基于账号数据分析的运营策略生成方法技术

本发明专利技术涉及短视频运营技术领域，公开基于账号数据分析的运营策略生成方法，包括在抵达预设时间段时，根据用户在各个短视频平台上的账户信息，获取账户信息对应的短视频浏览记录信息；对短视频浏览记录信息进行短视频类型识别，得到第一短视频类型集；统计各个短视频类型的实际占比值；根据实际占比值，调取预先存储的预设占比阈值，剔除实际占比值小于预设占比阈值的短视频类型，生成第二短视频类型集；计算出第二短视频类型集的总占比值，调取数据库中预先存储的调整策略，确定用户的短视频推荐策略；根据用户的短视频推荐策略以及数据库中存储的各个短视频类型所对应的短视频，基于改进型遗传算法，生成用户当前时刻的最优短视频推荐方案。频推荐方案。频推荐方案。

【技术实现步骤摘要】
基于账号数据分析的运营策略生成方法


[0001]本专利技术涉及短视频运营
，具体涉及基于账号数据分析的运营策略生成方法。

技术介绍

[0002]以快手、抖音等为代表的移动短视频应用，是继文字、图片、传统视频之后新兴的一种内容传播媒体。近年来，移动短视频应用发展迅速，其正在成为移动互联网时代全新的社交平台和超级入口。由于用户对短视频的感官主要体现在短视频浏览的过程中，该短视频平台的所推荐的短视频情况，因此向用户进行合理化的短视频推荐是重中之重。
[0003]现有的在对短视频进行推荐时，大多只是单一的考虑某一个平台，即平台之间的数据联系少，在对短视频进行推荐时是根据自身短视频的浏览数据来进行推荐的，同时在识别到用户在某一时间段对某一类短视频类型比较感兴趣时就会一直的进行该类短视频的推荐，但长期推荐同一类型的短视频会导致用户的整体使用感官较差，极大减低了用户的体验感。

技术实现思路

[0004]本专利技术的目的之一在于一种提供基于账号数据分析的运营策略生成方法，能够短视频推荐的最优方案的制作，从而给予用户最好的短视频浏览体验，极大提高用户的体验感。
[0005]为了达到上述目的，提供了一种基于账号数据分析的运营策略生成方法，包括以下步骤：
[0006]S1、在抵达预设时间段时，根据用户在各个短视频平台上的账户信息，获取各个账户信息所对应的短视频浏览记录信息；
[0007]S2、基于该用户所有账户信息的短视频浏览记录信息，对所述短视频浏览记录信息进行短视频类型识别，得到对应的第一短视频类型集；并统计各个识别出来的短视频类型的实际占比值；
[0008]S3、根据统计处理的用户的短视频类型的实际占比值，调取数据库中的预先存储的预设占比阈值，剔除实际占比值小于预设占比阈值的短视频类型，生成对应的第二短视频类型集；
[0009]S4、根据第二短视频类型集所对应的实际占比值，计算出第二短视频类型集所对应的总占比值，调取数据库中预先存储的调整策略，确定该用户的短视频推荐策略；所述短视频推荐策略为预设时间段内第二短视频类型集中的短视频类型与其他短视频类型之间的比例；
[0010]S5、根据确定好的该用户的短视频推荐策略，以及数据库中存储的各个短视频类型所对应的短视频，基于改进型遗传算法，生成对应的该用户当前时刻的最优短视频推荐方案。
[0011]本方案的原理及效果：首先在抵达预设时间段后，获取用户在各个短视频平台上的账户信息，并通过该账户信息来获取其所对应的短视频浏览记录信息，这样就能够对用户的短视频浏览记录进行查看和统计。通过对各个短视频平台上的账户信息来对用户的喜好进行统计和识别，极大提高了对用户统计的准确性和全面性。
[0012]之后在基于这些短视频浏览记录信息来进行用户在浏览过程中的各个短视频类型的浏览占比值的计算，从而得到第一短视频类型集。通过识别出来的实际占比值和预设占比阈值来对第一短视频类型集进行筛选从而实现更加准确的第二短视频类型集，这一步使得数据更加的精确，对应的数据有效性也得到了提高。然后根据第二短视频类型集的总占比值进行调整策略的选取，然后根据短视频推荐策略，以及各个短视频，利用改进型遗传算法进行最优短视频推荐方案的制作，从而给予用户最好的短视频浏览体验，极大提高用户的体验感。
[0013]进一步，所述S5包括以下步骤：
[0014]S50、根据确定好的该用户的短视频推荐策略，选取对应的其他短视频类型，以及第二短视频类型集中的短视频类型，确定该用户的最优短视频类型排布规划的业务集合，并从数据库中调取各个短视频类型所对应的短视频，形成新的短视频排布规划的业务集合；
[0015]S51、确定业务集合中各个业务所对应的约束条件；
[0016]S52、建立业务集合中各个业务所对应的目标函数；
[0017]S53、基于改进型遗传算法，以及确定好的目标函数和约束条件，实现对业务集合中短视频类型排布规划的多目标优化；
[0018]S54、根据多目标优化的结果，对业务集合的短视频类型排布规划方案进行优化，生成对应的最优短视频推荐方案。
[0019]有益效果：在本方案中首先根据短视频推荐策略进行短视频类型的排布，然后根据类型的排布进行相应短视频的排布，从而实现各个短视频类型所对应的短视频的排布，从而得到基于短视频类型的短视频排布方案，之后根据这些短视频排布的业务集合进行约束条件和目标函数的确定，从而基于改进型遗传算法进行业务集合中短视频排布规划的多目标优化。
[0020]进一步，所述S53包括以下步骤：
[0021]S530、随机生产规模为N的初始种群，所述初始种群的个体为在当前时间段内各个短视频类型所对应的短视频的排布规划路径，并通过约束条件对初始种群的个体进行筛选，所述约束条件包括短视频总时长约束条件、短视频类型连续重复个数约束条件以及重复短视频约束条件，若满足约束条件，则对应的排布规划路径成为可行解，反之则为不可行解；
[0022]S531、对筛选后的种群分别进行第一适应度和第二适应度的计算；所述第一适应度计算如下：
[0023][0024]f1＝D1
[0025]所述D1为初始种群中短视频价值度总和，所述X
i
为短视频i自身的价值度，f1为第
一适应度；
[0026]所述第二适应度计算如下：
[0027][0028]f2＝D2
[0029]所述D2为初始种群中短视频观看有效度预测总值，所述Y
j
为短视频j在该用户浏览时短视频观看有效度预测值，f2为第二适应度；
[0030]S532、在第一预设迭代次数内，根据种群所对应的第一适应度，选取第一适应度大于或者等于第一适应度阈值的种群，并对此时剔除的种群中，选取第二适应度最大的前五个种群，并将其保存到备用库中；
[0031]在超出第一预设迭代次数时，将此时的种群与备用库中的种群进行集中，形成新的种群，并对此时的种群所对应的第二适应度大于或者等于预设第二适应度阈值的种群进行选择；
[0032]S533、对选择后的种群通过遗传算法的杂交、变异得到子代种群；
[0033]S534、在得到子代种群之后，继续执行S531，直到满足预设迭代量；
[0034]S535、输出子代种群作为多目标优化的最优解集合。
[0035]有益效果：在方案中，首先通过约束条件，即短视频总时长约束条件、短视频类型连续重复个数约束条件以及重复短视频约束条件来实现对初始种群中各个个体进行筛选，这样实现对庞大的初始种群筛选，减低后续最优方案选择的数据处理难度。
[0036]在对种群进行选择时其适应度的计算包括短视频价值度和有效度预测总值，相比现有的遗传算法使用现有的数据进行最优方案的生成，本方案开拓性的在遗传算法的基础上进行预测机制的引入，即在对应的短视频排布之后，预测用户在浏览到该短视频是否有进行有效观看，使得该短视频能够尽可能的被用户浏览，极大提高短本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于账号数据分析的运营策略生成方法，其特征在于：包括以下步骤：S1、在抵达预设时间段时，根据用户在各个短视频平台上的账户信息，获取各个账户信息所对应的短视频浏览记录信息；S2、基于该用户所有账户信息的短视频浏览记录信息，对所述短视频浏览记录信息进行短视频类型识别，得到对应的第一短视频类型集；并统计各个识别出来的短视频类型的实际占比值；S3、根据统计出来的用户的短视频类型的实际占比值，调取数据库中的预先存储的预设占比阈值，剔除实际占比值小于预设占比阈值的短视频类型，生成对应的第二短视频类型集；S4、根据第二短视频类型集所对应的实际占比值，计算出第二短视频类型集所对应的总占比值，调取数据库中预先存储的调整策略，确定该用户的短视频推荐策略；所述短视频推荐策略为预设时间段内第二短视频类型集中的短视频类型与其他短视频类型之间的比例；S5、根据确定好的该用户的短视频推荐策略，以及数据库中存储的各个短视频类型所对应的短视频，基于改进型遗传算法，生成对应的该用户当前时刻的最优短视频推荐方案。2.根据权利要求1所述的基于账号数据分析的运营策略生成方法，其特征在于：所述S5包括以下步骤：S50、根据确定好的该用户的短视频推荐策略，选取对应的其他短视频类型，以及第二短视频类型集中的短视频类型，确定该用户的最优短视频类型排布规划的业务集合，并从数据库中调取各个短视频类型所对应的短视频，形成新的短视频排布规划的业务集合；S51、确定业务集合中各个业务所对应的约束条件；S52、建立业务集合中各个业务所对应的目标函数；S53、基于改进型遗传算法，以及确定好的目标函数和约束条件，实现对业务集合中短视频类型排布规划的多目标优化；S54、根据多目标优化的结果，对业务集合的短视频类型排布规划方案进行优化，生成对应的最优短视频推荐方案。3.根据权利要求2所述的基于账号数据分析的运营策略生成方法，其特征在于：所述S53包括以下步骤：S530、随机生产规模为N的初始种群，所述初始种群的个体为在当前时间段内各个短视频类型所对应的短视频的排布规划路径，并通过约束条件对初始种群的个体进行筛选，所述约束条件包括短视频总时长约束条件、短视频类型连续重复个数约束条件以及重复短视频约束条件，若满足约束条件，则对应的排布规划路径成为可行解，反之则为不可行解；S531、对筛选后的种群分别进行第一适应度和第二适应度的计算；所述第一适应度计算如下：f1＝D1所述D1为初始种群中短视频价值度总和，所述X

【专利技术属性】
技术研发人员：童毅，沈敏，
申请(专利权)人：博拉网络股份有限公司，
类型：发明
国别省市：