直播内容的推荐方法、装置、直播系统、电子设备及介质

技术领域

本申请涉及直播技术领域，特别是一种直播内容的推荐方法、装置、直播系统、电子设备及计算机可读存储介质。

背景技术

随着网络技术发展，网络直播已经得到大部分网络用户的使用，其中视频直播以其内容和形式的直观性、即时性和互动性，在促进灵活就业、促进经济社会发展、丰富人民群众精神文化生活等方面发挥了重要作用，主播可以在直播中更好地展现自己才艺才华，从而为更多主播实现了自我价值。

在直播平台中，当用户进入平台页面时，推荐系统会向用户推荐主播的直播内容，以此吸引用户观看直播；为了提升运营效率，推荐系统会向用户进行保量推荐，保量推荐是基于特定算法使直播内容被推荐的曝光量达到预设目标值，常规的保量推荐方案时，主要是基于用户画像匹配规则实现个性化内容分发，这种容易出现过度追求直播平台的保量需求，导致非保量内容推荐降低，而非保量内容对于满足用户个性化兴趣的需求的作用极大，如果推荐直播内容偏离个性化兴趣比例过高，会影响用户继续观看直播内容的积极性。

由此可见，常规的保量推荐方案难以平衡直播平台的保量需求与用户个性化兴趣的需求，容易影响直播内容推荐效果，降低直播平台的日活量。

发明内容

基于此，有必要提供一种直播内容的推荐方法、装置、直播系统、电子设备及计算机可读存储介质，以提升直播内容推荐效果。

一种直播内容的推荐方法，包括：

接收客户端的推荐请求，根据所述推荐请求获取用户的特征信息；

根据所述用户的特征信息从可推荐主播集中召回用户感兴趣的待推荐主播集，并对所述待推荐主播集进行分析排序得到第一主播序列；

根据直播平台当前的保量主播的实时流量统计及其保量进度状态获取保量推荐主播集，并对所述保量推荐主播集进行分析排序得到第二主播序列；

根据推荐主播总量及实时流量统计从所述第一主播序列和第二主播序列中获取推荐主播的直播内容发送至客户端。

在一个实施例中，根据所述推荐请求获取用户的特征信息，包括：

对所述推荐请求进行预处理获取用户的个人画像信息和属性信息，根据所述个人画像信息和属性信息提取表征用户兴趣的特征信息。

在一个实施例中，所述主播配置有用于记录主播直播内容的流量保量需求信息的流量卡；

其中，所述流量卡记录的信息包括：主播ID、保量值、预期保量耗时和曝光位置。

在一个实施例中，在利用个性化召回算法从所述可推荐主播集中筛选出用户感兴趣的待推荐主播集之后，还包括：

获取所述待推荐主播集中配置有流量卡的主播，将配置有流量卡的主播添加到所述保量推荐主播集中。

在一个实施例中，根据所述用户的特征信息从可推荐主播集中召回用户感兴趣的待推荐主播集，包括：

获取直播平台当前在线的可推荐主播集，利用个性化召回算法从所述可推荐主播集中筛选出用户感兴趣的待推荐主播集；

其中，所述个性化召回算法包括热门召回算法、协同过滤召回算法、用户画像召回算法、表征向量召回算法中的至少一种。

在一个实施例中，对所述待推荐主播集进行分析排序得到第一主播序列，包括：

采用神经网络模型预测待推荐主播集的各个主播的第一用户兴趣度值，并根据第一用户兴趣度值对各个待推荐主播进行排序；

根据直播平台的推荐业务指标参数对排序后的各个主播进行重排得到第一主播序列。

在一个实施例中，根据直播平台当前的保量主播的实时流量统计及其保量进度状态获取保量推荐主播集，包括：

获取直播平台当前处于生效期的流量卡集；

根据各个流量卡的当前曝光次数和当前保量生效时长筛选出未完成保量任务的第一保量主播；

根据各个流量卡的实时保量任务落后进度状态计算各个第一保量主播的优先级参数，并根据优先级参数召回一定数量的第一保量主播得到保量推荐主播集。

在一个实施例中，在获取直播平台当前处于生效期的流量卡集合之后，还包括：

利用个性化召回算法从生效期的流量卡的保量主播中筛选出用户感兴趣的第二保量主播添加到保量推荐主播集；

采用神经网络模型预测保量推荐主播集的保量主播的第二用户兴趣度值，并根据第二用户兴趣度值对各个保量主播进行排序；

根据所述保量主播的优先级参数和第二用户兴趣度值调整保量推荐主播集中的保量主播推荐顺序。

在一个实施例中，根据所述保量主播的优先级参数和第二用户兴趣度值调整保量推荐主播集中的保量主播推荐顺序，包括：

根据所述保量主播的优先级参数和第二用户兴趣度值计算推荐优先级分值，计算公式如下：

Score＝α×max(0，p+ε)+q

式中，Score为推荐优先级分值，参数α控制优先级参数的相对权重，参数ε控制优先级参数的提前量，p为优先级参数，q为第二用户兴趣度值；

根据推荐优先级分值大小调整保量推荐主播集中的保量主播推荐顺序。

在一个实施例中，所述流量卡包括：有保量约束的保量流量卡或无保量约束的共享流量卡；

在所述获取直播平台当前处于生效期的流量卡集合之后，还包括：

获取直播平台预配置的保量总流量在预期统计周期内的曝光量占比阈值，当实际生效的保量流量卡的保量总流量的曝光量占比小于所述曝光量占比阈值时，根据曝光量占比差值部分的流量召回等量的共享流量卡的主播。

在一个实施例中，根据推荐主播总量及实时流量统计从所述第一主播序列和第二主播序列中获取推荐主播的直播内容发送至客户端，包括：

根据实时流量统计及推荐主播总量从所述第二主播序列中获取第二推荐主播；

根据所述推荐主播总量及第二推荐主播从所述第一推荐序列中获取第一推荐主播；

将所述第一主推荐播和第二推荐主播的直播内容进行混排后发送至客户端。

在一个实施例中，根据实时流量统计及推荐主播总量从所述第二主播序列中获取第二推荐主播，包括：

获取直播平台上保量主播的流量占总流量的实时比例；

根据所述实时比例与预期比例之间的差值计算从第二主播序列需要推荐的主播占推荐主播总量的主播占比；

根据所述主播占比及推荐主播总量计算第二推荐序列中需要推荐的保量主播数量，并根据需要推荐的保量主播数量截断第二主播序列得到第二推荐主播。

在一个实施例中，在将推荐主播的直播内容发送至客户端之后，还包括：

接收客户端上报的推荐主播的直播内容的曝光事件，并根据曝光事件更新保量主播的流量卡的当前曝光次数和直播平台上保量主播的流量占总流量的实时比例。

一种直播内容的推荐装置，包括：

预处理模块，用于接收客户端的推荐请求，根据所述推荐请求获取用户的特征信息；

个性化召回模块，用于根据所述用户的特征信息从可推荐主播集中召回用户感兴趣的待推荐主播集，并对所述待推荐主播集进行分析排序得到第一主播序列；

保量召回模块，用于根据直播平台当前的保量主播的实时流量统计及其保量进度状态获取保量推荐主播集，并对所述保量推荐主播集进行分析排序得到第二主播序列；

混排推荐模块，用于根据推荐主播总量及实时流量统计从所述第一主播序列和第二主播序列中获取推荐主播的直播内容发送至客户端。

一种直播系统，包括：至少一个客户端以及直播服务器；其中，所述客户端通过通信网络连接至所述直播服务器；

所述客户端，用于接入用户，上传直播视频至直播服务器或者从直播服务器下载直播视频进行播放；

所述直播服务器，用于执行直播视频的转发以及在用户通过客户端进入到推荐页面时，利用所述的直播内容的推荐方法生成推荐主播的直播内容发送至客户端。

一种电子设备，该电子设备，其包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行所述的直播内容的推荐方法的步骤。

一种计算机可读存储介质，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并所述的直播内容的推荐方法的步骤。

本申请的技术方案，根据用户的推荐请求获取其特征信息，根据特征信息从可推荐主播集中召回用户感兴趣的待推荐主播集并分析排序得到第一主播序列；同时根据直播平台当前的保量主播的实时流量统计及其保量进度状态获取保量推荐主播集并分析排序得到第二主播序列；最后根据推荐主播总量及实时流量统计从第一主播序列和第二主播序列中获取推荐主播的直播内容发送至客户端；该技术方案，结合保量推荐和个性化推荐，最后依据实时流量统计来获取推荐主播的直播内容，从而达到既能满足直播平台的保量需求，又能最大化满足用户个性化兴趣的需求的推荐效果，增强用户继续观看直播内容的积极性，提升了直播平台的日活量。

附图说明

图1是一个示例的直播业务应用场景示意图；

图2是一个实施例的直播内容的推荐方法流程图；

图3是一个实施例的生成第一主播序列流程图；

图4是一个实施例的生成第二主播序列流程图；

图5是一个实施例的生成推荐主播流程图；

图6是一个示例的直播内容的推荐方案框架示意图；

图7是一个实施例的直播内容的推荐装置结构示意图

图8是一个示例的直播系统的推荐直播内容示意图；

图9是一示例的电子设备的框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在本申请实施例中，提及的“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分，“至少一个”是指一个或多个，“多个”的含义是指两个或两个以上，例如，多个主播指两个或两个以上的主播。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的信息涵盖出现在“包括”或者“包含”后面列举的信息及其等同，并不排除其他信息。在本申请实施例中提及的“和/或”，表示可以存在三种关系，字符“/”一般表示前后关联主播是一种“或”的关系。

本申请实施例提供的技术方案，可以应用于如图1所示的本申请相关方法的应用场景中，图1是一个示例的直播业务应用场景示意图，该直播系统通过直播服务器和客户端来提供直播服务，客户端可以通过通信网络与直播服务器进行数据通信，用户通过客户端可以登录到直播服务器，客户端一般包括主播端和观众端；观众用户可以通过观众端登录直播页面，选择需要观看的主播的直播内容，直播服务器将主播的音视频下发到观众端进行播放；主播用户可以通过主播端登录到直播服务器，上传主播用户的音视频流到直播服务器，直播服务器转发到观众端；对于客户端，其终端设备可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑，直播服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

本申请实施例的技术方案，可以应用于直播服务器中，为了便于统计保量主播的流量需求及召回保量主播，本申请实施例引入了流量卡来记录主播的直播内容的流量保量需求信息，直播平台的保量主播配置有至少一张流量卡，通过流量卡对直播平台的保量主播进行管理。

如图2所示，图2是一个实施例的直播内容的推荐方法流程图，包括如下步骤：

步骤S10，接收客户端的推荐请求，根据所述推荐请求获取用户的特征信息。

当用户通过客户端进入到直播平台的推荐页面(如App首页)时，客户端触发发起向直播平台的直播服务器的推荐请求，直播服务器可以通过该推荐请求进行预处理获取到用户在直播平台上的特性信息。

对于特性信息，包括用户的个人画像信息、属性信息及历史行为信息等，通过这些信息可以提取表征用户兴趣的特征信息。

步骤S20，根据所述用户的特征信息从可推荐主播集中召回用户感兴趣的待推荐主播集，并对所述待推荐主播集进行分析排序得到第一主播序列。

此步骤中，对于非保量推荐主播，采用个性化召回算法来筛选用户感兴趣的待推荐主播集，然后将待推荐主播集进行分析排序生成第一主播序列。

在一个实施例中，步骤S20召回待推荐主播集及生成第一主播序列的过程，参考图3所示，图3是一个实施例的生成第一主播序列流程图，可以包括如下：

S201，获取直播平台当前在线的可推荐主播集，利用个性化召回算法从所述可推荐主播集中筛选出用户感兴趣的待推荐主播集。

示例性的，可以采用的个性化召回算法可以包括热门召回算法、协同过滤召回算法、用户画像召回算法、表征向量召回算法中的任意一种或多种组合。

S202，采用神经网络模型预测待推荐主播集的各个主播的第一用户兴趣度值，并根据第一用户兴趣度值对各个待推荐主播进行排序。

示例性的，可以采用大规模离散特征多任务的深度神经网络模型对每个召回的主播进行评估获得用户的用户兴趣度值q并按大小进行排序，用户兴趣度值q表示主播符合用户的个性化兴趣的程度。

对于大规模离散特征多任务的深度神经网络模型，其设计为包含刻画用户主播偏好的海量的离散特征参数、多维连续值特征以及大量的神经网络参数；通过模型学习用户关于主播的多种行为的兴趣度值q

S203，根据直播平台的推荐业务指标参数对排序后的各个主播进行重排得到第一主播序列。

具体的，根据直播平台的推荐业务指标参数对所述待推荐主播集的各个主播进行重排得到第一主播序列；例如，根据多样性、内容新鲜度等推荐业务指标参数要求对各个待推荐主播的顺序进行重排，从而得到第一主播序列。

上述实施例的方案，利用个性化召回算法召回可推荐的主播，基于大规模离散特征多任务的深度神经网络模型对各个主播进行用户个性化的兴趣度值预测，从而将最符合用户的个性化兴趣的主播筛选出来，结合推荐业务指标参数进行重排得到第一主播序列，从而筛选出最大化满足用户个性化兴趣需求的推荐主播。

步骤S30，根据直播平台当前的保量主播的实时流量统计及其保量进度状态获取保量推荐主播集，并对所述保量推荐主播集进行分析排序得到第二主播序列。

此步骤中，对于保量主播的召回，根据直播平台当前的所有保量主播的实时流量统计情况及其保量进度状态筛选出召回的保量推荐主播集；然后再对保量推荐主播集进行分析排序得到第二主播序列。

在一个实施例中，步骤S30获取保量推荐主播集及分析排序得到第二主播序列的过程，参考图4所示，图4是一个实施例的生成第二主播序列流程图，可以包括如下：

S301，基于保量主播的紧急程度召回保量主播得到保量推荐主播集。

具体的，根据各个保量主播的紧急程度计算相应的优先级参数，并依据优先级参数从在线的保量主播中召回保量推荐主播集。

在一个实施例中，步骤S301召回保量推荐主播集的过程可以包括如下：

(a)获取直播平台当前处于生效期的流量卡集。

在本步骤中，通过限定当前处于生效期的流量卡集合，根据流量卡筛选出可召回的保量主播。

示例性的，流量卡记录的信息包括主播ID及其他流量需求信息，如保量值ShowTarget、预期保量耗时TimeTarget和可选的曝光位置等。

进一步的，对于流量卡还可以包括有保量约束的保量流量卡或无保量约束的共享流量卡；本实施例中，在对保量流量卡和共享流量卡进行筛选时，还可以获取直播平台预配置的保量总流量在预期每日内的曝光量占比阈值，当实际生效的保量流量卡的保量总流量的曝光量占比小于所述曝光量占比阈值时，根据曝光量占比差值部分的流量召回等量的共享流量卡的主播。

上述实施例中，利用流量卡从而可以根据流量卡来同时对同一推荐内容进行多个不同保量任务，且便于实时统计保量所需流量占总流量比例。

(b)根据各个流量卡的当前曝光次数和当前保量生效时长筛选出未完成保量任务的第一保量主播。

示例性的，利用实时统计服务获取每张保量流量卡当前的曝光量ShowCur和当前的保量生效时长TimeCur，筛选出曝光量ShowCur小于预期保量耗时TimeTarget的未完成保量任务的保量流量卡和全部的共享流量卡，获得第一保量主播。

(c)根据各个流量卡的实时保量任务落后进度状态计算各个第一保量主播的优先级参数，并根据优先级参数召回一定数量的第一保量主播得到保量推荐主播集。

示例性的，基于实时的保量落后进度可以定义表征保量流量卡紧急程度的优先级参数p，结合前述的保量值ShowTarget，曝光量ShowCur，当前的保量生效时长TimeCur以及预期保量耗时TimeTarget，优先级参数p的计算公式如下：

p＝(TimeCur/TimeTar get)－(ShowCur/ShowTar get)①

通过公式①计算的优先级参数p可以确定各张流量卡的紧急程度，定义共享流量卡的紧急程度的优先级参数p＝0，则流量卡的优先级参数越大，表示对应的保量主播的保量任务落后进度越远，选取优先级参数最高的K张流量卡的直播内容对应的保量主播进行召回，同一个保量主播的不同直播内容的流量卡则选取优先级参数最大的流量卡，通过召回最后得到保量推荐主播集。

上述实施例的方案，通过优先级参数表征保量主播的保量任务落后进度情况，根据优先级参数大小来筛选出保量推荐主播集，确保保量紧急程度高的流量卡主播被召回，满足直播平台的运营保量需求。

S302，利用个性化召回算法从生效期的流量卡的保量主播中筛选出用户感兴趣的第二保量主播添加到保量推荐主播集。

示例性的，设定只召回处于生效期并且曝光量ShowCur小于保量值ShowTarget的流量卡，利用个性化召回算法筛选出未完成保量任务的保量流量卡和全部的共享流量卡的保量主播得到用户感兴趣的待推荐主播集；其中，个性化召回算法可以包括热门召回算法、协同过滤召回算法、用户画像召回算法、表征向量召回算法等。

对于所筛选的保量主播，可以在步骤S201筛选出的用户感兴趣的待推荐主播集中进行选择，具体的，获取所述待推荐主播集中配置有流量卡的主播，将配置有流量卡的主播添加到所述保量推荐主播集中。

S303，采用神经网络模型预测保量推荐主播集的保量主播的第二用户兴趣度值，并根据第二用户兴趣度值对各个保量主播进行排序。

示例性的，可以采用大规模离散特征多任务的深度神经网络模型对每个召回的保量主播进行评估获得用户的用户兴趣度值q并按大小进行排序，用户兴趣度值q越大表示主播越符合用户的个性化兴趣。对于深度神经网络模型，可以参考前述步骤S202实施例的方式进行训练得到。

S304，根据所述保量主播的优先级参数和第二用户兴趣度值调整保量推荐主播集中的保量主播推荐顺序。

本步骤中，通过流量卡的个性化保量机制，基于保量主播所配置的流量卡的优先级参数p和兴趣度值q调整保量主播的推荐顺序。

在一个实施例中，步骤S304的调整保量主播的推荐顺序，可以根据所述保量主播的优先级参数和第二用户兴趣度值计算推荐优先级分值，然后根据推荐优先级分值大小调整保量推荐主播集中的保量主播推荐顺序。

示例性的，推荐优先级分值Score的计算方法如公式②所示：

Score＝α×max(0，p+ε)+q②

在公式②式中，Score为推荐优先级分值，参数α控制优先级参数的相对权重，参数ε控制优先级参数的提前量，可以避免进行压哨保量时可能出现的失误，p为优先级参数，q为第二用户兴趣度值。

在上述公式②中，只需要满足条件α>0，ε>0且α×ε>任意q时，即可确保保量进度落后(p>0)的保量流量卡的主播的推荐优先级分值Score必然高于共享流量卡(p＝0)的保量主播的推荐优先级分值Score。当优先级参数p都相同或降到-ε以下时，推荐优先级分值Score的大小只取决于q，即在保量进度未落后或落后程度一致时，可以只考虑兴趣度值q的取值，保量主播推荐顺序最大化满足用户的兴趣；否则，推荐优先级分值Score将在保量主播的优先级参数p和兴趣度值q之间保持动态平衡，将推荐优先级分值Score高的保量主播排在前面，从而实现了流量卡的个性化保量效果。

步骤S40，根据推荐主播总量及实时流量统计从所述第一主播序列和第二主播序列中获取推荐主播的直播内容发送至客户端。

此步骤中，根据直播平台设定的推荐主播总量，并结合实时流量统计，将用户个性化兴趣筛选的第一主播序列和直播平台运营保量推荐的第二主播序列进行混排生成最终的推荐主播序列，并将其直播内容推送到客户端。

在一个实施例中，假设最终向客户端发送的推荐主播的总数为N，当前第一主播序列的长度为L1，保量推荐的第二主播序列的长度为L2，并且N

S401，根据实时流量统计及推荐主播总量从所述第二主播序列中获取第二推荐主播。

本实施例中，步骤S401获取第二推荐主播的方法，可以包括如下：

(1)获取直播平台上保量主播的流量占总流量的实时比例；根据所述实时比例与预期比例之间的差值计算从第二主播序列需要推荐的主播占推荐主播总量的主播占比。

示例性的，假设截断第二主播序列的数量为N2，则最终推荐主播N中第二推荐主播N2的主播占比如公式③所示：

R2＝N2/N③

在公式③中，主播占比R2与直播平台的运营保量推荐流量占总流量的比例成正相关关系；假设预期比例OperRatioTarget，根据直播平台的实时流量统计可获取截止当前时刻当日运营流量占当日总流量的实时比例OperRatioCur(可以设置每日0点时刻重置为0)，此时可以通过如下动态控制公式实时对主播占比R2进行动态控制，从而实现实时比例OperRatioCur将稳定收敛于预期比例OperRatioTarget，动态控制公式如公式④所示：

R2＝Boost×(2×OperRatioTarget－OperRatioCur) ④

通过公式④实时对主播占比R2进行动态控制，Boost参数可由主播占比R2与实际产生的曝光占比之间的偏差进行调整，从而确定需要推荐的第二推荐主播N2占推荐主播N的主播占比R2。

(2)根据所述主播占比及推荐主播总量计算第二推荐序列中需要推荐的保量主播数量，并根据需要推荐的保量主播数量截断第二主播序列得到第二推荐主播。

根据公式③可以得到第二推荐主播N2的计算式如公式⑤所示：

N2＝R2×N⑤

根据公式⑤计算结果从第二主播序列L2中截断前N2个保量主播得到第二推荐主播。

S402，根据所述推荐主播总量及第二推荐主播从所述第一推荐序列中获取第一推荐主播。

此步骤中，在确定了第二推荐主播之后，从推荐主播总量在减掉第二推荐主播之后从第一推荐序列L1中获取第一推荐主播N1进行推荐。

示例性的，第一推荐主播N1如公式⑥所示：

N1＝N-N2⑥

根据公式⑥计算结果从第一主播序列L1中截断前N1个主播得到第一推荐主播。

S403，将所述第一主推荐播和第二推荐主播的直播内容进行混排后发送至客户端。

示例性的，在截取N2个第二推荐主播之后，根据保量主播对应的流量卡的可选曝光位置按顺序进行随机占位，从而避免推荐的页面曝光位置单一的问题。然后根据截取的N1个第一推荐主播之后，按顺序占据剩余推荐位置，在完成上述混排之后将相应的直播内容发送至客户端展示给用户。

如上述实施例的方案，在直播平台上保量主播的流量占总流量的实时比例及实时比例与预期比例之间的差值约束下的混排推荐结果能够更好地满足用户兴趣偏好。

在一个实施例中，在步骤S40将推荐主播的直播内容发送至客户端之后，还接收客户端上报的推荐主播的直播内容的曝光事件，并根据曝光事件更新保量主播的流量卡的当前曝光次数和直播平台上保量主播的流量占总流量的实时比例。

此步骤中，直播服务器根据客户端上报的曝光事件并实时更新流量统计；具体的，客户端在产生了推荐的直播内容被曝光，实时上传曝光事件信息给直播服务器的流量状态实时统计服务，直播服务器将以秒级的延迟更新每张流量卡的当前曝光次数ShowCur和当日运营流量占当日总流量的比例OperRatioCur等信息，实现任意多个主播任意多次在预期时间范围、位置范围内的秒级曝光保量，从而保持每日运营所需曝光量占总体曝光量的比例稳定。

基于上述各实施例的方案，下面结合在视频直播系统场景阐述一个应用示例。

参考图6所示，图6是一个示例的直播内容的推荐方案框架示意图，如图中，在直播服务器上部署了推荐系统以实现直播内容的推荐流程；直播平台的运营可以根据需要生成保量推荐的流量卡，主播可以按需要激活流量卡；推荐系统上设置了流量状态实时统计服务，用于实时统计激活的流量卡及流量变化情况；对于推荐流量的分配建立了两个流量分支，分别为运营流量分支和个性化流量分支。

客户端在用户进入到推荐页面之后，产生推荐请求发送至推荐系统，推荐系统对该推荐请求进行预处理获取用户的特征信息。

在个性化流量分支上，根据预处理得到的特征信息，采用各路个性化召回算法召回待推荐主播集，并且判断待推荐主播集中配置有流量卡的保量主播交给运营流量分支；然后依次进行用户兴趣度排序和按推荐业务要求进行重排得到第一主播序列。

在运营流量分支上，首先根据保量主播的紧急程度召回保量主播，然后根据生效期内流量卡的保量主播的用户兴趣度对各个保量主播进行排序；最后结合紧急程度和用户兴趣度对保量主播执行个性化保量机制和重排得到第二主播序列。

推荐系统调整第一主播序列和第二主播序列的占比和曝光位置得到最终的推荐主播，并将其直播内容发送至客户端进行展示。

客户端对推荐的直播内容进行曝光，并实时将流量卡的主播曝光事件上传到流量状态实时统计服务进行统计更新，实现秒级自更新。

上述应用示例的技术方案，在保量推荐与非保量推荐的直播内容混排推荐场景下，基于流量卡的分发，结合实时保量推荐落后与进度的紧急程度进行召回，基于深度神经网络模型的个性化兴趣程度排序，以及保量紧急程度与个性化兴趣程度之间的个性化保量机制，最后通过调控直播内容占比的混排方案来生成推荐主播；实现了既能满足直播平台的保量需求，又能最大化满足用户个性化兴趣的需求的推荐效果，增强用户继续观看直播内容的积极性，提升了直播平台的日活量。

下面阐述直播内容的推荐装置的实施例。

如图7所示，图7是一个实施例的直播内容的推荐装置结构示意图，包括：

预处理模块10，用于接收客户端的推荐请求，根据所述推荐请求获取用户的特征信息；

个性化召回模块20，用于根据所述用户的特征信息从可推荐主播集中召回用户感兴趣的待推荐主播集，并对所述待推荐主播集进行分析排序得到第一主播序列；

保量召回模块30，用于根据直播平台当前的保量主播的实时流量统计及其保量进度状态获取保量推荐主播集，并对所述保量推荐主播集进行分析排序得到第二主播序列；

混排推荐模块40，用于根据推荐主播总量及实时流量统计从所述第一主播序列和第二主播序列中获取推荐主播的直播内容发送至客户端。

本实施例的直播内容的推荐装置可执行本申请的实施例所提供的一种直播内容的推荐方法，其实现原理相类似，本申请各实施例中的直播内容的推荐装置中的各模块所执行的动作是与本申请各实施例中的直播内容的推荐方法中的步骤相对应的，对于直播内容的推荐装置的各模块的详细功能描述具体可以参见前文中所示的对应的直播内容的推荐方法中的描述，此处不再赘述。

下面阐述直播系统的实施例。

如图1所示，本申请的直播系统基本框架包括了至少一个客户端以及直播服务器；本实施例中，对于客户端，其用于接入用户，上传直播视频至直播服务器或者从直播服务器下载直播视频进行播放；其中，主播用户可以通过主播端登录到直播服务器，上传主播用户的音视频流到直播服务器，直播服务器可以在直播推荐页面上生成推荐直播内容以供观众用户进行选择；观众用户可以通过观众端登录直播页面，选择需要观看的主播的直播内容，在观众用户进入推荐页面时，直播服务器向观众用户推荐主播的直播内容，观众用户根据个人兴趣选择直播内容后，直播服务器将该主播的音视频下发到观众端进行播放。对于直播服务器，其用于执行直播视频的转发，还在用户通过客户端进入到推荐页面时，利用本申请前述实施例的直播内容的推荐方法生成推荐主播的直播内容发送至客户端。

在一个实施例中，参考图8所示，图8是一个示例的直播系统的推荐直播内容示意图，直播平台的运营人员通过运营入口可以为有保量资格的主播配置流量卡，主播可以通过直播服务器激活流量卡，观众端上有观众用户登录时，进入到推荐页面，此时观众端触发推荐请求，直播服务器通过推荐系统响应该推荐请求，生成推荐主播的直播内容下发至观众端的推荐页面上进行展示，当观众用户点击了推荐页面上的直播内容时触发曝光事件，直播服务器将其接入到相应主播的直播间进行观看直播，同时观众端将曝光事件发送至直播服务器的推荐系统进行实时更新。

本实施例的直播系统，该技术方案，结合保量推荐和个性化推荐，最后依据实时流量统计来获取推荐主播的直播内容，从而达到既能满足直播平台的保量需求，又能最大化满足用户个性化兴趣的需求的推荐效果，增强用户继续观看直播内容的积极性，提升了直播平台的日活量。

下面阐述电子设备和计算机可读存储介质的实施例。

本申请提供一种电子设备的技术方案，用以实现直播内容的推荐方法相关功能，本实施例的电子设备，其包括一个或多个处理器，存储器；一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于任意实施例的直播内容的推荐方法的步骤。

如图9所示，图9是一示例的电子设备的框架图；该电子设备可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。该电子设备100可以包括以下一个或多个组件：处理组件102，存储器104，电力组件106，多媒体组件108，音频组件109，输入/输出(I/O)的接口112，传感器组件114，以及通信组件116。

处理组件102通常控制电子设备100的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。

存储器104被配置为存储各种类型的数据以支持在电子设备100的操作。如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件106为电子设备100的各种组件提供电力。

多媒体组件109包括在电子设备100和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。在一些实施例中，多媒体组件108包括一个前置摄像头和/或后置摄像头。

音频组件109被配置为输出和/或输入音频信号。

I/O接口112为处理组件102和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件114包括一个或多个传感器，用于为电子设备100提供各个方面的状态评估。传感器组件114可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。

通信组件116被配置为便于电子设备100和其他设备之间有线或无线方式的通信。电子设备100可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。

本申请提供一种计算机可读存储介质的技术方案，用以实现直播内容的推荐方法相关功能。该计算机可读存储介质，存储介质存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行任意实施例的直播内容的推荐方法。

在示例性实施例中，计算机可读存储介质可以是一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器，例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。