本发明专利技术涉及数据处理技术领域，具体地说，涉及一种计算电商直播热度的方法及系统。包括以下步骤：采集直播数据进行数据清洗、去重和降采样的预处理，采用加权增量模型，根据直播数据计算实时的直播热度指数，并且应用支持向量回归机算法，建立历史数据分析模型，判断观看者对直播感兴趣的内容，预测未来的直播热度。本发明专利技术能够更为准确地计算出实时的直播热度指数，使得直播热度指数更具备代表性和精准性，提高电商直播的营销策略和效果，并且根据评论数量对所有分类按照兴趣程度进行排序，方便直播者可以根据咨询问题数量较多的优先进行解答，满足大部分观看者的需求，提高直播质量，实现直播热度评估体系的个性化定制。实现直播热度评估体系的个性化定制。实现直播热度评估体系的个性化定制。
【技术实现步骤摘要】
一种计算电商直播热度的方法及系统
[0001]本专利技术涉及数据处理
，具体地说，涉及一种计算电商直播热度的方法及系统。
技术介绍
[0002]随着电商网络化经营的快速发展，直播电商正在迅速成为电商行业的一大风口，直播电商将传统线下购物与线上购物方式相结合，提供强大的网购体验，因此，投入大量资源来发展直播电商，而电商直播的重要指标之一便是直播热度，通过对直播热度的准确计算和分析，可以有效地评估直播质量，优化营销方案，提升用户购买转化率；然而目前在对直播热度进行计算及分析时，存在以下问题：其一、传统的直播热度指标粗略和有限，不能反映出直播热度的实际情况，也难以满足直播电商的实际需求；其二、直播电商面对大量的用户咨询和服务工作，需要快速响应和处理，但是传统的手工处理方式难以胜任；其三、直播热度的计算和分析需要耗费大量的时间和人力，不能实现实时追踪和有效评估；鉴于此，提出一种计算电商直播热度的方法及系统，解决了传统的直播热度计算和分析使用的问题，对于促进直播电商行业的发展具有积极的作用。
技术实现思路
[0003]本专利技术的目的在于提供计算电商直播热度的方法及系统，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述技术问题的解决，本专利技术的目的之一在于，提供一种计算电商直播热度的方法，包括如下步骤：S1、采集电商直播平台的直播数据，直播数据包括直播标题、观看次数、点赞数、评论数、分享数；S2、对采集到的直播数据进行数据清洗、去重和降采样的预处理；S3、采用加权增量模型，根据直播数据计算实时的直播热度指数；S4、应用支持向量回归机算法，建立历史数据分析模型，判断观看者对直播感兴趣的内容，预测未来的直播热度；S5、建立直播感兴趣内容的分析表，根据预测未来的直播热度实现直播热度评估体系的个性化定制。
[0005]优选的，所述S1中采集直播数据是通过API接口实时获取电商直播平台的直播数据。
[0006]优选的，所述S2中对直播数据进行数据清洗包括以下步骤：去除数据中的空格和空行：使用 strip 函数或者正则表达式去除字符串两端的空格，删除空行；
处理数据中的异常值；处理数据中的缺失值：对于缺失值，采用插值法和删除法处理；所述S2中对直播数据进行数据去重包括以下步骤：使用Pandas库中的drop_duplicates 函数，对直播数据的唯一属性进行检测，去除重复的记录数据；所述S2中对直播数据进行降采样包括以下步骤：定义时间间隔；对于每个时间间隔内的数据，采用平均值或者中位数来代替原始数据。
[0007]优选的，所述S3中加权增量模型包括以下步骤：将直播数据指标赋予权重并加以计算；根据权重和各项指标的增量，计算出实时的直播热度指数。
[0008]优选的，具体的，所述加权增量模型的表达式为：定义若干个时间段[ti, t{i+1}]；在时间段[ti, t{i+1}]中，直播间的热度指数H(t)的计算采用加权平均值的方法，即：H(t)=α*H(t
‑
1)+(1
‑
α)* W(t
‑
1)*W(t) ；其中，H(t
‑
1)表示上一个时间段的热度指数，W(t
‑
1)表示上一个时间段中用户在该时间对直播间互动的权重，W(t)表示当前时刻用户在该时间段内对直播间互动的权重，而α是平滑系数，其作用是对历史权重进行平滑处理。
[0009]优选的，所述S4中支持向量回归机算法，包括以下步骤：S4.1、首先需要对历史的直播数据进行处理，提取出特征向量，并将这些特征向量组成历史数据的特征矩阵x = [x1, x2, ..., xn]^T，其中n表示历史数据的数量；S4.2、设历史直播数据的指数序列为y= [y1, y2, ..., yn]^T，其取值范围为实数空间；S4.3、对于SVR模型，需要选择一个核函数用于将特征向量映射到高维空间，并根据模型需要来选择相应的核函数，其公式如下：K(xi，xj) = exp(
‑
\gamma||xi
‑
xj||^2)；其中，xi，xj表示样本数据的特征向量，\gamma是一个可控制模型复杂度和训练误差的正则化参数；||xi
‑
xj||^2是样本数据特征向量之间的欧几里得距离；S4.4、建立支持向量回归机模型，其基本公式为：y=w^T\phi(x)+b；其中，\phi(x)表示将输入空间x映射到高维空间过程中使用的核函数，w表示模型的权重，b表示模型的偏置；S4.5、对于给定的一组特征向量xp，使用支持向量回归机模型预测其所对应的直播热度指数 yp，其表示为：yp = w^T\phi(xp)+b；S4.6、采用机器学习库对模型进行训练和预测。
[0010]优选的，所述S4中判断观看者对直播感兴趣的内容采用关键字分类排序算法，包括以下步骤：评论内容进行分词处理，将每个评论划分为一个个词语；
接着，建立一个包含关键字的列表或词典，将其中的关键字分为不同的分类。
[0011]针对评论中的每个词语，使用模糊字符串匹配算法，与关键字列表中的所有词进行匹配，找出与分类相关联的评论；将每个评论分别计算相关联的分类的权重得分；将每个评论分别归类到相关的分类，统计每个分类在所有评论中出现的次数，再按照出现次数进行排序，得到观看者最感兴趣的分类。
[0012]优选的，所述关键字分类排序算法的表达式为：对于每条评论Cj，计算其与各个分类Ti的权重得分W{i,j}，用于表示评论和各个主题的语义相关性，其公式如下：W{i,j} =sum{k=1}^n mi(c{j,k})；其中，mi(c{j,k})表示第j条评论Cj中第k个词语对应的分类Ti的权重，n表示评论Cj内词语的数量；对于每个分类Ti，统计所有评论中与其相关联的权重得分，表示观众对该分类的总体兴趣程度Ii，其公式如下：Ii =sum{j=1}^m W{i,j}；其中，m表示评论数量。
[0013]本专利技术的目的之二在于，提供了计算电商直播热度的系统，包括上述中任意一项所述的计算电商直播热度的方法，包括直播数据收集模块、数据预处理模块、直播热度计算模块和预测分析模块和定制分析模块；所述直播数据收集模块用于采集电商直播平台的直播数据；所述数据预处理模块用于对采集到的直播数据进行数据清洗、去重和降采样的预处理；所述直播热度计算模块用于根据直播数据计算实时的直播热度指数；所述预测分析模块用于建立历史数据分析模型，判断观看者对直播感兴趣的内容，预测未来的直播热度；所述定制分析模块用于直播感兴趣内容的分析表，根据预测未来的直播热度实现直播热度评估体系的个性化定制。
[0014]与现有技术相比，本专利技术的有益效果：1、通过采集电商直播平台的直播数据，对采集到的直播数据进行数据清洗、去重和降采样的预处理，然后采用加权增量模型，根据直播数据计算实时的直播热度指数，利用加权增量模型，能够更为准确地计算出实时的直播热度指数。通过对观看次数、点赞数、评论数、分享数等多个指标进行分本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种计算电商直播热度的方法，其特征在于：包括如下步骤：S1、采集电商直播平台的直播数据，直播数据包括直播标题、观看次数、点赞数、评论数、分享数；S2、对采集到的直播数据进行数据清洗、去重和降采样的预处理；S3、采用加权增量模型，根据直播数据计算实时的直播热度指数；S4、应用支持向量回归机算法，建立历史数据分析模型，判断观看者对直播感兴趣的内容，预测未来的直播热度；S5、建立直播感兴趣内容的分析表，根据预测未来的直播热度实现直播热度评估体系的个性化定制。2.根据权利要求1所述的计算电商直播热度的方法，其特征在于：所述S1中采集直播数据是通过API接口实时获取电商直播平台的直播数据。3.根据权利要求2所述的计算电商直播热度的方法，其特征在于：所述S2中对直播数据进行数据清洗包括以下步骤：去除数据中的空格和空行：使用 strip 函数或者正则表达式去除字符串两端的空格，删除空行；处理数据中的异常值；处理数据中的缺失值：对于缺失值，采用插值法和删除法处理；所述S2中对直播数据进行数据去重包括以下步骤：使用Pandas库中的drop_duplicates 函数，对直播数据的唯一属性进行检测，去除重复的记录数据；所述S2中对直播数据进行降采样包括以下步骤：定义时间间隔；对于每个时间间隔内的数据，采用平均值或者中位数来代替原始数据。4.根据权利要求1所述的计算电商直播热度的方法，其特征在于：所述S3中加权增量模型包括以下步骤：将直播数据指标赋予权重并加以计算；根据权重和各项指标的增量，计算出实时的直播热度指数。5.根据权利要求4所述的计算电商直播热度的方法，其特征在于：所述加权增量模型的表达式为：定义若干个时间段[ti, t{i+1}]；在时间段[ti, t{i+1}]中，直播间的热度指数H(t)的计算采用加权平均值的方法，即：H(t)=α*H(t
‑
1)+(1
‑
α)* W(t
‑
1)*W(t) ；其中，H(t
‑
1)表示上一个时间段的热度指数，W(t
‑
1)表示上一个时间段中用户在该时间对直播间互动的权重，W(t)表示当前时刻用户在该时间段内对直播间互动的权重，而α是平滑系数，其作用是对历史权重进行平滑处理。6.根据权利要求1所述的计算电商直播热度的方法，其特征在于：所述S4中支持向量回归机算法，包括以下步骤：S4.1、首先需要对历史的直播数据进行处理，提取出特征向量，并将这些特征向量组成历史数据的特征矩阵x= [x1, x2, ..., xn]^T，其中n表示历史数据的数量；S4.2、设历史直播数据的指数序列为y= [y1, y2, ..., yn]^T，其取值范围为实数空
间；S4.3、对于SVR模型，需要选择一个核函...
【专利技术属性】
技术研发人员：王樱颐，
申请(专利权)人：深圳市兴意腾科技电子有限公司，
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。