[發(fā)明專利]基于知識圖譜的個人直播用戶觀看主播預測的方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910133577.2
• 申請日: 2019-02-22
• 公開（公告）號: CN109960748B
• 公開（公告）日: 2021-03-26
• 發(fā)明（設計）人: 高曌;孫毅;張志強
• 申請（專利權(quán)）人: 中國科學院計算技術(shù)研究所
• 主分類號: G06F16/901
• 分類號: G06F16/901;H04N21/466
• 代理公司: 北京律誠同業(yè)知識產(chǎn)權(quán)代理有限公司 11006
• 代理人: 祁建國;梁揮

本發(fā)明提出了一種基于知識圖譜的個人直播用戶觀看主播預測的方法及系統(tǒng)，包括在知識圖譜中查詢與待預測用戶有鄰接邊的主播節(jié)點，并采用待預測用戶與主播節(jié)點之間的權(quán)重，作為第一貢獻權(quán)值；在知識圖譜中查找與待預測用戶觀看過相同主播的第一用戶集合，從第一用戶集合中找到與待預測用戶觀看相同主播數(shù)量最多的用戶，作為第二用戶集合；得到第二用戶集合中各用戶觀看主播節(jié)點的第二貢獻權(quán)值；提取知識圖譜中具有第二貢獻權(quán)值的主播節(jié)點，判斷其是否具有第一貢獻權(quán)值，若有，則將其具有的第一貢獻權(quán)值和第二貢獻權(quán)值相加，作為其最終獻權(quán)值，否則直接將第二貢獻權(quán)值作為其最終獻權(quán)值；提取大于閾值的最終獻權(quán)值對應的主播節(jié)點，作為推薦結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及預測推薦技術(shù)領(lǐng)域，并特別涉及一種基于知識圖譜的個人直播用戶觀看主播預測的方法。

背景技術(shù)

隨著近年來隨著移動智能終端設備的普及和網(wǎng)絡帶寬、負載等性能的提升使得視頻的實時交互傳播成為可能。作為移動端視頻的典型代表，個人直播使用戶的角色和行為發(fā)生了巨大的轉(zhuǎn)變，由傳統(tǒng)的被動觀看轉(zhuǎn)變到成為視頻內(nèi)容接受者和主動的產(chǎn)生、傳播者。同時，個人直播平臺上的視頻內(nèi)容也由傳統(tǒng)點播業(yè)務靜態(tài)存儲在服務器中轉(zhuǎn)變?yōu)閷崟r產(chǎn)生，具有極強的實時性和不確定性。

不同于傳統(tǒng)直播視頻模式，個人直播交互式視頻模式使其具有較強的社交屬性，用戶行為復雜多樣。用戶行為作為用戶在直播平臺活動的最直接體現(xiàn)，決定平臺未來發(fā)展趨勢。此外，直播平臺滿足追隨者粘性理論，用戶選擇觀看視頻時，更多去選擇自己喜歡的主播直播的視頻，而非具體某種類型的視頻。因此，根據(jù)用戶觀看歷史來預測用戶未來可能觀看的主播對提高整個直播平臺的用戶粘性具有重要的價值。

當前主流的用戶觀看內(nèi)容的預測方式主要是基于內(nèi)容、基于歷史和基于協(xié)同過濾的預測方法。然而，基于內(nèi)容的視頻預測方式需要服務器保留所有視頻內(nèi)容并具有明確的標簽，不適用于個人直播平臺視頻隨直播結(jié)束而消亡的更新速度快、無法準確獲得視頻類型的特點。基于協(xié)同過濾的方法要求根據(jù)用戶對每一個視頻的評價構(gòu)造評價向量計算相似用戶，從而將其他相似用戶觀看的視頻內(nèi)容推薦給用戶。但是，個人直播平臺上視頻即時加入和剔除，視頻數(shù)量實時變化，難以準確計算相似用戶，不能滿足個人直播平臺上的視頻預測目標。

發(fā)明內(nèi)容

為了克服因個人直播平臺視頻量巨大、更新速度快、無明確用戶和視頻類別標簽等特點導致的主流預測方法無法適用于個人直播平臺的缺陷，本發(fā)明提出了一種基于用戶關(guān)系知識圖譜的用戶觀看主播預測方法，結(jié)合用戶自身興趣、熱門主播發(fā)現(xiàn)和用戶關(guān)系傳遞等方面，提高用戶觀看主播預測的準確度，從而根據(jù)用戶興趣主播進行推薦，提高個人直播平臺的用戶粘著性，優(yōu)化用戶的觀看體驗。

具體來說，本發(fā)明提供了一種基于知識圖譜的個人直播用戶觀看主播預測的方法，其中包括：

步驟1、抽取并集合個人直播平臺中每個用戶的信息形成用戶畫像，將用戶畫像作為節(jié)點屬性保存在知識圖譜的用戶節(jié)點中；

步驟2、抽取該個人直播平臺中用戶觀看主播的行為，將用戶歷史觀看主播行為作為用戶節(jié)點間的關(guān)系保存在該知識圖譜中，該實體間關(guān)系具體表現(xiàn)為由指向和興趣權(quán)重組成的有向邊；

步驟3、獲取該個人直播平臺中待預測用戶，在該知識圖譜中查詢與該待預測用戶有鄰接邊的主播節(jié)點，并采用該待預測用戶與該主播節(jié)點之間的興趣權(quán)重，作為該預測用戶觀看的主播節(jié)點的第一貢獻權(quán)值；

步驟4、在該知識圖譜中查找與該待預測用戶觀看過相同主播的第一用戶集合，從該第一用戶集合中找到與該待預測用戶觀看相同主播數(shù)量最多的用戶，作為與該待預測用戶觀看行為和興趣最相似的第二用戶集合；

步驟5、根據(jù)用戶傳遞關(guān)系，得到該第二用戶集合中各用戶觀看主播節(jié)點的第二貢獻權(quán)值；

步驟6、提取該知識圖譜中具有該第二貢獻權(quán)值的主播節(jié)點，判斷其是否具有該第一貢獻權(quán)值，若有，則將其具有的該第一貢獻權(quán)值和該第二貢獻權(quán)值相加，作為其最終獻權(quán)值，否則直接將該第二貢獻權(quán)值作為其最終獻權(quán)值；