应用于直播场景的跨屏互动方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种应用于直播场景的跨屏互动方法、装置、设备及介质，涉及直播技术领域，通过实时收集和分析观众的互动反馈，如评论和弹幕，进而为主播展示情感反馈图，可帮助其迅速把握直播间氛围，同时，系统会自动对正向和负向情感分数进行高亮提示，并将关键时段的直播内容存储和分类，从而增强主播与观众间的交互体验，提高直播的质量和观众满意度。通过系统分析正向和负向的直播主题，可以帮助直播平台和主播选择正向的直播主题以提高观众观看直播的热情。观看直播的热情。观看直播的热情。

【技术实现步骤摘要】
应用于直播场景的跨屏互动方法、装置、设备及介质


[0001]本专利技术涉及直播
，更具体地说，涉及一种应用于直播场景的跨屏互动方法、装置、设备及介质。

技术介绍

[0002]随着网络技术和移动互联网的快速发展，直播已成为当下最受欢迎的社交和娱乐形式之一。众多直播平台涌现，吸引了大量的观众和主播参与。在这样的背景下，观众与主播之间的互动成为直播成功的关键要素。为此，很多直播平台都提供了弹幕、评论、礼物等多种互动方式，以增强观众与主播的互动体验。当前的直播平台在处理观众反馈时主要依赖于主播的主观感受和经验。在直播中，主播需要同时应对直播内容、观众的实时反馈和各种技术问题，很难做到实时、准确地捕捉到观众的情感变化和需求。此外，大量的弹幕和评论可能会淹没观众的真实反馈，导致主播错过重要的互动机会。另外，直播平台也缺乏有效的机制来帮助主播了解和分析观众的情感反馈。这不仅限制了主播对观众需求的了解，也使得平台难以针对观众的喜好和反馈进行优化。因此，目前的直播场景中，往往存在观众情感被忽视、主播与观众的互动效果不佳、直播内容与观众需求不匹配等问题。
[0003]综上，现有技术中缺乏一个能够准确、实时地捕捉并分析观众情感反馈的机制，同时也缺少一个系统性的方法来帮助主播了解并响应观众的需求，进而提高直播的互动效果和观众满意度。

技术实现思路

[0004]本专利技术提供一种应用于直播场景的跨屏互动方法、装置、设备及介质，以解决
技术介绍
中提到的问题。为了达到上述目的，本专利技术采取以下技术方案：本专利技术的第一个方面公开一种应用于直播场景的跨屏互动方法，包括如下步骤：S1：在任一时刻，收集该时刻往前的直播间内N条观众的互动反馈作为一个滑动窗口，所述互动反馈包括实时评论或弹幕；S2：将滑动窗口内的互动反馈实时输入情感分析引擎，情感分析引擎输出这N条互动反馈的平均情感分数；平均情感分数越高，表示观众的情感反馈越正向；S3：在主播界面展示一个情感反馈图，所述情感反馈图展示实时的平均情感分数；S4：当平均情感分数超过预设的第一阈值时，系统自动以第一颜色高亮提示主播；当平均情感分数低于预设第二阈值时，系统自动以第二颜色高亮提示主播；其中，所述第二阈值小于所述第一阈值；S5：设立一个数据库，在数据库中收集高亮反馈时段对应的高亮直播信息，所述高亮直播信息包括高亮反馈时段对应的时间范围、观众的互动反馈内容和直播视频，并将高亮直播信息反馈给主播；S6：将直播平台上的所有主播的高亮直播信息根据其高亮的颜色分为正向内容和
负向内容，并对正向内容内的直播主题进行标记和分类，得到多个正向直播主题；同理对负向内容内的直播主题进行标记和分类，得到多个负向直播主题；其中，以所述第一颜色高亮提示所对应的高亮直播信息为正向内容；以所述第二颜色高亮提示所对应的高亮直播信息为负向内容。
[0005]进一步的，所述情感分析引擎的训练过程包括：收集包含正面、负面和中性情感的训练用文本数据，使用人工的方法为每条文本数据打上情感标签；选择一个深度学习模型进行模型训练，将文本数据通过嵌入技术转换为数值向量，并设计一个输出范围为[
‑
1,1]的全连接层。
[0006]在一些实施例中，所述深度学习模型为循环神经网络或长短时记忆网络。
[0007]在一些实施例中，所述情感反馈图的展示方法选自以下方式之一：线性进度条、饼图或环形图、仪表盘指针、情感云图、动画表情或波形图。
[0008]在一些实施例中，所述第一颜色为红色，所述第二颜色为蓝色。
[0009]本专利技术的第二个方面公开一种应用于直播场景的跨屏互动装置，所述装置包括：滑动窗口模块：用于在任一时刻，收集该时刻往前的直播间内N条观众的互动反馈，所述互动反馈包括实时评论或弹幕；情感分析引擎：连接至所述滑动窗口模块，用于接收所述滑动窗口内的互动反馈，并实时输出这N条互动反馈的平均情感分数；界面展示模块：用于在主播界面上展示一个情感反馈图，所述情感反馈图用于展示实时的平均情感分数；提示模块：当从情感分析模块接收到的平均情感分数超过预设的第一阈值时，自动以第一颜色高亮提示主播；当平均情感分数低于预设第二阈值时，自动以第二颜色高亮提示主播；数据库模块：用于收集由提示模块输出的高亮反馈时段对应的高亮直播信息，所述高亮直播信息包括高亮反馈时段对应的时间范围、观众的互动反馈内容和直播视频，并将高亮直播信息反馈给主播；分类标记模块：用于接收来自数据库模块的所有主播的高亮直播信息，并根据其高亮的颜色将其分为正向内容和负向内容；进一步对正向内容内的直播主题进行标记和分类，得到多个正向直播主题；同理对负向内容内的直播主题进行标记和分类，得到多个负向直播主题。
[0010]本专利技术的第三个方面公开了一种处理设备，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如本专利技术第一个方面的一种应用于直播场景的跨屏互动方法。本专利技术的第四个方面公开了一种计算机可读存储介质，其上存储有计算机程序；所述计算机程序被处理器执行时实现如本专利技术第一个方面的一种应用于直播场景的跨屏
互动方法。
[0011]本专利技术为直播场景提供了一种跨屏互动方法、装置、设备及介质，其核心是通过滑动窗口模块在任一时刻收集直播间内观众的实时互动反馈，如评论和弹幕，并将这些反馈实时输入情感分析引擎。该情感分析引擎是基于深度学习模型，如循环神经网络或长短时记忆网络，通过收集包含正面、负面和中性情感的训练用文本数据进行训练，并能够实时输出观众反馈的平均情感分数。当主播在直播过程中，可以通过界面展示模块在其界面上看到一个情感反馈图，这有助于主播直观地了解观众的实时情绪变化。为了让主播更直观地感受到观众的反应，当平均情感分数超过或低于某个阈值时，提示模块会分别用红色和蓝色进行高亮提示。此外，数据库模块负责收集这些高亮的时段信息，帮助主播了解直播的哪些环节受到观众的喜欢或不喜欢，进而根据颜色的分类，将高亮直播信息进一步分为正向内容和负向内容。综上，本专利技术有助于主播及时了解并调整直播内容，以更好地满足观众的需求，提高直播的互动性和观众满意度。
附图说明
[0012]图1是本专利技术方法的流程示意图；图2是本专利技术装置的结构示意图。
具体实施方式
[0013]以下结合附图对本专利技术的示范性实施例做出说明，其中包括本专利技术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。
[0014]本专利技术第一个实施例如如图1的流程图所示，为一种应用于直播场景的跨屏互动方法，包括如下步骤：S1：在任一时刻，收集该时刻往前的直播间内N条观众的互动反馈作为一个滑动窗口，所述互动反馈包括实时评论或弹幕；S2：将滑动窗口内的互动反馈实时输入情感分析引擎，情感分析引擎输出这N条互动反馈的平均情感分数；平均情感分数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于直播场景的跨屏互动方法，其特征在于，包括如下步骤：S1：在任一时刻，收集该时刻往前的直播间内N条观众的互动反馈作为一个滑动窗口，所述互动反馈包括实时评论或弹幕；S2：将滑动窗口内的互动反馈实时输入情感分析引擎，情感分析引擎输出这N条互动反馈的平均情感分数；平均情感分数越高，表示观众的情感反馈越正向；S3：在主播界面展示一个情感反馈图，所述情感反馈图展示实时的平均情感分数；S4：当平均情感分数超过预设的第一阈值时，系统自动以第一颜色高亮提示主播；当平均情感分数低于预设第二阈值时，系统自动以第二颜色高亮提示主播；其中，所述第二阈值小于所述第一阈值；S5：设立一个数据库，在数据库中收集高亮反馈时段对应的高亮直播信息，所述高亮直播信息包括高亮反馈时段对应的时间范围、观众的互动反馈内容和直播视频，并将高亮直播信息反馈给主播；S6：将直播平台上的所有主播的高亮直播信息根据其高亮的颜色分为正向内容和负向内容，并对正向内容内的直播主题进行标记和分类，得到多个正向直播主题；同理对负向内容内的直播主题进行标记和分类，得到多个负向直播主题；其中，以所述第一颜色高亮提示所对应的高亮直播信息为正向内容；以所述第二颜色高亮提示所对应的高亮直播信息为负向内容。2.根据权利要求1所述应用于直播场景的跨屏互动方法，其特征在于，所述情感分析引擎的训练过程包括：收集包含正面、负面和中性情感的训练用文本数据，使用人工的方法为每条文本数据打上情感标签；选择一个深度学习模型进行模型训练，将文本数据通过嵌入技术转换为数值向量，并设计一个输出范围为[
‑
1,1]的全连接层。3.根据权利要求2所述应用于直播场景的跨屏互动方法，其特征在于，所述深度学习模型为循环神经网络或长短时记忆网络。4.根据权利要求1所述应用于直播场景的跨屏互动方法，...

【专利技术属性】
技术研发人员：刘祖渊，杨白云，
申请(专利权)人：星河视效科技北京有限公司，
类型：发明
国别省市：