本申请提供了一种直播推荐方法、装置、设备及计算机可读存储介质。其中，该方法包括：获得目标用户的用户特征；将所述用户特征输入图模型，以得到输出的所述目标用户的用户向量，所述图模型是基于用户与主播之间的观看关系以及主播之间的亲密关系训练得到的；基于所述目标用户的用户向量以及多个主播中每一个主播的主播向量，为所述目标用户召回相应的主播。同时，基于用户向量和主播向量优化直播推荐精排模型。通过本申请，能够为用户推荐更满足其需求的主播，提高了直播推荐的准确率。提高了直播推荐的准确率。提高了直播推荐的准确率。
【技术实现步骤摘要】
直播推荐方法、装置、设备及计算机可读存储介质
[0001]本申请涉及信息处理技术，尤其涉及一种直播推荐方法、装置、设备及计算机可读存储介质。
技术介绍
[0002]随着互联网直播平台兴起，越来越多的传统媒体通过直播的方式来发布最新的动态，观看直播也成为了互联网用户获取信息的主要渠道。但是直播视频数量众多，品类覆盖面广，内容多样繁杂，给用户推荐其感兴趣的主播在提升用户体验的同时可以给直播平台带来更多的收益。
[0003]目前，直播推荐范式大多基于用户历史观看数据进行召回、排序、重排等过程。在召回过程或排序过程中，学习用户表征向量(embedding)以及主播表征向量被广泛应用。但是，会存在仅能在一定程度上学习用户表征以及主播的协同信息的问题，例如，仅能够学习用户标识和主播标识两个维度的信息，而很难融合更多有用的特征。如此，导致召回过程、排序过程，甚至整个直播推荐过程不够准确，无法为用户推荐满足其需求的主播。
技术实现思路
[0004]本申请提供一种直播推荐方法、装置、设备及计算机可读存储介质，能够提高直播主播推荐的准确度。
[0005]第一方面，本申请提供一种直播推荐方法，该方法可以应用直播推荐系统。该方法可以包括：获得目标用户的用户特征；将用户特征输入图模进行向量搜索，得到输出的目标用户的用户向量，图模型是基于用户与主播之间的观看关系以及主播之间的亲密关系训练得到的；基于目标用户的用户向量以及多个主播中每一个主播的主播向量，为目标用户召回相应的主播，每一个主播的主播向量是通过所述图模型得到的。
[0006]在一些可能的实施方式中，基于目标用户的用户向量以及多个主播中每一个主播的主播向量，为目标用户召回相应的主播，包括：计算目标用户的用户向量与多个主播中每一个主播的主播向量之间的第一相似度；对第一相似度满足第一预设条件的主播进行召回。
[0007]在一些可能的实施方式中，在获得目标用户的用户特征之后，上述方法还包括：根据用户特征，从多个主播中确定目标用户在预设时长内观看的至少一个已观看主播；将至少一个已观看主播的主播特征分别输入图模型进行向量搜索，得到输出的至少一个已观看主播中每一个已观看主播的主播向量；
[0008]其中，基于目标用户的用户向量以及多个主播中每一个主播的主播向量，为目标用户召回相应的主播，包括：基于目标用户的用户向量、每一个已观看主播的主播向量以及每一个主播的主播向量，为目标用户召回相应的主播。
[0009]在一些可能的实施方式中，基于目标用户的用户向量、每一个已观看主播的主播向量以及每一个主播的主播向量，为目标用户召回相应的主播，包括：计算目标用户的用户
向量与每一个主播的主播向量之间的第一相似度；分别计算每一个已观看主播的主播向量与每一个主播的主播向量之间的第二相似度；从多个主播中确定出第一相似度满足第一预设条件的第一主播；针对每一个已观看主播，从多个主播中确定出第二相似度满足第二预设条件的第二主播；基于第一主播的主播特征以及第二主播的主播特征，为目标用户召回相应的主播。
[0010]第二方面，本申请提供一种图模型的训练方法，该方法可以应用直播推荐系统。该方法可以包括：根据历史直播数据，生成直播训练样本，其中，直播训练样本包括样本用户的历史直播数据和样本主播的历史直播数据；对样本用户的历史直播数据以及样本主播的历史直播数据进行特征提取，获得样本用户的用户特征以及样本主播的主播特征；根据用户特征以及主播特征，构建观看关系网络以及亲密关系网络，观看关系网络用于描述用户与主播之间的观看关系，亲密关系网络用于描述主播之间的亲密关系；基于观看关系网络以及亲密关系网络，对图模型进行迭代训练，直至图模型收敛，得到样本用户的用户向量以及样本主播的主播向量。
[0011]在一些可能的实施方式中，观看关系网络包括：表示样本用户的用户节点、表示样本主播的主播节点以及由用户节点指向主播节点的边，其中，边的权重是基于样本用户的历史观看数据进行归一化确定的。
[0012]在一些可能的实施方式中，主播亲密关系网络包括：表示样本主播的主播节点以及由主播节点中的一个主播节点指向另一个主播节点的边，其中，边的权重是基于样本主播节点之间的亲密度确定的。
[0013]在一些可能的实施方式中，基于观看关系网络以及亲密关系网络，对图模型进行迭代训练，包括：对观看关系网络以及主播亲密关系网络进行采样，得到多个子关系网络；对多个子关系网络中的每一个子关系网络进行至少一层邻域聚合，得到样本用户的用户向量和样本主播的主播向量；基于样本用户的用户向量、样本主播的主播向量以及交叉熵损失函数，调整图模型的模型参数。
[0014]在一些可能的实施方式中，根据历史直播数据，生成直播训练样本，包括：获取第一时长内的历史直播数据，历史直播数据包括用户侧历史数据以及主播侧历史直播数据；根据历史直播数据中用户对主播的观看时长，计算用户对主播的点击权重；按照点击权重，对用户侧历史数据以及主播侧历史直播数据进行采样，生成直播训练样本。
[0015]在一些可能的实施方式中，上述方法还包括：获取第二时长内的主播侧历史直播数据；对主播侧历史直播数据进行特征提取，得到主播特征；基于主播特征，更新图模型的模型参数。
[0016]在一些可能的实施方式中，在基于观看关系网络以及亲密关系网络，对图模型进行迭代训练之后，上述方法还包括：将样本用户的用户向量以及样本主播的主播向量确定为预训练向量；将预训练向量确定为精排模型的初始化向量，初始化向量用于训练所述精排模型，精排模型用于对召回的主播进行排序处理。
[0017]第三方面，本申请提供一种直播推荐装置，该装置可以应用于直播推荐系统。该装置可以包括：特征获得模块，用于获得目标用户的用户特征；向量计算模块，用于将用户特征输入图模型，得到输出的目标用户的用户向量，图模型是基于用户与主播之间的观看关系以及主播之间的亲密关系训练得到的；召回模块，用于基于目标用户的用户向量以及多
个主播中每一个主播的主播向量，为目标用户召回相应的主播，其中，所述每一个主播的主播向量是通过所述图模型得到的。
[0018]在一些可能的实施方式中，召回模块，还用于：计算目标用户的用户向量与多个主播中每一个主播的主播向量之间的第一相似度；对第一相似度满足第一预设条件的主播进行召回。
[0019]在一些可能的实施方式中，特征获得模块，还用于：在获得目标用户的用户特征之后，根据用户特征，从多个主播中确定目标用户在预设时长内观看的至少一个已观看主播；向量计算模块，用于将至少一个已观看主播的主播特征分别输入图模型，得到输出的至少一个已观看主播中每一个已观看主播的主播向量；召回模块，还用于基于目标用户的用户向量、每一个已观看主播的主播向量以及每一个主播的主播向量，为目标用户召回相应的主播。
[0020]在一些可能的实施方式中，召回模块，还用于：计算目标用户的用户向量与每一个主播的主播向量之间的第一相似度；分别计算每一个已观看主播的主播向量与每一个主本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种直播推荐方法，其特征在于，所述方法包括：获得目标用户的用户特征；将所述用户特征输入图模型进行向量搜索，得到所述目标用户的用户向量，所述图模型是基于用户与主播之间的观看关系以及主播之间的亲密关系训练得到的；基于所述目标用户的用户向量以及多个主播中每一个主播的主播向量，为所述目标用户召回相应的主播，所述每一个主播的主播向量是通过所述图模型得到的。2.根据权利要求1所述的方法，其特征在于，所述基于所述目标用户的用户向量以及多个主播中每一个主播的主播向量，为所述目标用户召回相应的主播，包括：计算所述目标用户的用户向量与所述多个主播中每一个主播的主播向量之间的第一相似度；对所述第一相似度满足第一预设条件的主播进行召回。3.根据权利要求1所述的方法，其特征在于，在所述获得所述目标用户的用户特征之后，所述方法还包括：根据所述用户特征，从所述多个主播中确定所述目标用户在预设时长内观看的至少一个已观看主播；将所述至少一个已观看主播的主播特征分别输入所述图模型进行向量搜索，得到输出的所述至少一个已观看主播中每一个已观看主播的主播向量；其中，所述基于所述目标用户的用户向量以及多个主播中每一个主播的主播向量，为所述目标用户召回相应的主播，包括：基于所述目标用户的用户向量、所述每一个已观看主播的主播向量以及所述每一个主播的主播向量，为所述目标用户召回相应的主播。4.根据权利要求3所述的方法，其特征在于，所述基于所述目标用户的用户向量、所述每一个已观看主播的主播向量以及所述每一个主播的主播向量，为所述目标用户召回相应的主播，包括：计算所述目标用户的用户向量与所述每一个主播的主播向量之间的第一相似度；分别计算所述每一个已观看主播的主播向量与所述每一个主播的主播向量之间的第二相似度；从所述多个主播中确定出所述第一相似度满足第一预设条件的第一主播；针对所述每一个已观看主播，从所述多个主播中确定出所述第二相似度满足第二预设条件的第二主播；基于所述第一主播的主播特征以及所述第二主播的主播特征，为所述目标用户召回相应的主播。5.一种图模型的训练方法，其特征在于，包括：根据历史直播数据，生成直播训练样本；其中，所述直播训练样本包括样本用户的历史直播数据和样本主播的历史直播数据；对所述样本用户的历史直播数据以及所述样本主播的历史直播数据进行特征提取，获得所述样本用户的用户特征以及所述样本主播的主播特征；根据所述用户特征以及所述主播特征，构建观看关系网络以及亲密关系网络，所述观看关系网络用于描述用户与主播之间的观看关系，所述亲密关系网络用于描述主播之间的
亲密关系；基于所述观看关系网络以及所述亲密关系网络，对所述图模型进行迭代训练，直至所述图模型收敛，得到所述样本用户的用户向量以及所述样本主播的主播向量。6.根据权利要求5所述的方法，其特征在于，所述观看关系网络包括：表示所述样本用户的...
【专利技术属性】
技术研发人员：张俊峰，王亮，
申请(专利权)人：微梦创科网络科技中国有限公司，
类型：发明
国别省市：
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。