主播推荐方法、装置、计算机存储介质及服务器制造方法及图纸

本发明专利技术涉及直播数据处理领域，具体涉及一种主播推荐方法、装置、计算机存储介质及服务器，所述方法包括：根据用户的标识信息获取用户数据；获取待推荐主播中的每个主播的主播数据；将所述用户数据进行特征转换得到用户特征，将所述每个主播的主播数据进行特征转换得到主播特征；将所述用户特征与所述主播特征进行交叉特征运算，得到组合了用户与每个主播的多维特征；根据逻辑回归模型计算所述多维特征，得到表征用户与每个主播的关联分数，根据所述关联分数向所述用户推荐相应的主播。本发明专利技术能够帮助直播平台全面、准确地为用户推荐适合的主播。

【技术实现步骤摘要】
主播推荐方法、装置、计算机存储介质及服务器
本专利技术涉及直播数据处理领域，具体涉及一种主播推荐方法、装置、计算机存储介质及服务器。
技术介绍
随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代，在这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战，对于信息消费者，面对海量的信息很难找到自己真正感兴趣的内容；对于信息生产者也很难把优质的内容准确地推送给感兴趣的用户。推荐系统被认为是解决这些问题的有效方法，推荐系统的任务就是联系用户和信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。对于直播平台而言同样面临着如何向用户推荐合适的主播等困难，目前直播平台所使用的推荐系统是在少量的数据特征、且大多是根据经验人为定义模型系数进行模型训练和验证，因为数据量的巨大，少量特征和人为经验是难以覆盖海量数据所呈现的规律，无法更加全面、准确地为用户推荐适合的主播。
技术实现思路
为克服以上技术问题，特别是现有技术无法全面、准确地为用户推荐适合的主播的问题，特提出以下技术方案：第一方面，本专利技术提供了一种主播推荐方法，包括：根据用户的标识信息获取用户数据；获取待推荐主播中的每个主播的主播数据；将所述用户数据进行特征转换得到用户特征，将所述每个主播的主播数据进行特征转换得到主播特征；将所述用户特征与所述主播特征进行交叉特征运算，得到组合了用户与每个主播的多维特征；根据逻辑回归模型计算所述多维特征，得到表征用户与每个主播的关联分数，根据所述关联分数向所述用户推荐相应的主播。进一步的，所述用户数据与所述主播数据的数据类型均包括类别型与连续型；所述将所述用户数据进行特征转换得到用户特征，将所述每个主播的主播数据转换得到主播特征，包括：当所述用户数据与所述主播数据的数据类型为类别型时，根据预设编码规则将所述用户数据编码成预定数量维度的用户特征；根据预设编码规则将所述每个主播的主播数据编码成预定数量维度的主播特征；当所述用户数据与所述主播数据的数据类型为连续型时，根据连续型的值的分布将用户数据分成预设数量的分区，生成具有预设数量维度的用户特征；根据连续型的值的分布将主播数据分成预设数量的分区，生成具有预设数量维度的主播特征。进一步的，所述将所述用户特征与所述主播特征进行交叉特征运算，得到组合了用户与每个主播的多维特征，包括：从所述用户特征中筛选具有用户主播关联性质的用户交互特征；从所述主播特征中筛选具有用户主播关联性质的主播交互特征；将所述用户交互特征与所述主播交互特征进行交叉特征运算，得到组合了用户与每个主播的多维特征。进一步的，所述根据逻辑回归模型计算所述多维特征，得到表征用户与每个主播的关联分数的计算公式为：其中，所述f(x)为关联分数，所述ak为逻辑回归模型的模型系数，所述xk为所述多维特征，且所述x0＝1。进一步的，所述多维特征为458维特征，所述k的取值范围为[0，458]的整数。进一步的，所述根据所述关联分数向所述用户推荐相应的主播，包括：将所述关联分数从大到小排序，对所述关联分数对应的主播进行排序；获取所述每个主播的实时数据，根据所述实时数据调整所述排序，按调整后的排序向所述用户推荐主播。进一步的，所述待推荐主播由以下方法获取：根据用户的标识信息匹配预定数量的所述用户感兴趣的主播，把所述主播作为待推荐主播。第二方面，本专利技术还提供了一种主播推荐装置，包括：获取模块：用于根据用户的标识信息获取用户数据；获取待推荐主播中的每个主播的主播数据；特征转化模块：用于将所述用户数据进行特征转换得到用户特征，将所述每个主播的主播数据进行特征转换得到主播特征；将所述用户特征与所述主播特征进行交叉特征运算，得到组合了用户与每个主播的多维特征；推荐模块：用于根据逻辑回归模型计算所述多维特征，得到表征用户与每个主播的关联分数，根据所述关联分数向所述用户推荐相应的主播。第三方面，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述的主播推荐方法。第三方面，本专利技术还提供了一种服务器，所述服务器包括一个或多个处理器、存储器、一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序配置用于执行上述的主播推荐方法。本专利技术与现有技术相比，具有以下有益效果：本专利技术将获取的用户数据和主播数据通过特征转换成相应的用户特征和主播特征，然后对用户特征与主播特征进行交叉特征运算，得到组合了用户与主播的多维特征，即得到表征用户画像、主播画像及用户主播关联性的多个维度的特征，全面地表达用户与主播的关联程度，同时应用机器学习方法中的逻辑回归模型计算所述多维特征得到用户与每一个主播的关联分数，通过逻辑回归模型让不同的组合特征的敏感度对于关联分数的影响比重不同，从而得到更加准确的表征用户与主播关联程度的关联分数，然后根据所述关联分数向用户推荐相应的主播，从而向用户推荐其更合适的主播。再者，本专利技术为了在根据关联分数对主播进行排序后，还获取主播实时的直播数据，根据所述实时的直播数据对主播进行又一次的排序，能够推荐给用户当前直播数据更佳且适合用户的主播，提高用户的满意度。本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术主播推荐方法的一实施例流程示意图；图2为本专利技术主播推荐方法的另一实施例流程示意图；图3为本专利技术主播推荐装置的一实施例示意图；图4为本专利技术服务器的一实施例结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本专利技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作。本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。本领域技术人员应当理解，本专利技术所称的“应用”、“应用程序”、“计算机程序”以及类似表述的概念，是业内技术人员所公知的相同概念，是指由一系列计算机指令及相关数据资源有机构造的适于电子运行的计算机软件。除非特别指定，这种命名本身不受编程语言种类、级别，也不受其赖以运行的操作系统或平台所限制。在一种实施例中，本专利技术提供一种主播推荐方法，如图1所示，该方法包括以下步骤：S10：根据用户的标识信息获取用户数据；获本文档来自技高网...

【技术保护点】
1.一种主播推荐方法，其特征在于，包括：根据用户的标识信息获取用户数据；获取待推荐主播中的每个主播的主播数据；将所述用户数据进行特征转换得到用户特征，将所述每个主播的主播数据进行特征转换得到主播特征；将所述用户特征与所述主播特征进行交叉特征运算，得到组合了用户与每个主播的多维特征；根据逻辑回归模型计算所述多维特征，得到表征用户与每个主播的关联分数，根据所述关联分数向所述用户推荐相应的主播。

【技术特征摘要】
1.一种主播推荐方法，其特征在于，包括：根据用户的标识信息获取用户数据；获取待推荐主播中的每个主播的主播数据；将所述用户数据进行特征转换得到用户特征，将所述每个主播的主播数据进行特征转换得到主播特征；将所述用户特征与所述主播特征进行交叉特征运算，得到组合了用户与每个主播的多维特征；根据逻辑回归模型计算所述多维特征，得到表征用户与每个主播的关联分数，根据所述关联分数向所述用户推荐相应的主播。2.根据权利要求1所述的方法，其特征在于，所述用户数据与所述主播数据的数据类型均包括类别型与连续型；所述将所述用户数据进行特征转换得到用户特征，将所述每个主播的主播数据转换得到主播特征，包括：当所述用户数据与所述主播数据的数据类型为类别型时，根据预设编码规则将所述用户数据编码成预定数量维度的用户特征；根据预设编码规则将所述每个主播的主播数据编码成预定数量维度的主播特征；当所述用户数据与所述主播数据的数据类型为连续型时，根据连续型的值的分布将用户数据分成预设数量的分区，生成具有预设数量维度的用户特征；根据连续型的值的分布将主播数据分成预设数量的分区，生成具有预设数量维度的主播特征。3.根据权利要求1所述的方法，其特征在于，所述将所述用户特征与所述主播特征进行交叉特征运算，得到组合了用户与每个主播的多维特征，包括：从所述用户特征中筛选具有用户主播关联性质的用户交互特征；从所述主播特征中筛选具有用户主播关联性质的主播交互特征；将所述用户交互特征与所述主播交互特征进行交叉特征运算，得到组合了用户与每个主播的多维特征。4.根据权利要求1所述的方法，其特征在于，所述根据逻辑回归模型计算所述多维特征，得到表征用户与每个主播的关联分数的计算公式为：其中，...

【专利技术属性】
技术研发人员：陈聪，
申请(专利权)人：广州虎牙信息科技有限公司，
类型：发明
国别省市：广东,44