主播标签建立方法和装置、直播网络界面引擎接口和介质制造方法及图纸

本公开提供了一种主播标签建立方法和装置、直播网络界面引擎接口和介质。该方法包括：确定当前观看主播直播的用户的个体特征；基于所述个体特征，确定当前观看主播直播的用户的群体特征；基于所述群体特征，为主播建立标签。本公开实施例能够自动为主播建立标签，节省人工成本，且准确率高。

Method and Device for Establishing Host Label, Interface Engine Interface and Media of Live Network

【技术实现步骤摘要】
主播标签建立方法和装置、直播网络界面引擎接口和介质
本公开涉及互联网领域，具体涉及一种主播标签建立方法和装置、直播网络界面引擎接口和介质。
技术介绍
目前，在网络直播中，为了便于用户分类查找，将主播的直播根据类型贴上标签。例如，以游戏为主的主播，贴上游戏标签；以唱歌为主的主播，贴上唱歌标签。这样，用户可以从云标签入口先选择想要观看的主播标签。然后，将符合该标签的主播列表，呈现给用户。用户可以从中选择自己喜欢的主播进行观看。现有技术中，为主播贴标签一般采取两种方式。一种方式是主播自己贴标签。另一种方式是由后台管理人员手动贴标签。前一种方式中，主播为吸引粉丝，常常会给自己打出与实际情况不符的标签，如“美女”、“才艺”。后一种方式中，后台管理人员的数量远远小于主播的数量，工作量巨大，做不到实时性。而且，主播可能上午表演“唱歌”，下午表演“脱口秀”。后台管理人员按照主播一个时刻的表演贴标签，造成对用户的误导。
技术实现思路
本公开的一个目的在于提出一种主播标签建立方案，其能够自动为主播建立标签，节省人工成本，且准确率高。根据本公开实施例的第一方面，公开了一种主播标签建立方法，包括：确定当前观看主播直播的用户的个体特征；基于所述个体特征，确定当前观看主播直播的用户的群体特征；基于所述群体特征，为主播建立标签。根据本公开实施例的第二方面，公开了一种主播标签建立装置，包括：个体特征确定单元，用于确定当前观看主播直播的用户的个体特征；群体特征确定单元，用于基于所述个体特征，确定当前观看主播直播的用户的群体特征；标签建立单元，用于基于所述群体特征，为主播建立标签。根据本公开实施例的第三方面，公开了一种直播网络界面引擎接口，包括：存储器，存储有计算机可读指令；处理器，读取存储器存储的计算机可读指令，以执行如上所述的方法。根据本公开实施例的第四方面，公开了一种计算机程序介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上所述的方法。本公开实施例中，基于当前观看主播直播的用户的个体特征，统计出这些用户的群体特征，而这些用户的群体特征反映了该主播当前表演的类型，从而借助于当前观看主播直播的用户的特征统计，得到主播的标签。该实施方式自动为主播建立标签，不需要人工参与。由于主播的标签是根据实时观看的用户群体的特征总结出的，因此是客观的，消除了主观偏差，准确率高。另外，主播的标签根据实时观看的用户群体的变化实时变化，避免了主播在不同时段表演不同内容而贴同一标签对用户的误导。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。附图说明通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。图1A-C、图2A-C示出根据本公开一示例实施方式的主播标签建立方法的应用场景的直播观看界面变化图，其中，图1A示出在某一天上午向用户显示的标签云界面，该云界面示出各种标签；图1B示出在图1A的界面选择“唱歌”后显示的唱歌主播列表界面，该界面中有主播“蓝精灵”；图1C示出在图1B的主播列表界面选择“蓝精灵”后进入的该主播的直播界面；图2A示出在该天下午向用户显示的标签云界面，该云界面示出各种标签；图2B示出在图2A的界面选择“脱口秀”后显示的脱口秀主播列表界面，该界面中还有主播“蓝精灵”，说明了主播标签是根据主播表演类型的变化动态建立的；图2C示出在图2B的主播列表界面选择“蓝精灵”后进入的该主播的直播界面。图3示出根据本公开一示例实施方式的主播标签建立方法的另一应用场景界面图，其中在该场景中，标签不是进入主播列表界面的入口，而是在主播直播时显示在直播内容的旁边，用于帮助用户了解该主播。图4示出根据本公开一示例实施方式的主播标签建立方法应用的一个系统构架的示意图。图5示出根据本公开一示例实施方式的主播标签建立方法的流程图。图6示出根据本公开一示例实施方式的基于个体特征确定当前观看主播直播的用户的群体特征的具体流程图。图7示出根据本公开一示例实施方式的对当前观看主播直播的用户进行聚类的具体流程图。图8示出根据本公开一示例实施方式，在个体特征包括消费程度这样一个子特征的情况下，确定当前观看主播直播的用户的个体特征的具体流程图。图9示出根据本公开一示例实施方式，在个体特征包括在线程度这样一个子特征的情况下，确定当前观看主播直播的用户的个体特征的具体流程图。图10示出根据本公开一示例实施方式，在个体特征包括互动程度这样一个子特征的情况下，确定当前观看主播直播的用户的个体特征的具体流程图。图11示出根据本公开一示例实施方式，在个体特征包括最常上线时间段这样一个子特征的情况下，确定当前观看主播直播的用户的个体特征的具体流程图。图12示出根据本公开一示例实施方式，在个体特征包括经常上线时间段这样一个子特征的情况下，确定当前观看主播直播的用户的个体特征的具体流程图。图13示出根据本公开一示例实施方式，在个体特征包括关注主播标签这样一个子特征的情况下，确定当前观看主播直播的用户的个体特征的具体流程图。图14示出根据本公开一示例实施方式的确定聚成的类的用户的群体特征的具体流程图。图15示出根据本公开另一示例实施方式的确定聚成的类的用户的群体特征的具体流程图。图16示出根据本公开一示例实施方式的将各类的用户的群体特征聚合成当前观看主播直播的用户的群体特征的具体流程图。图17示出根据本公开一示例实施方式的基于所述群体特征为主播建立标签的具体流程图。图18示出根据本公开另一示例实施方式的基于所述群体特征为主播建立标签的具体流程图。图19示出根据本公开另一示例实施方式的主播标签建立方法的流程图。图20示出根据本公开另一示例实施方式的主播标签建立装置的模块图。图21示出根据本公开一示例实施方式的直播网络界面引擎接口的结构图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的示例实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、步骤等。在其它情况下，不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。目前，在网络直播中，为了便于用户分类查找，将主播的直播根据类型贴上标签。例如，以游戏为主的主播，贴上游戏标签；以唱歌为主的本文档来自技高网...

【技术保护点】
1.一种主播标签建立方法，其特征在于，包括：确定当前观看主播直播的用户的个体特征；基于所述个体特征，确定当前观看主播直播的用户的群体特征；基于所述群体特征，为主播建立标签。

【技术特征摘要】
1.一种主播标签建立方法，其特征在于，包括：确定当前观看主播直播的用户的个体特征；基于所述个体特征，确定当前观看主播直播的用户的群体特征；基于所述群体特征，为主播建立标签。2.根据权利要求1所述的方法，其特征在于，所述基于所述个体特征，确定当前观看主播直播的用户的群体特征，具体包括：基于所述个体特征，对当前观看主播直播的用户进行聚类；对于聚成的类，确定该类的用户的群体特征；将各类的用户的群体特征聚合成当前观看主播直播的用户的群体特征。3.根据权利要求2所述的方法，其特征在于，所述个体特征包括多个维度的个体子特征构成的个体特征向量，所述基于所述个体特征，对当前观看主播直播的用户进行聚类，具体包括：从当前观看主播直播的用户中选择预定数目个用户，该预定数目个用户的个体特征向量为聚类中心点；对于当前观看主播直播的用户中除聚类中心点外的用户，确定该用户的个体特征向量与各聚类中心点的个体特征向量的距离；将该用户聚集到所述距离最短的聚类中心点的类中；将每类中聚集的用户的个体特征向量取平均，作为重新确定的聚类中心点；确定当前观看主播直播的用户的个体特征向量与各聚类中心点的个体特征向量的距离；将用户重新聚集到所述距离最短的聚类中心点的类中，直到满足预定条件聚类结束。4.根据权利要求3所述的方法，其特征在于，所述预定条件包括：当前聚成的类中的用户数目与前一次聚成的相应类中的用户数目的差值绝对值的平均值小于第一阈值。5.根据权利要求3所述的方法，其特征在于，所述预定条件包括：当前聚成的用户数目最多的类中的用户数目与前一次聚成的相应类中的用户数目的差值绝对值小于第二阈值。6.根据权利要求3所述的方法，其特征在于，所述个体特征向量由第一数量维度的归一化后个体子特征和第二数量维度的字符串个体子特征构成，所述距离为用户的各第一数量维度的归一化后个体子特征与聚类中心点的相应维度的归一化后个体子特征的差的平方和、加上各第二数量维度的字符串个体子特征与聚类中心点的相应维度的字符串个体子特征的匹配得分的平方和的相加结果的的平方根。7.根据权利要求6所述的方法，其特征在于，所述归一化后个体子特征为用户的个体子特征与所有用户的该个体子特征的最大值的比值...

【专利技术属性】
技术研发人员：朱旦奇，
申请(专利权)人：腾讯数码天津有限公司，
类型：发明
国别省市：天津,12