用于直播间推荐的方法、装置、设备、介质和程序产品制造方法及图纸

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。播间热度这两个维度来更精准地推荐直播间。播间热度这两个维度来更精准地推荐直播间。

【技术实现步骤摘要】
用于直播间推荐的方法、装置、设备、介质和程序产品


[0001]本公开涉及计算机
，尤其涉及大数据技术。

技术介绍

[0002]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。

技术实现思路

[0003]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。
[0004]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。
[0005]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。
[0006]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。
[0007]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。
[0008]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。
[0009]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。
[0010]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
[0011]附图用于更好地理解本方案，不构成对本公开的限定。
[0012]图1是根据本公开实施例的信息处理环境100的示意图。
[0013]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。
[0014]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。
[0015]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。
[0016]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。
[0017]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。
[0018]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。
[0019]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
[0020]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。
[0021]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。
[0022]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。
[0023]在下文中，将结合附图更详细地描述本公开的具体实施例。
[0024]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。
[0025]计算设备110例如包括但不限于服务器计算机、多处理器系统、大型计算机、包括上述系统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。
[0026]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。
[0027]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。
[0028]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。
[0029]在框202处，计算设备110基于与直本文档来自技高网...

【技术保护点】

【技术特征摘要】
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

【专利技术属性】
技术研发人员：孙伟，朱晓星，刘心元，陈敏，孟新萍，彭志洺，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：