直播平台的信息推送方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术公开了一种直播平台的信息推送方法、装置、电子设备和存储介质。其中，该方法包括：若检测到推送对象的标签制作事件，则确定用户标签的特征向量；将用户标签的特征向量输入预先训练得到的特征聚类模型中，并根据特征聚类模型的输出确定特征向量的特征类别；将特征向量的特征类别输入信息分类模型中，并根据信息分类模型的输出确定推送信息，以推送给推送对象；其中，推送信息包括如下至少一种：直播平台信息库中的直播内容、参与用户信息和参与主播信息。本发明专利技术实施例能够通过对用户标签进行分类得出用户特征，并根据用户特征确定推送信息，从而提高直播信息的推送精度。

【技术实现步骤摘要】
直播平台的信息推送方法、装置、电子设备和存储介质
本专利技术实施例涉及一种信息处理
，尤其涉及一种直播平台的信息推送方法、装置、电子设备和存储介质。
技术介绍
在直播平台中，注册用户的个人资料里面一般都有选择或自定义个人标签的功能，用来展示用户爱好或个人特点。直播系统往往会根据用户的标签预测用户的感兴趣点并进行相关信息的推送。现有的推送方法一般是直接根据用户标签与直播信息做匹配，根据匹配结果判断用户相似度以便做用户推荐或匹配，以帮助用户有效的找到感兴趣的人或内容。上述方案的缺陷在于：根据用户标签与直播信息进行相似性匹配，仅是根据标签名称进行字面匹配，难以识别出用户特征，导致推送信息的精准度较低。
技术实现思路
本申请实施例提供一种直播平台的信息推送方法、装置、电子设备和存储介质，可以通过对用户标签进行分类得出用户特征，并根据用户特征确定推送信息，从而提高直播信息的推送精度。第一方面，本专利技术实施例提供了一种直播平台的信息推送方法，包括：若检测到推送对象的标签制作事件，则确定用户标签的特征向量；将所述用户标签的特征向量输入预先训练得到的特征聚类模型中，并根据所述特征聚类模型的输出确定所述特征向量的特征类别；将所述特征向量的特征类别输入信息分类模型中，并根据所述信息分类模型的输出确定推送信息，以推送给所述推送对象；其中，所述推送信息包括如下至少一种：直播平台信息库中的直播内容、参与用户信息和参与主播信息。可选的，确定用户标签的特征向量，包括：对用户标签进行数据处理，得到处理后的用户标签；其中，所述数据处理包括数据清洗和/或数据探查；将所述处理后的用户标签进行向量转化，得到所述用户标签的特征向量。可选的，特征聚类模型的训练过程包括：确定参与直播的历史用户标签的特征向量；并将所述历史用户标签的特征向量分为训练样本集和验证样本集；将所述训练样本集进行聚类处理，得到所述训练样本集中历史用户标签的特征向量的特征类别；根据所述训练样本集和所述训练样本集中特征向量的特征类别，建立初始聚类模型；并利用所述验证样本集对所述初始聚类模型进行验证，以确定特征聚类模型。可选的，信息分类模型包括直播内容分类子模型、参与用户子模型和参与主播子模型中的至少一种。可选的，根据所述特征聚类模型的输出确定所述特征向量的特征类别，包括：若检测到所述特征聚类模型的输出为空，则计算所述用户标签的特征向量与所述特征聚类模型中各特征向量的匹配值；将最大匹配值的特征向量关联的特征类别作为所述用户标签的特征向量的特征类别。可选的，将所述特征向量的特征类别输入信息分类模型中，并根据所述信息分类模型的输出确定推送信息，包括：若检测到所述推送对象为历史用户，则分别将所述推送对象的历史特征向量的特征类别和所述特征向量的特征类别输入信息分类模型中，得到第一信息和第二信息；根据所述第一信息和所述第二信息确定推送信息。可选的，其特征在于，所述方法还包括：响应于模型更新触发操作，根据直播平台的历史用户标签对所述特征聚类模型进行训练更新。第二方面，本专利技术实施例提供了一种直播平台的信息推送装置，包括：特征向量确定模块，用于若检测到推送对象的标签制作事件，则确定用户标签的特征向量；特征类别确定模块，用于将所述用户标签的特征向量输入预先训练得到的特征聚类模型中，并根据所述特征聚类模型的输出确定所述特征向量的特征类别；推送信息确定模块，用于将所述特征向量的特征类别输入信息分类模型中，并根据所述信息分类模型的输出确定推送信息，以推送给所述推送对象；其中，所述推送信息包括如下至少一种：直播平台信息库中的直播内容、参与用户信息和参与主播信息。可选的，特征向量确定模块，具体用于：对用户标签进行数据处理，得到处理后的用户标签；其中，所述数据处理包括数据清洗和/或数据探查；将所述处理后的用户标签进行向量转化，得到所述用户标签的特征向量。可选的，还包括模型训练模块；模型训练模块包括；样本集确定单元，用于确定参与直播的历史用户标签的特征向量；并将所述历史用户标签的特征向量分为训练样本集和验证样本集；特征类别确定单元，用于将所述标签训练样本集进行聚类处理，得到所述标签训练样本集中历史用户标签的特征类别；模型确定单元，用于根据所述训练样本集和所述训练样本集中特征向量的特征类别，建立初始聚类模型；并利用所述验证样本集对所述初始聚类模型进行验证，以确定特征聚类模型。可选的，信息分类模型包括直播内容分类子模型、参与用户子模型和参与主播子模型中的至少一种。可选的，特征类别确定模块，具体用于：若检测到所述特征聚类模型的输出为空，则计算所述用户标签的特征向量与所述特征聚类模型中各特征向量的匹配值；将最大匹配值的特征向量关联的特征类别作为所述用户标签的特征向量的特征类别。可选的，推送信息确定模块，具体用于：若检测到所述推送对象为历史用户，则分别将所述推送对象的历史特征向量的特征类别和所述特征向量的特征类别输入信息分类模型中，得到第一信息和第二信息；根据所述第一信息和所述第二信息确定推送信息。可选的，还包括：模型更新模块，用于响应于模型更新触发操作，根据直播平台的历史用户标签对所述特征聚类模型进行训练更新。第三方面，本专利技术实施例还提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术实施例中的任一种所述的直播平台的信息推送方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，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实施例中的任一种所述的直播平台的信息推送方法。本专利技术实施例若检测到推送对象的标签制作事件，则确定用户标签的特征向量；将用户标签的特征向量输入预先训练得到的特征聚类模型中，并根据特征聚类模型的输出确定特征向量的特征类别；将特征向量的特征类别输入信息分类模型中，并根据信息分类模型的输出确定推送信息，以推送给推送对象；其中，推送信息包括如下至少一种：直播平台信息库中的直播内容、参与用户信息和参与主播信息。本专利技术实施例能够通过对用户标签进行分类得出用户特征，并根据用户特征确定推送信息，从而提高直播信息的推送精度。附图说明图1是本专利技术实施例一中的直播平台的信息推送方法的流程示意图；图2是本专利技术实施例二中的直播平台的信息推送方法的流程示意图；图3是本专利技术实施例三中的直播平台的信息推送装置的结构示意图；图4是本专利技术实施例四中的电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术本文档来自技高网...

【技术保护点】
1.一种直播平台的信息推送方法，其特征在于，所述方法包括：/n若检测到推送对象的标签制作事件，则确定用户标签的特征向量；/n将所述用户标签的特征向量输入预先训练得到的特征聚类模型中，并根据所述特征聚类模型的输出确定所述特征向量的特征类别；/n将所述特征向量的特征类别输入信息分类模型中，并根据所述信息分类模型的输出确定推送信息，以推送给所述推送对象；/n其中，所述推送信息包括如下至少一种：直播平台信息库中的直播内容、参与用户信息和参与主播信息。/n

【技术特征摘要】
1.一种直播平台的信息推送方法，其特征在于，所述方法包括：
若检测到推送对象的标签制作事件，则确定用户标签的特征向量；
将所述用户标签的特征向量输入预先训练得到的特征聚类模型中，并根据所述特征聚类模型的输出确定所述特征向量的特征类别；
将所述特征向量的特征类别输入信息分类模型中，并根据所述信息分类模型的输出确定推送信息，以推送给所述推送对象；
其中，所述推送信息包括如下至少一种：直播平台信息库中的直播内容、参与用户信息和参与主播信息。


2.根据权利要求1所述的方法，其特征在于，确定用户标签的特征向量，包括：
对用户标签进行数据处理，得到处理后的用户标签；其中，所述数据处理包括数据清洗和/或数据探查；
将所述处理后的用户标签进行向量转化，得到所述用户标签的特征向量。


3.根据权利要求1所述的方法，其特征在于，特征聚类模型的训练过程包括：
确定参与直播的历史用户标签的特征向量；并将所述历史用户标签的特征向量分为训练样本集和验证样本集；
将所述训练样本集进行聚类处理，得到所述训练样本集中历史用户标签的特征向量的特征类别；
根据所述训练样本集和所述训练样本集中特征向量的特征类别，建立初始聚类模型；并利用所述验证样本集对所述初始聚类模型进行验证，以确定特征聚类模型。


4.根据权利要求1所述的方法，其特征在于，信息分类模型包括直播内容分类子模型、参与用户子模型和参与主播子模型中的至少一种。


5.根据权利要求1所述的方法，其特征在于，根据所述特征聚类模型的输出确定所述特征向量的特征类别，包括：
若检测到所述特征聚类模型的输出为空，则计算所述用户标签的特征向量与所述特征聚类模型中各特征向量的匹配值；
将最大匹配值...

【专利技术属性】
技术研发人员：张海朋，
申请(专利权)人：北京映客芝士网络科技有限公司，
类型：发明
国别省市：北京;11