直播中的抽奖处理方法、装置、设备及可读存储介质与流程

1.本技术涉及视频直播领域，尤其涉及一种直播中的抽奖处理方法、装置、设备及可读存储介质。


背景技术：

2.随着互联网技术的不断发展，越来越多的人观看直播。目前，在直播抽奖的过程中，主播通过截屏的方式进行抽奖，播报中奖用户，中奖用户需要再联系客服，通过客服领取奖品。然而，现有的直播抽奖中，在奖品确定后，所有中奖人员均获得相同的奖品或获得随机的奖品，存在中奖产品不符合中奖用户喜好或需要的情况。


技术实现要素：

3.有鉴于此，本技术实施例提供一种直播中的抽奖处理方法、装置、设备及可读存储介质，旨在提高自动推送的奖品与中奖用户的准确性。
4.为实现上述目的，本技术提供一种直播中的抽奖处理方法，所述方法包括：
5.获取中奖用户的历史行为信息；
6.基于所述历史行为信息，确定多个预设奖品与所述中奖用户的匹配度；
7.从所述多个预设奖品中，选取所述匹配度最高的预设奖品，得到所述中奖用户的目标奖品。
8.示例性的，所述基于所述历史行为信息，确定多个预设奖品与所述中奖用户的匹配度的步骤，包括：
9.确定所述历史行为信息对应的多个商品；
10.基于每一所述商品对应的历史行为信息，计算每一所述商品的第一消费意向分数；
11.基于所述第一消费意向分数，确定每一所述商品所属消费意向类别的第二消费意向分数；
12.确定每一所述预设奖品的商品类别；
13.基于所述第二消费意向分数和所述商品类别，确定每一所述预设奖品与所述中奖用户的匹配度。
14.示例性的，所述历史行为信息中包含所述商品的多个消费意向维度的次数信息，所述基于每一所述商品对应的历史行为信息，计算每一所述商品的第一消费意向分数，包括：
15.计算每一消费意向维度的权重和所述次数信息的乘积，得到每一消费意向维度对应的分数分量；
16.对每一消费意向维度的分数分量进行求和，得到所述第一消费意向分数。
17.示例性的，所述确定每一所述预设奖品的商品类别的步骤，包括：
18.确定预设数量的初始聚类中心；
19.将每一所述预设奖品归类至相似度最高的初始聚类中心所属的聚类簇，得到多个初始聚类簇；
20.对每一所述初始聚类簇进行优化，得到目标优化聚类簇；
21.基于所述目标优化聚类簇，分别确定每一所述预设奖品的商品类别。
22.示例性的，所述对每一所述初始聚类簇进行优化，得到目标优化聚类簇的步骤，包括：
23.分别获取每一所述初始聚类簇的优化聚类中心；
24.遍历每一所述预设奖品，并计算遍历到的预设奖品与每一所述优化聚类中心的优化距离；
25.将所述预设奖品归类至所述优化距离最短的优化聚类中心所属的聚类簇，得到优化聚类簇；
26.若满足预设优化迭代条件，则将所述优化聚类簇作为目标优化聚类簇；
27.若未满足预设优化迭代条件，则将所述优化聚类簇作为所述初始聚类簇，并返回所述获取每一所述初始聚类簇的优化聚类中心步骤。
28.示例性的，所述基于所述第二消费意向分数和所述商品类别，确定每一所述预设奖品与所述中奖用户的匹配度的步骤，包括：
29.将所述消费意向类别按所述第二消费意向分数的大小进行排序，得到所述消费意向类别的序列；
30.遍历所述序列，若从所述目标优化聚类簇中匹配到待选取奖品的目标优化聚类簇，则计算所述待选取奖品的目标优化聚类簇中每一预设奖品与所述待选取奖品的目标优化聚类簇的目标优化聚类中心的距离；所述待选取奖品的目标优化聚类簇的商品类别与所述遍历到的消费意向类别相同；
31.基于所述距离，确定所述待选取奖品的目标优化聚类簇中的每一所述预设奖品与所述中奖用户的匹配度。
32.示例性的，所述获取中奖用户的历史行为信息的步骤之前，包括：
33.识别直播音频中的语音特征信息；
34.基于所述语音特征信息，确定抽奖活动的中奖用户。
35.示例性的，为实现上述目的，本技术还提供一种直播中的抽奖处理装置，所述直播中的抽奖处理装置包括：
36.获取模块，用于获取中奖用户的历史行为信息；
37.第一确定模块，用于基于所述历史行为信息，确定多个预设奖品与所述中奖用户的匹配度；
38.选取模块，用于从所述多个预设奖品中，选取所述匹配度最高的预设奖品，得到所述中奖用户的目标奖品。
39.示例性的，为实现上述目的，本技术还提供一种直播中的抽奖处理设备，所述直播中的抽奖处理设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的直播中的抽奖处理程序，所述直播中的抽奖处理程序被处理器执行时实现如上所述的直播中的抽奖处理方法的步骤。
40.示例性的，为实现上述目的，本技术还提供一种计算机可读存储介质，所述计算机
等。
57.步骤a2，基于所述语音特征信息，确定抽奖活动的中奖用户。
58.在本实施例中，当检测包含抽奖活动的启动节点的语音特征信息时，启动抽奖。当检测到公布中奖用户的语音特征信息时，识别中奖名单中的中奖用户。
59.在本实施例中，在直播过程中，主播提前预告抽奖活动，并针对当前直播的抽奖条件和抽奖规则向直播间内的观众进行描述。之后，获取观众用户在当前抽奖活动中所输入的弹幕信息，从该弹幕信息中选取包含抽奖关键词的弹幕信息，并将包含相同抽奖关键词的弹幕信息进行聚类、筛选后获得符合抽奖条件的弹幕信息。基于预设的抽奖规则，对符合抽奖条件的弹幕信息进行抽奖处理，得到最终的中奖结果。上述抽奖处理为对所有观众的账号与输入的弹幕信息进行匹配识别，将同时输入不同的抽奖关键词的账号进行删除，或随机保留该账号输入的多个抽奖关键词中的一个抽奖关键词进行抽奖，避免相同账号输入不同的抽奖关键词，致使中奖几率高，从而对其他用户的不公平。例如，在某场巴西队和荷兰队女子足球赛事直播过程中，对主播关于赛事的解说音频内容进行实时检测，当检测到主播提出“支持巴西队的观众请扣1、支持荷兰队的请扣2”，即主播发起抽奖活动，在比赛结果出来时若为巴西队获胜时，则将所有扣1的观众进行统计、筛选、聚类等处理后得到符合抽奖条件的观众，按照抽奖规则进行抽奖。
60.示例性的，抽奖规则可以为符合公平原则的任意规则。例如，按照输入抽奖关键词的先后输入时间进行排序，截取对应的前5个观众用户作为中奖用户；或者按照每一观众用户所输入同一抽奖关键词的数量，截取大于等于3的观众用户作为中奖用户。
61.步骤s20，基于所述历史行为信息，确定多个预设奖品与所述中奖用户的匹配度。
62.在本实施例中，匹配度为奖品的商品类别与中奖用户的消费意向类别的相似度。其中，相似度与匹配度成正相关，即若奖品的商品类别与中奖用户的消费意向类别的区别越小，则该奖品与中奖用户的匹配度越高；若奖品的商品类别与中奖用户的消费意向类别的区别越大，则该奖品与中奖用户的匹配度越低。
63.示例性的，所述基于所述历史行为信息，确定多个预设奖品与所述中奖用户的匹配度，包括：
64.步骤b，确定所述历史行为信息对应的多个商品。
65.在本实施例中，通过中奖用户的历史行为信息，确定用户购买的多个商品、浏览的多个商品、加购的多个商品。
66.步骤c，基于每一所述商品对应的历史行为信息，计算每一所述商品的第一消费意向分数。
67.在本实施例中，中奖用户对每一商品的喜好程度不同，对应浏览、加购、收藏的次数也不同，现通过计算每一商品的第一消费意向分数来量化中奖用户对商品的喜好程度，其中，第一消费意向分数与喜好程度成正比，即若中奖用户对商品的喜好程度越高，则该奖品的第一消费意向分数越高；若中奖用户对商品的喜好程度越低，则该奖品的第一消费意向分数越低。
68.示例性的，所述历史行为信息中包含所述商品的多个消费意向维度的次数信息，所述基于每一所述商品对应的历史行为信息，计算每一所述商品的第一消费意向分数，包括：
69.在本实施例中，多个消费意向维度包括中奖用户的浏览维度、加购维度、收藏维度、购买维度等。
70.步骤c1，计算每一消费意向维度的权重和所述次数信息的乘积，得到每一消费意向维度对应的分数分量。
71.在本实施例中，权重根据需要进行设置，本实施例不作具体限定。将权重系数和行为次数进行相乘，计算每一商品的每一维的相关信息，得到每一维的分数分量。例如，购买维度的权重系数为0.5，在一个月内，商品a的购买次数为3次，则商品a在购买维度的分数为1.5分；浏览维度的权重系数为0.2，在一个月内，商品a的浏览次数为200次，则商品a在购买维度的分数为40分。
72.步骤c2，对每一消费意向维度的分数分量进行求和，得到所述第一消费意向分数。
73.在本实施例中，将每一消费意向维度的分数分量进行求和，得到每一商品的第一消费意向分数。例如，商品a在购买维度的分数为10分，浏览维度的分数为40分，加购维度的分数为30分，得到商品a的第一消费意向分数为80分。
74.步骤d，基于所述第一消费意向分数，确定每一所述商品所属消费意向类别的第二消费意向分数。
75.在本实施例中，选取一定数量的商品，分别计算每一商品的第一消费意向分数。计算同一消费意向类别的商品的第一消费意向分数的平均值，得到消费意向类别的第二消费意向分数。例如，鞋子a的第一消费意向分数为60分，鞋子b的第一消费意向分数为60分，鞋子c的第一消费意向分数为90分，则鞋子类的第二消费意向分数为70分。
76.步骤e，确定每一所述预设奖品的商品类别。
77.在本实施例中，对预设奖品进行聚类，得到每一预设奖品所属的商品类别。
78.示例性的，所述确定每一所述预设奖品的商品类别，包括：
79.步骤e1，确定预设数量的初始聚类中心。
80.在本实施例中，如图2所示，201为聚类中心，其中，聚类中心包括初始聚类中心，优化聚类中心和目标优化聚类中心，202为预设奖品，获得包含了n个预设奖品的聚类簇x＝{x1,x2,x3,
…
,xn}，从该预设奖品所属的商品类别中随机选取预设数量的初始商品类别，即初始聚类中心。其中，聚类簇为由聚类所生成的一组样本的集合，同一簇内样本彼此相似，与其他簇中的样本相异。
81.步骤e2，将每一所述预设奖品归类至相似度最高的初始聚类中心所属的聚类簇，得到多个初始聚类簇。
82.在本实施例中，计算每一预设奖品与初始聚类中心的欧氏距离，将预设奖品归类至相似度最高的初始聚类中心所属的聚类簇中。其中，相似度与欧氏距离成负相关，即若某一预设奖品与某一初始聚类中心的欧氏距离越短，则该预设奖品与该初始聚类中心的相似度越高；若某一预设奖品与某一初始聚类中心的欧氏距离越长，则该预设奖品与该初始聚类中心的相似度越低。
83.步骤e3，对每一所述初始聚类簇进行优化，得到目标优化聚类簇。
84.在本实施例中，存在随机选取的初始聚类中心不是该聚类簇中最优聚类中心的情况，通过循环优化步骤，计算每一预设奖品到每个质心的距离，并把它归到最近的优化聚类中心的簇；重新计算已经得到的每一优化聚类簇的优化聚类中心；迭代上述两步直至新的
优化聚类中心与原优化聚类中心相同或达到预设迭代次数，优化结束，得到目标优化聚类簇。其中，每一预设奖品的商品类别与其所属的目标优化聚类簇的商品类别的相似度最高。
85.示例性的，所述对每一所述初始聚类簇进行优化，得到目标优化聚类簇，包括：
86.步骤e31，分别获取每一所述初始聚类簇的优化聚类中心；
87.步骤e32，遍历每一所述预设奖品，并计算遍历到的预设奖品与每一所述优化聚类中心的优化距离。
88.在本实施例中，计算每一预设奖品与每一优化聚类中的欧氏距离，即优化距离。
89.步骤e33，将所述预设奖品归类至所述优化距离最短的优化聚类中心所属的聚类簇，得到优化聚类簇。
90.在本实施例中，其中，相似度与欧氏距离成负相关，即若欧氏距离越短，则该预设奖品的商品类别与该优化聚类中心所属的商品类别相似度越高；若欧氏距离越长，则该预设奖品的商品类别与该优化聚类中心所属的商品类别相似度越低。将每一预设奖品分配至与之欧氏距离最短的优化聚类中心所属聚类簇中，得到优化聚类簇。
91.步骤e34，若满足预设优化迭代条件，则将所述优化聚类簇作为目标优化聚类簇。
92.在本实施例中，预设优化迭代条件包括：达到预设迭代次数或优化聚类中心不再改变。当满足任一预设优化迭代条件时，则确定得到的优化聚类簇为目标优化聚类簇。
93.步骤e35，若未满足预设优化迭代条件，则将所述优化聚类簇作为所述初始聚类簇，并返回所述获取每一所述初始聚类簇的优化聚类中心步骤。
94.步骤e4，基于所述目标优化聚类簇，分别确定每一所述预设奖品的商品类别。
95.在本实施例中，同一目标优化聚类簇中的商品具有相同的商品类别，与该目标优化聚类簇中的目标优化聚类中心的商品类别相同。
96.在本实施例中，目标优化聚类簇通过下述优化模型迭代优化得到：
[0097][0098][0099]
其中，参数n为预设奖品的数量；参数c为聚类中心的数量，其中，为了确保本实施例中的聚类有意义，c≥2且小于不同xi的个数；参数u
ij
为第i个奖品归于第j个聚类中心的权重，其中，u
ij
≥0，且每一预设奖品在同一聚类中心中所占的权重之和为1；参数xi为第i个预设奖品；参数vj为第j个聚类中心；||
·
||表示欧氏距离；参数m表示模糊水平，其中，m》1。
[0100]
其中，优化模型中j(u,v)的数值与聚类效果成负相关，即若当该优化模型中j(u,v)的数值越小，聚类效果效果越好，即预设奖品所属的商品类别与匹配到的商品类别的相似度越高；若当该优化模型中j(u,v)的数值越大，聚类效果效果越差，即预设奖品所属的商品类别与匹配到的商品类别的相似度越低。
[0101]
示例性的，在对公式求解时，可以采用交互式策略进行求解，得到如下的迭代算法：
[0102]
其中，先给定v关于u求最小，得到下述函数：
[0103][0104]
其中，给定u关于v求最小，得到下述函数：
[0105][0106][0107]
其中，参数t表示迭代次数；参数k表示第k个聚类中心；card(
·
)表示集合的势，其中，对于有限集合，势就是元素的个数。
[0108]
其中，为了在数学上证明上面算法得到的解是收敛的，即保证通过该算法得到的结果是有效的，则通过如下映射函数对其进行验证：
[0109]
m:z
t+1
＝m(z
t
)
[0110]
产生序列z
t
，给定一个解集u∈v，并且假设：
[0111]
若存在连续函数z:v
→
r，满足：当时，z(m(z))《z(z)或z∈u时z(m(z))≤z(z)，且满足m在v/u上连续，且所有迭代点z
t
包含在紧致集s，其中则z
t
的任意收敛子序列的极限都包含在解集u中，并且{z(z
t
)}单调收敛于某个z(z)，其中z∈u。
[0112]
在本实施例中，为简化上述优化问题，让优化目标更简单，引入如下目标函数：
[0113][0114]
其中，若xi＝vj，则l(v)无意义；若定义和该函数连续，则该函数的求解转化为一个无约束优化问题的求解，可以获得预设数量的聚类簇，其中，每个聚类簇的奖品为同一商品类别。
[0115]
步骤f，基于所述第二消费意向分数和所述商品类别，确定每一所述预设奖品与所述中奖用户的匹配度。
[0116]
在本实施例中，若某商品类别的第二消费意向分数越大，则该商品类别中包含的奖品与中奖用户的匹配度越高。
[0117]
步骤f1，将所述消费意向类别按所述第二消费意向分数的大小进行排序，得到所述消费意向类别的序列。
[0118]
在本实施例中，匹配度与消费意向类别的第二消费意向分数成正相关，即若消费意向类别的第二消费意向分数越高，该消费意向类别的商品与中奖用户的匹配度越高；若消费意向类别的第二消费意向分数越低，该消费意向类别的商品与中奖用户的匹配度越
低。
[0119]
步骤f2，遍历所述序列，若从所述目标优化聚类簇中匹配到待选取奖品的目标优化聚类簇，则计算所述待选取奖品的目标优化聚类簇中每一预设奖品与所述待选取奖品的目标优化聚类簇的目标优化聚类中心的距离；所述待选取奖品的目标优化聚类簇的商品类别与所述遍历到的消费意向类别相同。
[0120]
在本实施例中，按该序列次序，将消费意向类别依次匹配预设奖品的商品类别，得到与消费意向类别相同的商品类别，且该商品类别在所有与消费意向类别相同的商品类别中的第二消费意向分数最高。例如，中奖用户的消费意向类别按第二消费意向分数排列的次序为化妆品类、衣服类、鞋子类、书类、球类，预设奖品的商品类别包括鞋子类、书类、电子产品类、文具类，上述商品类别中，预设奖品中的鞋子类、书类为中奖用户的消费意向类别，而鞋子类的第二消费意向分数高于书类，则预设奖品中，鞋子类的预设奖品与中奖用户的匹配度最高，优先从鞋子类的预设奖品中选取待选取奖品。
[0121]
在本实施例中，若待选取奖品的目标优化聚类簇中存在多个预设奖品，则计算该目标优化聚类簇中，每一预设奖品与上述待选取奖品的目标优化聚类簇的目标优化聚类中心的欧氏距离。预设奖品的匹配度与欧氏距离成反比，若欧氏距离越大，则该预设奖品与中奖用户的匹配度越低；若欧氏距离越小，则该预设奖品与中奖用户的匹配度越高。
[0122]
步骤f3，基于所述距离，确定所述待选取奖品的目标优化聚类簇中的每一所述预设奖品与所述中奖用户的匹配度。
[0123]
在本实施例中，选取待选取奖品的目标优化聚类簇中与目标优化聚类中心的欧氏距离最小的预设奖品，得到中奖用户的目标奖品。
[0124]
示例性的，在存在多个中奖用户的匹配度最高的商品类别为同一中奖类别时，按该商品类别的第二消费意向分数的大小，从大到小对上述中奖用户进行排序。计算该商品类别中每一预设奖品与该商品类别的聚类簇的聚类中心的欧氏距离。将预设奖品按欧氏距离由小到大的次序与中奖用户的序列进行匹配，若中奖用户该商品类别的第二消费意向分数越高，则匹配的预设奖品与该商品类别的聚类簇的聚类中心的欧氏距离越短；若中奖用户该商品类别的权重越低，则匹配的预设奖品与该商品类别的聚类簇的聚类中心的欧氏距离越长。例如，a中奖用户在化妆品类别的第二消费意向分数为90分，b中奖用户在化妆品类别的第二消费意向分数为85分，c中奖用户在化妆品类别的第二消费意向分数为80分。现有化妆品1，化妆品2，化妆品3，其中，上述三个化妆品与化妆品类别的聚类中心的欧氏距离从大到小的排序为：化妆品1》化妆品3》化妆品2，则将化妆品1匹配至中奖用户c，将化妆品2匹配至中奖用户b，将化妆品3匹配至中奖用户a。
[0125]
步骤s30，从所述多个预设奖品中，选取所述匹配度最高的预设奖品，得到所述中奖用户的目标奖品。
[0126]
在本实施例中，从多个商品类别中选取与中奖用户匹配度最高的商品类别，并继续从该商品类别中选取与中奖用户匹配度最高的预设奖品，即该中奖用户的目标奖品。
[0127]
示例性的，所述从所述多个预设奖品中，选取所述匹配度最高的预设奖品，得到所述中奖用户的目标奖品之后，还包括：
[0128]
步骤g，发放目标奖品至中奖用户处。
[0129]
在本实施例中，自动推送目标奖品至中奖用户的账号，其中账户包括平台账号或
关联账号。例如，若中奖用户通过微信登录直播平台，则将电子优惠券直接发送至微信账号，以便使用。
[0130]
示例性的，目标奖品包括实物奖品和非实物奖品，实物奖品和非实物奖品的种类本实施例不作具体限定。例如，实物奖品包括书籍、食品、服饰等，非实物奖品包括电子优惠券、免单券、积分等。
[0131]
在本实施例中，若目标奖品为实物奖品，需通过物流将实物奖品以快递的形式寄至中奖用户处，则提取账号中的收货地址，以供客服向中奖人员核对信息，并供发货人员发货至所述收货地址。
[0132]
与现有技术中，在奖品确定后，所有中奖人员均获得相同的奖品或获得随机的奖品相比。本技术通过获取中奖用户的历史行为信息；基于所述历史行为信息，确定多个预设奖品与所述中奖用户的匹配度；从所述多个预设奖品中，选取所述匹配度最高的预设奖品，得到所述中奖用户的目标奖品。本技术避免了中奖用户因随机推送奖品而获得其不喜欢或不需要的奖品，而是通过匹配来确定最终推送至中奖用户的奖品，其分析逻辑为：通过获取中奖用户的历史行为信息，将每一奖品与中奖用户分别进行匹配，得到与中奖用户匹配度最高的奖品，即中奖用户喜欢或日常需要的奖品。因此，本技术确定了奖品与中奖用户的匹配度，提高了自动推送的奖品与中奖用户的准确性。
[0133]
示例性的，本技术还提供一种直播中的抽奖处理装置，所述直播中的抽奖处理装置包括：
[0134]
获取模块，用于获取中奖用户的历史行为信息；
[0135]
第一确定模块，基于所述历史行为信息，确定多个预设奖品与所述中奖用户的匹配度；
[0136]
选取模块，从所述多个预设奖品中，选取所述匹配度最高的预设奖品，得到所述中奖用户的目标奖品。
[0137]
示例性的，所述第一确定模块，包括：
[0138]
第一确定子模块，用于确定所述历史行为信息对应的多个商品；
[0139]
计算子模块，用于基于每一所述商品对应的历史行为信息，计算每一所述商品的第一消费意向分数；
[0140]
第二确定子模块，基于所述第一消费意向分数，确定每一所述商品所属消费意向类别的第二消费意向分数；
[0141]
第三确定子模块，用于确定每一所述预设奖品的商品类别；
[0142]
第四确定子模块，用于基于所述第二消费意向分数和所述商品类别，确定每一所述预设奖品与所述中奖用户的匹配度。
[0143]
示例性的，所述计算子模块，包括：
[0144]
计算单元，用于计算每一消费意向维度的权重和所述次数信息的乘积，得到每一消费意向维度对应的分数分量；
[0145]
求和单元，用于对每一消费意向维度的分数分量进行求和，得到所述第一消费意向分数。
[0146]
示例性的，所述第三确定子模块，包括：
[0147]
第一确定单元，用于确定预设数量的初始聚类中心；
[0148]
归类单元，用于将每一所述预设奖品归类至相似度最高的初始聚类中心所属的聚类簇，得到多个初始聚类簇；
[0149]
优化单元，用于对每一所述初始聚类簇进行优化，得到目标优化聚类簇；
[0150]
第二确定单元，用于基于所述目标优化聚类簇，分别确定每一所述预设奖品的商品类别。
[0151]
示例性的，所述优化单元，包括：
[0152]
获取子单元，用于分别获取每一所述初始聚类簇的优化聚类中心；
[0153]
遍历子单元，用于遍历每一所述预设奖品，并计算遍历到的预设奖品与每一所述优化聚类中心的优化距离；
[0154]
归类子单元，用于将所述预设奖品归类至所述优化距离最短的优化聚类中心所属的聚类簇，得到优化聚类簇；
[0155]
确定子单元，用于若满足预设优化迭代条件，则将所述优化聚类簇作为目标优化聚类簇；
[0156]
返回子单元，用于若未满足预设优化迭代条件，则将所述优化聚类簇作为所述初始聚类簇，并返回所述获取每一所述初始聚类簇的优化聚类中心步骤。
[0157]
示例性的，所述第四确定子模块，包括：
[0158]
排序单元，用于将所述消费意向类别按所述第二消费意向分数的大小进行排序，得到所述消费意向类别的序列；
[0159]
遍历单元，用于遍历所述序列，若从所述目标优化聚类簇中匹配到待选取奖品的目标优化聚类簇，则计算所述待选取奖品的目标优化聚类簇中每一预设奖品与所述待选取奖品的目标优化聚类簇的目标优化聚类中心的距离；所述待选取奖品的目标优化聚类簇的商品类别与所述遍历到的消费意向类别相同；
[0160]
第三确定单元，用于基于所述距离，确定所述待选取奖品的目标优化聚类簇中的每一所述预设奖品与所述中奖用户的匹配度。
[0161]
示例性的，所述直播中的抽奖处理装置，还包括：
[0162]
识别模块，用于识别直播音频中的语音特征信息；
[0163]
第二确定模块，用于基于所述语音特征信息，确定抽奖活动的中奖用户。
[0164]
本技术直播中的抽奖处理装置具体实施方式与上述直播中的抽奖处理方法各实施例基本相同，在此不再赘述。
[0165]
此外，本技术还提供一种直播中的抽奖处理设备。如图3所示，图3是本技术实施例方案涉及的硬件运行环境的结构示意图。
[0166]
示例性的，图3即可为直播中的抽奖处理设备的硬件运行环境的结构示意图。
[0167]
如图3所示，该直播中的抽奖处理设备可以包括处理器301、通信接口302、存储器303和通信总线304，其中，处理器301、通信接口302和存储器303通过通信总线304完成相互间的通信，存储器303，用于存放计算机程序；处理器301，用于执行存储器303上所存放的程序时，实现直播中的抽奖处理方法的步骤。
[0168]
上述直播中的抽奖处理设备提到的通信总线304可以是外设部件互连标准(peripheral componentinterconnect,pci)总线或扩展工业标准结构(extended industry standardarchitecture,eisa)总线等。该通信总线304可以分为地址总线、数据
总线和控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0169]
通信接口302用于上述直播中的抽奖处理设备与其他设备之间的通信。
[0170]
存储器303可以包括随机存取存储器(random access memory,rmd),也可以包括非易失性存储器(non-volatile memory,nm)，例如至少一个磁盘存储器。可选的，存储器303还可以是至少一个位于远离前述处理器301的存储装置。
[0171]
上述的处理器301可以是通用处理器，包括中央处理器(central processing unit,cpu)、网络处理器(network processor,np)等；还可以是数字信号处理器(digital signal processor,dsp)、专用集成电路(application specific integrated circuit,asic)、现场可编程门阵列(field-programmable gate array,fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0172]
本技术直播中的抽奖处理设备具体实施方式与上述直播中的抽奖处理方法各实施例基本相同，在此不再赘述。
[0173]
此外，本技术实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有直播中的抽奖处理程序，所述直播中的抽奖处理程序被处理器执行时实现如上所述的直播中的抽奖处理方法的步骤。
[0174]
本技术计算机可读存储介质具体实施方式与上述直播中的抽奖处理方法各实施例基本相同，在此不再赘述。
[0175]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0176]
上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
[0177]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，设备，或者网络设备等)执行本技术每一实施例所述的方法。
[0178]
以上仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。