一种个性化弹幕智能推送方法与系统与流程

本发明涉及计算机应用技术领域，尤其涉及一种个性化弹幕智能推送方法与系统。

背景技术：

弹幕作为一种新兴的信息推送方式，经常在视频播放过程中，被推送到用户屏幕上。但是在这个过程中，却经常出现整个屏幕被弹幕占满的情况，影响了用户观看视频的体检。弹幕占满整个屏幕的情况多有发生，但是屏幕上适合用户口味的弹幕信息却经常不足，这是另一个弹幕推送的不足。不同的用户在同一时刻观看到的弹幕是一样的，这也不符合弹幕的个性化特征。因此本专利针对以上不足，采用个性化的针对用户本身性格特点的弹幕信息，进行推送。

技术实现要素：

本发明提供了一种个性化弹幕智能推送方法与系统，用于个性化的为用户推送弹幕。

本发明提供了一种个性化弹幕智能推送方法，主要包括以下步骤：

获取网站内跟目标用户在相同时间段同时发送弹幕且弹幕内容相似的其他用户的集合，获取用户之间的相似特征；

根据所述其他用户集合与目标用户的相似度情况，对其他用户集合进行排序；

选取与目标用户最接近的n个其他用户的弹幕信息推送给用户。

进一步可选地，如上所述的方法中，所述获取网站内跟目标用户在相同时间段同时发送弹幕且弹幕内容相似的其他用户的集合，主要包括：

对视频播放时间切割成预设的时间片段，获取同一个时间段内发送弹幕的用户；

获取同一个时间段内，用户发送弹幕内容；

当某时间段内，用户发送的弹幕信息有多条信息时，将这些弹幕信息拼接起来；

计算同一时间段内，用户发送的弹幕之间的文本相似度；

当第一用户发送的弹幕信息内容与第二用户发送的弹幕信息内容的相似度大于预设的阈值的时候，认为两个用户具有相似特征。

进一步可选地，如上所述的方法中，所述根据所述其他用户集合与目标用户的相似度情况，对其他用户集合进行排序，主要包括：

统计视频播放的各个时间段内，用户发送的弹幕内容，计算用户间有多少次出现所述相似特征；

根据发生相似特征的次数，对所述其他用户集进行排序。

进一步可选地，如上所述的方法中，所述选取与目标用户最接近的n个其他用户的弹幕信息推送给用户，主要包括：

根据相似用户排序，当播放视频时，只推送与目标用户相似度更高的排序靠前的n名相似用户的弹幕。

进一步可选地，如上所述的方法中，所述选取与目标用户最接近的n个其他用户的弹幕信息推送给用户，之前还包括：

将弹幕内容分类为，提示性、恶搞型、翻译型、解说型、联想型、评论型；收集预设数量的这六类弹幕数据，作为训练语料。通过深度学习算法，训练弹幕内容分类模型。

用分类模型对弹幕内容进行自动文本分类，包括对弹幕进行分词，特征提取，测试分类等过程，获得每一条弹幕的内容分类。

统计该用户发送的弹幕内容中，哪种类别的弹幕内容比较多，作为目标用户的弹幕偏好类型。

进一步可选地，如上所述的方法中，所述所述选取与目标用户最接近的n个其他用户的弹幕信息推送给用户，之后还包括：

若根据相似用户推送的弹幕内容依然太多，进一步获取目标用户的弹幕偏好类型，通过所述弹幕内容分类模型，对弹幕内容进行分类，并推送目标类型的弹幕信息给目标用户。

进一步可选地，如上所述的方法中，所述方法还包括：

当目标用户为没有过弹幕发送行为的用户时，计算目标用户与有弹幕发送行为用户的视频观看的相似度，寻找他们与有弹幕发送行为的最相近的用户，接着，按照有弹幕发送行为的用户的方法步骤，进行弹幕推荐；其中相似度计算方法主要包括：

获取用户看过的视频；

根据用户看过的视频内容，计算用户之间的相似度；

获取与目标用户最接近的有弹幕发送行为的用户，确认他们是兴趣相同的用户；

对目标用户进行个性化弹幕推送。

本发明提供了一种个性化弹幕智能推送系统，所述系统包括：

获取模块，用于获取与目标用户的弹幕发送方式和内容相似的其他用户集合；

用户排序与弹幕推送模块，用于对相似用户进行排序，并根据相似度情况进行目标用户弹幕推送；

弹幕类型计算模块，用于获取目标用户对弹幕的偏好，及对弹幕内容进行自动分类；

无弹幕发送行为用户与弹幕发送用户对相似度计算模块，用于根据观看视频的相似度，计算无弹幕发送行为的用户与有弹幕发送行为的用户的相似度，便于为无弹幕发送行为的用户，推送弹幕；

本发明实施例提供的技术方案可以包括以下有益效果：

本发明能为用户推送自己更感兴趣的弹幕信息，避免弹幕占满整个屏幕，本发明可以使用户的弹幕体验更好；本发明能让用户，只看与自己弹幕习惯比较相近的人的弹幕，而不是看所有的弹幕。

附图说明

图1为本发明的个性化弹幕智能推送方法实施例的流程图。

图2为本发明的个性化弹幕智能推送系统实施例的结构图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

图1为本发明的一种个性化弹幕智能推送方法的流程图。如图1所示，本实施例一种个性化弹幕智能推送方法，具体可以包括如下步骤：

步骤101，当目标用户为发送过弹幕的用户时：

获取视频播放相同时间，前后阈值范围内发送弹幕的用户。对视频播放时间切割成预设的片段，获取同一个时间段内发送弹幕的用户。当某时间段内，用户发送的弹幕信息有多条信息时，将这些弹幕信息拼接起来。例如获取视频播放到2分钟的时间段，获取视频播放1分55秒至2分05秒，这段时间发送了弹幕的用户，认为他们大致是同时发送弹幕的。

步骤102，获取同一个时间段内，用户发送弹幕内容的相似度。当某个时间段内，第一用发送的弹幕信息内容与第二用户发送的弹幕信息内容的相似度大于预设的阈值的时候，认为这一刻，这两个用户发生相似特征。

步骤103，统计视频播放的各个时间段内，用户发送的弹幕内容，计算用户间有多少次出现所述相似特征。例如在视频第3至5秒时，用户a发送了一条弹幕信息‘王菲的歌真好听’，用户b在相同时间段，发送了“王菲歌很好听啊”，通过相同时间，相似度计算，可以判断为两个用户有了一次相似特征。在第8至9秒时，他们又发送了相似的弹幕，则认为他们有了两次相似特征。但是，当他们在不同的时间段，发出相同的弹幕信息时，并不认为他们具有相似特征，因为视频的剧情内容不同。

步骤104，获取用户发送过弹幕的视频，获取与目标用户具有多次相似特征的其他用户，并对这些用户进行排序。获得与目标用户具有相似度的相似用户排序。

播放另一个视频内容时，只播放跟目标用户相似的其他用户的弹幕信息。

根据相似用户排序，当播放视频时，只推送与目标用户相似度更高的排序靠前的n名相似用户的弹幕。

步骤105，将弹幕内容分类为，提示性、恶搞型、翻译型、解说型、联想型、评论型。收集预设数量的这六类弹幕数据，作为训练语料。通过深度学习算法，训练弹幕内容分类模型。根据百度百科目前对弹幕网站中弹幕内容的客观分类，就是分为以上类别的。

用分类模型对弹幕内容进行自动文本分类，包括对弹幕进行分词，特征提取，测试分类等过程，获得每一条弹幕的内容分类。

统计该用户发送的弹幕内容中，哪种类别的弹幕内容比较多，作为目标用户的弹幕偏好类型。

步骤106，当获取的相似用户的弹幕内容，依然很多，多到某一个时刻，发送量足以占满屏幕的时候，进一步获取目标用户的弹幕偏好类型。通过所述弹幕内容分类模型，对弹幕内容进行分类，获取与用户弹幕偏好类型相同的弹幕，进一步减少弹幕显示量，并优化弹幕的质量，使之更加倾斜于用户的弹幕偏好需求。

步骤107，当目标用户为没有过弹幕发送行为的用户时，计算他们与有弹幕发送行为的人的视频查看相似度，寻找他们与有弹幕发送行为的最相近的用户，接着，按照有弹幕发送行为的用户的方法步骤，进行弹幕推荐。其中相似度计算方法主要包括，

获取用户看过的视频，根据用户看过的视频内容，计算用户之间的相似度。获取与目标用户最接近的有弹幕发送行为的用户，认为他们是兴趣相同的用户。

步骤108，最后，对目标用户进行个性化弹幕推送。

以上所述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，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。