【技术实现步骤摘要】
一种确定潜力主播的方法及装置
本专利技术实施例涉及数据挖掘
,尤其涉及一种确定潜力主播的方法及装置。
技术介绍
在互联网直播领域,每个平台的不同的直播分类下都拥有大量的主播,大部分主播会在自己擅长的领域进行直播,也有些主播兴趣广泛,他们会选择在多个直播分类下进行表演,而平台如何发掘有潜力的主播,对其进行进一步的培养和训练,是平台密切关心的问题,也关系到整个直播平台的发展。目前主要通过人工观看直播内容来判断主播的潜力,进而确定潜力主播,然而主播评估指标较多,从而导致通过人工挖掘潜力主播的方法效率较低。
技术实现思路
由于通过人工挖掘潜力主播的方法效率较低的问题,本专利技术实施例提供了一种确定潜力主播的方法及装置。一方面,本专利技术实施例提供了一种确定潜力主播的方法,包括:获取候选主播在多个时段的特征数据;针对每个时段,根据所述候选主播的特征数据和潜力预测模型确定所述候选主播的潜力分值;根据所述候选主播在每个时段对应的潜力分值确定所述候选主播的综合排名;在所述候选 ...
【技术保护点】
1.一种确定潜力主播的方法,其特征在于,包括:/n获取候选主播在多个时段的特征数据;/n针对每个时段,根据所述候选主播的特征数据和潜力预测模型确定所述候选主播的潜力分值;/n根据所述候选主播在每个时段对应的潜力分值确定所述候选主播的综合排名;/n在所述候选主播的综合排名满足预设条件时,将所述候选主播确定为潜力主播。/n
【技术特征摘要】
1.一种确定潜力主播的方法,其特征在于,包括:
获取候选主播在多个时段的特征数据;
针对每个时段,根据所述候选主播的特征数据和潜力预测模型确定所述候选主播的潜力分值;
根据所述候选主播在每个时段对应的潜力分值确定所述候选主播的综合排名;
在所述候选主播的综合排名满足预设条件时,将所述候选主播确定为潜力主播。
2.如权利要求1所述的方法,其特征在于,所述潜力预测模型是以所有候选主播的特征数据为训练样本训练获得的逻辑回归模型,其中,观看活跃度参数大于预设阈值的候选主播的特征数据为正样本,观看活跃度参数不大于预设阈值的候选主播的特征数据为负样本,所述潜力分值为观看潜力分值。
3.如权利要求1所述的方法,其特征在于,所述潜力分值为收益潜力分值;
所述根据所述候选主播的特征数据和潜力预测模型确定所述候选主播的潜力分值,包括:
采用潜力预测模型对所述候选主播的特征数据进行因子分析,确定所述候选主播对应的公因子以及每个公因子对应的分值,所述公因子包括观看因子、收益因子、效率因子;
根据每个公因子对应的分值和因子权重确定所述候选主播的收益潜力分值。
4.如权利要求1所述的方法,其特征在于,所述获取候选主播在多个时段的特征数据之前,包括:
获取所有主播的历史直播数据;
采用预设的活跃度参数对所有主播的历史直播数据进行筛选,从所有主播中确定出候选主播。
5.如权利要求1至4任一所述的方法,其特征在于,还包括:
根据所述潜力主播在所有潜力主播中的综合排名为所述潜力主播分配资源,并监控在分配资源后的预设时段内所述潜力主播的特征数据;
根据所述潜力...
【专利技术属性】
技术研发人员:唐松,张威,陈天双,苏馨,王欢,张殿鹏,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
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。