1.一种直播热度预测方法,其特征在于,包括:
确定至少一个第一类型直播间及至少一个第二类型直播间,其中,所述第一类型直播间为在预设时间段内在线用户具有固定增长值的直播间,第二类型直播间为在预设时间段内在线用户低于固定值的直播间;
获取至少一个第一类型直播间中的用户在线时长及弹幕,得到至少一个以用户在线时长及弹幕组成的第一时间序列;
获取至少一个第二类型直播间中的用户在线时长及弹幕,得到至少一个以用户在线时长及弹幕组成的第二时间序列;
将所述至少一个第一时间序列及第二时间序列进行训练,得到预测模型;
获取待预测直播间中的用户在线时长及弹幕,得到以用户在线时长及弹幕组成的第三时间序列;
将所述第三时间序列输入至所述预测模型中,以确定所述待预测直播间为第一类型直播间或第二类型直播间。
2.根据权利要求1所述的直播热度预测方法,其特征在于,所述获取至少一个第一类型直播间中的用户在线时长及弹幕,得到至少一个以用户在线时长及弹幕组成的第一时间序列,包括:将所述第一类直播间一场直播的直播总时长划分为多个等长的时间段;
计算每个时间段内所有用户在线时长的总和,根据所述每个时间段内所有用户在线时长的总和得到时间向量;
获取每个时间段内出现次数最多的前M个弹幕,并根据该M个弹幕得到弹幕向量;
将所述时间向量与每个时间段内的弹幕向量分别组合,得到每个时间段内的评价向量;
根据所述每个时间段内的评价向量得到该直播的所述第一时间序列,其中,一个时间段内的评价向量为所述第一时间序列的一个元素。
3.根据权利要求2所述的直播热度预测方法,其特征在于,所述计算每个时间段内所有用户在线时长的总和,包括:统计每个用户的上线时刻和下线时刻;
将所述上线时刻和下线时刻对应到相应的时间段内,计算得到每个时间段类每个用户在该时间段内的在线时长;
将每个时间段内所有用户的在线时长求和得到所述每个时间段内所有用户的在线时长总和。
4.根据权利要求2所述的直播热度预测方法,其特征在于,所述根据所述每个时间段内所有用户在线时长的总和得到时间向量,包括:比较各时间段内所有用户在线时长的总和,得到所有时间段内所有用户在线时长的总和的最大值Tmax;
将所述每个时间段内所有用户在线时长的总和转化为所述时间向量:其中,Ti表示第i时间段被所有用户在线时长
总和,Tmax表示所有时间段内所有用户在线时长总和的最大值。
5.根据权利要求2所述的直播热度预测方法,其特征在于,所述根据该M个弹幕得到弹幕向量,包括:将所述M个弹幕转化为对应的M个词向量;
对所述M个词向量求和得到所述弹幕向量: 其中,wri表示前M个弹幕,word2vec表示将弹幕转换成词向量的操作,WVt表示弹幕向量。
6.根据权利要求1所述的直播热度预测方法,其特征在于,所述将所述至少一个第一时间序列及第二时间序列进行训练,得到预测模型,包括:将所述至少一个第一时间序列和至少一个第二时间序列输入基于神经网络的预测框架,根据公式:Os=tanh(W·Dt+Os-1)及
得到所述预测模型;
其中,OS代表当前时刻隐藏层的输出,OS-1代表上一时刻隐藏层的输出,W代表隐藏层的权值,wi代表隐藏层输出的权值,每个N代表隐藏层的维数,Dt代表输入的所述至少一个第一时间序列和所述至少一个第二时间序列,lablel为二分类符号函数。
7.根据权利要求6所述的直播热度预测方法,其特征在于,所述将所述第三时间序列输入至所述预测模型中,以确定所述待预测直播间为第一类型直播间或第二类型直播间,包括:若所述预测模型输出的所述二分类符号函数的值为1,则所述待预测直播间为所述第一类型直播间;
若所述预测模型输出的所述二分类符号函数的值为-1,则所述待预测直播间为所述第二类型直播间。
8.一种直播热度预测装置,其特征在于,所述装置包括:直播间选取模块,用于确定至少一个第一类型直播间及至少一个第二类型直播间,其中,所述第一类型直播间为在预设时间段内在线用户具有固定增长值的直播间,第二类型直播间为在预设时间段内在线用户低于固定值的直播间;
时间序列生成模块,用于获取至少一个第一类型直播间中的用户在线时长及弹幕,得到至少一个以用户在线时长及弹幕组成的第一时间序列,获取至少一个第二类型直播间中的用户在线时长及弹幕,得到至少一个以用户在线时长及弹幕组成的第二时间序列,获取待预测直播间中的用户在线时长及弹幕,得到以用户在线时长及弹幕组成的第三时间序列;
预测模型生成模块,用于将所述至少一个第一时间序列及第二时间进行训练,得到预测模型;
预测模块,用于将所述第三时间序列输入至所述预测模型中,以确定所述待预测直播间为第一类型直播间或第二类型直播间。
9.一种电子设备,包括:
处理器;
存储器,其存储有计算机可执行程序,该程序在被所述处理器执行时,使得所述处理器执行如权利要求1-7中任意一项所述的直播热度预测方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任意一项所述的直播热度预测方法。