本公开的示例实施例提出了一种用于文本匹配的方案。在该方案中,计算设备基于与直播间所推荐对象相关联的用户历史交易数据,生成与当前处于直播状态的直播间集相关联的用户兴趣度集,并从直播间集确定用户兴趣度大于预定值的多个直播间。随后,计算设备对于多个直播间中的每个直播间,基于与直播间相关联的、针对当前直播场次的对象交易统计信息和直播时长,生成与直播间相关联的热度值。接着,计算设备基于与多个直播间相关联的多个热度值和与多个直播间相关联的多个用户兴趣度,生成多个直播间的排序结果,以用于向用户推荐。以此方式,能够从用户兴趣和直播间热度这两个维度来更精准地推荐直播间。
在下文中,将结合附图更详细地描述本公开的具体实施例。
图1示出了根据本公开的实施例的信息处理环境100的示例的示意图。信息处理环境100可以包括计算设备110、与直播间所推荐对象相关联的用户历史交易数据120、当前处于直播状态的直播间集130、与直播间相关联的、针对当前直播场次的对象交易统计信息140和直播时长150、多个直播间的排序结果160。
计算设备110例如包括但不限于服务器计算机、多处理器***、大型计算机、包括上述***或设备中的任意一个的分布式计算环境等。在一些实施例中,计算设备110可以具有一个或多个处理单元,包括诸如图像处理单元GPU、现场可编程门阵列FPGA和专用集成电路ASIC等的专用处理单元以及诸如中央处理单元CPU的通用处理单元。
计算设备110用于基于与直播间所推荐对象相关联的用户历史交易数据120,生成与当前处于直播状态的直播间集130相关联的用户兴趣度集;从直播间集130确定用户兴趣度大于预定值的多个直播间;对于多个直播间中的每个直播间,基于与直播间相关联的、针对当前直播场次的对象交易统计信息140和直播时长150,生成与直播间相关联的热度值;以及基于与多个直播间相关联的多个热度值和与多个直播间相关联的多个用户兴趣度,生成多个直播间的排序结果160,以用于向用户推荐。
由此,能够从用户兴趣和直播间热度这两个维度来更精准地推荐直播间。
图2示出了根据本公开的实施例的用于直播间推荐的方法200的流程图。例如,方法200可以由如图1所示的计算设备110来执行。应当理解的是,方法200还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。
在框202处,计算设备110基于与直播间所推荐对象相关联的用户历史交易数据120,生成与当前处于直播状态的直播间集130相关联的用户兴趣度集。
具体来说,计算设备110可以从用户历史交易数据120获取与多个等级相关联的多个第一对象类别标签集以及与多个第一对象类别标签集相关联的多个第一交易频次集和多个第一最近一次交易时间集。
对象例如包括但不限于商品。商品可以具有多个等级的类别标签,例如办公用品(一级)->教育文具(二级)->文件收纳(三级)。相同等级可以包括多个类别标签,例如第一级可以包括办公用品、生活家居、运动服饰等类别标签。用户历史交易数据可以包括用户针对不同等级的类别标签的交易频次和最近一次交易时间。
随后,计算设备11可以基于多个第一交易频次集和多个第一最近一次交易时间集,从多个第一对象类别标签集确定与多个等级相关联的多个第二对象类别标签集。下文结合图4详细描述用于确定多个第二对象类别标签集的方法。
接着,计算设备110可以基于与多个第二对象类别标签集相关联的多个第二交易频次集和多个第二最近一次交易时间集,生成与多个第二对象类别标签集相关联的用户相关度集。下文结合图5详细描述用于生成用户相关度集的方法。
之后,计算设备110可以基于用户相关度集,确定与直播间集相关联的用户兴趣度集。下文结合图6详细描述用于确定用户兴趣度集的方法。
由此,能够结合用户针对多个等级的对象类别标签的交易频次和最近一次交易时间,确定用户对多个等级类别对象的兴趣画像从而更准确确定用户对于直播间的兴趣度。
在框204处,计算设备110从直播间集120确定用户兴趣度大于预定值的多个直播间。
在框206处,计算设备110对于多个直播间中的每个直播间,基于与直播间相关联的、针对当前直播场次的对象交易统计信息140和直播时长150,生成与直播间相关联的热度值。
对象交易统计信息例如包括但不限于对象成交额和对象订单量。对象例如包括但不限于商品。下文结合图3详细描述用于生成热度值的方法。
在框208处,计算设备110基于与多个直播间相关联的多个热度值和与多个直播间相关联的多个用户兴趣度,生成多个直播间的排序结果160,以用于向用户推荐。
具体来说,计算设备110可以对于多个直播间中的每个直播间,基于与直播间相关联的热度值和用户兴趣度,生成与直播间相关联的推荐置信度。例如,可以将热度值与用户兴趣度相乘的结果作为推荐置信度。
随后,计算设备110可以基于与多个直播间相关联的多个推荐置信度,生成多个直播间的排序结果160。例如,基于推荐置信度对多个直播间进行降序或者升序排序,生成排序结果160。
由此,能够从用户兴趣和直播间热度这两个维度来更精准地推荐直播间。
图3示出了根据本公开的实施例的用于生成热度值的方法300的示意图。例如,方法300可以由如图1所示的计算设备110来执行。应当理解的是,方法300还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。
在框302处,计算设备110基于与直播间相关联的、针对当前直播场次的对象成交额和直播时长,生成与直播间相关联的成交额热度。
在一些实施例中,计算设备110可以基于与直播间相关联的、针对当前直播场次的对象成交额和直播时长,生成与直播间相关联的、针对当前直播场次的第一单位时间对象成交额。
随后,计算设备110可以确定历史时间段内多个直播场次所对应的多个单位时间对象成交额中排名预定位置的第二单位时间对象成交额。
接着,计算设备110可以基于第一单位时间对象成交额以及第二单位时间对象成交额,生成与直播间相关联的成交额热度。
由此,能够以历史时段内多个直播场次中排名预定位置的单位时间对象成交额为基准来生成直播间当前直播场次的成交额热度,使得成交额热度基准可以随着时间而变化,更准确反映成交额热度。
例如,可以通过以下公式(1)来生成成交额热度。
其中,G表示针对当前直播场次的对象成交额,durt表示针对当前直播场次的直播时长,pg为历史时间段内多个直播场次所对应的多个单位时间对象成交额中排名预定位置的第二单位时间对象成交额,历史时间段例如包括但不限于前3个月,预定位置例如包括但不限于前15%处,wgmv为预设常量,例如为0.05。应当理解,公式(1)以及其中的数值仅是举例说明,也可以采用其他合适的公式来生成成交额热度,例如pg可以为预设常量,例如为15,或者将对象成交额与直播时长之间的商作为成交额热度,本公开的范围在此不受限制。
在框304处,计算设备110基于与直播间相关联的、针对当前直播场次的对象订单量和直播时长,生成与直播间相关联的订单量热度。
在一些实施例中,计算设备110可以基于与直播间相关联的、针对当前直播场次的对象订单量和直播时长,生成与直播间相关联的、针对当前直播场次的第一单位时间对象订单量。
随后,计算设备110可以确定历史时间段内多个直播场次所对应的多个单位时间对象订单量中排名预定位置的第二单位时间对象订单量。
接着,计算设备110可以基于第一单位时间对象订单量以及第二单位时间对象订单量,生成与直播间相关联的订单量热度。
由此,能够以历史时段内多个直播场次中排名预定位置的单位时间对象订单量为基准来生成直播间当前直播场次的订单量热度,使得订单量热度基准可以随着时间而变化,更准确反映订单量热度。
例如,可以通过以下公式(2)来生成订单量热度。
其中,order表示针对当前直播场次的对象订单量,durt表示针对当前直播场次的直播时长,po为历史时间段内多个直播场次所对应的多个单位时间对象订单量中排名预定位置的单位时间对象订单量,历史时间段例如包括但不限于前3个月,预定位置例如包括但不限于前15%处,worder为预设常量,例如为1.0。应当理解,公式(2)以及其中的数值仅是举例说明,也可以采用其他合适的公式来生成订单量热度,例如po可以为预设常量,例如为0.3,或者将对象订单量与直播时长之间的商作为订单量热度,本公开的范围在此不受限制。
在框306处,计算设备110基于成交额热度和订单量热度,生成与直播间相关联的热度值。
例如,可以将成交额热度fgmv与订单量热度forder相乘,生成与直播间相关联的热度值。
由此,通过针对当前直播场次的对象成交额、对象订单量和直播时长来综合确定直播间的热度值,能够即时准确反映直播间当前直播场次的对象交易热度。
图4示出了根据本公开的实施例的用于确定多个第二对象类别标签集的方法400的示意图。例如,方法400可以由如图1所示的计算设备110来执行。应当理解的是,方法400还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。方法400包括对于多个等级中的每个等级,执行以下步骤。
在框402处,计算设备110从与等级相关联的第一对象类别标签集确定最近一次交易时间与当前时间之间的时间间隔小于第一预定时长的第一对象类别标签子集。
在框404处,计算设备110从第一对象类别标签集确定最近一次交易时间与当前时间之间的时间间隔大于或等于第一预定时长的第二对象类别标签子集。
第一预定时长例如包括但不限于K天,例如7天。例如,可以将第一对象类别标签集划分为最近一次交易时间在最近7天内的第一对象类别标签子集以及最近一次交易时间在最近7天以外的第二对象类别标签子集。第一对象类别标签子集反映了用户的短期兴趣点。
在框406处,计算设备110确定第二对象类别标签子集中交易频次排名前N个的N个对象类别标签,N大于1。
N例如包括但不限于100、50、30等。这N个对象类别标签反映了用户的长期兴趣点。
在框408处,计算设备110基于第一对象类别标签子集和N个对象类别标签,生成与等级相关联的第二对象类别标签集。
例如将第一对象类别标签子集与N个对象类别标签合并为第二对象类别标签集,得到反映用户对于对象类别标签的长短期兴趣画像。
由此,能够基于最近一次交易时间和交易频次,生成用户对于直播间所推荐对象的对象类别标签的长短期兴趣画像。此外,随着时间的更新,长短期兴趣画像也会得到更新。
图5示出了根据本公开的实施例的用于生成用户相关度集的方法500的示意图。例如,方法500可以由如图1所示的计算设备110来执行。应当理解的是,方法500还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。
在框502处,计算设备110从多个第二对象类别标签集确定最近一次交易时间与当前时间之间的时间间隔小于第二预定时长的多个对象类别标签。第二预定时长例如包括但不限于1个月。
在框504处,计算设备110对于多个对象类别标签中的每个对象类别标签,基于与对象类别标签相关联的交易频次和最近一次交易时间、当前时间以及第二预定时长,生成与对象类别标签相关联的用户相关度。
在一些实施例中,计算设备110可以确定与对象类别标签相关联的最近一次交易时间与当前时间之间的时间间隔。
随后,计算设备110可以基于时间间隔和第二预定时长,生成衰减因子。
例如,可以通过以下公式(3)来生成衰减因子。
其中,tm表示当前时间,last_tm表示最近一次交易时间,T表示第二预定时长。应当理解,公式(3)以及其中的数值仅是举例说明,也可以采用其他合适的公式来生成衰减因子,例如将时间间隔与第二预定时长的商取负作为衰减因子,本公开的范围在此不受限制。
接着,计算设备110可以基于与对象类别标签相关联的交易频次和衰减因子,生成与对象类别标签相关联的用户相关度。
例如,可以通过以下公式(4)将交易频次与衰减因子相乘来生成与对象类别标签相关联的用户相关度simlabel。
其中,N表示交易频次,其余参数可参见公式(3),不再赘述。
由此,通过最近一次交易时间与当前时间之间的时间间隔经由第二预定时长来进行衰减,能够准确反映用户兴趣随着时间的衰减程度,从而更准确确定对于对象标签的用户相关度。
此外,对于多个第二对象类别标签集中除了所确定的多个对象类别标签之外的对象类别标签,可以将其用户相关度确定为0。
由此,能够基于对象类别标签的交易频次、最近一次消费时间和当前时间,来准确确定针对对象类别标签的用户相关度。
图6示出了根据本公开的实施例的用于确定用户兴趣度集的方法600的示意图。例如,方法600可以由如图1所示的计算设备110来执行。应当理解的是,方法600还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。方法600可以包括对于直播间集中的每个直播间,执行以下步骤。
在框602处,计算设备110确定与直播间所推荐的多个对象相关联的多个第三对象类别标签集,多个第三对象类别标签集与多个等级相关联。
例如,直播间所推荐的对象有R个,有L个等级,则可以存在L个第三对象类别标签集,每个对象类别标签集包括R个对象类别标签。
在框604处,计算设备110对于多个等级中的每个等级,基于与等级所关联的第三对象类别标签集相关联的用户相关度集,生成与等级相关联的用户相关度。
例如可以从上面确定的用户相关度中确定与第三对象类别标签集中的R个对象类别标签相关联的R个用户相关度,随后将这R个用户相关度相加,生成与等级相关联的用户相关度,从而得到与L个等级相关联的L个用户相关度。
在框606处,计算设备110基于与多个等级相关联的多个用户相关度,确定与直播间相关联的用户兴趣度。
例如,可以将L个用户相关度按照多个等级的权重进行加权,确定与直播间相关联的用户兴趣度sim,如以下公式(5)所示。
其中,L表示等级的个数,R表示直播间所推荐对象的个数,Wl表示第l个等级的权重,simlabel表示与对象类别标签相关联的用户相关度。
由此,能够基于直播间所推荐对象所关联的不同等级的对象类别标签的用户相关度进行综合,准确得到直播间的用户兴趣度。
图7示出了根据本公开的实施例的用于直播间推荐的装置700的示意框图。如图7所示,装置700包括用户兴趣度生成模块710、直播间确定模块720、热度值生成模块730和直播间排序模块740。
用户兴趣度生成模块710用于基于与直播间所推荐对象相关联的用户历史交易数据,生成与当前处于直播状态的直播间集相关联的用户兴趣度集。
直播间确定模块720,用于从所述直播间集确定用户兴趣度大于预定值的多个直播间。
热度值生成模块730,用于对于所述多个直播间中的每个直播间,基于与所述直播间相关联的、针对当前直播场次的对象交易统计信息和直播时长,生成与所述直播间相关联的热度值。
直播间排序模块740,用于基于与所述多个直播间相关联的多个热度值和与所述多个直播间相关联的多个用户兴趣度,生成所述多个直播间的排序结果,以用于向用户推荐。
在一些实施例中,热度值生成模块730可以包括成交额热度生成子模块,用于基于与直播间相关联的、针对当前直播场次的对象成交额和直播时长,生成与直播间相关联的成交额热度;订单量热度生成子模块,用于基于与直播间相关联的、针对当前直播场次的对象订单量和直播时长,生成与直播间相关联的订单量热度;以及热度值生成子模块,用于基于成交额热度和订单量热度,生成与直播间相关联的热度值。
备选地或者附加地,在一些实施例中,成交额热度生成子模块还可以用于基于与直播间相关联的、针对当前直播场次的对象成交额和直播时长,生成与直播间相关联的、针对当前直播场次的第一单位时间对象成交额;确定历史时间段内多个直播场次所对应的多个单位时间对象成交额中排名预定位置的第二单位时间对象成交额;以及基于第一单位时间对象成交额以及第二单位时间对象成交额,生成与直播间相关联的成交额热度。
备选地或者附加地,在一些实施例中,订单量热度生成子模块还可以用于基于与直播间相关联的、针对当前直播场次的对象订单量和直播时长,生成与直播间相关联的、针对当前直播场次的第一单位时间对象订单量;确定历史时间段内多个直播场次所对应的多个单位时间对象订单量中排名预定位置的第二单位时间对象订单量;以及基于第一单位时间对象订单量以及第二单位时间对象订单量,生成与直播间相关联的订单量热度。
在一些实施例中,用户兴趣度生成模块710可以包括第一对象类别标签获取子模块,用于从用户历史交易数据获取与多个等级相关联的多个第一对象类别标签集以及与多个第一对象类别标签集相关联的多个第一交易频次集和多个第一最近一次交易时间集;第二对象类别标签确定子模块,用于基于多个第一交易频次集和多个第一最近一次交易时间集,从多个第一对象类别标签集确定与多个等级相关联的多个第二对象类别标签集;用户相关度生成子模块,用于基于与多个第二对象类别标签集相关联的多个第二交易频次集和多个第二最近一次交易时间集,生成与多个第二对象类别标签集相关联的用户相关度集;以及用户兴趣度确定子模块,用于基于用户相关度集,确定与直播间集相关联的用户兴趣度集。
在一些实施例中,第二对象类别标签确定子模块还可以用于对于多个等级中的每个等级,执行以下步骤:从与等级相关联的第一对象类别标签集确定最近一次交易时间与当前时间之间的时间间隔小于第一预定时长的第一对象类别标签子集;从第一对象类别标签集确定最近一次交易时间与当前时间之间的时间间隔大于或等于第一预定时长的第二对象类别标签子集;确定第二对象类别标签子集中交易频次排名前N个的N个对象类别标签,N大于1;以及基于第一对象类别标签子集和N个对象类别标签,生成与等级相关联的第二对象类别标签集。
在一些实施例中,用户相关度生成子模块还可以用于从多个第二对象类别标签集确定最近一次交易时间与当前时间之间的时间间隔小于第二预定时长的多个对象类别标签;以及对于多个对象类别标签中的每个对象类别标签,基于与对象类别标签相关联的交易频次和最近一次交易时间、当前时间以及第二预定时长,生成与对象类别标签相关联的用户相关度。
在一些实施例中,用户相关度生成子模块还可以用于确定最近一次交易时间与当前时间之间的时间间隔;基于时间间隔和第二预定时长,生成衰减因子;以及基于交易频次和衰减因子,生成与对象类别标签相关联的用户相关度。
在一些实施例中,用户兴趣度确定子模块还可以用于对于直播间集中的每个直播间,执行以下步骤:确定与直播间所推荐的多个对象相关联的多个第三对象类别标签集,多个第三对象类别标签集与多个等级相关联;对于多个等级中的每个等级,基于与等级所关联的第三对象类别标签集相关联的用户相关度集,生成与等级相关联的用户相关度;以及基于与多个等级相关联的多个用户相关度,确定与直播间相关联的用户兴趣度。
在一些实施例中,直播间排序模块740还可以用于对于多个直播间中的每个直播间,基于与直播间相关联的热度值和用户兴趣度,生成与直播间相关联的推荐置信度;以及基于与多个直播间相关联的多个推荐置信度,生成多个直播间的排序结果。
由此,从用户兴趣和直播间热度这两个维度来更精准地推荐直播间。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如方法200-600。例如,在一些实施例中,方法200-600可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的方法200-600的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200-600。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (23)
1.一种用于直播间推荐的方法,包括:
基于与直播间所推荐对象相关联的用户历史交易数据,生成与当前处于直播状态的直播间集相关联的用户兴趣度集;
从所述直播间集确定用户兴趣度大于预定值的多个直播间;
对于所述多个直播间中的每个直播间,基于与所述直播间相关联的、针对当前直播场次的对象交易统计信息和直播时长,生成与所述直播间相关联的热度值;以及
基于与所述多个直播间相关联的多个热度值和与所述多个直播间相关联的多个用户兴趣度,生成所述多个直播间的排序结果,以用于向用户推荐。
2.根据权利要求1所述的方法,其中生成所述热度值包括:
基于与所述直播间相关联的、针对当前直播场次的对象成交额和直播时长,生成与所述直播间相关联的成交额热度;
基于与所述直播间相关联的、针对当前直播场次的对象订单量和所述直播时长,生成与所述直播间相关联的订单量热度;以及
基于所述成交额热度和所述订单量热度,生成与所述直播间相关联的热度值。
3.根据权利要求2所述的方法,其中生成所述成交额热度包括:
基于与所述直播间相关联的、针对当前直播场次的对象成交额和直播时长,生成与所述直播间相关联的、针对当前直播场次的第一单位时间对象成交额;
确定历史时间段内多个直播场次所对应的多个单位时间对象成交额中排名预定位置的第二单位时间对象成交额;以及
基于所述第一单位时间对象成交额以及所述第二单位时间对象成交额,生成与所述直播间相关联的成交额热度。
4.根据权利要求2所述的方法,其中生成所述订单量热度包括:
基于与所述直播间相关联的、针对当前直播场次的对象订单量和直播时长,生成与所述直播间相关联的、针对当前直播场次的第一单位时间对象订单量;
确定历史时间段内多个直播场次所对应的多个单位时间对象订单量中排名预定位置的第二单位时间对象订单量;以及
基于所述第一单位时间对象订单量以及所述第二单位时间对象订单量,生成与所述直播间相关联的订单量热度。
5.根据权利要求1所述的方法,其中生成所述用户兴趣度集包括:
从所述用户历史交易数据获取与多个等级相关联的多个第一对象类别标签集以及与所述多个第一对象类别标签集相关联的多个第一交易频次集和多个第一最近一次交易时间集;
基于所述多个第一交易频次集和所述多个第一最近一次交易时间集,从所述多个第一对象类别标签集确定与所述多个等级相关联的多个第二对象类别标签集;
基于与所述多个第二对象类别标签集相关联的多个第二交易频次集和多个第二最近一次交易时间集,生成与所述多个第二对象类别标签集相关联的用户相关度集;以及
基于所述用户相关度集,确定与所述直播间集相关联的用户兴趣度集。
6.根据权利要求5所述的方法,其中确定所述多个第二对象类别标签集包括:
对于所述多个等级中的每个等级,执行以下步骤:
从与所述等级相关联的第一对象类别标签集确定最近一次交易时间与当前时间之间的时间间隔小于第一预定时长的第一对象类别标签子集;
从所述第一对象类别标签集确定最近一次交易时间与当前时间之间的时间间隔大于或等于所述第一预定时长的第二对象类别标签子集;
确定所述第二对象类别标签子集中交易频次排名前N个的N个对象类别标签,N大于1;以及
基于所述第一对象类别标签子集和所述N个对象类别标签,生成与所述等级相关联的第二对象类别标签集。
7.根据权利要求5所述的方法,其中生成所述用户相关度集包括:
从所述多个第二对象类别标签集确定最近一次交易时间与当前时间之间的时间间隔小于第二预定时长的多个对象类别标签;以及
对于所述多个对象类别标签中的每个对象类别标签,基于与所述对象类别标签相关联的交易频次和最近一次交易时间、当前时间以及所述第二预定时长,生成与所述对象类别标签相关联的用户相关度。
8.根据权利要求7所述的方法,其中生成所述用户相关度包括:
确定所述最近一次交易时间与所述当前时间之间的时间间隔;
基于所述时间间隔和所述第二预定时长,生成衰减因子;以及
基于所述交易频次和所述衰减因子,生成与所述对象类别标签相关联的用户相关度。
9.根据权利要求5所述的方法,其中确定所述用户兴趣度集包括:
对于所述直播间集中的每个直播间,执行以下步骤:
确定与所述直播间所推荐的多个对象相关联的多个第三对象类别标签集,所述多个第三对象类别标签集与所述多个等级相关联;
对于所述多个等级中的每个等级,基于与所述等级所关联的第三对象类别标签集相关联的用户相关度集,生成与所述等级相关联的用户相关度;以及
基于与所述多个等级相关联的多个用户相关度,确定与所述直播间相关联的用户兴趣度。
10.根据权利要求1所述的方法,其中生成所述排序结果包括:
对于所述多个直播间中的每个直播间,基于与所述直播间相关联的热度值和用户兴趣度,生成与所述直播间相关联的推荐置信度;以及
基于与所述多个直播间相关联的多个推荐置信度,生成所述多个直播间的所述排序结果。
11.一种用于直播间推荐的装置,包括:
用户兴趣度生成模块,用于基于与直播间所推荐对象相关联的用户历史交易数据,生成与当前处于直播状态的直播间集相关联的用户兴趣度集;
直播间确定模块,用于从所述直播间集确定用户兴趣度大于预定值的多个直播间;
热度值生成模块,用于对于所述多个直播间中的每个直播间,基于与所述直播间相关联的、针对当前直播场次的对象交易统计信息和直播时长,生成与所述直播间相关联的热度值;以及
直播间排序模块,用于基于与所述多个直播间相关联的多个热度值和与所述多个直播间相关联的多个用户兴趣度,生成所述多个直播间的排序结果,以用于向用户推荐。
12.根据权利要求11所述的装置,其中所述热度值生成模块包括:
成交额热度生成子模块,用于基于与所述直播间相关联的、针对当前直播场次的对象成交额和直播时长,生成与所述直播间相关联的成交额热度;
订单量热度生成子模块,用于基于与所述直播间相关联的、针对当前直播场次的对象订单量和所述直播时长,生成与所述直播间相关联的订单量热度;以及
热度值生成子模块,用于基于所述成交额热度和所述订单量热度,生成与所述直播间相关联的热度值。
13.根据权利要求12所述的装置,其中所述成交额热度生成子模块还用于:
基于与所述直播间相关联的、针对当前直播场次的对象成交额和直播时长,生成与所述直播间相关联的、针对当前直播场次的第一单位时间对象成交额;
确定历史时间段内多个直播场次所对应的多个单位时间对象成交额中排名预定位置的第二单位时间对象成交额;以及
基于所述第一单位时间对象成交额以及所述第二单位时间对象成交额,生成与所述直播间相关联的成交额热度。
14.根据权利要求12所述的装置,其中所述订单量热度生成子模块还用于:
基于与所述直播间相关联的、针对当前直播场次的对象订单量和直播时长,生成与所述直播间相关联的、针对当前直播场次的第一单位时间对象订单量;
确定历史时间段内多个直播场次所对应的多个单位时间对象订单量中排名预定位置的第二单位时间对象订单量;以及
基于所述第一单位时间对象订单量以及所述第二单位时间对象订单量,生成与所述直播间相关联的订单量热度。
15.根据权利要求11所述的装置,其中所述用户兴趣度生成模块包括:
第一对象类别标签获取子模块,用于从所述用户历史交易数据获取与多个等级相关联的多个第一对象类别标签集以及与所述多个第一对象类别标签集相关联的多个第一交易频次集和多个第一最近一次交易时间集;
第二对象类别标签确定子模块,用于基于所述多个第一交易频次集和所述多个第一最近一次交易时间集,从所述多个第一对象类别标签集确定与所述多个等级相关联的多个第二对象类别标签集;
用户相关度生成子模块,用于基于与所述多个第二对象类别标签集相关联的多个第二交易频次集和多个第二最近一次交易时间集,生成与所述多个第二对象类别标签集相关联的用户相关度集;以及
用户兴趣度确定子模块,用于基于所述用户相关度集,确定与所述直播间集相关联的用户兴趣度集。
16.根据权利要求15所述的装置,其中所述第二对象类别标签确定子模块还用于:
对于所述多个等级中的每个等级,执行以下步骤:
从与所述等级相关联的第一对象类别标签集确定最近一次交易时间与当前时间之间的时间间隔小于第一预定时长的第一对象类别标签子集;
从所述第一对象类别标签集确定最近一次交易时间与当前时间之间的时间间隔大于或等于所述第一预定时长的第二对象类别标签子集;
确定所述第二对象类别标签子集中交易频次排名前N个的N个对象类别标签,N大于1;以及
基于所述第一对象类别标签子集和所述N个对象类别标签,生成与所述等级相关联的第二对象类别标签集。
17.根据权利要求15所述的装置,其中所述用户相关度生成子模块还用于:
从所述多个第二对象类别标签集确定最近一次交易时间与当前时间之间的时间间隔小于第二预定时长的多个对象类别标签;以及
对于所述多个对象类别标签中的每个对象类别标签,基于与所述对象类别标签相关联的交易频次和最近一次交易时间、当前时间以及所述第二预定时长,生成与所述对象类别标签相关联的用户相关度。
18.根据权利要求17所述的装置,其中所述用户相关度生成子模块还用于:
确定所述最近一次交易时间与所述当前时间之间的时间间隔;
基于所述时间间隔和所述第二预定时长,生成衰减因子;以及
基于所述交易频次和所述衰减因子,生成与所述对象类别标签相关联的用户相关度。
19.根据权利要求15所述的装置,其中所述用户兴趣度确定子模块还用于:
对于所述直播间集中的每个直播间,执行以下步骤:
确定与所述直播间所推荐的多个对象相关联的多个第三对象类别标签集,所述多个第三对象类别标签集与所述多个等级相关联;
对于所述多个等级中的每个等级,基于与所述等级所关联的第三对象类别标签集相关联的用户相关度集,生成与所述等级相关联的用户相关度;以及
基于与所述多个等级相关联的多个用户相关度,确定与所述直播间相关联的用户兴趣度。
20.根据权利要求11所述的装置,其中所述直播间排序模块还用于:
对于所述多个直播间中的每个直播间,基于与所述直播间相关联的热度值和用户兴趣度,生成与所述直播间相关联的推荐置信度;以及
基于与所述多个直播间相关联的多个推荐置信度,生成所述多个直播间的所述排序结果。
21.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。
23.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110674166.1A CN113422986B (zh) | 2021-06-17 | 2021-06-17 | 用于直播间推荐的方法、装置、设备、介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110674166.1A CN113422986B (zh) | 2021-06-17 | 2021-06-17 | 用于直播间推荐的方法、装置、设备、介质和程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113422986A true CN113422986A (zh) | 2021-09-21 |
CN113422986B CN113422986B (zh) | 2023-02-24 |
Family
ID=77788868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110674166.1A Active CN113422986B (zh) | 2021-06-17 | 2021-06-17 | 用于直播间推荐的方法、装置、设备、介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113422986B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114302152A (zh) * | 2021-11-17 | 2022-04-08 | 北京乐我无限科技有限责任公司 | 直播间的推荐方法、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 |
CN115190321A (zh) * | 2022-05-13 | 2022-10-14 | 广州博冠信息科技有限公司 | 直播间的切换方法、装置和电子设备 |
CN117455629A (zh) * | 2023-11-24 | 2024-01-26 | 美服数字科技(广州)有限公司 | 一种直播带货智能推送方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020038261A1 (en) * | 1999-03-25 | 2002-03-28 | James Kargman | System for placing orders through the internet to a selected store of a chain of stores |
CN106658074A (zh) * | 2016-11-21 | 2017-05-10 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐策略的评估方法、用户设备和服务器*** |
CN106791966A (zh) * | 2016-12-28 | 2017-05-31 | 武汉斗鱼网络科技有限公司 | 一种基于改进型关联规则的直播间推荐方法及*** |
CN107172452A (zh) * | 2017-04-25 | 2017-09-15 | 北京潘达互娱科技有限公司 | 直播间推荐方法及装置 |
CN110730385A (zh) * | 2018-07-16 | 2020-01-24 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、装置、服务器及存储介质 |
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 |
-
2021
- 2021-06-17 CN CN202110674166.1A patent/CN113422986B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020038261A1 (en) * | 1999-03-25 | 2002-03-28 | James Kargman | System for placing orders through the internet to a selected store of a chain of stores |
CN106658074A (zh) * | 2016-11-21 | 2017-05-10 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐策略的评估方法、用户设备和服务器*** |
CN106791966A (zh) * | 2016-12-28 | 2017-05-31 | 武汉斗鱼网络科技有限公司 | 一种基于改进型关联规则的直播间推荐方法及*** |
CN107172452A (zh) * | 2017-04-25 | 2017-09-15 | 北京潘达互娱科技有限公司 | 直播间推荐方法及装置 |
CN110730385A (zh) * | 2018-07-16 | 2020-01-24 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、装置、服务器及存储介质 |
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 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114302152A (zh) * | 2021-11-17 | 2022-04-08 | 北京乐我无限科技有限责任公司 | 直播间的推荐方法、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 |
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 |
CN115190321A (zh) * | 2022-05-13 | 2022-10-14 | 广州博冠信息科技有限公司 | 直播间的切换方法、装置和电子设备 |
CN115190321B (zh) * | 2022-05-13 | 2024-06-04 | 广州博冠信息科技有限公司 | 直播间的切换方法、装置和电子设备 |
CN117455629A (zh) * | 2023-11-24 | 2024-01-26 | 美服数字科技(广州)有限公司 | 一种直播带货智能推送方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113422986B (zh) | 2023-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113422986B (zh) | 用于直播间推荐的方法、装置、设备、介质和程序产品 | |
US11354720B2 (en) | Item recommendation techniques | |
US9589025B2 (en) | Correlated information recommendation | |
US20200356572A1 (en) | Search ranking method and apparatus, electronic device and storage medium | |
CN111105269B (zh) | 广告投放处理方法、装置、设备和存储介质 | |
CN112818224B (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
US20140214621A1 (en) | Method and device for pushing information | |
CN111612581A (zh) | 一种物品推荐的方法、装置、设备及存储介质 | |
EP2801918A1 (en) | Information processing device, category display method, program, and information storage medium | |
CN114154013A (zh) | 视频推荐方法、装置、设备及存储介质 | |
US20230114228A1 (en) | Method for arbitrating encrypted electronic transactions among intermediary and authoring users only when an interaction occurs between authoring and candidate users who was exposed by the intermediary user to data published by authoring user | |
CN112765478A (zh) | 用于推荐内容的方法、装置、设备、介质和程序产品 | |
CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
CN114461919A (zh) | 信息推荐的模型训练方法及装置 | |
US20180157744A1 (en) | Comparison table automatic generation method, device and computer program product of the same | |
CN111666481B (zh) | 数据挖掘方法、装置、计算机可读介质及电子设备 | |
CN109344327B (zh) | 用于生成信息的方法和装置 | |
CN113722593B (zh) | 事件数据处理方法、装置、电子设备和介质 | |
CN108139900B (zh) | 传送关于应用的更新的信息 | |
US20150170035A1 (en) | Real time personalization and categorization of entities | |
CN113781084A (zh) | 一种调查问卷展示方法和装置 | |
CN113360765B (zh) | 事件信息的处理方法、装置、电子设备和介质 | |
CN111339408B (zh) | 信息推荐方法和装置 | |
CN114297489B (zh) | 一种内容推荐方法、装置、电子设备及存储介质 | |
CN117112774A (zh) | 评论的排序方法、电子设备及存储介质 |
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 |