【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于群体智能的私域直播间热点预测与自适应路由方法。
技术介绍
1、随着互联网技术的快速发展和普及，直播带货成为了一种新兴的电子商务模式，私域直播间的兴起，为商家提供了更精准的用户触达和更高效的转化路径，然而，如何准确预测私域直播间热点话题、高效地进行内容分发和流量管理，成为了私域直播运营面临的重大挑战；
2、现有的热点预测方法主要依赖于简单的统计分析或基于规则的专家系统，难以捕捉用户行为的动态变化和复杂关系，导致预测准确率较低。同时，传统的内容分发方式通常采用静态路由或简单的负载均衡策略，无法适应私域直播间流量的波动和用户兴趣的多样性，容易造成网络拥塞和用户体验下降。此外，现有的私域直播管理系统缺乏对用户群体行为的深入分析和理解，难以实现精细化的流量控制和个性化的内容推荐。
技术实现思路
1、本专利技术实施例提供一种基于群体智能的私域直播间热点预测与自适应路由方法，至少能解决现有技术中存在的部分问题。
2、本专利技术实施例的第一方面，提供一种基于群体智能的私域直播间热点预测与自适应路由方法，包括：
3、根据预先设置的滑动时间窗口对私域直播间进行数据采集，得到用户行为数据并通过时序卷积网络进行特征提取，得到到时序特征并添加至门控循环单元，结合更新门和重置门进行信息流动，计算得到长期依赖特征，基于不同位置的相关性，通过特征融合网络进行特征融合并结合前馈神经网络将融合后的特征升维至高维语义空间，得到时序特征矩阵，基于
4、将所述动态兴趣社群添加至预先设置的多层图注意力网络中，通过空间注意力层和通道注意力层提取群体交互模式特征并添加至改进的双向门控循环单元，得到长短期时序依赖关系并生成时序关联特征，将所述时序关联特征添加至深度残差网络并通过残差学习和特征重标定提取高阶语义特征，基于所述高阶语义特征构建多任务学习框架，通过所述多任务学习框架进行多任务预测，得到热点预测结果并根据所述热点预测结果构建多层级网络拓扑模型，根据网络传输约束条件设置边权值，结合改进的启发式搜索算法进行路径探索，得到多条最优传输路径；
5、为每条最优传输路径分配权重并构建候选路径集合，通过加权轮询算法对所述候选路径集合中的每个路径进行流量分配，结合基于深度学习的分布式负载均衡控制器更新每条路径的权重并检测网络通畅程度，若存在局部拥塞，则发送拥塞指示信号，建立内容分级表并将预先确定的高热度内容部署至所述用户节点的邻居节点中，根据预先设置的基于在线学习算法的内容分发控制器收集内容访问数据并更新所述内容分级表，获取实时网络状态并通过拥塞控制算法动态调整数据传输速率，结合令牌桶算法进行网络限速，基于调整后的网络状态更新所述最优传输路径，得到直播推送路径。
6、在一种可选的实施方式中，
7、根据预先设置的滑动时间窗口对私域直播间进行数据采集，得到用户行为数据并通过时序卷积网络进行特征提取，得到到时序特征并添加至门控循环单元，结合更新门和重置门进行信息流动，计算得到长期依赖特征，基于不同位置的相关性，通过特征融合网络进行特征融合并结合前馈神经网络将融合后的特征升维至高维语义空间，得到时序特征矩阵，基于所述时序特征矩阵构建动态图神经网络并通过动态边权重更新机制计算用户节点间的多维相似度，基于所述多维相似度和预先设置的相似度阈值对用户节点进行动态连接，得到动态兴趣社群包括：
8、根据预先设置的滑动时间窗口，对私域直播间进行用户行为数据采集，所述用户行为数据包含用户观看时长、互动次数、点赞次数、评论内容；
9、将所述用户行为数据输入至时序卷积网络中进行特征提取，所述时序卷积网络通过多个一维卷积层和池化层提取用户行为数据中的时序特征，得到反映用户行为随时间变化的时序特征；
10、将所述时序特征输入至门控循环单元中，所述门控循环单元通过更新门和重置门控制信息流动，所述更新门控制前一时刻隐藏状态信息的保留程度，所述重置门控制前一时刻隐藏状态信息的忽略程度，得到反映用户长期兴趣倾向的长期依赖特征，将所述长期依赖特征输入至特征融合网络中，所述特征融合网络采用注意力机制，根据不同时刻特征之间的相关性自适应分配权重，得到融合后的特征；
11、将所述融合后的特征通过前馈神经网络进行升维处理，所述前馈神经网络包含多个全连接层和非线性激活函数，将特征映射到高维语义空间中，得到时序特征矩阵；
12、基于所述时序特征矩阵构建动态图神经网络，将每个用户设置为图中的节点，计算用户节点间的多维相似度，所述多维相似度包含余弦相似度和皮尔逊相关系数，根据预先设置的相似度阈值，在多维相似度高于所述相似度阈值的用户节点之间建立动态边，根据用户节点间的多维相似度确定所述动态边的权重；
13、基于所述用户行为数据的变化，持续更新用户节点间的多维相似度，当更新后的多维相似度低于所述相似度阈值时删除对应的动态边，当更新后的多维相似度高于所述相似度阈值时建立新的动态边，通过所述动态边连接形成的子图构建动态兴趣社群。
14、在一种可选的实施方式中，
15、根据用户节点间的多维相似度确定所述动态边的权重如下公式所示：
16、；
17、其中， ew表示动态边的权重值， w k( t)表示第 k个相似度指标在时刻 t的自适应权重，similarity k为第 k个相似度指标的值， p k表示第 k个相似度指标的幂次项，用于控制不同指标的非线性组合关系， t k表示第 k个相似度指标的时间衰减因子， λ表示时间衰减系数， i ij表示用户 i和用户 j之间的互动行为权重， tt j表示用户 j的行为时间戳， α表示多视角相似度的权重系数，sv m表示第 m个视角下用户 i和用户 j的相似度。
18、在一种可选的实施方式中，
19、将所述动态兴趣社本文档来自技高网...
【技术保护点】
1.基于群体智能的私域直播间热点预测与自适应路由方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据预先设置的滑动时间窗口对私域直播间进行数据采集，得到用户行为数据并通过时序卷积网络进行特征提取，得到到时序特征并添加至门控循环单元，结合更新门和重置门进行信息流动，计算得到长期依赖特征，基于不同位置的相关性，通过特征融合网络进行特征融合并结合前馈神经网络将融合后的特征升维至高维语义空间，得到时序特征矩阵，基于所述时序特征矩阵构建动态图神经网络并通过动态边权重更新机制计算用户节点间的多维相似度，基于所述多维相似度和预先设置的相似度阈值对用户节点进行动态连接，得到动态兴趣社群包括：
3.根据权利要求2所述的方法，其特征在于，根据用户节点间的多维相似度确定所述动态边的权重如下公式所示：
4.根据权利要求1所述的方法，其特征在于，将所述动态兴趣社群添加至预先设置的多层图注意力网络中，通过空间注意力层和通道注意力层提取群体交互模式特征并添加至改进的双向门控循环单元，得到长短期时序依赖关系并生成时序关联特征，将所述时序关联特征添加至深度残
5.根据权利要求4所述的方法，其特征在于，所述多个任务预测器基于所述通用特征表示进行社群演化趋势预测、社群影响力预测、社群话题热度预测，得到热点预测结果包括：
6.根据权利要求1所述的方法，其特征在于，为每条最优传输路径分配权重并构建候选路径集合，通过加权轮询算法对所述候选路径集合中的每个路径进行流量分配，结合基于深度学习的分布式负载均衡控制器更新每条路径的权重并检测网络通畅程度，若存在局部拥塞，则发送拥塞指示信号，建立内容分级表并将预先确定的高热度内容部署至所述用户节点的邻居节点中，根据预先设置的基于在线学习算法的内容分发控制器收集内容访问数据并更新所述内容分级表，获取实时网络状态并通过拥塞控制算法动态调整数据传输速率，结合令牌桶算法进行网络限速，基于调整后的网络状态更新所述最优传输路径，得到直播推送路径包括：
7.根据权利要求6所述的方法，其特征在于，在源节点维护令牌桶进行流量限制，根据所述传输速率确定令牌桶大小和令牌生成速率，当所述令牌桶中的令牌数量不足时将待发送数据缓存至本地缓冲区包括：
8.基于群体智能的私域直播间热点预测与自适应路由系统，用于实现前述权利要求1-7中任一项所述的方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.基于群体智能的私域直播间热点预测与自适应路由方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据预先设置的滑动时间窗口对私域直播间进行数据采集，得到用户行为数据并通过时序卷积网络进行特征提取，得到到时序特征并添加至门控循环单元，结合更新门和重置门进行信息流动，计算得到长期依赖特征，基于不同位置的相关性，通过特征融合网络进行特征融合并结合前馈神经网络将融合后的特征升维至高维语义空间，得到时序特征矩阵，基于所述时序特征矩阵构建动态图神经网络并通过动态边权重更新机制计算用户节点间的多维相似度，基于所述多维相似度和预先设置的相似度阈值对用户节点进行动态连接，得到动态兴趣社群包括：
3.根据权利要求2所述的方法，其特征在于，根据用户节点间的多维相似度确定所述动态边的权重如下公式所示：
4.根据权利要求1所述的方法，其特征在于，将所述动态兴趣社群添加至预先设置的多层图注意力网络中，通过空间注意力层和通道注意力层提取群体交互模式特征并添加至改进的双向门控循环单元，得到长短期时序依赖关系并生成时序关联特征，将所述时序关联特征添加至深度残差网络并通过残差学习和特征重标定提取高阶语义特征，基于所述高阶语义特征构建多任务学习框架，通过所述多任务学习框架进行多任务预测，得到热点预测结果并根据所述热点预测结果构建多层级网络拓扑模型，根据网络传输约束条件设置边权值，结合改进的启发式搜索算法进行路径探索，得到多条最优传输路径包括：<...
【专利技术属性】
技术研发人员：广宇昊，于惊涛，曾黎，傅强，
申请(专利权)人：北京易汇众盟网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。