本發(fā)明屬于直播數(shù)據(jù)分析，具體的說是一種觸發(fā)平臺算法預(yù)設(shè)值點位的方法。

背景技術(shù)：

1、網(wǎng)絡(luò)直播是現(xiàn)在較為主流的一種媒體表現(xiàn)形式，在直播過程中，可能會存在一些違法行為，進而導致觀眾存在不適；而觀眾參與直播時，會與直播間產(chǎn)生互動，包括發(fā)送彈幕以及連線等，均可能會出現(xiàn)違禁詞或是侵犯他人知識產(chǎn)權(quán)等行為，因此在當前的直播環(huán)境中，需要嚴格規(guī)范直播環(huán)境；觸發(fā)平臺算法可以理解為基于預(yù)設(shè)條件自動執(zhí)行特定操作的算法。

2、現(xiàn)有技術(shù)中，對于違禁詞或違規(guī)行為一般是通過采集直播視頻中的單一模態(tài)特征來與已知的違規(guī)行為來進行比對，從而實現(xiàn)規(guī)范直播環(huán)境的目的，比如電商直播中，主播正在展示一款紅色商品，同時背景中有文字描述；此時，主播無意中說出了一句與違規(guī)詞匯相似但不違規(guī)的句子，按照現(xiàn)有技術(shù)中單模態(tài)特征向量計算，會產(chǎn)生潛在誤判，如下：

3、針對視頻模態(tài)，系統(tǒng)提取視頻中的顏色、形狀等特征，生成了視頻特征向量，利用該視頻特征向量與預(yù)設(shè)的違規(guī)畫面特征向量（如違禁品圖案）進行相似度計算，由于商品顏色與某違禁品的顏色特征相似，盡管形狀等其他特征不匹配，但單模態(tài)相似度計算可能因顏色特征的較高權(quán)重而誤判為違規(guī)畫面；針對音頻模態(tài)，系統(tǒng)提取了音頻中的頻譜、音調(diào)等特征，生成了音頻特征向量，利用該音頻特征向量與預(yù)設(shè)的違規(guī)音頻特征向量進行相似度計算，主播說出的句子與某違規(guī)詞匯在音調(diào)、時長上相似，盡管具體詞匯不同，但單模態(tài)相似度計算可能因這些相似特征而誤判為違規(guī)音頻；針對文本模態(tài)，系統(tǒng)提取了背景文字中的詞頻、情感傾向等特征，生成了文本特征向量，利用該文本特征向量與預(yù)設(shè)的違規(guī)文本特征向量進行相似度計算，背景文字中某些詞匯與違規(guī)文本中的詞匯相似，盡管整體語境不同，但單模態(tài)相似度計算可能因這些相似詞匯而誤判為違規(guī)文本，基于上述，單模態(tài)特征向量僅考慮了某一模態(tài)的信息，忽略了其他模態(tài)的互補信息，導致在特征相似但不完全匹配時容易產(chǎn)生誤判；

4、為此，本發(fā)明提供一種觸發(fā)平臺算法預(yù)設(shè)值點位的方法。

技術(shù)實現(xiàn)思路

1、為了彌補現(xiàn)有技術(shù)的不足，解決背景技術(shù)中所提出的至少一個技術(shù)問題。

2、本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：本發(fā)明所述的一種觸發(fā)平臺算法預(yù)設(shè)值點位的方法，包括以下步驟：

3、s1：根據(jù)直播風險類型設(shè)置差異化規(guī)則庫，所述差異化規(guī)則庫用于存儲對應(yīng)于不同直播風險類型的權(quán)重；

4、s2：數(shù)據(jù)采集及預(yù)處理，包括視頻數(shù)據(jù)、音頻數(shù)據(jù)以及文本數(shù)據(jù)采集及預(yù)處理；

5、s3：特征提取，從預(yù)處理后的視頻數(shù)據(jù)、音頻數(shù)據(jù)以及文本數(shù)據(jù)中分別提取視頻特征、音頻特征以及文本特征；

6、s4：權(quán)重分配，基于差異化規(guī)則庫中存儲的權(quán)重，為視頻、音頻及文本特征分配動態(tài)權(quán)重；

7、s5：多模態(tài)融合，將提取到的視頻、音頻及文本特征表示為特征向量、、，并基于權(quán)重進行加權(quán)融合；

8、s6：算法預(yù)設(shè)點位觸發(fā)判斷，包括：

9、將預(yù)設(shè)點位表示為預(yù)設(shè)特征向量；

10、計算融合特征向量與預(yù)設(shè)特征向量的相似度；

11、設(shè)定第一閾值，若

12、，則觸發(fā)預(yù)設(shè)點位，否則未觸發(fā)。

13、優(yōu)選的，所述視頻數(shù)據(jù)采集及預(yù)處理的方法為：實時采集直播視頻流，按固定幀率提取視頻幀，得到視頻幀序列；對視頻幀的分辨率調(diào)整統(tǒng)一，再對圖像進行去噪處理；

14、所述音頻數(shù)據(jù)采集及預(yù)處理的方法為：同步錄制直播音頻流，獲取連續(xù)的音頻信號；對音頻信號進行去噪，再將音頻信號進行分幀、加窗處理，得到音頻信號序列；

15、所述文本數(shù)據(jù)采集及預(yù)處理的方法為：抓取直播字幕、彈幕文本信息，對文本進行分詞處理，得到詞語單元，并對每個詞語標注詞性，得到文本信息序列。

16、優(yōu)選的，基于所述權(quán)重進行加權(quán)融合的方法為：

17、識別直播風險類型，基于差異化規(guī)則庫獲取差異化權(quán)重分配 、 、；

18、根據(jù)公式：

19、

20、其中，；為任一直播類型；

21、根據(jù)公式，計算得到融合特征向量；

22、計算融合特征向量與預(yù)設(shè)特征向量的相似度的方法為：

23、

24、根據(jù)公式，計算得到融合特征向量與預(yù)設(shè)特征向量的相似度。

25、優(yōu)選的，計算所述相似度的方法還包括：

26、設(shè)定時間窗口；

27、計算時間窗口內(nèi)的累積特征向量，表達為：

28、

29、其中，表示時刻的融合特征向量；

30、更新融合特征向量與預(yù)設(shè)特征向量的相似度計算公式，表達為：

31、

32、基于計算，得到更新后的。

33、優(yōu)選的，所述預(yù)設(shè)特征向量的生成方法為：

34、收集違規(guī)多模態(tài)數(shù)據(jù)，提取單模態(tài)特征；

35、基于單模態(tài)特征，融合生成多模態(tài)特征向量；

36、基于多模態(tài)特征向量，構(gòu)建違規(guī)行為數(shù)據(jù)庫，還包括：

37、分類多模態(tài)特征向量及

38、為每個多模態(tài)特征向量標識唯一樣本id。

39、優(yōu)選的，所述差異化規(guī)則庫還用于存儲分級閾值，基于直播風險類型匹配第一閾值，并根據(jù)實時反饋動態(tài)調(diào)整。

40、優(yōu)選的，所述差異化規(guī)則庫還包括反饋機制，所述反饋機制用于根據(jù)實時反饋，動態(tài)調(diào)整分級閾值；

41、所述分級閾值的動態(tài)調(diào)整方法為：

42、實時采集直播過程中的觀眾反饋數(shù)據(jù)；

43、基于自然語言技術(shù)對觀眾反饋數(shù)據(jù)進行區(qū)分，統(tǒng)計彈幕消極情感數(shù)量、舉報量以及互動率；

44、基于觀眾反饋數(shù)據(jù)，計算分級閾值的調(diào)整幅度，根據(jù)公式：

45、

46、其中，為彈幕情緒影響系數(shù)，為舉報影響系數(shù)，為總彈幕數(shù)量，為互動影響系數(shù)；

47、根據(jù)計算得到的調(diào)整幅度更新第一閾值，表示為：

48、

49、

50、其中，為第二閾值；

51、將計算得到的第二閾值應(yīng)用于更新后的，判斷是否觸發(fā)預(yù)設(shè)點位。

52、優(yōu)選的，所述互動率的計算方法為：

53、統(tǒng)計單位時間內(nèi)用戶點贊數(shù)、分享數(shù)以及評論數(shù)；

54、根據(jù)公式：

55、

56、其中，為直播間實時在線人數(shù)。

57、優(yōu)選的，所述時間窗口的長度根據(jù)直播類型動態(tài)調(diào)整，方法為：

58、識別直播風險類型，根據(jù)直播風險類型定義時間窗口的長度，包括：

59、第一時間窗口， s，滿足直播類型為高風險；

60、第二時間窗口， s，滿足直播類型為中風險；

61、第三時間窗口， s，滿足直播類型為低風險；

62、將匹配的時間窗口應(yīng)用至的更新計算中。

63、優(yōu)選的，所述差異化規(guī)則庫還存儲風險等級-第一閾值映射表，所述分級閾值與直播類型風險類型綁定，具體規(guī)則為通過差異化規(guī)則庫中存儲的風險等級-第一閾值映射表，對直播風險類型與第一閾值自動適配。

64、本發(fā)明的有益效果如下：

65、1.本發(fā)明所述的一種觸發(fā)平臺算法預(yù)設(shè)值點位的方法，通過設(shè)置差異化規(guī)則庫，根據(jù)識別到的直播風險類型，可優(yōu)先為不同直播風險類型設(shè)置對應(yīng)的權(quán)重分配，從而在計算多模態(tài)融合特征向量時，即產(chǎn)生差異化，避免相同的權(quán)重分配，導致不同直播類型之間的判罰標準一致，造成誤判及判罰失衡的問題。

66、2.本發(fā)明所述的一種觸發(fā)平臺算法預(yù)設(shè)值點位的方法，通過基于多模態(tài)融合特征，再與已知的或預(yù)設(shè)的違規(guī)行為進行依次相似度計算，獲取相似度，根據(jù)相似度的大小，即將相似度與第一閾值進行比較，從而判斷直播過程中是否違規(guī)，且基于根據(jù)預(yù)設(shè)的違規(guī)行為進行依次相似度計算，選取相似度最大值對應(yīng)的違規(guī)行為，即表征該直播間可能存在的違規(guī)行為，基于同一時間軸的多模態(tài)融合特征向量，減少誤判的概率。