CN114697688A - 直播策略推荐方法、互动方法、装置、设备和存储介质 - Google Patents
直播策略推荐方法、互动方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114697688A CN114697688A CN202011605791.2A CN202011605791A CN114697688A CN 114697688 A CN114697688 A CN 114697688A CN 202011605791 A CN202011605791 A CN 202011605791A CN 114697688 A CN114697688 A CN 114697688A
- Authority
- CN
- China
- Prior art keywords
- live
- live broadcast
- process node
- state index
- action
- 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 192
- 230000003993 interaction Effects 0.000 title claims abstract description 81
- 230000008569 process Effects 0.000 claims abstract description 133
- 230000009471 action Effects 0.000 claims description 115
- 230000002452 interceptive effect Effects 0.000 claims description 96
- 238000004891 communication Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 11
- 230000000875 corresponding effect Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 20
- 230000002787 reinforcement Effects 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 238000013486 operation strategy Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 230000003997 social interaction Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001960 triggered 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
- H04N21/21—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
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
-
- 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
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
- H04N21/2407—Monitoring of transmitted content, e.g. distribution time, number of downloads
-
- 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
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
-
- 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
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
-
- 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
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种直播策略推荐方法、互动方法、装置、设备和存储介质。所述直播策略推荐方法包括:获取直播的过程节点的状态指标;将所述过程节点的状态指标与预设的直播状态指标相匹配,确定所述过程节点的直播策略。本发明实施例的方案实现了直播过程的实时优化,更好地辅助了主播的成长。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种直播策略推荐方法、互动方法、装置、设备和存储介质。
背景技术
随着网络直播的飞速发展,主播的数量也成指数型增加,主播持续稳定成长对于各种直播类平台都是很重要的考量因素。
一般地,主播最重要的成长方面来自于对直播间的把控,其要求主播学会根据直播间粉丝的在线情况、互动情况各指标综合因素及时调整自己的话术、互动策略等,以逐步成长为优秀主播。
但是,现有技术中,主播通常根据自身的经验进行学习,导致主播成长速度较慢。
发明内容
有鉴于此,本发明实施例提供一种直播策略推荐方法、互动方法、装置、设备和存储介质,以解决或缓解上述问题。
根据本发明实施例的第一方面,提供了一种直播策略推荐方法,包括:获取直播的过程节点的状态指标;将所述过程节点的状态指标与预设的直播状态指标相匹配,确定所述过程节点的直播策略。
根据本发明实施例的第二方面,提供了一种策略推荐方法,包括:获取录播的过程节点的状态指标;将所述过程节点的状态指标与预设的直播状态指标相匹配,确定所述过程节点的互动策略。
根据本发明实施例的第三方面,提供了一种互动方法,包括:确定直播的过程节点的状态指标,所述过程节点的状态指标用于与预设的直播状态指标相匹配,以确定所述过程节点的直播策略;获取所述过程节点的直播策略。
根据本发明实施例的第四方面,提供了一种直播策略推荐装置,包括:状态指标获取模块,获取直播的过程节点的状态指标;直播策略确定模块,将所述过程节点的状态指标与预设的直播状态指标相匹配,确定所述过程节点的直播策略。
根据本发明实施例的第五方面,提供了一种策略推荐装置,包括:状态指标获取模块,获取录播的过程节点的状态指标;策略确定模块,将所述过程节点的状态指标与预设的直播状态指标相匹配,确定所述过程节点的互动策略。
根据本发明实施例的第六方面,提供了一种互动装置,包括:状态指标确定模块,确定直播的过程节点的状态指标,所述过程节点的状态指标用于与预设的直播状态指标相匹配,以确定所述过程节点的直播策略;直播策略获取模块,获取所述过程节点的直播策略。
根据本发明实施例的第七方面,提供了一种电子设备,所述设备包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如第一方面或第二方面所述的方法对应的操作。
根据本发明实施例的第八方面,提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权第一方面或第二方面所述的方法。
在本发明实施例的方案中,能够匹配过程节点的状态指标与预设的直播状态指标,确定过程节点的直播策略,因此实现了直播过程的实时优化,更好地辅助了主播的成长。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为一个示例的适用于视频直播的网络架构的示意图;
图2为本发明的一个实施例的直播策略推荐方法的示意性流程图;
图3为本发明的另一实施例的直播策略推荐方法的示意图;
图4为本发明的另一实施例的互动方法的示意性流程图;
图5为本发明的另一实施例的直播策略推荐装置的示意性框图;
图6为本发明的另一实施例的互动装置的示意性框图;
图7为本发明的一个实施例的策略推荐方法的示意性流程图;
图8为本发明的另一实施例的策略推荐装置的示意性框图;
图9为本发明的另一实施例的电子设备的硬件结构。
具体实施方式
为了使本领域的人员更好地理解本发明实施例中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明实施例一部分实施例,而不是全部的实施例。基于本发明实施例中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于本发明实施例保护的范围。
下面结合本发明实施例附图进一步说明本发明实施例具体实现。图1为一个示例的适用于视频直播的网络架构的示意图。用户设备100包括网络接口110、视频直播应用程序120以及人际交互界面130。直播服务器200包括网络接口210以及直播数据,例如,用于进行后台分析直播数据或在用户设备100侧呈现的直播数据。视频直播应用程序120可以为浏览器应用程序、视频类播放应用程序或其他具有视频直播功能的应用程序等。视频直播应用程序120可以安装与用户设备100的操作***中,也可以以诸如SDK(软件开发工具包,Software Development Kit)的方式安装在其他应用程序中。
一般地,主播300可以基于直播服务器200向用户设备100呈现的直播数据,根据自身的经验获得技能的成长。但是,这种方式使得主播的成长速度较慢。
图2为本发明的一个实施例的直播策略推荐方法的示意性流程图。本实施例的方案可以适用于任意适当的具有数据处理能力的电子设备,包括但不限于:诸如直播服务器或私有云、共有云或混合云的具有直播功能的服务器。图2的直播策略推荐方法,包括:
210:获取直播的过程节点的状态指标。
应理解,直播的过程节点的状态指标包括但不限于在线人数、在线时长、点赞次数、粉丝留存数量、新增粉丝数、引导添加购物车次数、引导收***数、引导成交额。另外,直播周期的时长不作限定。直播周期中,过程节点可以为互动节点,也可以为非互动节点。主播可以在互动节点执行多次直播互动动作。主播的互动动作的次数可以基于直播周期的时长确定,或者,将直播的互动动作的次数与直播时长相关联。
220:将过程节点的状态指标与预设的直播状态指标相匹配,确定过程节点的直播策略。
应理解,可以采用直播平台积累的大量的数据,通过强化学习确定过程节点的直播策略。具体而言,可以通过将过程节点的状态指标与预设的直播状态指标相匹配,深度强化学习实时分析的直播过程中的直播状态指标和对应互动行动点,来辅助主播推荐直播当下应当采取的互动策略,并实时监控主播对于推荐策略是否采纳。
还应理解,可以采用诸如Q值学习算法的强化学习算法实现上述的强化学习,例如,深度Q值网络(Deep Q leaning Network,DQN)算法。例如,当前学习目标值为当前的Q值。例如,对于多次互动动作,可以确定先前每个互动动作和先前每个直播间状态,并且基于先前每个互动动作和先前每个直播间状态以及当前互动动作的状态指标贡献值,更新当前学习目标值。
在其他示例中,还可以采用其他强化学习或监督学习算法实现本发明实施例。
在本发明实施例的方案中,能够匹配过程节点的状态指标与预设的直播状态指标,确定过程节点的直播策略,因此实现了直播过程的实时优化,更好地辅助了主播的成长。换言之,由于通过监控的状态指标来优化和改进推荐算法。主播可以在直播过程中实时优化自己的话术、互动策略,不断积累经验,进而得到快速成长。
在一个示例中,可以获取目标直播间参数的直播的过程节点的状态指标。目标直播间参数包括但不限于游戏直播间、直播带货直播间、教学直播间等直播间类型。直播间参数还包括主播榜、达人榜等直播间榜单。
在另一示例中,可以获取直播的过程节点的状态指标,状态指标包括特定商品的销售数量、点赞次数、引导添加购物车次数、成交量或成交额中的至少一者。状态指标还包括商家排行榜、商品排行榜或者品牌排行榜等。过程节点的状态指标还可以包括粉丝画像和主播画像等。主播画像包括主播的表情类型以及互动粉丝的表情。
在教育直播场景中,(例如,服务器)可以获取教学直播的过程节点的教学状态指标。将过程节点的状态指标与预设的教学状态指标相匹配,确定过程节点的教学互动策略。应理解,教学状态指标包括学生出勤率、学生提问频率、学生上课活跃度、学生答题准确度等。
在一个示例中,(例如,服务器)还可以将当前的过程节点的状态指标与预设的教学状态指标相匹配,确定针对老师账号的第一教学互动操作策略和针对学生账号的第二教学互动操作策略。服务器可以向老师账号(例如,其所在的第一终端设备)以及学生账号(例如,其所在的第二终端设备)推荐相应的教学互动操作。服务器可以针对老师账号或学生账号记录相应的老师历史互动操作参数和学生历史互动操作参数。
在社交直播场景中,可以获取社交直播的过程节点的社交状态指标。将过程节点的状态指标与预设的社交状态指标相匹配,确定过程节点的社交互动策略。应理解,社交直播包括带货直播、才艺直播、聊天直播等。
在一个示例中,(例如,服务器)还可以将当前的过程节点的状态指标与预设的社交状态指标相匹配,确定针对主播账号的第一互动操作策略和针对粉丝账号的第二互动操作策略。服务器可以向主播账号(例如,其所在的第一终端设备)以及粉丝账号(或被称为观众账号)(例如,其所在的第二终端设备)推荐相应的社交互动操作。服务器可以针对主播账号或粉丝账号记录相应的老师历史互动操作参数和学生历史互动操作参数。服务器还可以选择对高于特定级别的会员记录或推荐互动操作策略,对低于特定级别的会员不记录或不推荐互动操作策略。服务器可以对互动指数(指示互动频率的指数)较高的粉丝账号进行奖励。
在另一示例中,可以直播间的过程节点的状态指标向主播账号(通过向第一终端设备发送消息)推荐被模仿互动操作,当主播进行了特定动作的完成之后,可以(通过向第二终端设备发送消息)向粉丝账号推荐被模仿互动操作对应的模仿互动操作。服务器可以维护对应于直播间的各个过程节点的状态指标的数据,服务器也可以维护对应于主播账号或粉丝账号的各个过程节点的状态指标的数据。服务器可以维护动态的主播推荐互动操作策略与特定粉丝的推荐互动操作策略的对应关系。服务器可以根据主播与特定粉丝的互动指数(包括互动频率、打赏金额、交易金额等)确定上述对应关系,使得互动指数与主播推荐互动操作策略与特定粉丝的推荐互动操作策略之间的关联度正相关,其中,上述的关联度指示特定粉丝的推荐互动操作时长与主播推荐互动操作时长之间的比值,例如,对于向粉丝账号推荐的主播模仿互动操作,特定粉丝的参与时长较长,则与主播账号的关联度较大。如果特定粉丝的参与时长较短,则与主播账号的关联度较小。
在另一示例中,可以直播间的过程节点的状态指标向主播账号(通过向第一终端设备发送消息)推荐视频接入操作,当主播进行了视频接入的引入操作完整之后,可以(通过向第二终端设备发送消息)向特定粉丝账号推荐接入视频的互动操作,例如,将该特定粉丝的视频接入到直播的主屏幕,使得被其他粉丝看到。此外,还可以向主播账号及该特定粉丝账号推荐问题,或者接入到智能问答的服务器,该服务器能够访问问答数据库。例如,可以根据特定粉丝账号的回答或问题,(通过向第一终端设备发送消息)向主播账号推荐相应的下一问题列表或回答列表。例如,还可以根据主播账号的回答或问题,(通过向第二终端设备发送消息)向特定粉丝账号推荐相应的下一问题列表或回答列表。
在本发明的另一实现方式中,该方法还包括:根据过程节点的直播策略,推荐直播动作候选。
在本发明的另一实现方式中,该方法还包括:确定直播动作候选中被选择的动作;判断被选择的动作对于过程节点的状态指标贡献值;根据贡献值,更新直播动作候选。
具体而言,在上述的强化学习中,可以根据直播周期中的先前互动动作和先前直播间状态,确定当前学习目标值。可以根据当前学习目标值,推荐用于当前互动动作的当前推荐动作。可以至少根据当前互动动作的状态指标贡献值,对当前学习目标值进行更新。由于能够根据直播周期中的先前互动动作和先前直播间状态,确定当前学习目标值,从而实现了直播过程的整体优化,更好地辅助了主播的成长。
还应理解,多次互动动作中的每次互动动作的时间点的判定算法可以基于大量历史数据获得。在一个示例中,每次互动动作的时间点还可以基于目标场次直播的时长、多次直播互动动作的次数以及上次互动动作的状态指标贡献值中的至少一者确定。
还应理解,先前互动动作可以为当前互动动作之前的至少一个互动动作。先前直播间状态可以为该先前互动动作之后形成的直播间状态。直播间状态可以采用至少一个维度来表征。
应理解,推荐当前推荐动作可以包括向前端的用户设备发送推荐数据。用户设备可以基于推荐数据结合自身的直播界面的框架,生成推荐控件。直播服务器与用户设备的交互可以采用图1所示的网络架构,也可以基于其他的网络架构。
应理解,当前互动动作可以从推荐动作中选择,也可以为主播执行的与推荐动作无关的互动动作,本发明实施例对此不作限定。
作为一个示例,可以根据直播周期中的多个历史互动动作以及与多个历史互动动作对应的多个直播间状态,确定多个学习目标值;对多个学习目标进行加权处理,得到当前学习目标值。由于对多个学习目标进行加权处理,得到当前学习目标值,因此在实时进行推荐的过程中,提高了数据处理效率。
在本发明的另一实现方式中,判断被选择的动作对于过程节点的状态指标贡献值,包括:确定一组状态指标维度,一组状态指标维度包括平均在线时长、新增粉丝数、引导进店、总成交金额中的至少一种;判断被选择的动作对于过程节点在一组状态指标维度下的状态指标贡献值。
由于采用基于多种状态指标贡献值指标的状态指标贡献值有利于提高多个维度的状态指标贡献值,因此提高了强化学习的效率,从而进一步提高了主播成长的速度。
作为一个示例,可以确定当前互动动作对应于一组分状态指标贡献值指标的一组分状态指标贡献值;对一组分状态指标贡献值进行叠加处理,得到总状态指标贡献值,以更新当前学习目标值。由于对一组分状态指标贡献值进行叠加处理,得到总状态指标贡献值,以更新当前学习目标值,并且不同的分状态指标贡献值能够反映不同的分状态指标贡献值指标的情况,因此使得在直播场景下,得到了更准确的总状态指标贡献值。
作为一个示例,可以根据当前学习目标值,推荐用于当前互动动作的一组直播动作候选,其中,当前互动动作包括一组直播动作候选中的至少一个互动动作。此外,可以确定至少一个互动动作各自对应于多个分状态指标贡献值指标的多组分状态指标贡献值;分别对多组分状态指标贡献值进行求和处理,得到多个分状态指标贡献值。
作为一个示例,可以确定当前互动动作对应于一组分状态指标贡献值指标中每个分状态指标贡献值指标的初始分状态指标贡献值和成本值;通过每个分状态指标贡献值指标对应的初始分状态指标贡献值中去除成本值,确定当前互动动作对应于该分状态指标贡献值指标的分状态指标贡献值,得到一组分状态指标贡献值。由于在初始分状态指标贡献值中去除了成本值,因此得到的分状态指标贡献值更加准确,从而得到了更加准确的总状态指标贡献值。
作为一个示例,可以根据当前学习目标值,推荐用于当前互动动作的一组直播动作候选。由于推荐用于当前互动动作的一组直播动作候选,因此为主播提高了更灵活的互动动作的选择,既提高了互动效果,又有利于主播的成长。
在本发明的另一实现方式中,确定直播动作候选中被选择的动作,包括:通过对目标操作进行多模态识别,确定直播动作候选中被选择的动作。例如,通过对目标操作进行多模态识别,将得到的识别结果确定为当前互动动作。由于通过多模态识别的方式,获取了不属于一组直播动作候选中的当前互动动作,因此提高了推荐方法的灵活性。
在本发明的另一实现方式中,确定一组直播动作候选集中被选择的动作,包括:通过监测一组直播动作候选集中的每个直播动作候选,确定被选择的动作。例如,通过监测至少一个互动动作的触发操作,获取至少一个互动动作。通过监测触发操作的方式,可靠地获取了至少一个互动动作。
在本发明的另一实现方式中,确定直播动作候选中被选择的动作,包括:确定一组直播动作候选集中被选择的动作,其中,一组直播动作候选集包括红包、抽取奖品、在播商品上架、专属优惠券、投放关注小卡、投放店铺卡片、口播引导关注、以及口播问答互动中的至少一种直播动作候选。由于能够在多种直播动作候选中选择互动方式进行推荐,有利于提高多个维度的状态指标贡献值,因此进一步提高了主播成长的速度。应理解,还可以确定先前互动动作之后的一组直播间状态维度中的各个维度值,并且将各个维度值确定为先前直播间状态,以提高直播间状态的准确性。
在本发明的另一实现方式中,该方法还包括:对一组直播动作候选集进行优化调整。
在本发明的另一实现方式中,该方法还包括:建立直播状态指标池,直播状态指标池中包括多个直播状态指标;直播状态指标为:在线人数、在线时长、点赞次数、粉丝留存数量、新增粉丝数、引导添加购物车次数、引导收***数、引导成交额。由于采用了多种状态指标有利于获取更加精准的成长直播状态,因此提高了强化学习的效率,从而进一步提高了主播成长的速度。具体而言,当主播确认目标成长直播状态时,可以选择其中的一个或多个指标生成一个多维状态矩阵进行处理。
在本发明的另一实现方式中,可以通过如下方式确定预设的直播状态指标:根据用户在直播状态指标池中的选择确定预设的直播状态指标;预设的直播状态指标为一种或多种。
作为一个示例,可以根据上次互动动作的状态指标贡献值,确定当前互动动作的当前学习目标值。可以根据当前学习目标值,推荐当前互动动作,并且基于当前互动动作的状态指标贡献值,确定下次互动动作的学习目标值。由于当前互动动作的当前学习目标值基于上次互动动作的状态指标贡献值确定,并且,基于当前互动动作的状态指标贡献值,确定下次互动动作的学习目标值,因此每个互动动作都与先前的状态指标贡献值相关,从而提高了动态强化学习的效果。
换言之,在直播场景中借助算法进行实时决策推荐,并且不以单时间节点来确认直播策略推荐,而是以整场直播整体效果为最终目标,综合推荐每个节点的互动方式,达到了整体效果最大化。
作为一个示例,可以根据当前学习目标值,确定当前互动动作的互动时间节点及一组直播动作候选;在当前互动动作的互动时间节点之前,推荐一组直播动作候选。由于互动时间节点与直播动作候选有利于提高多个维度的状态指标贡献值,因此进一步提高了主播成长的速度。
作为一个示例,可以根据当前互动动作的互动时间节点,确定一组直播动作候选。由于根据当前互动动作的互动时间节点,确定一组直播动作候选,使得时间节点与直播动作候选相关,因此提高了强化学习的效率。
作为一个示例,“红包”、“抽取奖品”、“专属优惠券”等对于主播而言是具有运营成本的互动动作。可以基于上述互动动作确定推荐优先级,或者,将上述互动动作的成本作为约束进行模型优化。例如,可以基于上述互动动作的成本调低上述互动动作的推荐权重系数。
换言之,一组直播动作候选以分任务而非单一任务的方式呈现了互动方式,同时对于带有成本的互动动作和奖励的分值结合了成本进行条件约束找到策略优化解。由于采用这种分任务叠加条件约束的方式,能够让本发明方案的效果更贴合直播场景的实际情况和复杂性。
此外,在一个示例中,分任务状态指标贡献值可以根据用户用户选择的指标生成第一权重值,未选择的指标默认权重为第二权重值,其中,第一权重值大于第二权重值。
作为一个示例,可以获取一组直播动作候选的响应结果;基于响应结果,确定当前互动动作的状态指标贡献值。
作为一个示例,可以获取从一组直播动作候选中选择的互动方式;或者,采集不属于一组直播动作候选的互动方式。
由于获取从一组直播动作候选中选择的互动方式,因此能够基于选择的互动方式的效果进行后续的强化学习和推荐,从而提高了动态强化学习的准确度。
由于采集不属于一组直播动作候选的互动方式,因此能够采集到其他的互动方式的效果,使得学习样本更加丰富,从而提高了动态强化学习的准确度。
作为一个示例,可以需要埋点实时监控主播是否采取了对应决策。在另一示例中,可以通过多模态识别监控主播是否采取了对应决策。基于此进行后续的状态指标贡献值计算和目标值更新。
由于,本示例中并非默认智能体会必然执行决策建议,使得推荐并监控的方案更贴近实际场景。
作为一个示例,可以基于响应结果,确定一组分状态指标贡献值指标的当前变动信息;基于当前变动信息,确定当前互动动作的状态指标贡献值。作为一个示例,可以确定上次互动动作在主播成长目标的上次成长直播状态;基于上次成长直播状态以及上次互动动作的状态指标贡献值,确定当前互动动作在主播成长目标的当前成长直播状态;确定当前互动动作关于当前成长直播状态的当前学习目标值。作为一个示例,还可以根据当前成长直播状态,确定一组直播动作候选。
作为一个示例,上次成长直播状态与当前成长直播状态基于一组直播间状态维度,其中,上次主播成长直播状态包括一组直播间状态维度中的各状态指标的上次成长直播状态值,当前主播成长直播状态包括一组直播间状态维度中的各状态指标的当前成长直播状态值。
由于上次成长直播状态与当前成长直播状态基于一组直播间状态维度,因此提高了更加精准的成长直播状态。
图3为本发明的另一实施例的直播策略推荐方法的示意图。如图所示,在步骤S311中,确定主播的核心成长目标,并且进入到步骤S312。具体而言,对于主播来说,核心成长目标可以自身应当重点关注的核心目标。主播处于不同的生命周期阶段时,核心目标可以相同。
此外,在一个示例中,成长目标可以是主播靠自己的偏好来选择。在另一示例中,另一种是借助平台的大数据,通过分析平台主播的历史成长路径,对不同行业不同层级的主播确定默认的核心成长目标。在本发明实施例中,可以将在线时长、新增粉丝数和引导成交金额中至少一者作为主播成长目标。例如,其中新手主播核心为新增粉丝数,中腰以下主播核心为在线时长,中腰以上主播核心为引导成交金额。
在步骤S312中,智能体辅助弹出互动决策建议,并且进入到步骤S313。
在步骤S313中,检测主播是否采取策略,并且进入到步骤S314。具体而言,当主播完成选择后,确定实时在线决策需要定义的成长目标。在直播当中实时调用基于给定成长目标的深度学习算法学习到的决策推荐,在直播当中给出直播策略推荐,具体的直播策略推荐可以由DQN算法基于所有互动动作候选集中的可行互动行动点决策而成。同时,由于一场直播通常会持续数小时。
此外,不同的时间节点,直播间的成长目标状态不同,推荐出的互动动作会不尽相同,在本发明实施例中,以完整直播场次整体指标优化来进行每个节点的决策推荐,而不是在每个单一节点单点优化进行决策建议。
在步骤S314中,计算当前互动动作的奖励,并且进入到步骤S315。
在步骤S315中,更新互动目标值,并且进入到步骤S316。具体而言,在直播智能体给出了决策建议后,***需要记录和计算两个指标,一个是主播是否采取决策互动动作,另一个是实时计算采取决策后的状态指标贡献值和目标Q值更新。主播是否真的采纳推荐互动动作的确认记录可以通过行动点点击埋点来确认,而对于口播类无法从点击数据中获取的,我们可以通过多模态识别方式进行识别确认。状态指标贡献值的计算和Q值计算DQN算法公式进行,其中状态指标贡献值这里,此方案采取了多目标优化,理由是当我们针对完整直播周期进行决策建议时,对于每个节点来说,单目标状态指标贡献值不足以完整描述直播间的变化,而采用多目标优化,依据不同的成长目标设置配以各目标不同的权重(w)的方式,能够更好的保证完整场次实时决策效果。
在步骤S316中,确定主播的核心成长目标,并且返回到步骤S312,重新开始下一互动策略的推荐。此外,在一个示例中,在直播结束后,可以将实时检测到的决策执行比率以及整体直播的表现统计向主播展示。
此外,在另一示例中,可以基于对决策执行效果的分析来进行算法的提升。
应理解,步骤S312到步骤S315的处理可以通过诸如Q值学习算法的算法实现。
图4为本发明的另一实施例的互动方法的示意性框图。本实施例的方案可以适用于任意适当的具有数据处理能力的电子设备,包括但不限于:诸如平板电脑、桌面电脑的终端设备或者任意其他具有诸如视频直播的交互功能的设备。图4的互动方法,包括:
410:确定直播的过程节点的状态指标,过程节点的状态指标用于与预设的直播状态指标相匹配,以确定过程节点的直播策略。
420:获取过程节点的直播策略。
由于采用基于多种状态指标贡献值指标的状态指标贡献值有利于提高多个维度的状态指标贡献值,因此提高了强化学习的效率,从而进一步提高了主播成长的速度。
此外,本发明实施例能够采用直播平台积累的大量的数据,通过深度强化学习实时分析的直播过程中的各种数据指标和对应互动行动点,来辅助主播推荐直播当下应当采取的互动策略,并实时监控主播对于推荐策略是否采纳。
在一个示例中,终端设备获取过程节点的直播策略,包括:终端设备接收一组直播动作候选集。一组直播动作候选集包括红包、抽取奖品、在播商品上架、专属优惠券、投放关注小卡、投放店铺卡片、口播引导关注、以及口播问答互动中的至少一种直播动作候选。
在另一示例中,该方法还包括:在接收一组直播动作候选集之后,呈现一组直播动作候选集的显示控件。主播可以响应显示控件的触发操作,执行一组直播动作候选集中的选定的直播动作。也可以监测主播基于显示控制进行显示内容进行的直播动作。
终端设备可以向具有直播功能的服务器发送直播动作的参数,服务器基于直播动作的参数对应的状态指标,确定当前过程节点的学习目标值。服务器将当前过程节点的状态指标与预设的直播状态指标相匹配,确定下一过程节点的直播策略。
在一个示例中,服务器向终端设备发送与直播动作的参数对应的可视化信息,其中,可视化信息包括直播动作的动态渲染参数。终端设备包括主播账号的第一终端设备和观众账号的第二终端设备。服务器根据观众账号的不同的会员等级确定指示直播动作的不同效果的动态渲染参数。换言之,服务器确定与目标观众账号的会员等级对应的指示直播动作效果的动态渲染参数,并且向该目标观众账号的第二终端设备发送该动态渲染参数,由此实现了不同会员等级的用户看到不同动态直播动作效果,提高了用户的参与度。
图5为本发明的另一实施例的直播策略推荐装置的示意性框图。本实施例的方案可以适用于任意适当的具有数据处理能力的电子设备,包括但不限于:诸如直播服务器或私有云、共有云或混合云的具有直播功能的服务器。图5的直播策略推荐装置包括:
状态指标获取模块510,获取直播的过程节点的状态指标。
直播策略确定模块520,将过程节点的状态指标与预设的直播状态指标相匹配,确定过程节点的直播策略。
由于采用基于多种状态指标贡献值指标的状态指标贡献值有利于提高多个维度的状态指标贡献值,因此提高了强化学习的效率,从而进一步提高了主播成长的速度。
在本发明的另一实现方式中,该装置还包括:推荐模块,根据过程节点的直播策略,推荐直播动作候选。
在本发明的另一实现方式中,该装置还包括:确定模块,确定直播动作候选中被选择的动作;判断模块,判断被选择的动作对于过程节点的状态指标贡献值;更新模块,根据贡献值,更新直播动作候选。
在本发明的另一实现方式中,确定模块具体用于:确定一组直播动作候选集中被选择的动作,其中,一组直播动作候选集包括红包、抽取奖品、在播商品上架、专属优惠券、投放关注小卡、投放店铺卡片、口播引导关注、以及口播问答互动中的至少一种直播动作候选。
在本发明的另一实现方式中,确定模块具体用于:通过监测一组直播动作候选集中的每个直播动作候选,确定被选择的动作。
在本发明的另一实现方式中,确定模块具体用于:通过对目标操作进行多模态识别,确定直播动作候选中被选择的动作。
在本发明的另一实现方式中,判断模块具体用于:确定一组状态指标维度,一组状态指标维度包括平均在线时长、新增粉丝数、引导进店、总成交金额中的至少一种;判断被选择的动作对于过程节点在一组状态指标维度下的状态指标贡献值。
在本发明的另一实现方式中,该装置还包括:建立模块,建立直播状态指标池,直播状态指标池中包括多个直播状态指标,直播状态指标为:在线人数、在线时长、点赞次数、粉丝留存数量、新增粉丝数、引导添加购物车次数、引导收***数、引导成交额。
在本发明的另一实现方式中,确定模块还用于根据用户在直播状态指标池中的选择确定预设的直播状态指标;预设的直播状态指标为一种或多种。
本实施例的装置用于实现前述多个方法实施例中相应的方法,并具有相应的方法实施例的有益效果,在此不再赘述。此外,本实施例的装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述,在此亦不再赘述。
图6为本发明的另一实施例的互动装置的示意性框图。本实施例的方案可以适用于任意适当的具有数据处理能力的电子设备,包括但不限于:诸如平板电脑、桌面电脑的终端设备或者任意其他具有诸如视频直播的交互功能的设备。图6的互动装置包括:
状态指标确定模块610,确定直播的过程节点的状态指标,过程节点的状态指标用于与预设的直播状态指标相匹配,以确定过程节点的直播策略。
直播策略获取模块620,获取过程节点的直播策略。
由于采用基于多种状态指标贡献值指标的状态指标贡献值有利于提高多个维度的状态指标贡献值,因此提高了强化学习的效率,从而进一步提高了主播成长的速度。
本实施例的装置用于实现前述多个方法实施例中相应的方法,并具有相应的方法实施例的有益效果,在此不再赘述。此外,本实施例的装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述,在此亦不再赘述。
图7为本发明的一个实施例的策略推荐方法的示意性流程图。本实施例的方案可以适用于任意适当的具有数据处理能力的电子设备,包括但不限于:诸如直播服务器或私有云、共有云或混合云的具有直播功能的服务器。图7的策略推荐方法,包括:
710:获取录播的过程节点的状态指标;
720:将过程节点的状态指标与预设的直播状态指标相匹配,确定过程节点的互动策略。
应理解,将录播的过程节点的状态指标与预设的直播状态指标相匹配,确定过程节点的互动策略,因此实现了录播过程的互动。
在一个示例中,服务器可以在在直播的过程中记录历史互动操作参数,历史互动操作参数包括主播操作时间参数、主播互动操作内容参数、观众操作时间参数、观众互动操作内容参数、观众互动操作内容与主播互动操作内容的对应关系等。例如,可以确定录播的当前过程节点对应的操作时间参数指示的时间到达时,获取互动操作内容参数,并且根据互动操作内容参数,确定过程节点的互动策略。进一步地,服务器还可以向终端设备发送指示互动策略的控制消息。
在另一示例中,主播账号可以在第一终端设备登录,观众账号可以在第二终端设备登录。服务器可以获取来自观众账号与主播账号的互动操作。服务器可以观众账号的互动操作的参数,互动操作的参数可以包括操作时间参数以及操作内容参数。服务器可以根据观众互动操作内容与主播互动操作内容的对应关系,确定主播操作时间参数、主播互动操作内容参数,并且在主播操作时间参数指示的时间节点向第二终端设备推荐互动策略。
图8为本发明的另一实施例的策略推荐装置的示意性框图。本实施例的方案可以适用于任意适当的具有数据处理能力的电子设备,包括但不限于:诸如直播服务器或私有云、共有云或混合云的具有直播功能的服务器。图8的策略推荐装置,包括:
状态指标获取模块810,获取录播的过程节点的状态指标;
策略确定模块820,将过程节点的状态指标与预设的直播状态指标相匹配,确定过程节点的互动策略。
图9为本发明的另一实施例的电子设备的硬件结构;如图9所示,该电子设备的硬件结构可以包括:处理器901,通信接口902,存储介质903和通信总线904;
其中处理器901、通信接口902、存储介质903通过通信总线904完成相互间的通信;
可选地,通信接口902可以为通信模块的接口;
其中,处理器901具体可以配置为:获取直播的过程节点的状态指标;将所述过程节点的状态指标与预设的直播状态指标相匹配,确定所述过程节点的直播策略;
或者,确定直播的过程节点的状态指标,所述过程节点的状态指标用于与预设的直播状态指标相匹配,以确定所述过程节点的直播策略;获取所述过程节点的直播策略。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述的存储介质可以是,但不限于,随机存取存储介质(Random Access Memory,RAM),只读存储介质(Read Only Memory,ROM),可编程只读存储介质(Programmable Read-Only Memory,PROM),可擦除只读存储介质(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储介质(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在存储介质上的计算机程序,该计算机程序包含配置为执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时,执行本发明的方法中限定的上述功能。需要说明的是,本发明所述的存储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或者是上述两者的任意组合。存储介质例如可以但不限于是电、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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储介质(RAM)、只读存储介质(ROM)、可擦式可编程只读存储介质(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储介质(CD-ROM)、光存储介质件、磁存储介质件、或者上述的任意合适的组合。在本发明中,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。而在本发明中,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存储介质,该存储介质可以发送、传播或者传输配置为由指令执行***、装置或者器件使用或者与其结合使用的程序。存储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配置为执行本发明的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)。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个配置为实现规定的逻辑功能的可执行指令。上述具体实施例中有特定先后关系,但这些先后关系只是示例性的,在具体实现的时候,这些步骤可能会更少、更多或执行顺序有调整。即在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例所描述的方法。
作为另一方面,本发明还提供了一种存储介质,该存储介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述存储介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取直播的过程节点的状态指标;将所述过程节点的状态指标与预设的直播状态指标相匹配,确定所述过程节点的直播策略;
或者,确定直播的过程节点的状态指标,所述过程节点的状态指标用于与预设的直播状态指标相匹配,以确定所述过程节点的直播策略;获取所述过程节点的直播策略。
在本公开的各种实施方式中所使用的表述“第一”、“第二”、“所述第一”或“所述第二”可修饰各种部件而与顺序和/或重要性无关,但是这些表述不限制相应部件。以上表述仅配置为将元件与其它元件区分开的目的。例如,第一用户设备和第二用户设备表示不同的用户设备,虽然两者均是用户设备。例如,在不背离本公开的范围的前提下,第一元件可称作第二元件,类似地,第二元件可称作第一元件。
当一个元件(例如,第一元件)称为与另一元件(例如,第二元件)“(可操作地或可通信地)联接”或“(可操作地或可通信地)联接至”另一元件(例如,第二元件)或“连接至”另一元件(例如,第二元件)时,应理解为该一个元件直接连接至该另一元件或者该一个元件经由又一个元件(例如,第三元件)间接连接至该另一个元件。相反,可理解,当元件(例如,第一元件)称为“直接连接”或“直接联接”至另一元件(第二元件)时,则没有元件(例如,第三元件)***在这两者之间。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本发明中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (16)
1.一种直播策略推荐方法,包括:
获取直播的过程节点的状态指标;
将所述过程节点的状态指标与预设的直播状态指标相匹配,确定所述过程节点的直播策略。
2.根据权利要求1所述的方法,还包括:
根据所述过程节点的直播策略,推荐直播动作候选。
3.根据权利要求2所述的方法,还包括:
确定所述直播动作候选中被选择的动作;
判断所述被选择的动作对于所述过程节点的状态指标贡献值;
根据所述贡献值,更新所述直播动作候选。
4.根据权利要求3所述的方法,其中,所述确定所述直播动作候选中被选择的动作,包括:
确定一组直播动作候选集中被选择的动作,其中,所述一组直播动作候选集包括红包、抽取奖品、在播商品上架、专属优惠券、投放关注小卡、投放店铺卡片、口播引导关注、以及口播问答互动中的至少一种直播动作候选。
5.根据权利要求4所述的方法,其中,所述确定一组直播动作候选集中被选择的动作,包括:
通过监测所述一组直播动作候选集中的每个直播动作候选,确定所述被选择的动作。
6.根据权利要求3所述的方法,其中,所述确定所述直播动作候选中被选择的动作,包括:
通过对目标操作进行多模态识别,确定所述直播动作候选中被选择的动作。
7.根据权利要求3所述的方法,其中,所述判断所述被选择的动作对于所述过程节点的状态指标贡献值,包括:
确定一组状态指标维度,所述一组状态指标维度包括平均在线时长、新增粉丝数、引导进店、总成交金额中的至少一种;
判断所述被选择的动作对于所述过程节点在所述一组状态指标维度下的状态指标贡献值。
8.根据权利要求1-3所述的方法,还包括:
建立直播状态指标池,所述直播状态指标池中包括多个直播状态指标;
所述直播状态指标为:在线人数、在线时长、点赞次数、粉丝留存数量、新增粉丝数、引导添加购物车次数、引导收***数、引导成交额。
9.根据权利要求8所述的方法,其中,通过如下方式确定预设的直播状态指标:
根据用户在所述直播状态指标池中的选择确定预设的直播状态指标;所述预设的直播状态指标为一种或多种。
10.一种策略推荐方法,包括:
获取录播的过程节点的状态指标;
将所述过程节点的状态指标与预设的直播状态指标相匹配,确定所述过程节点的互动策略。
11.一种互动方法,包括:
确定直播的过程节点的状态指标,所述过程节点的状态指标用于与预设的直播状态指标相匹配,以确定所述过程节点的直播策略;
获取所述过程节点的直播策略。
12.一种直播策略推荐装置,包括:
状态指标获取模块,获取直播的过程节点的状态指标;
直播策略确定模块,将所述过程节点的状态指标与预设的直播状态指标相匹配,确定所述过程节点的直播策略。
13.一种策略推荐装置,包括:
状态指标获取模块,获取录播的过程节点的状态指标;
策略确定模块,将所述过程节点的状态指标与预设的直播状态指标相匹配,确定所述过程节点的互动策略。
14.一种互动装置,包括:
状态指标确定模块,确定直播的过程节点的状态指标,所述过程节点的状态指标用于与预设的直播状态指标相匹配,以确定所述过程节点的直播策略;
直播策略获取模块,获取所述过程节点的直播策略。
15.一种电子设备,所述设备包括:
处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-11中任一项所述的方法对应的操作。
16.一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-11中任一项权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011605791.2A CN114697688A (zh) | 2020-12-29 | 2020-12-29 | 直播策略推荐方法、互动方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011605791.2A CN114697688A (zh) | 2020-12-29 | 2020-12-29 | 直播策略推荐方法、互动方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114697688A true CN114697688A (zh) | 2022-07-01 |
Family
ID=82131735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011605791.2A Pending CN114697688A (zh) | 2020-12-29 | 2020-12-29 | 直播策略推荐方法、互动方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114697688A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115209174A (zh) * | 2022-07-18 | 2022-10-18 | 忆月启函(盐城)科技有限公司 | 一种音频处理方法及*** |
CN115278286A (zh) * | 2022-08-02 | 2022-11-01 | 抖音视界有限公司 | 一种信息处理方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6236980B1 (en) * | 1998-04-09 | 2001-05-22 | John P Reese | Magazine, online, and broadcast summary recommendation reporting system to aid in decision making |
US20110088051A1 (en) * | 2008-06-24 | 2011-04-14 | Huawei Technologies Co., Ltd. | Method, Apparatus and System for Recommending Media Content |
CN105916045A (zh) * | 2016-05-11 | 2016-08-31 | 乐视控股(北京)有限公司 | 一种互动直播方法和装置 |
WO2018188347A1 (zh) * | 2017-04-11 | 2018-10-18 | 武汉斗鱼网络科技有限公司 | 信息交互方法及装置 |
CN108683927A (zh) * | 2018-05-07 | 2018-10-19 | 广州酷狗计算机科技有限公司 | 主播推荐方法、装置及存储介质 |
WO2019071859A1 (zh) * | 2017-10-09 | 2019-04-18 | 武汉斗鱼网络科技有限公司 | 一种直播平台中防止刷礼物的方法及装置 |
CN110401844A (zh) * | 2019-08-22 | 2019-11-01 | 北京字节跳动网络技术有限公司 | 视频直播策略的生成方法、装置、设备及可读介质 |
CN110446057A (zh) * | 2019-08-30 | 2019-11-12 | 北京字节跳动网络技术有限公司 | 直播辅助数据的提供方法、装置、设备及可读介质 |
CN110856003A (zh) * | 2019-10-17 | 2020-02-28 | 网易(杭州)网络有限公司 | 直播列表的推送方法、装置、电子设备及存储介质 |
CN111314719A (zh) * | 2020-01-22 | 2020-06-19 | 北京达佳互联信息技术有限公司 | 直播辅助方法、装置、电子设备及存储介质 |
CN111970525A (zh) * | 2020-08-14 | 2020-11-20 | 北京达佳互联信息技术有限公司 | 直播间搜索方法、装置、服务器及存储介质 |
-
2020
- 2020-12-29 CN CN202011605791.2A patent/CN114697688A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6236980B1 (en) * | 1998-04-09 | 2001-05-22 | John P Reese | Magazine, online, and broadcast summary recommendation reporting system to aid in decision making |
US20110088051A1 (en) * | 2008-06-24 | 2011-04-14 | Huawei Technologies Co., Ltd. | Method, Apparatus and System for Recommending Media Content |
CN105916045A (zh) * | 2016-05-11 | 2016-08-31 | 乐视控股(北京)有限公司 | 一种互动直播方法和装置 |
WO2018188347A1 (zh) * | 2017-04-11 | 2018-10-18 | 武汉斗鱼网络科技有限公司 | 信息交互方法及装置 |
WO2019071859A1 (zh) * | 2017-10-09 | 2019-04-18 | 武汉斗鱼网络科技有限公司 | 一种直播平台中防止刷礼物的方法及装置 |
CN108683927A (zh) * | 2018-05-07 | 2018-10-19 | 广州酷狗计算机科技有限公司 | 主播推荐方法、装置及存储介质 |
CN110401844A (zh) * | 2019-08-22 | 2019-11-01 | 北京字节跳动网络技术有限公司 | 视频直播策略的生成方法、装置、设备及可读介质 |
CN110446057A (zh) * | 2019-08-30 | 2019-11-12 | 北京字节跳动网络技术有限公司 | 直播辅助数据的提供方法、装置、设备及可读介质 |
CN110856003A (zh) * | 2019-10-17 | 2020-02-28 | 网易(杭州)网络有限公司 | 直播列表的推送方法、装置、电子设备及存储介质 |
CN111314719A (zh) * | 2020-01-22 | 2020-06-19 | 北京达佳互联信息技术有限公司 | 直播辅助方法、装置、电子设备及存储介质 |
CN111970525A (zh) * | 2020-08-14 | 2020-11-20 | 北京达佳互联信息技术有限公司 | 直播间搜索方法、装置、服务器及存储介质 |
Non-Patent Citations (2)
Title |
---|
刘维付;: "新媒介视域下出版机构淘宝直播营销策略探究", 中国出版, no. 07, 8 April 2020 (2020-04-08) * |
张科;: "网络直播的内容生产逻辑及优化策略", 中国编辑, no. 10, 10 October 2020 (2020-10-10) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115209174A (zh) * | 2022-07-18 | 2022-10-18 | 忆月启函(盐城)科技有限公司 | 一种音频处理方法及*** |
CN115209174B (zh) * | 2022-07-18 | 2023-12-01 | 深圳时代鑫华科技有限公司 | 一种音频处理方法及*** |
CN115278286A (zh) * | 2022-08-02 | 2022-11-01 | 抖音视界有限公司 | 一种信息处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11360655B2 (en) | System and method of non-linear probabilistic forecasting to foster amplified collective intelligence of networked human groups | |
CN110339569B (zh) | 控制游戏场景中虚拟角色的方法及装置 | |
US20100081120A1 (en) | Automated quiz generation system | |
US20220276775A1 (en) | System and method for enhanced collaborative forecasting | |
CN111738294B (zh) | Ai模型的训练方法、使用方法、计算机设备及存储介质 | |
CN114697688A (zh) | 直播策略推荐方法、互动方法、装置、设备和存储介质 | |
CN108579095A (zh) | 游戏中的社交关系推荐方法、装置和计算机可读存储介质 | |
CN113535991A (zh) | 一种多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN111701240B (zh) | 虚拟物品的提示方法、装置、存储介质和电子装置 | |
CN112245936B (zh) | 账号匹配方法、装置及服务器 | |
CN115375808A (zh) | 虚拟直播人物的行为控制方法及装置 | |
US20210241648A1 (en) | Systems and methods to provide mental distress therapy through subject interaction with an interactive space | |
Babaei et al. | A state-based game attention model for cloud gaming | |
CN113727762A (zh) | 视频游戏引导*** | |
CN117018635A (zh) | 数据处理方法、装置、电子设备以及存储介质 | |
US20160379510A1 (en) | System and method for adjusting the difficulty of a computer-implemented quiz | |
CN113536103B (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN113626681B (zh) | 一种账户信息的处理方法、装置、电子设备及存储介质 | |
KR102089520B1 (ko) | 변수특성의 변질가능성을 고려한 스포츠 경기결과 예측 참여 서비스 제공 방법 | |
US20190385477A1 (en) | System and method for sports social media application | |
CN112819500B (zh) | 信息展示方法、策略网络训练方法、设备及存储介质 | |
CN116531764B (zh) | 游戏数据处理方法、装置、设备及计算机可读存储介质 | |
Arth et al. | Major League Baseball broadcasts and the delineation of traditional and modern fact metrics | |
US20230343097A1 (en) | System and method for managing and interacting with event information | |
Paduraru et al. | Using Deep Reinforcement Learning to Build Intelligent Tutoring Systems. |
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 |