[發(fā)明專利]針對主播流失情況的預警方法及裝置

在審

• 申請?zhí)枺?/td>: 202110573101.8
• 申請日: 2021-05-25
• 公開（公告）號: CN113449593A
• 公開（公告）日: 2021-09-28
• 發(fā)明（設計）人: 郭綺;陳瑩瑩;王卿臣;于安妮
• 申請（專利權）人: 北京達佳互聯(lián)信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京潤澤恒知識產(chǎn)權代理有限公司 11319
• 代理人: 李娜

1.一種針對主播流失情況的預警方法，其特征在于，所述方法包括：

獲取目標主播在預設時間段內(nèi)的直播特征信息，所述直播特征信息用于表征所述目標主播的直播頻次和時長；

將所述直播特征信息輸入預測模型，得到所述預測模型輸出的所述目標主播的生存概率值，所述生存概率值用于表征所述目標主播處于正常直播的狀態(tài)的幾率；

在所述生存概率值小于或等于預設概率閾值的情況下，向運營服務器發(fā)送針對所述目標主播的預警消息。

2.根據(jù)權利要求1所述的方法，其特征在于，所述方法還包括：

根據(jù)所述目標主播的歷史生存概率值和當前的生存概率值，繪制得到用于表征所述生存概率值隨時間變化的生存概率值變化曲線；

將所述目標主播的生存概率值變化曲線發(fā)送至所述運營服務器，以供所述運營服務器根據(jù)所述生存概率值變化曲線確定所述目標主播的直播狀況。

3.根據(jù)權利要求2所述的方法，其特征在于，所述方法還包括：

在所述生存概率值變化曲線在異常閾值范圍內(nèi)進行波動，和/或所述生存概率值變化曲線的相鄰兩次波動的差值大于或等于預設差值閾值的情況下，向所述運營服務器發(fā)送針對所述目標主播的預警消息。

4.根據(jù)權利要求3所述的方法，其特征在于，所述預設概率閾值包括0.3，所述異常閾值范圍包括0至0.5，所述預設差值閾值包括0.2。

5.一種預測模型的訓練方法，其特征在于，所述方法用于訓練得到如上述權利要求1-4任一項所述方法中的預測模型，所述方法包括：

獲取樣本主播在預設時間段內(nèi)的直播特征信息，所述直播特征信息用于表征所述樣本主播的直播頻次和時長；

建立所述直播特征信息與真實生存概率值的對應關系；

根據(jù)所述對應關系對預測模型進行訓練，使得所述預測模型以目標主播在預設時間段內(nèi)的直播特征信息為模型輸入，并以所述目標主播的生存概率值為模型輸出，所述生存概率值用于表征所述目標主播處于正常直播的狀態(tài)的幾率。

6.一種針對主播流失情況的預警裝置，其特征在于，所述裝置包括：

獲取模塊，被配置為獲取目標主播在預設時間段內(nèi)的直播特征信息，所述直播特征信息用于表征所述目標主播的直播頻次和時長；

預測模塊，被配置為將所述直播特征信息輸入預測模型，得到所述預測模型輸出的所述目標主播的生存概率值，所述生存概率值用于表征所述目標主播處于正常直播的狀態(tài)的幾率；

第一預警模塊，被配置為在所述生存概率值小于或等于預設概率閾值的情況下，向運營服務器發(fā)送針對所述目標主播的預警消息。

7.一種預測模型的訓練裝置，其特征在于，所述裝置用于訓練得到如上述權利要求6所述裝置中的預測模型，所述裝置包括：

訓練數(shù)據(jù)獲取模塊，被配置為獲取樣本主播在預設時間段內(nèi)的直播特征信息，所述直播特征信息用于表征所述樣本主播的直播頻次和時長；

建立模塊，被配置為建立所述直播特征信息與真實生存概率值的對應關系；

訓練模塊，被配置為根據(jù)所述對應關系對預測模型進行訓練，使得所述預測模型以目標主播在預設時間段內(nèi)的直播特征信息為模型輸入，并以所述目標主播的生存概率值為模型輸出，所述生存概率值用于表征所述目標主播處于正常直播的狀態(tài)的幾率。

8.一種電子設備，其特征在于，包括：處理器；

用于存儲所述處理器可執(zhí)行指令的存儲器；

其中，所述處理器被配置為執(zhí)行所述指令，以實現(xiàn)如權利要求1至5中任一項所述的方法。

9.一種計算機存儲介質(zhì)，其特征在于，當所述計算機可讀存儲介質(zhì)中的指令由電子設備的處理器執(zhí)行時，使得所述電子設備能夠執(zhí)行如權利要求1至5中任一項所述的方法。

10.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權利要求1-5任一項所述的方法。