一种基于视频多维度分析的带货提效方法及系统与流程

1.本发明属于直播带货技术领域，具体涉及一种基于视频多维度分析的带货提效方法及系统。


背景技术：

2.直播技术和电商的不断发展催生了直播带货这一新的商品销售形式，直播带货不仅能使人们更全面的了解商品的信息，而且直播带货还能提升人们的购物体验，人们可以通过实时评论的方式参与关于直播间商品的讨论，来满足自己的购物心理，然而，现有技术中的直播带货存在带货效果不好的问题，导致该问题发生的原因之一是在直播带货开始之前向人们播放的推广视频不能满足人们的购物心理，从而无法吸引人们进入直播间进行购物，因此，研究一种基于对直播间视频的分析来生成推广视频，进而提升直播间带货效果的方法具有十分重要的现实意义。


技术实现要素：

3.针对上述提出的技术问题，本发明根据人们在直播间进行购物时产生的对于直播带货视频的评论，提取此次的直播间数据和历史的直播间数据之间的关系，还依据该关系生成此次的特征直播间数据，特征直播间数据更能满足人们的购物心理，因此将特征直播间数据作为推广视频来吸引人们进行直播间购物。
4.为了达到上述的发明目的，给出如下所述的一种基于视频多维度分析的带货提效方法，具体包括以下的步骤：
5.获取此次的直播间数据，所述直播间数据包括直播间的带货视频数据，以及直播间用户的关于带货视频数据的评论数据；
6.将所述带货视频数据划分为不同的带货视频段数据，并且分别取得与每个带货视频段数据相对应的所述评论数据；
7.针对带货视频段数据，从相对应的评论数据中提取出带货视频段数据引用预先存储的历史的直播间数据的带货视频段数据的关系数据，并且根据所述关系数据生成带货视频段数据的候选带货视频段数据；
8.计算带货视频段数据的每个候选带货视频段数据的重要性得分，并且按照所述重要性得分从大到小的顺序把所述重要性得分超过预先设置的重要性得分阈值的候选带货视频段数据与带货视频段数据一起合成特征带货视频段数据；
9.依据每个所述带货视频段数据的产生时间，将相对应的特征带货视频段数据最终合成此次的特征直播间数据，用来在下次直播带货之前作为直播间的推广视频进行播放。
10.与现有技术相比，本发明的有益效果至少如下所述：
11.1、本发明的一种基于视频多维度分析的带货提效方法，首先，获取此次的直播间数据；接着，将带货视频数据划分为不同的带货视频段数据，并分别取得相对应的评论数据；其次，针对带货视频段数据，从相对应的评论数据中提取出带货视频段数据引用历史的
直播间数据的带货视频段数据的关系数据，并生成候选带货视频段数据；再次，计算带货视频段数据的每个候选带货视频段数据的重要性得分，并合成特征带货视频段数据；最后，依据每个带货视频段数据的产生时间，将相对应的特征带货视频段数据最终合成此次的特征直播间数据；
12.2、本发明能够解决现有技术中在直播带货开始之前向人们播放的推广视频不能满足人们的购物心理，从而无法吸引人们进入直播间进行购物的问题，本发明根据人们在直播间进行购物时产生的关于带货视频的评论，生成特征直播间数据，并且在下次直播带货开始之前作为直播间的推广视频进行播放，能够更好的满足人们的购物心理，从而吸引更多的人们进入直播间进行购物，进而提升直播间带货的效果。
附图说明
13.图1为本发明的一种基于视频多维度分析的带货提效方法的步骤流程图；
14.图2为本发明的一种基于视频多维度分析的带货提效系统的组成结构图。
具体实施方式
15.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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发明，并不用于限定本发明。
16.可以理解，本技术所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本技术的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。
17.参考如图1所示，本发明提供一种基于视频多维度分析的带货提效方法，主要通过执行如下步骤过程来实现：
18.s1、获取此次的直播间数据，上述的直播间数据包括直播间的带货视频数据，以及直播间用户的关于带货视频数据的评论数据；
19.s2、将上述的带货视频数据划分为不同的带货视频段数据，并且分别取得与每个带货视频段数据相对应的上述的评论数据；
20.s3、针对带货视频段数据，从相对应的评论数据中提取出带货视频段数据引用预先存储的历史的直播间数据的带货视频段数据的关系数据，并且根据上述的关系数据生成带货视频段数据的候选带货视频段数据；
21.s4、计算带货视频段数据的每个候选带货视频段数据的重要性得分，并且按照上述的重要性得分从大到小的顺序把上述的重要性得分超过预先设置的重要性得分阈值的候选带货视频段数据与带货视频段数据一起合成特征带货视频段数据；
22.s5、依据每个上述的带货视频段数据的产生时间，将相对应的特征带货视频段数据最终合成此次的特征直播间数据，用来在下次直播带货之前作为直播间的推广视频进行播放。
23.进一步的，上述的步骤s1中的直播间用户的关于带货视频数据的评论数据，包括字符串，图片，以及历史的直播间数据的带货视频段数据的网络链接。
24.具体的，发明人考虑到在人们进行直播购物时，产生的对于带货视频的评论，能够充分的代表人们的购物心理，举例如人们可能会在评论中询问直播间历史出售的商品，人们还可能会在评论中询问商品是否具有特定的属性等，由此，根据人们在直播间留下的评论数据，来从直播间的带货视频数据中生成推广视频，该推广视频能够很好的满足人们的购物心理，从而也能够吸引更多的人们进入到直播间进行购物，进而还能够提升直播间的带货效果。
25.进一步的，上述的步骤s2中将带货视频数据划分为不同的带货视频段数据的过程，包括按照直播间的单个商品对带货视频数据进行划分，同时包括按照直播间的商品类型对带货视频数据进行划分，以及包括按照直播间的不同主播对带货视频数据进行划分。
26.具体的，将带货视频数据划分为不同的带货视频段数据的过程不限于仅使用上述的方法，在实际的应用场景下，可以根据需要进行人为设计，上述的方法保证了每个带货视频段数据在语义上都是完整的，从而也保证了最终生成的特征直播间数据在向人们进行播放时，不会存在视频场景不连贯等问题，使人们拥有更好的视频观看体验。
27.进一步的，上述的步骤s3中生成带货视频段数据的候选带货视频段数据之前，还包括如下的步骤：
28.从此次的带货视频段数据的评论数据中确定此次的带货视频段数据引用的历史的带货视频段数据，并且将此次的带货视频段数据的深度值设为0，同时将上述的历史的带货视频段数据的深度值设为1；
29.从上述的历史的带货视频段数据的评论数据中确定历史的带货视频段数据引用的历史的带货视频段数据，同时将历史的带货视频段数据引用的历史的带货视频段数据的深度值设为2；
30.重复与上个步骤中相同的方法，继续得到若干个历史的带货视频段数据，并且他们的深度值依次加1。
31.具体的，因为此次的带货视频段数据的评论数据中可能存在关于历史的带货视频段数据的内容，所以能够从该评论数据中提取出此次的带货视频段数据引用历史的带货视频段数据的关系数据，同理，该历史的带货视频段数据的评论数据中也可能存在关于其他的历史的带货视频段数据的内容，从而也能够从该评论数据中提取出该历史的带货视频段数据引用其他的历史的带货视频段数据的关系数据，也即该历史的带货视频段数据也可能会引用其他的历史的带货视频段数据，以此类推，就能够得到若干个具有不同深度值的历史的带货视频段数据。
32.进一步的，上述的步骤s3中生成带货视频段数据的候选带货视频段数据，具体包括如下的步骤：
33.将此次的带货视频段数据与允许成为候选带货视频段数据的历史的带货视频段数据之间的最大深度值间隔设为d，并且将此次的带货视频段数据最多能够拥有的候选带货视频段数据的个数设为k；
34.判断此次的带货视频段数据已经拥有的候选带货视频段数据的个数是否小于等于k，若是，则继续下个步骤，反之，则步骤结束；
35.判断历史的带货视频段数据的深度值是否满足小于等于此次的带货视频段数据的深度值加上d，若满足，则继续下个步骤，反之，则跳转至步骤五；
36.将步骤三中的历史的带货视频段数据作为候选带货视频段数据，并且跳转至步骤二继续执行；
37.确定下一个历史的带货视频段数据，并且跳转至步骤三，继续判断下一个历史的带货视频段数据能否成为候选带货视频段数据。
38.具体的，在上述的方法中，设置此次的带货视频段数据与允许成为候选带货视频段数据的历史的带货视频段数据之间的最大深度值间隔，以及此次的带货视频段数据最多能够拥有的候选带货视频段数据的个数，并且从与此次的带货视频段数据之间的深度值间隔在上述的最大深度值间隔内的历史的带货视频段数据中选取满足上述的个数的历史的带货视频段数据，作为带货视频段数据的候选带货视频段数据，这样做不仅是为了限制带货视频段数据在后续步骤中生成的特征带货视频段数据的时间的长度，避免该时间过长，而且这样做还能够保证各个候选带货视频段数据与带货视频段数据在内容上的相关性，避免各个候选带货视频段数据与带货视频段数据的内容区别较大，而致使带货视频段数据在后续步骤中生成的特征带货视频段数据发生内容跳跃。
39.进一步的，上述的步骤s4中计算带货视频段数据的每个候选带货视频段数据的重要性得分，包括如下的步骤：
40.将带货视频段数据的评论数据的字符串分解为若干个名词；
41.选定一个候选带货视频段数据，并且将候选带货视频段数据的评论数据的字符串分解为若干个名词；
42.将带货视频段数据的评论数据的一个名词分别与步骤二中的候选带货视频段数据的评论数据的每个名词进行相似性对比，并且计算每个名词的重要性得分，还累加每个名词的重要性得分来得到步骤二中的候选带货视频段数据的重要性得分；
43.判断是否每个候选带货视频段数据都经历过步骤三的处理，若是，则继续下个步骤，反之，则跳转步骤二继续执行；
44.判断是否带货视频段数据的评论数据的每个名词都经历过步骤三的处理，若是，则结束步骤，反之，则选定带货视频段数据的评论数据的下一个名词，并且跳转步骤三继续执行。
45.具体的，在步骤s3中已经得到了带货视频段数据的各个候选带货视频段数据，因为各个候选带货视频段数据的内容一般不相同，重要性也就不相同，所以还需要计算各个候选带货视频段数据的重要性得分，以便于按照重要性得分从大到小的顺序把重要性得分超过预先设置的重要性得分阈值的候选带货视频段数据与带货视频段数据一起合成特征带货视频段数据，首先将带货视频段数据的评论数据的字符串和各个候选带货视频段数据的评论数据的字符串均分解为若干个名词的组合，接着将带货视频段数据的评论数据的第一个名词分别与各个候选带货视频段数据的评论数据的每个名词进行相似性比对，并计算每个名词的重要性得分，最后将带货视频段数据的评论数据的其他名词分别与各个候选带货视频段数据的评论数据的每个名词进行相似性比对，并计算每个名词的重要性得分。
46.进一步的，上述的进行两个名词的相似性对比前，预先按照如下存储结构对每个词典名词进行存储：确定一个名词，将由上述的名词可追溯到的上位名词作为上级节点，将由上述的名词可延伸出来的下位名词作为下级节点，将上述的名词的同义名词作为相同级节点，同时按照从上级到下级的顺序，不同名词的级数依次增加，并且初始级数为0；
47.进一步的，使用如下的公式进行两个名词的相似性对比，并且计算名词的重要性得分：
[0048][0049]
其中，为名词的重要性得分，vi，vj分别为两个要进行相似性对比的名词在同一个存储结构中的级数，vk为vi，vj中的级数较小的那个。
[0050]
具体的，在本实施例中依靠词典名词来实现两个名词的相似性对比，举例如现代汉语词典中记录的全部名词，但是需要预先按照特定的存储结构对每个词典名词进行存储，首先确定一个词典名词，接着将由上述的名词可追溯到的上位名词作为上级节点，将由上述的名词可延伸出来的下位名词作为下级节点，将上述的名词的同义名词作为相同级节点，最后按照从上级到下级的顺序，不同名词的级数依次增加，并且初始级数为0。在存储完成每个词典名词之后，当需要进行相似性对比的两个名词都在同一个上述的存储结构中时，通过上述的公式计算候选带货视频段数据的评论数据的各个名词的重要性得分，该重要性得分能够代表该各个名词与带货视频段数据的评论数据的名词的相似程度，也就是说重要性得分越高，则候选带货视频段数据的评论数据的名词与带货视频段数据的评论数据的名词越相似，尤其的，当需要进行相似性对比的两个名词是同义名词时，重要性得分是1且为最高，而当需要进行相似性对比的两个名词不能同时位于同一个上述的存储结构中时，则说明这两个名词之间的相似性为最低，即重要性得分是0，通过上述的方法能够帮助实现计算候选带货视频段数据的重要性得分。
[0051]
参考如图2所示，本发明还提供一种基于视频多维度分析的带货提效系统，用来实现如以上内容所描述的一种基于视频多维度分析的带货提效方法，具体包括如下的模块：
[0052]
获取模块，用于获取此次的直播间数据，上述的直播间数据包括直播间的带货视频数据，以及直播间用户的关于带货视频数据的评论数据；
[0053]
划分模块，用于将上述的带货视频数据划分为不同的带货视频段数据，并且分别取得与每个带货视频段数据相对应的上述的评论数据；
[0054]
第一分析模块，用于针对带货视频段数据，从相对应的评论数据中提取出带货视频段数据引用预先存储的历史的直播间数据的带货视频段数据的关系数据，并且根据上述的关系数据生成带货视频段数据的候选带货视频段数据；
[0055]
第二分析模块，用于计算带货视频段数据的每个候选带货视频段数据的重要性得分，并且按照上述的重要性得分从大到小的顺序把上述的重要性得分超过预先设置的重要性得分阈值的候选带货视频段数据合成带货视频段数据的特征带货视频段数据；
[0056]
合成模块，用于依据每个上述的带货视频段数据的产生时间，将相对应的特征带货视频段数据最终合成此次的特征直播间数据，用来在下次直播带货之前作为直播间的推广视频进行播放。
[0057]
综上所述，本发明的一种基于视频多维度分析的带货提效方法，首先，获取此次的直播间数据；接着，将带货视频数据划分为不同的带货视频段数据，并分别取得相对应的评论数据；其次，针对带货视频段数据，从相对应的评论数据中提取出带货视频段数据引用历史的直播间数据的带货视频段数据的关系数据，并生成候选带货视频段数据；再次，计算带货视频段数据的每个候选带货视频段数据的重要性得分，并合成特征带货视频段数据；最
后，依据每个带货视频段数据的产生时间，将相对应的特征带货视频段数据最终合成此次的特征直播间数据。本发明能够解决现有技术中在直播带货开始之前向人们播放的推广视频不能满足人们的购物心理，从而无法吸引人们进入直播间进行购物的问题，本发明根据人们在直播间进行购物时产生的关于带货视频的评论，生成特征直播间数据，并且在下次直播带货开始之前作为直播间的推广视频进行播放，能够更好的满足人们的购物心理，从而吸引更多的人们进入直播间进行购物，进而提升直播间带货的效果。
[0058]
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0059]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一个非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0060]
以上上述的实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0061]
以上上述的实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
[0062]
以上上述的仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。