直播热度预测的方法，装置，设备及介质制造方法及图纸

本发明专利技术提供一种直播热度预测方法，包括：确定至少一个在预设时间段内在线用户具有固定增长值的第一类型直播间及在预设时间段内在线用户低于固定值的第二类型直播间；分别获取至少一个第一类型直播间及第二类型直播间中的用户在线时长及弹幕，得到至少一个以用户在线时长及弹幕组成的第一时间序列和第二时间序列；将得到的第一时间序列及第二时间序列进行训练，得到预测模型；获取待预测直播间中的用户在线时长及弹幕，得到以用户在线时长及弹幕组成的第三时间序列；将第三时间序列输入至预测模型中，以确定待预测直播间为第一类型直播间或第二类型直播间。该方法能够帮助平台挖掘潜力主播，使其获得更好的发展，同时提升平台的推广效果。

【技术实现步骤摘要】
直播热度预测的方法，装置，设备及介质
本专利技术涉及互联网直播领域，尤其涉及一种直播热度预测的方法，系统，设备及介质。
技术介绍
随着互联网的飞速发展，信息爆炸越来越严重，主要体现在新闻信息飞速增加、娱乐信息急剧攀升、广告信息铺天盖地、科技信息飞速递增及个人接受严重“超载”。无论在商品推荐，还是广告推荐中，当下的推荐技术，主流是输入User特征(用户年龄，性别，婚否，有无孩子等)、Item特征(价格，折扣，品类和品牌相关特征等)以及其交互特征，应用机器学习技术进行推荐。在直播领域，同样也需要推荐用户感兴趣的直播节目，但是直播中存在时间的变化，比如：如果某主播多才多艺，那么该直播间将会越来越受欢迎，如果某主播缺乏经营技术，那么该直播间热度将会下滑。因此，在对直播节目进行推荐的时候，不能单纯的用直播间的ID来表示，而是要结合其当前变化趋势，不能将正在变差的直播节目推送给用户，造成用户流失。如果能够对观众的需求做出精准的推荐，可以节约大量时间成本，有效提升平台的推广效果。
技术实现思路
(一)要解决的技术问题针对目前存在的技术问题，本专利技术提出一种基于时间序列的直播热度预测方法，系统，设备及介质，用于至少部分解决上述技术问题。(二)技术方案本专利技术提供一种直播热度预测方法，包括：确定至少一个第一类型直播间及至少一个第二类型直播间，其中，第一类型直播间为在预设时间段内在线用户具有固定增长值的直播间，第二类型直播间为在预设时间段内在线用户低于固定值的直播间；获取至少一个第一类型直播间中的用户在线时长及弹幕，得到至少一个以用户在线时长及弹幕组成的第一时间序列；获取至少一个第二类型直播间中的用户在线时长及弹幕，得到至少一个以用户在线时长及弹幕组成的第二时间序列；将获取的至少一个第一时间序列及第二时间序列进行训练，得到预测模型；获取待预测直播间中的用户在线时长及弹幕，得到以用户在线时长及弹幕组成的第三时间序列；将第三时间序列输入至预测模型中，以确定待预测直播间为第一类型直播间或第二类型直播间。可选地，获取至少一个第一类型直播间中的用户在线时长及弹幕，得到至少一个以用户在线时长及弹幕组成的第一时间序列，包括：将第一类直播间一场直播的直播总时长划分为多个等长的时间段；计算每个时间段内所有用户在线时长的总和，根据每个时间段内所有用户在线时长的总和得到时间向量；获取每个时间段内出现次数最多的前M个弹幕，并根据该M个弹幕得到弹幕向量；将时间向量与每个时间段内的弹幕向量分别组合，得到每个时间段内的评价向量；根据每个时间段内的评价向量得到该直播的第一时间序列，其中，一个时间段内的评价向量为第一时间序列的一个元素。可选地，计算每个时间段内所有用户在线时长的总和，包括：统计每个用户的上线时刻和下线时刻；将上线时刻和下线时刻对应到相应的时间段内，计算得到每个时间段类每个用户在该时间段内的在线时长；将每个时间段内所有用户的在线时长求和得到每个时间段内所有用户的在线时长总和。可选地，根据每个时间段内所有用户在线时长的总和得到时间向量，包括：比较各时间段内所有用户在线时长的总和，得到所有时间段内所有用户在线时长的总和的最大值Tmax；将每个时间段内所有用户在线时长的总和转化为时间向量：其中，Ti表示第i时间段被所有用户在线时长总和，Tmax表示所有时间段内所有用户在线时长总和的最大值。可选地，根据该M个弹幕得到弹幕向量，包括：将M个弹幕转化为对应的M个词向量；对M个词向量求和得到弹幕向量：其中，wri表示前M个弹幕，word2vec表示将弹幕转换成词向量的操作，WVt表示弹幕向量。可选地，将至少一个第一时间序列及第二时间序列进行训练，得到预测模型，包括：将至少一个第一时间序列和至少一个第二时间序列输入基于神经网络的预测框架，根据公式：Os＝tanh(W·Dt+Os-1)及得到所述预测模型；其中，OS代表隐藏层的输出，W代表隐藏层的权值，wi代表隐藏层输出的权值，每个N代表隐藏层的维数，Dt代表输入的所述多个第一时间序列或所述多个第二时间序列，lablel为所述二分类符号函数。可选地，将第三时间序列输入至预测模型中，以确定待预测直播间为第一类型直播间或第二类型直播间，包括：若预测模型输出的二分类符号函数的值为1，则待预测直播间为第一类型直播间；若预测模型输出的二分类符号函数的值为-1，则待预测直播间为第二类型直播间。本专利技术另一方面提供一种直播热度预测装置，该装置包括：直播间选取模块，用于确定至少一个第一类型直播间及至少一个第二类型直播间，其中，第一类型直播间为在预设时间段内在线用户具有固定增长值的直播间，第二类型直播间为在预设时间段内在线用户低于固定值的直播间；时间序列生成模块，用于获取至少一个第一类型直播间中的用户在线时长及弹幕，得到至少一个以用户在线时长及弹幕组成的第一时间序列，获取至少一个第二类型直播间中的用户在线时长及弹幕，得到至少一个以用户在线时长及弹幕组成的第二时间序列，获取待预测直播间中的用户在线时长及弹幕，得到以用户在线时长及弹幕组成的第三时间序列；预测模型生成模块，用于将至少一个第一时间序列及第二时间进行训练，得到预测模型；预测模块，用于将所述第三时间序列输入至所述预测模型中，以确定待测直播间为第一类型直播间或第二类型直播间。本专利技术另一方面还提供一种电子设备，包括：处理器；存储器，其存储有计算机可执行程序，该程序在被所述处理器执行时，使得所述处理器执行本专利技术中的直播热度预测方法。本专利技术另一方面还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术中的直播热度预测方法。(三)有益效果本专利技术提供一种基于时间序列的直播热度预测方法，系统，设备及介质，通过用户在某直播间的在线时长和弹幕来评价该直播间的吸引力和主播能力，将在线时长和弹幕转化为具体的时间序列，根据该时间序列预测直播节目的兴衰趋势，从而帮助平台挖掘可能流行的主播，帮助有才艺的主播取得更好的发展，同时提升平台的推广效果。附图说明为了更完整地理解本专利技术及其优势，现在将参考结合附图的以下描述，其中：图1示意性示出了根据本专利技术实施例的基于时间序列的直播热度预测方法的流程图。图2示意性示出了根据本专利技术实施例的时间序列的示意图。图3示意性示出了根据本专利技术实施例的基于神经网络的预测框架示意图。图4示意性示出了根据本专利技术实施例的基于时间序列的直播热度预测装置的框图。图5示意性示出了根据本专利技术实施例的基于时间序列的直播热度预测的电子设备框图。具体实施方式以下，将参照附图来描述本专利技术的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本专利技术的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本专利技术实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本专利技术的概念。本专利技术实施例提出一种基于时间序列的直播热度预测方法。图1示意性示出了根据本专利技术实施例的基于时间序列的直播热度预测方法的流程图。如图1所示，方法包括：S1，确定直播间类型，根据直播间的用户在线时长和弹幕得到不同类型直播间的不同时间序列。一个直播间的交互是主播和用户的交互，因此，在开播的时候本文档来自技高网...

【技术保护点】
1.一种直播热度预测方法，其特征在于，包括：确定至少一个第一类型直播间及至少一个第二类型直播间，其中，所述第一类型直播间为在预设时间段内在线用户具有固定增长值的直播间，第二类型直播间为在预设时间段内在线用户低于固定值的直播间；获取至少一个第一类型直播间中的用户在线时长及弹幕，得到至少一个以用户在线时长及弹幕组成的第一时间序列；获取至少一个第二类型直播间中的用户在线时长及弹幕，得到至少一个以用户在线时长及弹幕组成的第二时间序列；将所述至少一个第一时间序列及第二时间序列进行训练，得到预测模型；获取待预测直播间中的用户在线时长及弹幕，得到以用户在线时长及弹幕组成的第三时间序列；将所述第三时间序列输入至所述预测模型中，以确定所述待预测直播间为第一类型直播间或第二类型直播间。

【技术特征摘要】
1.一种直播热度预测方法，其特征在于，包括：确定至少一个第一类型直播间及至少一个第二类型直播间，其中，所述第一类型直播间为在预设时间段内在线用户具有固定增长值的直播间，第二类型直播间为在预设时间段内在线用户低于固定值的直播间；获取至少一个第一类型直播间中的用户在线时长及弹幕，得到至少一个以用户在线时长及弹幕组成的第一时间序列；获取至少一个第二类型直播间中的用户在线时长及弹幕，得到至少一个以用户在线时长及弹幕组成的第二时间序列；将所述至少一个第一时间序列及第二时间序列进行训练，得到预测模型；获取待预测直播间中的用户在线时长及弹幕，得到以用户在线时长及弹幕组成的第三时间序列；将所述第三时间序列输入至所述预测模型中，以确定所述待预测直播间为第一类型直播间或第二类型直播间。2.根据权利要求1所述的直播热度的预测方法，其特征在于，所述获取至少一个第一类型直播间中的用户在线时长及弹幕，得到至少一个以用户在线时长及弹幕组成的第一时间序列，包括：将所述第一类直播间一场直播的直播总时长划分为多个等长的时间段；计算每个时间段内所有用户在线时长的总和，根据所述每个时间段内所有用户在线时长的总和得到时间向量；获取每个时间段内出现次数最多的前M个弹幕，并根据该M个弹幕得到弹幕向量；将所述时间向量与每个时间段内的弹幕向量分别组合，得到每个时间段内的评价向量；根据所述每个时间段内的评价向量得到该直播的所述第一时间序列，其中，一个时间段内的评价向量为所述第一时间序列的一个元素。3.根据权利要求2所述的直播热度的预测方法，其特征在于，所述计算每个时间段内所有用户在线时长的总和，包括：统计每个用户的上线时刻和下线时刻；将所述上线时刻和下线时刻对应到相应的时间段内，计算得到每个时间段类每个用户在该时间段内的在线时长；将每个时间段内所有用户的在线时长求和得到所述每个时间段内所有用户的在线时长总和。4.根据权利要求2所述的直播热度的预测方法，其特征在于，所述根据所述每个时间段内所有用户在线时长的总和得到时间向量，包括：比较各时间段内所有用户在线时长的总和，得到所有时间段内所有用户在线时长的总和的最大值Tmax；将所述每个时间段内所有用户在线时长的总和转化为所述时间向量：其中，Ti表示第i时间段被所有用户在线时长总和，Tmax表示所有时间段内所有用户在线时长总和的最大值。5.根据权利要求2所述的直播热度的预测方法，其特征在于，所述根据该M个弹幕得到...

【专利技术属性】
技术研发人员：肖源，
申请(专利权)人：武汉斗鱼网络科技有限公司，
类型：发明
国别省市：湖北,42