针对主播流失情况的预警方法及装置与流程

1.本技术实施例涉及计算机技术领域，尤其涉及一种针对主播流失情况的预警方法、装置、预测模型的训练方法、装置、电子设备、计算机存储介质及计算机程序产品。


背景技术：

2.在直播场景中，用户的内容消费行为是重要的，而主播的内容生产也是同样重要的，主播的内容生产为用户的内容消费行为提供了基础。
3.相关技术中，可以对主播的直播状态进行关注，并在关注到主播在长时间范围内不进行直播，或在长时间范围内直播次数、直播时长较少的情况下，判断主播已处于流失状态，此时运营端可以将已处于流失状态的主播进行召回，从而提升主播的内容生产量。
4.但是，目前方案中，只能在主播已处于流失状态的情况下发现异常，给后续的管理环节带来被动，并且在主播已处于流失状态时，已经造成了内容生产量的损失，从而对用户的内容消费能力造成影响。


技术实现要素：

5.本技术实施例提供一种针对主播流失情况的预警方法、装置、预测模型的训练方法、装置、电子设备、计算机存储介质及计算机程序产品，以解决相关技术中只能在主播已处于流失状态的情况下发现异常的问题。
6.第一方面，本技术实施例提供了一种针对主播流失情况的预警方法，该方法包括：
7.获取目标主播在预设时间段内的直播特征信息，所述直播特征信息用于表征所述目标主播的直播频次和时长；
8.将所述直播特征信息输入预测模型，得到所述预测模型输出的所述目标主播的生存概率值，所述生存概率值用于表征所述目标主播处于正常直播的状态的几率；
9.在所述生存概率值小于或等于预设概率阈值的情况下，向运营服务器发送针对所述目标主播的预警消息。
10.在一种可选实施方式中，所述方法还包括：
11.根据所述目标主播的历史生存概率值和当前的生存概率值，绘制得到用于表征所述生存概率值随时间变化的生存概率值变化曲线；
12.将所述目标主播的生存概率值变化曲线发送至所述运营服务器，以供所述运营服务器根据所述生存概率值变化曲线确定所述目标主播的直播状况。
13.在一种可选实施方式中，所述方法还包括：
14.在所述生存概率值变化曲线在异常阈值范围内进行波动，和/或所述生存概率值变化曲线的相邻两次波动的差值大于或等于预设差值阈值的情况下，向所述运营服务器发送针对所述目标主播的预警消息。
15.在一种可选实施方式中，所述预设概率阈值包括0.3，所述异常阈值范围包括0至0.5，所述预设差值阈值包括0.2。
16.在一种可选实施方式中，所述直播特征信息包括：所述目标主播在所述预设时间段内的直播天数、所述目标主播在所述预设时间段内的首次直播与所述预设时间段内的最后一次直播之间的间隔天数、所述目标主播在所述预设时间段内的首次直播与所述预设时间段的最后一天之间的间隔天数、所述目标主播在所述预设时间段内的直播平均时长。
17.在一种可选实施方式中，所述直播特征信息包括：所述目标主播在所述预设时间段内的最长一次直播时长、所述目标主播在所述预设时间段内的最后一次直播时长；
18.所述方法还包括：
19.确定所述最长一次直播时长与所述上一次直播时长的差值；
20.将所述差值和所述最长一次直播时长的比值，确定为所述目标主播的直播时长下降速度，所述直播时长下降速度用于表征所述目标主播的直播时长的下降快慢；
21.将所述目标主播的直播时长下降速度发送至所述运营服务器。
22.在一种可选实施方式中，所述方法还包括：
23.确定100％和所述生存概率值之间的差值；
24.在所述直播时长下降速度大于或等于所述差值的情况下，向所述运营服务器发送针对所述目标主播的预警消息。
25.在一种可选实施方式中，所述直播特征信息包括：所述目标主播在所述预设时间段内的直播平均时长；
26.所述方法还包括：
27.将所述直播平均时长与所述生存概率值的乘积，作为所述目标主播的直播时长预测值，所述直播时长预测值用于表征所述目标主播在未来时间段的直播时长；
28.确定100％和所述生存概率值之间的差值；
29.将所述直播平均时长与所述差值的乘积，作为所述目标主播的召回概率值，所述召回概率值用于表征所述目标主播在未来时间段的被召回的概率大小；
30.向所述运营服务器发送所述目标主播的直播时长预测值和召回概率值。
31.在一种可选实施方式中，所述方法还包括：
32.根据所述生存概率值的取值范围和所述预测模型，计算得到所述预设概率阈值。
33.在一种可选实施方式中，所述根据所述生存概率值的取值范围和所述预测模型，计算得到所述预设概率阈值，包括：
34.基于所述预测模型，计算所述取值范围内每一个取值对应的召回率和准确率；
35.将每个所述取值的召回率和准确率进行加和求平均计算，并将计算结果作为所述取值对应的得分；
36.将所述得分最大的取值，作为所述预设概率阈值。
37.在一种可选实施方式中，所述预警消息包括所述目标主播的直播参数信息，以供所述运营服务器依据所述直播参数信息确定对所述目标主播的处理方式。
38.在一种可选实施方式中，所述方法还包括：
39.确定关注主播的用户量；
40.将所述用户量处于预设阈值范围的主播，确定为所述目标主播。
41.第二方面，本技术实施例还提供了一种预测模型的训练方法，所述方法用于训练得到所述方法中的预测模型，所述方法包括：
42.获取样本主播在预设时间段内的直播特征信息，所述直播特征信息用于表征所述样本主播的直播频次和时长；
43.建立所述直播特征信息与真实生存概率值的对应关系；
44.根据所述对应关系对预测模型进行训练，使得所述预测模型以目标主播在预设时间段内的直播特征信息为模型输入，并以所述目标主播的生存概率值为模型输出，所述生存概率值用于表征所述目标主播处于正常直播的状态的几率。
45.第三方面，本技术实施例还提供了一种针对主播流失情况的预警装置，所述装置包括：
46.获取模块，被配置为获取目标主播在预设时间段内的直播特征信息，所述直播特征信息用于表征所述目标主播的直播频次和时长；
47.预测模块，被配置为将所述直播特征信息输入预测模型，得到所述预测模型输出的所述目标主播的生存概率值，所述生存概率值用于表征所述目标主播处于正常直播的状态的几率；
48.第一预警模块，被配置为在所述生存概率值小于或等于预设概率阈值的情况下，向运营服务器发送针对所述目标主播的预警消息。
49.在一种可选实施方式中，所述装置还包括：
50.绘制模块，被配置为根据所述目标主播的历史生存概率值和当前的生存概率值，绘制得到用于表征所述生存概率值随时间变化的生存概率值变化曲线；
51.第一发送模块，被配置为将所述目标主播的生存概率值变化曲线发送至所述运营服务器，以供所述运营服务器根据所述生存概率值变化曲线确定所述目标主播的直播状况。
52.在一种可选实施方式中，所述装置还包括：
53.第二预警模块，被配置为在所述生存概率值变化曲线在异常阈值范围内进行波动，和/或所述生存概率值变化曲线的相邻两次波动的差值大于或等于预设差值阈值的情况下，向所述运营服务器发送针对所述目标主播的预警消息。
54.在一种可选实施方式中，所述预设概率阈值包括0.3，所述异常阈值范围包括0至0.5，所述预设差值阈值包括0.2。
55.在一种可选实施方式中，所述直播特征信息包括：所述目标主播在所述预设时间段内的直播天数、所述目标主播在所述预设时间段内的首次直播与所述预设时间段内的最后一次直播之间的间隔天数、所述目标主播在所述预设时间段内的首次直播与所述预设时间段的最后一天之间的间隔天数、所述目标主播在所述预设时间段内的直播平均时长。
56.在一种可选实施方式中，所述直播特征信息包括：所述目标主播在所述预设时间段内的最长一次直播时长、所述目标主播在所述预设时间段内的最后一次直播时长；所述装置还包括：
57.第一差值模块，被配置为确定所述最长一次直播时长与所述上一次直播时长的差值；
58.第一计算模块，被配置为将所述差值和所述最长一次直播时长的比值，确定为所述目标主播的直播时长下降速度，所述直播时长下降速度用于表征所述目标主播的直播时长的下降快慢；
59.第二发送模块，被配置为将所述目标主播的直播时长下降速度发送至所述运营服务器。
60.在一种可选实施方式中，所述装置还包括：
61.第二差值模块，被配置为确定100％和所述生存概率值之间的差值；
62.第三预警模块，被配置为在所述直播时长下降速度大于或等于所述差值的情况下，向所述运营服务器发送针对所述目标主播的预警消息。
63.在一种可选实施方式中，所述直播特征信息包括：所述目标主播在所述预设时间段内的直播平均时长；
64.所述装置还包括：
65.第二计算模块，被配置为将所述直播平均时长与所述生存概率值的乘积，作为所述目标主播的直播时长预测值，所述直播时长预测值用于表征所述目标主播在未来时间段的直播时长；
66.第三差值模块，被配置为确定100％和所述生存概率值之间的差值；
67.第三计算模块，被配置为将所述直播平均时长与所述差值的乘积，作为所述目标主播的召回概率值，所述召回概率值用于表征所述目标主播在未来时间段的被召回的概率大小；
68.第三发送模块，被配置为向所述运营服务器发送所述目标主播的直播时长预测值和召回概率值。
69.在一种可选实施方式中，所述装置还包括：
70.第四计算模块，被配置为根据所述生存概率值的取值范围和所述预测模型，计算得到所述预设概率阈值。
71.在一种可选实施方式中，所述第四计算模块包括：
72.第一计算子模块，被配置为基于所述预测模型，计算所述取值范围内每一个取值对应的召回率和准确率；
73.第二计算子模块，被配置为将每个所述取值的召回率和准确率进行加和求平均计算，并将计算结果作为所述取值对应的得分；
74.第三计算子模块，被配置为将所述得分最大的取值，作为所述预设概率阈值。
75.在一种可选实施方式中，所述预警消息包括所述目标主播的直播参数信息，以供所述运营服务器依据所述直播参数信息确定对所述目标主播的处理方式。
76.在一种可选实施方式中，所述装置还包括：
77.筛选模块，被配置为确定关注主播的用户量；
78.确定模块，被配置为将所述用户量处于预设阈值范围的主播，确定为所述目标主播。
79.第四方面，本技术实施例还提供了一种预测模型的训练装置，所述装置用于训练得到所述方法中的预测模型，所述装置包括：
80.训练数据获取模块，被配置为获取样本主播在预设时间段内的直播特征信息，所述直播特征信息用于表征所述样本主播的直播频次和时长；
81.建立模块，被配置为建立所述直播特征信息与真实生存概率值的对应关系；
82.训练模块，被配置为根据所述对应关系对预测模型进行训练，使得所述预测模型
以目标主播在预设时间段内的直播特征信息为模型输入，并以所述目标主播的生存概率值为模型输出，所述生存概率值用于表征所述目标主播处于正常直播的状态的几率。
83.第五方面，本技术实施例还提供了一种电子设备，包括用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现所述的针对主播流失情况的预警。
84.第六方面，本技术实施例还提供了一种存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行所述的针对主播流失情况的预警。
85.第七方面，本技术实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现所述的针对主播流失情况的预警。
86.在本技术实施例中，本技术可以基于表征主播的直播频次和时长的直播特征信息，确定用于表征主播处于正常直播的状态的几率的生存概率值，并在生存概率值小于或等于预设概率阈值的情况下，确定主播已经出现了非正常的流失前兆信号，此时可以由直播服务器向运营服务器发送针对目标主播的预警消息，以供运营服务器根据预警消息对目标主播进行进一步的管理，达到了在主播处于流失状态之前进行预警的目的，从而提高了主播的内容生产量，使得用户端能够享受到更高质量的直播服务。
87.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
88.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
89.图1是本技术实施例提供的一种针对主播流失情况的预警方法的步骤流程图；
90.图2是本技术实施例提供的一种针对主播流失情况的预警方法的具体步骤流程图；
91.图3是本技术实施例提供的一种生存概率值变化曲线图；
92.图4是本技术实施例提供的一种预测模型的训练方法的步骤流程图；
93.图5是本技术实施例提供的一种针对主播流失情况的预警装置的框图；
94.图6是本技术实施例提供的一种预测模型的训练装置的框图；
95.图7是本技术一个实施例的电子设备的逻辑框图；
96.图8是本技术另一个实施例的电子设备的逻辑框图。
具体实施方式
97.下面将参照附图更详细地描述本技术的示例性实施例。虽然附图中显示了本技术的示例性实施例，然而应当理解，可以以各种形式实现本技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本技术，并且能够将本技术的范围完整的传达给本领域的技术人员。
98.图1是本技术实施例提供的一种针对主播流失情况的预警方法的步骤流程图，如图1所示，该方法可以包括：
99.步骤101，获取目标主播在预设时间段内的直播特征信息，所述直播特征信息用于表征所述目标主播的直播频次和时长。
100.在本技术实施例中，直播平台的直播业务服务器可以为主播提供直播服务，并为用户提供观看直播服务，主播在进行直播的过程中，直播服务器可以采集主播的直播特征信息，直播特征信息用于表征主播的直播频次和时长，直播特征信息可以包括：主播的直播频数(通常可以按次数或天数表示)、主播每次直播的直播时长等，其中，由主播每次的直播时长可以统计得到直播时长平均值，由主播的直播频数则可以统计得到主播在一段检测时间范围内进行直播的次数、主播在一段检测时间范围内首次直播与最后一次直播之间的间隔天数等。
101.具体的，主播每的直播时长平均值可以表征该主播的内容生产量，直播时长平均值越大，该主播的内容生产量也就越高。而主播在一段检测时间段内进行直播的次数、主播在一段检测时间段内首次直播与最后一次直播之间的间隔天数，则与主播处于“存活”状态的概率具有正相关条件，即主播在一段检测时间段内进行直播的次数、主播在一段检测时间段内首次直播与最后一次直播之间的间隔天数越大，主播处于“存活”状态的概率就越大。其中，“存活”状态可以指该主播在检测时间段内处于活跃且高效的内容生产状态，即处于正常直播的存活状态；与其相反的“流失”状态可以指该主播在检测时间段内处于停滞且低效的内容生产状态，即处于不正常直播的流失状态。
102.因此，直播特征信息可以用于精确表征主播的内容生产量，以及用于判断主播处于未流失的存活状态的几率，该步骤通过获取目标主播在预设时间段内的直播特征信息，以便后续基于该直播特征信息，确定目标主播处于正常直播的状态(存活状态)的几率，从而根据该几率对目标主播进行进一步管理，例如，根据该几率确定目标主播是否被召回，或确定是否给予目标主播奖励等。优选的，预设时间段可以为之前180天内。
103.步骤102、将所述直播特征信息输入预测模型，得到所述预测模型输出的所述目标主播的生存概率值，所述生存概率值用于表征所述目标主播处于正常直播的状态的几率。
104.在本技术实施例中，预测模型可以基于输入的直播特征信息，输出目标主播的生存概率值，生存概率值表征了目标主播处于正常直播的状态的几率，生存概率值越大，目标主播处于未流失的存活状态的几率就越大，这样的目标主播可以提供高质量和高效率的内容生产量；生存概率值越小，目标主播处于非正常直播的流失状态的几率就越大，这样的目标主播可能还未已处于流失状态，但已经出现了非正常的流失前兆信号，若能即使关注到这种信号，可以为后期的管理流程带来主动性。
105.步骤103、在所述生存概率值小于或等于预设概率阈值的情况下，向运营服务器发送针对所述目标主播的预警消息。
106.在本技术实施例中，直播平台除了提供直播服务的直播业务服务器之外，还可以部署有运营服务器，运营服务器可以关注于直播服务的运行过程，并在运营人员的帮助下，实现对各个主播的管理，具体的，运营服务器可以接收针对目标主播的预警消息，并基于预警消息实现对目标主播的管理，其中一种对主播的管理方式为召回，召回是指对处于已流失状态，或处于即将流失状态的主播提供扶持、激励等手段，以供这些主播恢复正常直播的
存活状态，从而提高主播的内容生产量，使得用户端能够享受到更高质量的直播服务。另外，管理方式还可以包括对目标主播进行奖励等。
107.具体的，在该步骤中，可以设定预设概率阈值作为关注于目标主播是否出现流失前兆信号的预警值，并在目标主播的生存概率值小于或等于预设概率阈值的情况下，确定目标主播已经出现了非正常的流失前兆信号，此时可以由直播服务器向运营服务器发送针对目标主播的预警消息，以供运营服务器根据预警消息对目标主播进行进一步的管理，如由运营端为即将处于流失状态的主播提供扶持、激励等手段，以供这些主播恢复正常直播的存活状态。
108.综上所述，本技术实施例提供的一种针对主播流失情况的预警方法，包括：获取目标主播在预设时间段内的直播特征信息，直播特征信息用于表征目标主播的直播频次和时长；将直播特征信息输入预测模型，得到预测模型输出的目标主播的生存概率值，生存概率值用于表征目标主播处于正常直播的状态的几率；在生存概率值小于或等于预设概率阈值的情况下，向运营服务器发送针对目标主播的预警消息。本技术可以基于表征主播的直播频次和时长的直播特征信息，确定用于表征主播处于正常直播的状态的几率的生存概率值，并在生存概率值小于或等于预设概率阈值的情况下，确定主播已经出现了非正常的流失前兆信号，此时可以由直播服务器向运营服务器发送针对目标主播的预警消息，以供运营服务器根据预警消息对目标主播进行进一步的管理，达到了在主播处于流失状态之前进行预警的目的，从而提高了主播的内容生产量，使得用户端能够享受到更高质量的直播服务。
109.图2是本技术实施例提供的另一种针对主播流失情况的预警方法的步骤流程图，如图2所示，该方法可以包括：
110.步骤201、确定关注主播的用户量，并将用户量处于预设阈值范围的主播，确定为所述目标主播。
111.在本技术实施例中，关注主播的用户量可以确定该主播的受欢迎程度，一种情况下，用户量可以为主播的粉丝量，可以将处于预设阈值范围的主播，确定为目标主播，目标主播是直播内容产出的中间力量，以对目标主播进行后续生存概率值的关注，达到预警处理的目的。另外，用户量也可以包括主播的用户关注数量、订阅量、收藏数量等等。
112.步骤202、获取目标主播在预设时间段内的直播特征信息，所述直播特征信息用于表征所述目标主播的直播频次和时长。
113.该步骤具体可以参照上述步骤101，此处不再赘述。
114.可选的，所述直播特征信息包括：所述目标主播在所述预设时间段内的直播天数、所述目标主播在所述预设时间段内的首次直播与所述预设时间段内的最后一次直播之间的间隔天数、所述目标主播在所述预设时间段内的首次直播与所述预设时间段的最后一天之间的间隔天数、所述目标主播在所述预设时间段内的直播平均时长。
115.在本技术实施例中，主播每的直播时长平均值可以表征该主播的内容生产量，直播时长平均值越大，该主播的内容生产量也就越高。而主播在一段检测时间段内进行直播的次数、主播在一段检测时间段内首次直播与最后一次直播之间的间隔天数，则与主播处于“存活”状态的概率具有正相关条件，即主播在一段检测时间段内进行直播的次数、主播在一段检测时间段内首次直播与最后一次直播之间的间隔天数越大，主播处于“存活”状态
的概率就越大。
116.步骤203、将所述直播特征信息输入预测模型，得到所述预测模型输出的所述目标主播的生存概率值，所述生存概率值用于表征所述目标主播处于正常直播的状态的几率。
117.该步骤具体可以参照上述步骤102，此处不再赘述。
118.可选的，预警消息包括所述目标主播的直播参数信息，以供所述运营服务器依据所述直播参数信息确定对所述目标主播的处理方式。。
119.在本技术实施例中，直播参数信息可以包括目标主播的直播间观看时长、观看人数、粉丝量、收到礼物的数量、互动效率值等等，在预警的时候，可以将目标主播的直播间观看时长、观看人数、粉丝量、收到礼物的数量、互动效率值等添加进预警消息进行发送，运营端通过将这些信息作为参考，可以确定对目标主播的处理方式。
120.另外，目标主播的直播间观看时长、观看人数、粉丝量、收到礼物的数量、互动效率值等信息作为目标主播的核心指标数据，还可以便于运营端针对这些数据分析目标主播出现流失信号的因素，基于分析得到的因素则可以优化整个直播作业框架，调整管理策略等。
121.步骤204、在所述生存概率值小于或等于预设概率阈值的情况下，向运营服务器发送针对所述目标主播的预警消息。
122.该步骤具体可以参照上述步骤103，此处不再赘述。
123.可选的，所述方法还可以包括：
124.步骤205、根据所述目标主播的历史生存概率值和当前的生存概率值，绘制得到用于表征所述生存概率值随时间变化的生存概率值变化曲线。
125.在本技术实施例中，预测模型可以实时的根据目标主播的直播特征信息，输出目标主播的生存概率值，因此根据目标主播的历史生存概率值和当前的生存概率值，可以绘制得到用于表征生存概率值随时间变化的生存概率值变化曲线。
126.例如，参照图3，图3是本技术实施例提供的一种生存概率值变化曲线图，其捕捉了目标主播在2020年7月至2021年2月的生存概率值随时间的变化曲线。
127.步骤206、将所述目标主播的生存概率值变化曲线发送至所述运营服务器，以供所述运营服务器根据所述生存概率值变化曲线确定所述目标主播的直播状况。
128.在本技术实施例中，可以将目标主播的生存概率值变化曲线发送至运营服务器，以供运营服务器根据生存概率值变化曲线确定目标主播的直播状况，并作出相应的运营调整策略。如，在生存概率值变化曲线有大幅下降趋势的情况下，可以认为目标主播有流失风险，运营服务器可以通知运营人员对目标主播进行召回；在生存概率值变化曲线长时间在较低范围内平稳不变的情况下；可以认为目标主播处于业务瓶颈期，运营服务器可以通知运营人员对目标主播进行推流、激励等辅助手段，帮助目标主播突破业务瓶颈期。
129.可选的，所述方法还可以包括：
130.步骤207、在所述生存概率值变化曲线在异常阈值范围内进行波动，和/或所述生存概率值变化曲线的相邻两次波动的差值大于或等于预设差值阈值的情况下，向所述运营服务器发送针对所述目标主播的预警消息。
131.在本技术实施例中，目标主播的生存概率值变化曲线会随着时间进行波动，因此，生存概率值变化曲线的波动范围以及相邻两次波动的差值，都可以表征出目标主播的内容生产状态是否正常。
132.可选的，所述预设概率阈值包括0.3，所述异常阈值范围包括0至0.5，所述预设差值阈值包括0.2。
133.例如，参照图3，图3中所示的目标主播在2020年10月上旬最后一次直播，以0.3作为目标主播的预设概率阈值，则该目标主播在2020年12月中旬的生存概率值已低于预设概率阈值0.3，直播服务器可以触发预警机制。
134.进一步的，在目标主播的生存概率值变化曲线在异常阈值范围(0
‑
0.5)内进行波动的情况下，说明目标主播存在一个具有较低生存概率值水准的时间段，此时目标主播的内容生产量低下且存在流失风险，如图3在2020年11月下旬至2021年2月这一段时间，目标主播处于内容生产量低效的状态；在目标主播的生存概率值变化曲线在异常阈值范围(0
‑
0.5)外进行波动的情况下，说明目标主播存在一个具有较高生存概率值水准的时间段，此时目标主播的内容生产量高效且不存在流失风险，如图3在2020年7月至2020年10月这一段时间，目标主播处于内容生产量高效的状态。
135.另外，若目标主播的生存概率值变化曲线的相邻两次波动的差值大于或等于预设差值阈值(0.2)的情况下，也说明目标主播存在生存概率的异常波动，需要进行预警以查明异常波动出现的原因。
136.可选的，直播特征信息包括：所述目标主播在所述预设时间段内的最长一次直播时长、所述目标主播的上一次直播时长；在步骤203之后，所述方法还可以包括：
137.步骤208、确定所述最长一次直播时长与所述上一次直播时长的差值。
138.步骤209、将所述差值和所述最长一次直播时长的比值，确定为所述目标主播的直播时长下降速度，所述直播时长下降速度用于表征所述目标主播的直播时长的下降快慢。
139.在本技术实施例中，主播的直播时长可以表征该主播的内容生产量，且直播时长与内容生产量正相关。目标主播在预设时间段内的最长一次直播时长与所述上一次直播时长的差值，与该最长一次直播时长的比值，可以作为目标主播的直播时长下降速度，用于表征目标主播的内容生产量的下降快慢，在直播时长下降速度越大的情况下，目标主播的内容生产量下降的就越快，本技术实施例可以使得目标主播的内容生产量的变化趋势可以得到量化，运营端在获取到主播的直播时长下降速度后，运营端可以通过直播时长下降速度评判目标主播的内容生产量变化趋势，并基于内容生产量变化趋势进行策略调整，实现对主播的正向激励。
140.步骤210、将所述目标主播的直播时长下降速度发送至所述运营服务器。
141.在该步骤中，可以由直播服务器向运营服务器发送目标主播的直播时长下降速度，以供运营服务器根据直播时长下降速度评判目标主播的内容生产量变化趋势，并基于该内容生产量变化趋势作出对应的扶持策略调整，以促进目标主播的内容生产量的提升。
142.可选的，所述方法还可以包括：
143.步骤211、确定100％和所述生存概率值之间的差值，并在所述直播时长下降速度大于或等于所述差值的情况下，向所述运营服务器发送针对所述目标主播的预警消息。
144.在本技术实施例中，针对目标主播，在目标主播的直播时长下降速度，大于或等于100％和目标主播的生存概率值的差值的情况下，可以认为目标主播的内容生产量正在快速流失，此时直播服务器可以向运营服务器发送针对目标主播的预警消息，以便运营人员能够根据预警消息查明目标主播出现内容生产量异常流失的原因。
145.可选的，所述直播特征信息包括：所述目标主播在所述预设时间段内的直播平均时长；在步骤203之后，所述方法还可以包括：
146.步骤212、将所述直播平均时长与所述生存概率值的乘积，作为所述目标主播的直播时长预测值，所述直播时长预测值用于表征所述目标主播在未来时间段的直播时长。
147.在本技术实施例中，主播的内容生产量与主播的直播时长之间具有正相关因素，因此，可以将目标主播的在预设时间段内的直播平均时长与目标主播的生存概率值的乘积，作为目标主播在未来的直播时长预测值，目标主播的直播时长预测值越大，其在未来时间段直播的内容生产量也就越高。
148.步骤213、确定100％和所述生存概率值之间的差值，并所述直播平均时长与所述差值的乘积，作为所述目标主播的召回概率值，所述召回概率值用于表征所述目标主播在未来时间段的被召回的概率大小。
149.在本技术实施例中，主播被召回的概率与主播的直播时长之间具有正相关因素，因此，可以将目标主播的在预设时间段内的直播平均时长，与100％和目标主播的生存概率值的差值的乘积，作为目标主播被召回的概率，目标主播的召回概率值越大，则运营端召回目标主播所产生的内容生产量也就越大。
150.步骤214、向所述运营服务器发送所述目标主播的直播时长预测值和召回概率值。
151.本技术实施例中，直播时长预测值和召回概率值可以对目标主播的内容生产量进行量化，由直播服务器将目标主播的直播时长预测值和召回概率值发送至运营服务器，可以使得运营端能够基于这些量化值作出对应的扶持策略调整，以促进目标主播的内容生产量的提升。
152.可选的，所述方法还可以包括：
153.步骤215、根据所述生存概率值的取值范围和所述预测模型，计算得到所述预设概率阈值。
154.在本技术实施例中，生存概率值表征了目标主播处于正常直播的状态的几率，预设概率阈值作为关注于目标主播是否出现流失前兆信号的预警值，是实现对目标主播的预警的前提条件，本技术实施例可以基于目标主播的生存概率值的取值范围和预测模型对召回率和准确率的要求，计算得到所述预设概率阈值。
155.可选的，步骤215具体可以包括：
156.子步骤2151、基于所述预测模型，计算所述取值范围内每一个取值对应的召回率和准确率。
157.子步骤2152、将每个所述取值的召回率和准确率进行加和求平均计算，并将计算结果作为所述取值对应的得分。
158.子步骤2153、将所述得分最大的取值，作为所述预设概率阈值。
159.在本技术实施例中，预测模型对召回率和准确率具有较高要求，具有较高召回率和准确率的预测模型更能发挥作用。其中，召回率(recall)定义包括：已经判断为流失状态(如60天内未开播)的主播，从最后开播日期至预测的生存概率值下降到预设概率阈值以下的首日之间间隔的天数小于60天，则认为其成功被召回；准确率(precision)定义：得到预设时间段的期末在60天前预测模型输出的指定生存概率阈值以下的主播，检验这些主播在这60天内的复播人数。
160.本技术实施例可以通过两次网格搜索来得到预设概率阈值的取值，具体可以包括：
161.首先确定生存概率值的取值范围为0.1
‑
0.9，则可以以小数点后保留1位数进行第一次网格搜索操作，基于预测模型计算取值范围内每一个取值对应的召回率和准确率，以及计算每一个取值对应的召回率和准确率的平均值，将平均值作为该取值的得分，得到的结果如下表1：
162.取值召回率准确率得分0.10.9218750.6941030.7919370.20.9531250.6863850.7980570.30.9768520.6762530.7992220.40.9866900.6675820.7963580.50.9930560.6611070.7937740.60.9982640.6512520.7882570.71.0000000.6456790.7846960.81.0000000.6334040.7755630.91.0000000.6172410.763326
163.表1
164.由上表1可以初步判断得到取值为0.3时，得分最大，即取值0.3对应的召回率和准确率的平均值最大，使得取值为0.3的情况下，预测模型的召回率和准确率都能有较高标准。
165.进一步的，可以以第一次网格搜索得到的取值，以及该取值小数点后保留2位数进行第二次网格搜索操作，基于预测模型计算取值范围内每一个取值对应的召回率和准确率，以及计算每一个取值对应的召回率和准确率的平均值，将平均值作为该取值的得分，得到的结果如下表2：
166.[0167][0168]
表2
[0169]
由上表1可以初步判断得到取值依然为0.3时，得分最大，即取值0.3对应的召回率和准确率的平均值最大，使得取值为0.3的情况下，预测模型的召回率和准确率都能有较高标准，则本技术实施例可以将预设概率阈值0.3作为关注于目标主播是否出现流失前兆信号的预警值。
[0170]
综上所述，本技术实施例提供的一种针对主播流失情况的预警方法，包括：获取目标主播在预设时间段内的直播特征信息，直播特征信息用于表征目标主播的直播频次和时长；将直播特征信息输入预测模型，得到预测模型输出的目标主播的生存概率值，生存概率值用于表征目标主播处于正常直播的状态的几率；在生存概率值小于或等于预设概率阈值的情况下，向运营服务器发送针对目标主播的预警消息。本技术可以基于表征主播的直播频次和时长的直播特征信息，确定用于表征主播处于正常直播的状态的几率的生存概率值，并在生存概率值小于或等于预设概率阈值的情况下，确定主播已经出现了非正常的流失前兆信号，此时可以由直播服务器向运营服务器发送针对目标主播的预警消息，以供运营服务器根据预警消息对目标主播进行进一步的管理，达到了在主播处于流失状态之前进行预警的目的，从而提高了主播的内容生产量，使得用户端能够享受到更高质量的直播服务。
[0171]
图4是本技术实施例提供的一种预测模型的训练方法的步骤流程图，用于训练得到如上述实施例中的预测模型，如图4所示，包括：
[0172]
步骤301、获取样本主播在预设时间段内的直播特征信息，所述直播特征信息用于表征所述样本主播的直播频次和时长。
[0173]
步骤302、建立所述直播特征信息与真实生存概率值的对应关系。
[0174]
步骤303、根据所述对应关系对预测模型进行训练，使得所述预测模型以目标主播在预设时间段内的直播特征信息为模型输入，并以所述目标主播的生存概率值为模型输出，所述生存概率值用于表征所述目标主播处于正常直播的状态的几率。
[0175]
在本技术实施例中，针对预测模型的训练过程，本技术实施例可以选取一些主播作为样本主播，并采集样本主播在预设时间段内的直播特征信息作为训练数据，采集的直播特征信息可以包括：样本主播在预设时间段内的直播天数、样本主播在历史时间段内的首次直播与最后一次直播之间的间隔天数、样本主播在历史时间段内的首次直播与所述预设时间段的最后一天之间的间隔天数、样本主播在历史时间段内的直播平均时长。
[0176]
进一步的，可以对直播特征信息标注对应的真实生存概率值，建立直播特征信息与真实生存概率值的对应关系，从而形成训练数据对，之后的训练过程可以将以采集的直播特征信息为输入，并以样本主播的生存概率值为输出作为训练目的，具体的，可以确定输入直播特征信息后模型的输出值，以及与输入的直播特征信息所对应的真实生存概率值，基于该输出值和该真实生存概率值计算损失值，并结合预设的损失函数对模型的参数进行训练，直至达到训练目标，所采用的模型可以包括概率模型(buy till you die model，btyd model)。
[0177]
综上所述，本技术实施例提供的一种针对主播流失情况的预警方法，包括：获取样
本主播在预设时间段内的直播特征信息，直播特征信息用于表征样本主播的直播频次和时长；建立直播特征信息与真实生存概率值的对应关系；根据对应关系对预测模型进行训练，使得预测模型以目标主播在预设时间段内的直播特征信息为模型输入，并以目标主播的生存概率值为模型输出，生存概率值用于表征目标主播处于正常直播的状态的几率。本技术可以基于直播特征信息和训练好的预测模型，确定用于表征主播处于正常直播的状态的几率的生存概率值，并在生存概率值小于或等于预设概率阈值的情况下，确定主播已经出现了非正常的流失前兆信号，达到了在主播处于流失状态之前进行预警的目的，从而提高了主播的内容生产量，使得用户端能够享受到更高质量的直播服务。
[0178]
图5是本技术实施例提供的一种针对主播流失情况的预警装置的框图，如图5所示，包括：获取模块401、预测模块402、第一预警模块403。
[0179]
获取模块401，被配置为获取目标主播在预设时间段内的直播特征信息，所述直播特征信息用于表征所述目标主播的直播频次和时长；
[0180]
预测模块402，被配置为将所述直播特征信息输入预测模型，得到所述预测模型输出的所述目标主播的生存概率值，所述生存概率值用于表征所述目标主播处于正常直播的状态的几率；
[0181]
第一预警模块403，被配置为在所述生存概率值小于或等于预设概率阈值的情况下，向运营服务器发送针对所述目标主播的预警消息。
[0182]
在一种可选实现方式中，所述装置还包括：
[0183]
绘制模块，被配置为根据所述目标主播的历史生存概率值和当前的生存概率值，绘制得到用于表征所述生存概率值随时间变化的生存概率值变化曲线；
[0184]
第一发送模块，被配置为将所述目标主播的生存概率值变化曲线发送至所述运营服务器，以供所述运营服务器根据所述生存概率值变化曲线确定所述目标主播的直播状况。
[0185]
在一种可选实现方式中，所述装置还包括：
[0186]
第二预警模块，被配置为在所述生存概率值变化曲线在异常阈值范围内进行波动，和/或所述生存概率值变化曲线的相邻两次波动的差值大于或等于预设差值阈值的情况下，向所述运营服务器发送针对所述目标主播的预警消息。
[0187]
在一种可选实现方式中，所述预设概率阈值包括0.3，所述异常阈值范围包括0至0.5，所述预设差值阈值包括0.2。
[0188]
在一种可选实现方式中，所述直播特征信息包括：所述目标主播在所述预设时间段内的直播天数、所述目标主播在所述预设时间段内的首次直播与所述预设时间段内的最后一次直播之间的间隔天数、所述目标主播在所述预设时间段内的首次直播与所述预设时间段的最后一天之间的间隔天数、所述目标主播在所述预设时间段内的直播平均时长。
[0189]
在一种可选实现方式中，所述直播特征信息包括：所述目标主播在所述预设时间段内的最长一次直播时长、所述目标主播在所述预设时间段内的最后一次直播时长；所述装置还包括：
[0190]
第一差值模块，被配置为确定所述最长一次直播时长与所述上一次直播时长的差值；
[0191]
第一计算模块，被配置为将所述差值和所述最长一次直播时长的比值，确定为所
述目标主播的直播时长下降速度，所述直播时长下降速度用于表征所述目标主播的直播时长的下降快慢；
[0192]
第二发送模块，被配置为将所述目标主播的直播时长下降速度发送至所述运营服务器。
[0193]
在一种可选实现方式中，所述装置还包括：
[0194]
第二差值模块，被配置为确定100％和所述生存概率值之间的差值；
[0195]
第三预警模块，被配置为在所述直播时长下降速度大于或等于所述差值的情况下，向所述运营服务器发送针对所述目标主播的预警消息。
[0196]
在一种可选实现方式中，所述直播特征信息包括：所述目标主播在所述预设时间段内的直播平均时长；
[0197]
所述装置还包括：
[0198]
第二计算模块，被配置为将所述直播平均时长与所述生存概率值的乘积，作为所述目标主播的直播时长预测值，所述直播时长预测值用于表征所述目标主播在未来时间段的直播时长；
[0199]
第三差值模块，被配置为确定100％和所述生存概率值之间的差值；
[0200]
第三计算模块，被配置为将所述直播平均时长与所述差值的乘积，作为所述目标主播的召回概率值，所述召回概率值用于表征所述目标主播在未来时间段的被召回的概率大小；
[0201]
第三发送模块，被配置为向所述运营服务器发送所述目标主播的直播时长预测值和召回概率值。
[0202]
在一种可选实现方式中，所述装置还包括：
[0203]
第四计算模块，被配置为根据所述生存概率值的取值范围和所述预测模型，计算得到所述预设概率阈值。
[0204]
在一种可选实现方式中，第一计算子模块，被配置为基于所述预测模型，计算所述取值范围内每一个取值对应的召回率和准确率；
[0205]
第二计算子模块，被配置为将每个所述取值的召回率和准确率进行加和求平均计算，并将计算结果作为所述取值对应的得分；
[0206]
第三计算子模块，被配置为将所述得分最大的取值，作为所述预设概率阈值。
[0207]
在一种可选实现方式中，所述预警消息包括所述目标主播的直播参数信息，以供所述运营服务器依据所述直播参数信息确定对所述目标主播的处理方式。
[0208]
在一种可选实现方式中，所述装置还包括：
[0209]
筛选模块，被配置为确定关注主播的用户量；
[0210]
确定模块，被配置为将所述用户量处于预设阈值范围的主播，确定为所述目标主播。
[0211]
综上所述，本技术实施例提供的一种针对主播流失情况的预警装置，本技术可以基于表征主播的直播频次和时长的直播特征信息，确定用于表征主播处于正常直播的状态的几率的生存概率值，并在生存概率值小于或等于预设概率阈值的情况下，确定主播已经出现了非正常的流失前兆信号，此时可以由直播服务器向运营服务器发送针对目标主播的预警消息，以供运营服务器根据预警消息对目标主播进行进一步的管理，达到了在主播处
于流失状态之前进行预警的目的，从而提高了主播的内容生产量，使得用户端能够享受到更高质量的直播服务。
[0212]
图6是本技术实施例提供的一种预测模型的训练装置的框图，如图6所示，包括：训练数据模块501、建立模块502、训练模块503。
[0213]
训练数据获取模块501，被配置为获取样本主播在预设时间段内的直播特征信息，所述直播特征信息用于表征所述样本主播的直播频次和时长；
[0214]
建立模块502，被配置为建立所述直播特征信息与真实生存概率值的对应关系；
[0215]
训练模块503，被配置为根据所述对应关系对预测模型进行训练，使得所述预测模型以目标主播在预设时间段内的直播特征信息为模型输入，并以所述目标主播的生存概率值为模型输出，所述生存概率值用于表征所述目标主播处于正常直播的状态的几率。
[0216]
本技术可以基于直播特征信息和训练好的预测模型，确定用于表征主播处于正常直播的状态的几率的生存概率值，并在生存概率值小于或等于预设概率阈值的情况下，确定主播已经出现了非正常的流失前兆信号，达到了在主播处于流失状态之前进行预警的目的，从而提高了主播的内容生产量，使得用户端能够享受到更高质量的直播服务。
[0217]
图7是根据一示例性实施例示出的一种电子设备600的框图。例如，电子设备600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。
[0218]
参照图7，电子设备600可以包括以下一个或多个组件：处理组件602，存储器604，电力组件606，多媒体组件608，音频组件610，输入/输出(i/o)的接口612，传感器组件614，以及通信组件616。
[0219]
处理组件602通常控制电子设备600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。处理组件602可以包括一个或多个处理器620来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理组件602可以包括多媒体模块，以方便多媒体组件608和处理组件602之间的交互。
[0220]
存储器604用于存储各种类型的数据以支持在电子设备600的操作。这些数据的示例包括用于在电子设备600上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，多媒体等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，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。
[0221]
电源组件606为电子设备600的各种组件提供电力。电源组件606可以包括电源管理系统，一个或多个电源，及其他与为电子设备600生成、管理和分配电力相关联的组件。
[0222]
多媒体组件608包括在所述电子设备600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)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的分界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件608包括一个前置摄像头和/或后置摄像头。当电子设备600处于操作模式，如拍
摄模式或多媒体模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0223]
音频组件610用于输出和/或输入音频信号。例如，音频组件610包括一个麦克风(mic)，当电子设备600处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中，音频组件610还包括一个扬声器，用于输出音频信号。
[0224]
i/o接口612为处理组件602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。
[0225]
传感器组件614包括一个或多个传感器，用于为电子设备600提供各个方面的状态评估。例如，传感器组件614可以检测到电子设备600的打开/关闭状态，组件的相对定位，例如所述组件为电子设备600的显示器和小键盘，传感器组件614还可以检测电子设备600或电子设备600一个组件的位置改变，用户与电子设备600接触的存在或不存在，电子设备600方位或加速/减速和电子设备600的温度变化。传感器组件614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。传感器组件614还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件614还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0226]
通信组件616用于便于电子设备600和其他设备之间有线或无线方式的通信。电子设备600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。在一个示例性实施例中，通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件616还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
[0227]
在示例性实施例中，电子设备600可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于实现本技术实施例提供的一种针对主播流失情况的预警方法。
[0228]
在示例性实施例中，还提供了一种包括指令的非临时性计算机存储介质，例如包括指令的存储器604，上述指令可由电子设备600的处理器620执行以完成上述方法。例如，所述非临时性存储介质可以是rom、随机存取存储器(ram)、cd
‑
rom、磁带、软盘和光数据存储设备等。
[0229]
图8是根据一示例性实施例示出的一种电子设备700的框图。例如，电子设备700可以被提供为一服务器。参照图8，电子设备700包括处理组件722，其进一步包括一个或多个处理器，以及由存储器732所代表的存储器资源，用于存储可由处理组件722的执行的指令，例如应用程序。存储器732中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件722被配置为执行指令，以执行本技术实施例提供的一种针对主播流失情况的预警方法。
[0230]
电子设备700还可以包括一个电源组件726被配置为执行电子设备700的电源管理，一个有线或无线网络接口750被配置为将电子设备700连接到网络，和一个输入输出(i/
o)接口758。电子设备700可以操作基于存储在存储器732的操作系统，例如windows servertm，mac os xtm，unixtm，linuxtm，freebsdtm或类似。
[0231]
本技术实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现所述的针对主播流失情况的预警方法。
[0232]
本领域技术人员在考虑说明书及实践这里公开的申请后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求指出。
[0233]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。