使用机器学习推荐直播流内容制造技术

公开了一种用于训练机器学习模型以向内容共享平台的用户推荐直播流媒体项的系统和方法。在一种实施方式中，通过生成第一训练输入生成用于机器学习模型的训练数据，所述第一训练输入包括由第一用户群体的用户所消费的一个或多个之前所呈现的直播流媒体项。训练数据还包括生成第二训练输入，所述第二训练输入包括当前正在被第二用户群体的用户所消费的一个或多个当前所呈现的直播流媒体项。训练数据进一步包括生成第一目标输出，所述第一目标输出识别直播流媒体项以及用户要消费该直播流媒体项的置信度水平。该方法包括提供该训练数据以训练该机器学习模型。

Using machine learning to recommend live streaming content

【技术实现步骤摘要】
【国外来华专利技术】使用机器学习推荐直播流内容
本公开的方面和实施方式涉及内容共享平台，尤其涉及生成直播流媒体项的推荐。
技术介绍
经由互联网连接的社交网络允许用户互相连接并共享信息。许多社交网络包括内容共享方面，其允许用户上传、观看并共享内容，诸如视频项、图像项、音频项等。社交网络的其它用户可以对所共享的内容进行评论，发现新的内容，定位更新，共享内容，以及以其它方式与所提供的内容交互。所共享的内容可以包括来自专业内容创作方的内容，例如电影片段、电视片段和音乐视频项，以及来自业余内容创作方的内容，例如视频博客发布和原创短视频项。
技术实现思路
以下的
技术实现思路
是本公开的简化
技术实现思路
以便提供对本公开的一些方面的基本理解。该
技术实现思路
并非是本公开的扩展性概述。其并非意在标示出本公开的关键或必要要素，也并非对本公开的任何特定实施方式的范围或者权利要求的任何范围加以界定。其目的仅在于以简化方式给出本公开的一些概念而作为随后所提供的更为详细的描述的前序。在一种实施方式中，该方法包括生成用于机器学习模型的训练数据。生成用于机器学习模型的训练数据包括生成第一训练输入，其包括一个或多个之前所呈现的媒体项，例如由第一多个用户群体的用户在内容共享平台上所消费的之前所呈现的直播流媒体项。生成用于机器学习模型的训练数据还包括生成第二训练输入，其包括当前呈现的媒体项，例如当前正在由第二多个用户群体的用户在内容共享平台上所消费的当前所呈现的直播流媒体项。该方法包括针对该第一训练输入和第二训练输入生成第一目标输入。该第一目标输入识别例如直播流媒体项的媒体项以及用户要消费该媒体项的置信度水平。该方法还包括提供该训练数据以在(i)包括该第一训练输入和第二训练输入的训练输入集以及(ii)包括该第一目标输出的目标输出集上训练该机器学习模型。一旦该机器学习模型已经被训练，其随后就可以在直播流媒体项的传输期间被用来对直播流媒体项进行分类(也就是说，不必等待直播流媒体项的传输完成)。在另一种实施方式中，生成用于机器学习模型的训练数据还包括生成第三训练输入，其包括与在内容共享平台上消费一个或多个之前所呈现的直播流媒体项的第一多个用户群体的用户所进行的用户访问相关联的第一场境信息。生成用于机器学习模型的训练数据还包括生成第四训练输入，其包括生成与在内容共享平台上正在消费当前所呈现的直播流媒体项的第二多个用户群体的用户所进行的用户访问相关联的第二场境信息。该方法包括提供该训练数据以在(i)包括该第一、第二、第三和第四训练输入的训练输入集以及(ii)包括该第一目标输出的目标输出集上训练该机器学习模型。在一种实施方式中，生成用于机器学习模型的训练数据还包括生成第五训练输入，其包括与在内容共享平台上消费一个或多个之前所呈现的直播流媒体项的第一多个用户群体的用户相关联的第一用户信息。在一种实施方式中，生成用于机器学习模型的训练数据还包括生成第六训练输入，其包括与在内容共享平台上正在消费当前所呈现的直播流媒体项的第二多个用户群体的用户相关联的第二用户信息。该方法还包括提供该训练数据以在(i)包括该第一、第二、第五和第六训练输入的训练输入集以及(ii)包括该第一目标输出的目标输出集上训练该机器学习模型。在一种实施方式中，该训练输入集中的每个训练输入与用来训练该机器学习模型的训练输入中的目标输出集中的相应目标输出相关联(例如，与之映射)。在一种实施方式中，该第一训练输入包括该第一多个用户群体中的第一用户群体，其消费该一个或多个之前所呈现的直播流媒体项中的第一之前所呈现的直播流媒体项，其中该第一之前所呈现的直播流媒体项被直播流传输至该第一用户群体。在一种实施方式中，该第一训练输入包括该第一多个用户群体中的第二用户群体，其消费该一个或多个之前所呈现的直播流媒体项中的第二之前所呈现的直播流媒体项，其中该第二之前所呈现的直播流媒体项在被直播流传输之后呈现给该第二用户群体。在一种实施方式中，该第一训练输入包括该第一多个用户群体中的第三用户群体，其消费该一个或多个之前所呈现的直播流媒体项中的不同的之前所呈现的直播流媒体项，其中该不同的之前所呈现的直播流媒体项被直播流传输至该第三用户群体并且随后以直播流媒体项的相似类别被分类。在一种实施方式中，该方法还接收由用户对内容共享平台所进行的用户访问的指示。该方法由该机器学习模型生成测试输出，其识别测试直播流媒体项以及用户要消费该测试直播流媒体项的置信度水平。该方法进一步向用户提供该测试直播流媒体项的推荐。该方法在考虑到该推荐的情况下，接收用户对该测试直播流媒体项的消费的指示。响应于用户对该测试直播流媒体项的消费的指示，该方法基于该消费的指示调节该机器学习模型。在一些实施例中，该机器学习模型被配置为处理新用户对该内容共享平台的新用户访问并且生成一个或多个输出，其指示(i)当前直播流媒体项，以及(ii)该新用户要消费当前直播流媒体项的置信度水平。在不同实施方式中，公开了一种用于推荐媒体项的方法，所述媒体项例如直播流媒体项。该方法包括接收用户对内容共享平台所进行的用户访问的指示。响应于该用户访问，该方法向经训练的机器学习模型提供包括与对内容共享平台的用户访问相关联的场境的第一输入，包括与对内容共享平台的用户访问相关联的用户信息的第二输入，以及包括与该用户访问同时提供(例如，与该用户访问同时直播流传输的直播流媒体项)并且正在被第一多个用户群体的用户在内容共享平台上所消费的媒体项。该方法还从该经训练的机器学习模型获得一个或多个输出，其识别(i)例如可以是直播流媒体项的多个媒体项，以及(ii)用户要消费多个媒体项中的相应媒体项的置信度水平。在另一种实施方式中，该方法在考虑到用户要消费多个媒体项中的相应媒体项的置信度水平的情况下向内容共享平台的用户提供对多个直播流媒体项中的一个或多个的推荐。在一种实施方式中，在向内容共享平台的用户提供对多个直播流媒体项中的一个或多个的推荐时，该方法确定与该多个直播流媒体项中的每一个相关联的置信度水平是否超过阈值水平。响应于确定与该多个直播流媒体项中的一个或多个相关联的置信度水平超过阈值水平，该方法向用户提供对该多个直播流媒体项中的一个或多个的每一个的推荐。在一种实施方式中，该经训练的机器学习模型已经使用第一训练输入进行了训练，所述第一训练输入包括由第二多个用户群体的用户在内容共享平台上所消费的一个或多个之前所呈现的直播流媒体项。在一种实施方式中，该第一训练输入包括第二多个用户群体的第一用户群体，其消费被直播流传输至该第一用户群体的用户的第一之前所呈现的直播流媒体项。在一种实施方式中，该第一训练输入包括第二多个用户群体的第二用户群体，其消费在被直播流传输之后呈现给该第二用户群体的用户的第二之前所呈现的直播流媒体项。在一种实施方式中，该第一训练输入包括消费不同的之前所呈现的直播流媒体项的第二多个用户群体的第三用户群体，所述不同的之前所呈现的直播流媒体项被直播流传输至该第三用户群体的用户并且随后以直播流媒体项的相似类别被分类。在一种实施方本文档来自技高网...

【技术保护点】
1.一种用于训练机器学习模型的方法，所述方法包括：/n生成用于所述机器学习模型的训练数据，其中生成所述训练数据包括：/n生成第一训练输入，所述第一训练输入包括由第一多个用户群体的用户在内容共享平台上消费的一个或多个之前所呈现的直播流媒体项；/n生成第二训练输入，所述第二训练输入包括当前正在由第二多个用户群体的用户在所述内容共享平台上消费的一个或多个当前所呈现的直播流媒体项；并且/n针对所述第一训练输入和所述第二训练输入生成第一目标输入，其中，所述第一目标输出识别直播流媒体项以及所述用户要消费所述直播流媒体项的置信度水平；以及/n提供所述训练数据以在(i)包括所述第一训练输入和所述第二训练输入的训练输入集以及(ii)包括所述第一目标输出的目标输出集上训练所述机器学习模型。/n

【技术特征摘要】
【国外来华专利技术】20170522 US 15/601,0811.一种用于训练机器学习模型的方法，所述方法包括：
生成用于所述机器学习模型的训练数据，其中生成所述训练数据包括：
生成第一训练输入，所述第一训练输入包括由第一多个用户群体的用户在内容共享平台上消费的一个或多个之前所呈现的直播流媒体项；
生成第二训练输入，所述第二训练输入包括当前正在由第二多个用户群体的用户在所述内容共享平台上消费的一个或多个当前所呈现的直播流媒体项；并且
针对所述第一训练输入和所述第二训练输入生成第一目标输入，其中，所述第一目标输出识别直播流媒体项以及所述用户要消费所述直播流媒体项的置信度水平；以及
提供所述训练数据以在(i)包括所述第一训练输入和所述第二训练输入的训练输入集以及(ii)包括所述第一目标输出的目标输出集上训练所述机器学习模型。


2.根据权利要求1所述的方法，其中，生成所述训练数据进一步包括：
生成第三训练输入，所述第三训练输入包括与在所述内容共享平台上消费所述一个或多个之前所呈现的直播流媒体项的所述第一多个用户群体的用户所进行的用户访问相关联的第一场境信息；并且
生成第四训练输入，所述第四训练输入包括与在所述内容共享平台上正在消费所述一个或多个当前所呈现的直播流媒体项的所述第二多个用户群体的用户所进行的用户访问相关联的第二场境信息；以及
其中，所述训练输入集包括所述第一训练输入、所述第二训练输入、所述第三训练输入和所述第四训练输入。


3.根据权利要求1所述的方法，其中，生成所述训练数据进一步包括：
生成第五训练输入，所述第五训练输入包括与在所述内容共享平台上消费所述一个或多个之前所呈现的直播流媒体项的所述第一多个用户群体的用户相关联的第一用户信息；并且
生成第六训练输入，所述第六训练输入包括与在所述内容共享平台上正在消费所述一个或多个当前所呈现的直播流媒体项的所述第二多个用户群体的用户相关联的第二用户信息；以及
其中，所述训练输入集包括所述第一训练输入、所述第二训练输入、所述第五训练输入和所述第六训练输入。


4.根据权利要求1、2或3所述的方法，其中，所述训练输入集中的每个训练输入与所述目标输出集中的相应目标输出相关联。


5.根据权利要求1、2、3或4所述的方法，其中，所述第一训练输入识别消费所述一个或多个之前所呈现的直播流媒体项中的第一之前所呈现的直播流媒体项的所述第一多个用户群体中的第一用户群体，其中，所述第一之前所呈现的直播流媒体项被直播流传输至所述第一用户群体。


6.根据任一项前述权利要求所述的方法，其中，所述第一训练输入识别消费所述一个或多个之前所呈现的直播流媒体项中的第二之前所呈现的直播流媒体项的所述第一多个用户群体中的第二用户群体，其中，所述第二之前所呈现的直播流媒体项在被直播流传输之后呈现给所述第二用户群体。


7.根据任一项前述权利要求所述的方法，其中，所述第一训练输入识别消费所述一个或多个之前所呈现的直播流媒体项中的多个不同的之前所呈现的直播流媒体项的所述第一多个用户群体中的第三用户群体，其中，所述不同的之前所呈现的直播流媒体项被直播流传输至所述第三用户群体并且随后以直播流媒体项的相似类别被分类。


8.根据任一项前述权利要求所述的方法，进一步包括：
接收由用户对所述内容共享平台所进行的用户访问的指示；
由所述机器学习模型生成测试输出，所述测试输出识别测试直播流媒体项以及所述用户要消费所述测试直播流媒体项的置信度水平；
向所述用户提供对所述测试直播流媒体项的推荐；
接收所述用户在考虑到所述推荐的情况下对所述测试直播流媒体项的消费的指示；以及
响应于所述用户对所述测试直播流媒体项的消费的指示，基于所述消费的指示来调节所述机器学习模型。


9.根据任一项前述权利要求所述的方法，其中，所述机器学习模型被配置为处理新用户对所述内容共享平台的新用户访问并且生成一个或多个输出，所述一个或多个输出指示(i)当前直播流媒体项以及(ii)所述新用户要消费所述当前直播流媒体项的置信度水平。


10.一种方法，包括：
接收用户对内容共享平台所进行的用户访问的指示；
响应于接收到所述用户访问的指示，
向经训练的机器学习模型提供包括与对所述内容共享平台的所述用户访问相关联的场境信息的第一输入、包括与所述用户访问相关联的用户信息的第二输入以及包括与所述用户访问同时被直播流传输并且当前正在由第一多个用户群体的用户在所述内容共享平台上所消...

【专利技术属性】
技术研发人员：托马斯·普赖斯，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：美国;US