一种直播间推荐方法、装置、服务器及介质制造方法及图纸

本发明专利技术实施例提供一种直播间推荐方法、装置、服务器及介质，涉及个性化推荐技术领域，可以解决难以准确地为新上线的直播软件中的用户，或者为直播软件中的新用户推荐其感兴趣的直播间的问题。本发明专利技术实施例包括：获取用户在终端中使用的各APP的使用时长；然后分别确定各APP所属的应用类别，并针对每个应用类别，将属于该应用类别的各APP的使用时长的总和，作为用户对该应用类别的使用总时长。接着将用户的用户信息和当前在线的各直播间的直播间信息输入推荐模型，获得推荐模型输出的当前在线的各直播间的推荐得分。再按照当前在线的各直播间的推荐得分从高到低的顺序，向终端推荐预设数量个直播间。

【技术实现步骤摘要】
一种直播间推荐方法、装置、服务器及介质
本专利技术涉及个性化推荐
，特别是涉及一种直播间推荐方法、装置、服务器及介质。
技术介绍
随着互联网行业的发展，网络直播已经成为一种新兴的娱乐方式。用户通过直播软件展示的各直播间的介绍，选择感兴趣的直播间观看。为了让用户方便地找到感兴趣的直播间以提升用户粘性，目前通常根据用户与主播的互动数据以及用户的历史观看行为，从当前正在直播的直播间中选择用户可能感兴趣的直播间，并将选择的直播间推荐给用户。但是对于直播软件的新用户，或者对于新上线的直播软件，用户在直播软件中与主播的互动以及用户的历史观看行为较少，难以准确地为用户推荐其感兴趣的直播间，推荐效果较差。
技术实现思路
本专利技术实施例的目的在于提供一种直播间推荐方法、装置、服务器及介质，用以解决相关技术中难以准确地为新上线的直播软件中的用户，或者为直播软件中的新用户推荐其感兴趣的直播间的问题。具体技术方案如下：第一方面，本专利技术实施例提供了一种直播间推荐方法，应用于服务器，所述方法包括：获取用户在终端中使用的各应用程序APP的使用时长，针对每个APP，该APP的使用时长为用户在预设时间段内对该APP的累计使用时长；分别确定所述各APP所属的应用类别，并针对每个应用类别，将属于该应用类别的各APP的使用时长的总和，作为所述用户对该应用类别的使用总时长；将所述用户的用户信息和当前在线的各直播间的直播间信息输入推荐模型，获得所述推荐模型输出的当前在线的各直播间的推荐得分；其中，所述用户信息包括所述用户对每个应用类别的使用总时长，所述直播间信息包括直播间的类别；所述推荐模型为基于训练集对深度学习网络模型进行训练后得到的模型，所述训练集包括样本用户信息、样本用户信息对应的各样本直播间的标准推荐得分以及样本直播间信息，所述样本用户信息包括样本用户对每个应用类别的使用总时长、样本用户的基础信息和样本用户对样本直播间的历史操作行为数据，所述样本直播间信息包括多个样本直播间的类别；按照所述当前在线的各直播间的推荐得分从高到低的顺序，向所述终端推荐预设数量个直播间。可选的，所述推荐模型通过以下步骤训练获得：将所述训练集中的样本用户信息和样本直播间信息输入深度学习网络模型；获取所述深度学习网络模型针对每个样本用户信息输出的各样本直播间的推荐得分；根据所述深度学习网络模型输出的各样本直播间的推荐得分和输入所述深度学习网络模型的样本用户信息对应的各样本直播间的标准推荐得分，计算损失函数值；根据所述损失函数值确定所述深度学习网络模型是否收敛；若所述深度学习网络模型未收敛，则基于所述损失函数值更新所述深度学习网络模型的网络参数，并返回将所述训练集中的样本用户信息和样本直播间信息输入深度学习网络模型的步骤；若所述深度学习网络模型收敛，则将当前的深度学习网络模型作为所述推荐模型。可选的，在按照所述当前在线的各直播间的推荐得分从高到低的顺序，向所述终端推荐预设数量个直播间之后，所述方法还包括：接收所述终端发送的操作行为消息，所述操作行为消息包括所述用户对推荐的直播间的操作行为数据；根据所述用户对推荐的直播间的操作行为数据，更新所述用户的用户信息，并确定所述用户的用户信息对应的各推荐的直播间的标准推荐得分；将更新后的用户信息作为样本用户信息，将所述用户对推荐的直播间的标准推荐得分作为样本用户信息对应的各直播间的标准推荐得分，并将推荐的各直播间的直播间信息作为样本直播间信息，训练所述推荐模型。可选的，所述将所述用户的用户信息和当前在线的各直播间的直播间信息输入推荐模型，包括：根据所述用户的用户信息，生成用户特征向量；根据所述当前在线的各直播间的直播间信息，生成直播间特征向量；将所述用户特征向量和所述直播间特征向量输入所述推荐模型。可选的，所述获取用户在终端中使用的各应用程序APP的使用时长，包括：接收所述终端发送的直播推荐请求，所述直播推荐请求中包括所述用户在终端中使用的各APP的使用时长；或者，向所述终端发送时长获取请求，所述时长获取请求用于请求获取所述用户在终端中使用的各APP的使用时长；接收所述终端发送的时长获取响应，所述时长获取响应中包括所述用户在终端中使用的各APP的使用时长。第二方面，本专利技术实施例提供了一种直播间推荐装置，应用于服务器，所述装置包括：获取模块，用于获取用户在终端中使用的各应用程序APP的使用时长，针对每个APP，该APP的使用时长为用户在预设时间段内对该APP的累计使用时长；确定模块，用于分别确定所述各APP所属的应用类别，并针对每个应用类别，将属于该应用类别的各APP的使用时长的总和，作为所述用户对该应用类别的使用总时长；获得模块，用于将所述用户的用户信息和当前在线的各直播间的直播间信息输入推荐模型，获得所述推荐模型输出的当前在线的各直播间的推荐得分；其中，所述用户信息包括所述用户对每个应用类别的使用总时长，所述直播间信息包括直播间的类别；所述推荐模型为基于训练集对深度学习网络模型进行训练后得到的模型，所述训练集包括样本用户信息、样本用户信息对应的各样本直播间的标准推荐得分以及样本直播间信息，所述样本用户信息包括样本用户对每个应用类别的使用总时长、样本用户的基础信息和样本用户对样本直播间的历史操作行为数据，所述样本直播间信息包括多个样本直播间的类别；推荐模块，用于按照所述获得模块获得的所述当前在线的各直播间的推荐得分从高到低的顺序，向所述终端推荐预设数量个直播间。可选的，所述装置还包括训练模块，所述训练模块用于：将所述训练集中的样本用户信息和样本直播间信息输入深度学习网络模型；获取所述深度学习网络模型针对每个样本用户信息输出的各样本直播间的推荐得分；根据所述深度学习网络模型输出的各样本直播间的推荐得分和输入所述深度学习网络模型的样本用户信息对应的各样本直播间的标准推荐得分，计算损失函数值；根据所述损失函数值确定所述深度学习网络模型是否收敛；若所述深度学习网络模型未收敛，则基于所述损失函数值更新所述深度学习网络模型的网络参数，并返回将所述训练集中的样本用户信息和样本直播间信息输入深度学习网络模型的步骤；若所述深度学习网络模型收敛，则将当前的深度学习网络模型作为所述推荐模型。可选的，所述装置还包括：接收模块、更新模块和训练模块；所述接收模块，用于在按照所述当前在线的各直播间的推荐得分从高到低的顺序，向所述终端推荐预设数量个直播间之后，接收所述终端发送的操作行为消息，所述操作行为消息包括所述用户对推荐的直播间的操作行为数据；所述更新模块，用于根据所述用户对推荐的直播间的操作行为数据，更新所述用户的用户信息，并确定所述用户的用户信息对应的各推荐的直播间的标准推荐得分；所述训练模块，用于将更新后的用户信息作为样本用户信息，将所述用户对推荐的直播本文档来自技高网...

【技术保护点】
1.一种直播间推荐方法，其特征在于，应用于服务器，所述方法包括：/n获取用户在终端中使用的各应用程序APP的使用时长，针对每个APP，该APP的使用时长为用户在预设时间段内对该APP的累计使用时长；/n分别确定所述各APP所属的应用类别，并针对每个应用类别，将属于该应用类别的各APP的使用时长的总和，作为所述用户对该应用类别的使用总时长；/n将所述用户的用户信息和当前在线的各直播间的直播间信息输入推荐模型，获得所述推荐模型输出的当前在线的各直播间的推荐得分；其中，所述用户信息包括所述用户对每个应用类别的使用总时长，所述直播间信息包括直播间的类别；所述推荐模型为基于训练集对深度学习网络模型进行训练后得到的模型，所述训练集包括样本用户信息、样本用户信息对应的各样本直播间的标准推荐得分以及样本直播间信息，所述样本用户信息包括样本用户对每个应用类别的使用总时长、样本用户的基础信息和样本用户对样本直播间的历史操作行为数据，所述样本直播间信息包括多个样本直播间的类别；/n按照所述当前在线的各直播间的推荐得分从高到低的顺序，向所述终端推荐预设数量个直播间。/n

【技术特征摘要】
1.一种直播间推荐方法，其特征在于，应用于服务器，所述方法包括：
获取用户在终端中使用的各应用程序APP的使用时长，针对每个APP，该APP的使用时长为用户在预设时间段内对该APP的累计使用时长；
分别确定所述各APP所属的应用类别，并针对每个应用类别，将属于该应用类别的各APP的使用时长的总和，作为所述用户对该应用类别的使用总时长；
将所述用户的用户信息和当前在线的各直播间的直播间信息输入推荐模型，获得所述推荐模型输出的当前在线的各直播间的推荐得分；其中，所述用户信息包括所述用户对每个应用类别的使用总时长，所述直播间信息包括直播间的类别；所述推荐模型为基于训练集对深度学习网络模型进行训练后得到的模型，所述训练集包括样本用户信息、样本用户信息对应的各样本直播间的标准推荐得分以及样本直播间信息，所述样本用户信息包括样本用户对每个应用类别的使用总时长、样本用户的基础信息和样本用户对样本直播间的历史操作行为数据，所述样本直播间信息包括多个样本直播间的类别；
按照所述当前在线的各直播间的推荐得分从高到低的顺序，向所述终端推荐预设数量个直播间。


2.根据权利要求1所述的方法，其特征在于，所述推荐模型通过以下步骤训练获得：
将所述训练集中的样本用户信息和样本直播间信息输入深度学习网络模型；
获取所述深度学习网络模型针对每个样本用户信息输出的各样本直播间的推荐得分；
根据所述深度学习网络模型输出的各样本直播间的推荐得分和输入所述深度学习网络模型的样本用户信息对应的各样本直播间的标准推荐得分，计算损失函数值；
根据所述损失函数值确定所述深度学习网络模型是否收敛；
若所述深度学习网络模型未收敛，则基于所述损失函数值更新所述深度学习网络模型的网络参数，并返回将所述训练集中的样本用户信息和样本直播间信息输入深度学习网络模型的步骤；
若所述深度学习网络模型收敛，则将当前的深度学习网络模型作为所述推荐模型。


3.根据权利要求1所述的方法，其特征在于，在按照所述当前在线的各直播间的推荐得分从高到低的顺序，向所述终端推荐预设数量个直播间之后，所述方法还包括：
接收所述终端发送的操作行为消息，所述操作行为消息包括所述用户对推荐的直播间的操作行为数据；
根据所述用户对推荐的直播间的操作行为数据，更新所述用户的用户信息，并确定所述用户的用户信息对应的各推荐的直播间的标准推荐得分；
将更新后的用户信息作为样本用户信息，将所述用户对推荐的直播间的标准推荐得分作为样本用户信息对应的各直播间的标准推荐得分，并将推荐的各直播间的直播间信息作为样本直播间信息，训练所述推荐模型。


4.根据权利要求1所述的方法，其特征在于，所述将所述用户的用户信息和当前在线的各直播间的直播间信息输入推荐模型，包括：
根据所述用户的用户信息，生成用户特征向量；
根据所述当前在线的各直播间的直播间信息，生成直播间特征向量；
将所述用户特征向量和所述直播间特征向量输入所述推荐模型。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述获取用户在终端中使用的各应用程序APP的使用时长，包括：
接收所述终端发送的直播推荐请求，所述直播推荐请求中包括所述用户在终端中使用的各APP的使用时长；或者，
向所述终端发送时长获取请求，所述时长获取请求用于请求获取所述用户在终端中使用的各APP的使用时长；
接收所述终端发送的时长获取...

【专利技术属性】
技术研发人员：王培娜，
申请(专利权)人：北京乐我无限科技有限责任公司，
类型：发明
国别省市：北京;11