本發(fā)明涉及直播平臺(tái)用戶(hù)數(shù)據(jù)分析領(lǐng)域，具體是涉及一種基于主成分分析的用戶(hù)房間興趣度計(jì)算方法及系統(tǒng)。

背景技術(shù)：

用戶(hù)在使用直播平臺(tái)時(shí)，通常會(huì)進(jìn)入大量不同的房間觀看直播。同一個(gè)用戶(hù)在不同房間時(shí)，產(chǎn)生的行為不一樣，觀看的時(shí)間長(zhǎng)短、觀看的頻率、是否有贈(zèng)送信息，都反映該用戶(hù)對(duì)房間的興趣度。為了能夠準(zhǔn)確地判斷用戶(hù)的喜好，向其推薦可能感興趣的房間，增加用戶(hù)體驗(yàn)，需要獲得用戶(hù)對(duì)房間的興趣度。但是，如何確定用戶(hù)對(duì)房間的興趣度，目前缺乏有效的計(jì)算方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是為了克服上述背景技術(shù)的不足，提供一種基于主成分分析的用戶(hù)房間興趣度計(jì)算方法及系統(tǒng)，本發(fā)明有助于準(zhǔn)確判斷用戶(hù)的喜好，有助于向用戶(hù)準(zhǔn)確推薦可能感興趣的房間，增加用戶(hù)體驗(yàn)。

本發(fā)明提供一種基于主成分分析的用戶(hù)房間興趣度計(jì)算方法，包括以下步驟：

S1、根據(jù)用戶(hù)對(duì)房間的行為信息，提取多個(gè)行為指標(biāo)，并對(duì)所述行為指標(biāo)進(jìn)行分析，對(duì)相關(guān)系數(shù)絕對(duì)值大于相關(guān)閾值的行為指標(biāo)進(jìn)行相互替代，篩選出n個(gè)具有代表性的行為指標(biāo)作為主要評(píng)估指標(biāo)，n為≥3的正整數(shù)，構(gòu)建興趣度計(jì)算指標(biāo)體系；

S2、獲取一定時(shí)間段內(nèi)多個(gè)用戶(hù)所產(chǎn)生的房間行為信息，構(gòu)建初始化矩陣X，對(duì)初始化矩陣X進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化矩陣Z；計(jì)算標(biāo)準(zhǔn)化矩陣Z的相關(guān)系數(shù)矩陣R，并計(jì)算相關(guān)系數(shù)矩陣R對(duì)應(yīng)的特征值λ；將特征值λ由大到小排列，得到λ₁、λ₂、……、λ_n，對(duì)應(yīng)的特征向量為e₁、e₂、……、e_n，特征向量e滿足|e|＝1，每個(gè)特征值對(duì)應(yīng)一個(gè)主成分，每個(gè)特征向量包含n個(gè)元素；

S3、計(jì)算每個(gè)主成分的方差貢獻(xiàn)率v，v_a＝λ_a/(λ₁+λ₂+……+λ_n)，a為正整數(shù)，1≤a≤n，v_a表示第a個(gè)主成分的方差貢獻(xiàn)率，λ_a表示第a個(gè)主成分對(duì)應(yīng)的特征值；計(jì)算主成分的累計(jì)方差貢獻(xiàn)率，第a個(gè)主成分的累計(jì)方差貢獻(xiàn)率＝第1個(gè)主成分的方差貢獻(xiàn)率至第(a-1)個(gè)主成分的方差貢獻(xiàn)率之和；

S4、按照特征值大于1，累計(jì)方差貢獻(xiàn)率大于指定閾值的原則，提取滿足條件的特征值個(gè)數(shù)，作為最終選擇的主成分個(gè)數(shù)；如果滿足條件的特征值個(gè)數(shù)為b，選擇b個(gè)主成分，λ₁，λ₂，……，λ_b為b個(gè)主成分分別對(duì)應(yīng)的特征值，其分別對(duì)應(yīng)的特征向量e₁，e₂，……，e_b為b個(gè)主成分的特征向量，特征向量和標(biāo)準(zhǔn)化后的數(shù)據(jù)相乘，得到主成分的線性表達(dá)式；

S5、以主成分的方差貢獻(xiàn)率為權(quán)重，對(duì)主要評(píng)估指標(biāo)在各個(gè)主成分線性表達(dá)式中的系數(shù)進(jìn)行加權(quán)平均，計(jì)算每個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重；將所有n個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重進(jìn)行歸一化，得到每個(gè)主要評(píng)估指標(biāo)的權(quán)重值w′，w′_j＝第j個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重/所有主要評(píng)估指標(biāo)的綜合權(quán)重之和，根據(jù)獲得的權(quán)重值，進(jìn)行加權(quán)計(jì)算，得到每個(gè)用戶(hù)對(duì)不同房間的興趣度得分。

在上述技術(shù)方案的基礎(chǔ)上，步驟S2中，所述對(duì)初始化矩陣X進(jìn)行標(biāo)準(zhǔn)化處理的過(guò)程如下：

初始化矩陣X中的元素包括x_ij、x_j，x_ij表示第i個(gè)用戶(hù)第j個(gè)行為指標(biāo)的數(shù)據(jù)情況，x_j表示第j個(gè)行為指標(biāo)的數(shù)據(jù)情況，i、j均為正整數(shù)，1≤j≤n；采用最大值函數(shù)max和最小值函數(shù)min對(duì)初始化矩陣X進(jìn)行標(biāo)準(zhǔn)化處理，具體公式為：z_ij＝(x_ij-min(x_j))/(max(x_j)-min(x_j))，其中，z_ij表示標(biāo)準(zhǔn)化矩陣Z中的一個(gè)元素。

在上述技術(shù)方案的基礎(chǔ)上，步驟S4中，所述主成分的線性表達(dá)式如下：

Y_c＝e_c1*Z₁+e_c2*Z₂+……+e_cn*Z_n，

其中，c為正整數(shù)，1≤c≤b，Y_c表示第c個(gè)主成分，e_c1為第1個(gè)指標(biāo)在第c個(gè)主成分線性表達(dá)式中的系數(shù)，表示第c個(gè)特征向量中的第1個(gè)元素，e_cn為第n個(gè)指標(biāo)在第c個(gè)主成分線性表達(dá)式中的系數(shù)，表示第c個(gè)特征向量中的第n個(gè)元素，Z₁表示第1個(gè)指標(biāo)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的值，Z_n表示第n個(gè)指標(biāo)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的值。

在上述技術(shù)方案的基礎(chǔ)上，步驟S5中，所述計(jì)算綜合權(quán)重的公式如下：

w_j＝v₁*e_1j/(v₁+v₂……+v_b)+v₂*e_2j/(v₁+v₂……+v_b)+……+v_b*e_bj/(v₁+v₂……+v_b)，

其中，w_j表示第j個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重，v₁表示第1個(gè)主成分的方差貢獻(xiàn)率，v_b表示第b個(gè)主成分的方差貢獻(xiàn)率。

在上述技術(shù)方案的基礎(chǔ)上，步驟S5中，所述興趣度得分的計(jì)算公式如下：

S＝w′₁*Z₁+w′₂*Z₂+……+w′_n*Z_n，其中，S表示興趣度得分，w₁表示第1個(gè)指標(biāo)的權(quán)重值，Z₁表示第1個(gè)指標(biāo)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的值，w_n表示第n個(gè)指標(biāo)的權(quán)重值，Z_n表示第n個(gè)指標(biāo)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的值。

本發(fā)明還提供一種基于主成分分析的用戶(hù)房間興趣度計(jì)算系統(tǒng)，該系統(tǒng)包括：體系構(gòu)建單元、主成分分析單元、權(quán)重分析單元，其中，

所述體系構(gòu)建單元用于：根據(jù)用戶(hù)對(duì)房間的行為信息，提取多個(gè)行為指標(biāo)，并對(duì)所述行為指標(biāo)進(jìn)行分析，對(duì)相關(guān)系數(shù)絕對(duì)值大于相關(guān)閾值的行為指標(biāo)進(jìn)行相互替代，篩選出n個(gè)具有代表性的行為指標(biāo)作為主要評(píng)估指標(biāo)，n為≥3的正整數(shù)，構(gòu)建興趣度計(jì)算指標(biāo)體系；

所述主成分分析單元用于：獲取一定時(shí)間段內(nèi)多個(gè)用戶(hù)所產(chǎn)生的房間行為信息，構(gòu)建初始化矩陣X，對(duì)初始化矩陣X進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化矩陣Z；計(jì)算標(biāo)準(zhǔn)化矩陣Z的相關(guān)系數(shù)矩陣R，并計(jì)算相關(guān)系數(shù)矩陣R對(duì)應(yīng)的特征值λ；將特征值λ由大到小排列，得到λ₁、λ₂、……、λ_n，對(duì)應(yīng)的特征向量為e₁、e₂、……、e_n，特征向量e滿足|e|＝1，每個(gè)特征值對(duì)應(yīng)一個(gè)主成分，每個(gè)特征向量包含n個(gè)元素；

計(jì)算每個(gè)主成分的方差貢獻(xiàn)率v，v_a＝λ_a/(λ₁+λ₂+……+λ_n)，a為正整數(shù)，1≤a≤n，v_a表示第a個(gè)主成分的方差貢獻(xiàn)率，λ_a表示第a個(gè)主成分對(duì)應(yīng)的特征值；計(jì)算主成分的累計(jì)方差貢獻(xiàn)率，第a個(gè)主成分的累計(jì)方差貢獻(xiàn)率＝第1個(gè)主成分的方差貢獻(xiàn)率至第(a-1)個(gè)主成分的方差貢獻(xiàn)率之和；

按照特征值大于1，累計(jì)方差貢獻(xiàn)率大于指定閾值的原則，提取滿足條件的特征值個(gè)數(shù)，作為最終選擇的主成分個(gè)數(shù)；如果滿足條件的特征值個(gè)數(shù)為b，選擇b個(gè)主成分，λ₁，λ₂，……，λ_b為b個(gè)主成分分別對(duì)應(yīng)的特征值，其分別對(duì)應(yīng)的特征向量e₁，e₂，……，e_b為b個(gè)主成分的特征向量，特征向量和標(biāo)準(zhǔn)化后的數(shù)據(jù)相乘，得到主成分的線性表達(dá)式；

所述權(quán)重分析單元用于：以主成分的方差貢獻(xiàn)率為權(quán)重，對(duì)主要評(píng)估指標(biāo)在各個(gè)主成分線性表達(dá)式中的系數(shù)進(jìn)行加權(quán)平均，計(jì)算每個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重；將所有n個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重進(jìn)行歸一化，得到每個(gè)主要評(píng)估指標(biāo)的權(quán)重值w′，w′_j＝第j個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重/所有主要評(píng)估指標(biāo)的綜合權(quán)重之和，根據(jù)獲得的權(quán)重值，進(jìn)行加權(quán)計(jì)算，得到每個(gè)用戶(hù)對(duì)不同房間的興趣度得分。

在上述技術(shù)方案的基礎(chǔ)上，所述對(duì)初始化矩陣X進(jìn)行標(biāo)準(zhǔn)化處理的過(guò)程如下：

初始化矩陣X中的元素包括x_ij、x_j，x_ij表示第i個(gè)用戶(hù)第j個(gè)行為指標(biāo)的數(shù)據(jù)情況，x_j表示第j個(gè)行為指標(biāo)的數(shù)據(jù)情況，i、j均為正整數(shù)，1≤j≤n；采用最大值函數(shù)max和最小值函數(shù)min對(duì)初始化矩陣X進(jìn)行標(biāo)準(zhǔn)化處理，具體公式為：z_ij＝(x_ij-min(x_j))/(max(x_j)-min(x_j))，其中，z_ij表示標(biāo)準(zhǔn)化矩陣Z中的一個(gè)元素。

在上述技術(shù)方案的基礎(chǔ)上，所述主成分的線性表達(dá)式如下：

Y_c＝e_c1*Z₁+e_c2*Z₂+……+e_cn*Z_n，

其中，c為正整數(shù)，1≤c≤b，Y_c表示第c個(gè)主成分，e_c1為第1個(gè)指標(biāo)在第c個(gè)主成分線性表達(dá)式中的系數(shù)，表示第c個(gè)特征向量中的第1個(gè)元素，e_cn為第n個(gè)指標(biāo)在第c個(gè)主成分線性表達(dá)式中的系數(shù)，表示第c個(gè)特征向量中的第n個(gè)元素，Z₁表示第1個(gè)指標(biāo)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的值，Z_n表示第n個(gè)指標(biāo)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的值。

在上述技術(shù)方案的基礎(chǔ)上，所述計(jì)算綜合權(quán)重的公式如下：

w_j＝v₁*e_1j/(v₁+v₂……+v_b)+v₂*e_2j/(v₁+v₂……+v_b)+……+v_b*e_bj/(v₁+v₂……+v_b)，

其中，w_j表示第j個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重，v₁表示第1個(gè)主成分的方差貢獻(xiàn)率，v_b表示第b個(gè)主成分的方差貢獻(xiàn)率。

在上述技術(shù)方案的基礎(chǔ)上，所述興趣度得分的計(jì)算公式如下：

S＝w′₁*Z₁+w′₂*Z₂+……+w′_n*Z_n，其中，S表示興趣度得分，w₁表示第1個(gè)指標(biāo)的權(quán)重值，Z₁表示第1個(gè)指標(biāo)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的值，w_n表示第n個(gè)指標(biāo)的權(quán)重值，Z_n表示第n個(gè)指標(biāo)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的值。

與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)如下：

本發(fā)明通過(guò)分析用戶(hù)對(duì)房間產(chǎn)生不同的行為，構(gòu)建指標(biāo)評(píng)價(jià)體系，并確定評(píng)估指標(biāo)的權(quán)重，定量衡量用戶(hù)對(duì)房間的興趣度，有助于準(zhǔn)確判斷用戶(hù)的喜好；使用該興趣度得分，能夠得到用戶(hù)對(duì)觀看過(guò)的房間進(jìn)行興趣排名，有助于向用戶(hù)準(zhǔn)確推薦可能感興趣的房間，增加用戶(hù)體驗(yàn)。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例中用戶(hù)房間興趣度計(jì)算方法的流程圖。

具體實(shí)施方式

下面結(jié)合附圖及具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述。

參見(jiàn)圖1所示，本發(fā)明實(shí)施例提供一種基于主成分分析的用戶(hù)房間興趣度計(jì)算方法，包括以下步驟：

S1、根據(jù)用戶(hù)對(duì)房間的行為信息，提取多個(gè)行為指標(biāo)，并對(duì)行為指標(biāo)進(jìn)行分析，對(duì)相關(guān)系數(shù)絕對(duì)值大于相關(guān)閾值的行為指標(biāo)進(jìn)行相互替代，篩選出n個(gè)具有代表性的行為指標(biāo)作為主要評(píng)估指標(biāo)，構(gòu)建興趣度計(jì)算指標(biāo)體系；實(shí)際應(yīng)用中，相關(guān)閾值一般大于0.7，優(yōu)選為0.8，n一般為≥3的正整數(shù)；

步驟S1的具體過(guò)程如下：

根據(jù)用戶(hù)對(duì)房間的行為信息，構(gòu)建一級(jí)指標(biāo)，一級(jí)指標(biāo)包括贈(zèng)送行為、觀看行為、關(guān)注行為，彈幕行為；對(duì)一級(jí)指標(biāo)進(jìn)行細(xì)分，細(xì)化用戶(hù)對(duì)房間的行為信息指標(biāo)，得到最初評(píng)估指標(biāo)，例如，“觀看行為”這個(gè)一級(jí)指標(biāo)下，包括有效觀看時(shí)長(zhǎng)、有效觀看天數(shù)這兩個(gè)最初評(píng)估指標(biāo)；對(duì)最初評(píng)估指標(biāo)進(jìn)行相關(guān)分析，對(duì)相關(guān)系數(shù)絕對(duì)值大于0.8的高相關(guān)指標(biāo)進(jìn)行相互替代，篩選出n個(gè)具有代表性的行為指標(biāo)作為主要評(píng)估指標(biāo)，確定興趣度計(jì)算指標(biāo)體系；

本實(shí)施例中，通過(guò)上述的分析，得出n＝6，表示主要評(píng)估指標(biāo)有6個(gè)，6個(gè)主要評(píng)估指標(biāo)分別為：有效觀看時(shí)長(zhǎng)、有效觀看天數(shù)、發(fā)送彈幕數(shù)、免費(fèi)禮物數(shù)、付費(fèi)禮物數(shù)、是否關(guān)注。

S2、獲取近一周時(shí)間內(nèi)多個(gè)用戶(hù)所產(chǎn)生的房間行為信息，構(gòu)建初始化矩陣X，對(duì)初始化矩陣X進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化矩陣Z，對(duì)初始化矩陣X進(jìn)行標(biāo)準(zhǔn)化處理的過(guò)程如下：

初始化矩陣X中的元素包括x_ij、x_j，x_ij表示第i個(gè)用戶(hù)第j個(gè)行為指標(biāo)的數(shù)據(jù)情況，x_j表示第j個(gè)行為指標(biāo)的數(shù)據(jù)情況，i、j均為正整數(shù)，1≤j≤n；采用最大值函數(shù)max和最小值函數(shù)min對(duì)初始化矩陣X進(jìn)行標(biāo)準(zhǔn)化處理，具體公式為：z_ij＝(x_ij-min(x_j))/(max(x_j)-min(x_j))，其中，z_ij表示標(biāo)準(zhǔn)化矩陣Z中的一個(gè)元素；

計(jì)算標(biāo)準(zhǔn)化矩陣Z的相關(guān)系數(shù)矩陣R，并計(jì)算相關(guān)系數(shù)矩陣R對(duì)應(yīng)的特征值λ；將特征值λ由大到小排列，得到λ₁、λ₂、……、λ₆，對(duì)應(yīng)的特征向量為e₁、e₂、……、e₆，特征向量e滿足|e|＝1，每個(gè)特征值對(duì)應(yīng)一個(gè)主成分，每個(gè)特征向量包含6個(gè)元素，例如，向量e₁包括e₁₂、e₁₂、e₁₃、……、e₁₆；

S3、計(jì)算每個(gè)主成分的方差貢獻(xiàn)率v，v_a＝λ_a/(λ₁+λ₂+……+λ₆)，a為正整數(shù)，1≤a≤n，v_a表示第a個(gè)主成分的方差貢獻(xiàn)率，λ_a表示第a個(gè)主成分對(duì)應(yīng)的特征值；計(jì)算主成分的累計(jì)方差貢獻(xiàn)率，第a個(gè)主成分的累計(jì)方差貢獻(xiàn)率＝第1個(gè)主成分的方差貢獻(xiàn)率至第(a-1)個(gè)主成分的方差貢獻(xiàn)率之和；例如，第二主成分的累計(jì)方差貢獻(xiàn)率為：第一主成分的方差貢獻(xiàn)率+第二主成分的方差貢獻(xiàn)率；

S4、按照特征值大于1，累計(jì)方差貢獻(xiàn)率大于指定閾值的原則，提取滿足條件的特征值個(gè)數(shù)，作為最終選擇的主成分個(gè)數(shù)；實(shí)際應(yīng)用中，指定閾值＝3，本發(fā)明按照上述規(guī)則，最終提取3個(gè)主成分，λ₁，λ₂，λ₃為3個(gè)主成分分別對(duì)應(yīng)的特征值，其分別對(duì)應(yīng)的特征向量e₁，e₂，e₃為3個(gè)主成分的特征向量，特征向量和標(biāo)準(zhǔn)化后的數(shù)據(jù)相乘，得到主成分的線性表達(dá)式，如：

Y₁＝e₁₁*Z₁+e₁₂*Z₂+……+e₁₆*Z₆；

Y₂＝e₂₁*Z₁+e₂₂*Z₂+……+e₂₆*Z₆；

Y₃＝e₃₁*Z₁+e₃₂*Z₂+……+e₃₆*Z₆；

其中，Y₁表示第1個(gè)主成分，e₁₁為第1個(gè)指標(biāo)在第1個(gè)主成分線性表達(dá)式中的系數(shù)，表示特征向量e₁中的第1個(gè)元素，e₁₆為第6個(gè)指標(biāo)在第1個(gè)主成分線性表達(dá)式中的系數(shù)，表示特征向量e₁中的第6個(gè)元素，Z₁表示第1個(gè)指標(biāo)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的值，以此類(lèi)推。

S5、主成分的方差貢獻(xiàn)率越大，表示該主成分的重要性越強(qiáng)，將方差貢獻(xiàn)率定義為不同主成分的權(quán)重；以主成分的方差貢獻(xiàn)率為權(quán)重，對(duì)主要評(píng)估指標(biāo)在各個(gè)主成分線性表達(dá)式中的系數(shù)進(jìn)行加權(quán)平均，計(jì)算每個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重；計(jì)算公式如下：

w₁＝v₁*e₁₁/(v₁+v₂+v₃)+v₂*e₂₁/(v₁+v₂+v₃)+v₃*e₃₁/(v₁+v₂+v₃)；

w₂＝v₂*e₁₂/(v₁+v₂+v₃)+v₂*e₂₂/(v₁+v₂+v₃)+v₃*e₃₂/(v₁+v₂+v₃)；

……；

w₆＝v₁*e₁₆/(v₁+v₂+v₃)+v₂*e₂₆/(v₁+v₂+v₃)+v₃*e₃₆/(v₁+v₂+v₃)；

w₁表示第1個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重，以此類(lèi)推，可得到各個(gè)主要評(píng)估指標(biāo)對(duì)應(yīng)的綜合權(quán)重；

將所有6個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重進(jìn)行歸一化，得到每個(gè)主要評(píng)估指標(biāo)的權(quán)重值w′，w′_j＝第j個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重/所有主要評(píng)估指標(biāo)的綜合權(quán)重之和，根據(jù)獲得的權(quán)重值，進(jìn)行加權(quán)計(jì)算，得到每個(gè)用戶(hù)對(duì)不同房間的興趣度得分，興趣度得分的計(jì)算公式如下：

S＝w′₁*Z₁+w′₂*Z₂+……+w′₆*Z₆，其中，S表示興趣度得分。

本發(fā)明實(shí)施例還提供一種基于主成分分析的用戶(hù)房間興趣度計(jì)算系統(tǒng)，該系統(tǒng)包括：體系構(gòu)建單元、主成分分析單元、權(quán)重分析單元，其中，

體系構(gòu)建單元用于：根據(jù)用戶(hù)對(duì)房間的行為信息，提取多個(gè)行為指標(biāo)，并對(duì)行為指標(biāo)進(jìn)行分析，對(duì)相關(guān)系數(shù)絕對(duì)值大于相關(guān)閾值的行為指標(biāo)進(jìn)行相互替代，篩選出n個(gè)具有代表性的行為指標(biāo)作為主要評(píng)估指標(biāo)，構(gòu)建興趣度計(jì)算指標(biāo)體系；實(shí)際應(yīng)用中，相關(guān)閾值一般大于0.7，優(yōu)選為0.8，n一般為≥3的正整數(shù)；

具體過(guò)程如下：

根據(jù)用戶(hù)對(duì)房間的行為信息，構(gòu)建一級(jí)指標(biāo)，一級(jí)指標(biāo)包括贈(zèng)送行為、觀看行為、關(guān)注行為，彈幕行為；對(duì)一級(jí)指標(biāo)進(jìn)行細(xì)分，細(xì)化用戶(hù)對(duì)房間的行為信息指標(biāo)，得到最初評(píng)估指標(biāo)，例如，“觀看行為”這個(gè)一級(jí)指標(biāo)下，包括有效觀看時(shí)長(zhǎng)、有效觀看天數(shù)這兩個(gè)最初評(píng)估指標(biāo)；對(duì)最初評(píng)估指標(biāo)進(jìn)行相關(guān)分析，對(duì)相關(guān)系數(shù)絕對(duì)值大于0.8的高相關(guān)指標(biāo)進(jìn)行相互替代，篩選出n個(gè)具有代表性的行為指標(biāo)作為主要評(píng)估指標(biāo)，確定興趣度計(jì)算指標(biāo)體系；本實(shí)施例中，通過(guò)上述的分析，得出n＝6，表示主要評(píng)估指標(biāo)有6個(gè)，6個(gè)主要評(píng)估指標(biāo)分別為：有效觀看時(shí)長(zhǎng)、有效觀看天數(shù)、發(fā)送彈幕數(shù)、免費(fèi)禮物數(shù)、付費(fèi)禮物數(shù)、是否關(guān)注。

主成分分析單元用于：獲取近一周時(shí)間內(nèi)多個(gè)用戶(hù)所產(chǎn)生的房間行為信息，構(gòu)建初始化矩陣X，對(duì)初始化矩陣X進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化矩陣Z，對(duì)初始化矩陣X進(jìn)行標(biāo)準(zhǔn)化處理的過(guò)程如下：

初始化矩陣X中的元素包括x_ij、x_j，x_ij表示第i個(gè)用戶(hù)第j個(gè)行為指標(biāo)的數(shù)據(jù)情況，x_j表示第j個(gè)行為指標(biāo)的數(shù)據(jù)情況，i、j均為正整數(shù)，1≤j≤n；采用最大值函數(shù)max和最小值函數(shù)min對(duì)初始化矩陣X進(jìn)行標(biāo)準(zhǔn)化處理，具體公式為：z_ij＝(x_ij-min(x_j))/(max(x_j)-min(x_j))，其中，z_ij表示標(biāo)準(zhǔn)化矩陣Z中的一個(gè)元素；

計(jì)算標(biāo)準(zhǔn)化矩陣Z的相關(guān)系數(shù)矩陣R，并計(jì)算相關(guān)系數(shù)矩陣R對(duì)應(yīng)的特征值λ；將特征值λ由大到小排列，得到λ₁、λ₂、……、λ₆，對(duì)應(yīng)的特征向量為e₁、e₂、……、e₆，特征向量e滿足|e|＝1，每個(gè)特征值對(duì)應(yīng)一個(gè)主成分，每個(gè)特征向量包含6個(gè)元素，例如，向量e₁包括e₁₂、e₁₂、e₁₃、……、e₁₆；

計(jì)算每個(gè)主成分的方差貢獻(xiàn)率v，v_a＝λ_a/(λ₁+λ₂+……+λ₆)，a為正整數(shù)，1≤a≤n，v_a表示第a個(gè)主成分的方差貢獻(xiàn)率，λ_a表示第a個(gè)主成分對(duì)應(yīng)的特征值；計(jì)算主成分的累計(jì)方差貢獻(xiàn)率，第a個(gè)主成分的累計(jì)方差貢獻(xiàn)率＝第1個(gè)主成分的方差貢獻(xiàn)率至第(a-1)個(gè)主成分的方差貢獻(xiàn)率之和；例如，第二主成分的累計(jì)方差貢獻(xiàn)率為：第一主成分的方差貢獻(xiàn)率+第二主成分的方差貢獻(xiàn)率；

按照特征值大于1，累計(jì)方差貢獻(xiàn)率大于指定閾值的原則，提取滿足條件的特征值個(gè)數(shù)，作為最終選擇的主成分個(gè)數(shù)；實(shí)際應(yīng)用中，指定閾值＝3，本發(fā)明按照上述規(guī)則，最終提取3個(gè)主成分，λ₁，λ₂，λ₃為3個(gè)主成分分別對(duì)應(yīng)的特征值，其分別對(duì)應(yīng)的特征向量e₁，e₂，e₃為3個(gè)主成分的特征向量，特征向量和標(biāo)準(zhǔn)化后的數(shù)據(jù)相乘，得到主成分的線性表達(dá)式，如：

Y₁＝e₁₁*Z₁+e₁₂*Z₂+……+e₁₆*Z₆；

Y₂＝e₂₁*Z₁+e₂₂*Z₂+……+e₂₆*Z₆；

Y₃＝e₃₁*Z₁+e₃₂*Z₂+……+e₃₆*Z₆；

其中，Y₁表示第1個(gè)主成分，e₁₁為第1個(gè)指標(biāo)在第1個(gè)主成分線性表達(dá)式中的系數(shù)，表示特征向量e₁中的第1個(gè)元素，e₁₆為第6個(gè)指標(biāo)在第1個(gè)主成分線性表達(dá)式中的系數(shù)，表示特征向量e₁中的第6個(gè)元素，Z₁表示第1個(gè)指標(biāo)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的值，以此類(lèi)推。

權(quán)重分析單元用于：以主成分的方差貢獻(xiàn)率為權(quán)重，對(duì)主要評(píng)估指標(biāo)在各個(gè)主成分線性表達(dá)式中的系數(shù)進(jìn)行加權(quán)平均，計(jì)算每個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重；計(jì)算公式如下：

w₁＝v₁*e₁₁/(v₁+v₂+v₃)+v₂*e₂₁/(v₁+v₂+v₃)+v₃*e₃₁/(v₁+v₂+v₃)；

w₂＝v₂*e₁₂/(v₁+v₂+v₃)+v₂*e₂₂/(v₁+v₂+v₃)+v₃*e₃₂/(v₁+v₂+v₃)；

……；

w₆＝v₁*e₁₆/(v₁+v₂+v₃)+v₂*e₂₆/(v₁+v₂+v₃)+v₃*e₃₆/(v₁+v₂+v₃)；

w₁表示第1個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重，以此類(lèi)推，可得到各個(gè)主要評(píng)估指標(biāo)對(duì)應(yīng)的綜合權(quán)重；

將所有6個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重進(jìn)行歸一化，得到每個(gè)主要評(píng)估指標(biāo)的權(quán)重值w′，w′_j＝第j個(gè)主要評(píng)估指標(biāo)的綜合權(quán)重/所有主要評(píng)估指標(biāo)的綜合權(quán)重之和，根據(jù)獲得的權(quán)重值，進(jìn)行加權(quán)計(jì)算，得到每個(gè)用戶(hù)對(duì)不同房間的興趣度得分，興趣度得分的計(jì)算公式如下：

S＝w′₁*Z₁+w′₂*Z₂+……+w′₆*Z₆，其中，S表示興趣度得分。

本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明實(shí)施例進(jìn)行各種修改和變型，倘若這些修改和變型在本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則這些修改和變型也在本發(fā)明的保護(hù)范圍之內(nèi)。

說(shuō)明書(shū)中未詳細(xì)描述的內(nèi)容為本領(lǐng)域技術(shù)人員公知的現(xiàn)有技術(shù)。