[发明专利]游戏相关度的获取方法、装置、存储介质和电子装置有效
| 申请号: | 201710936380.3 | 申请日: | 2017-10-10 |
| 公开(公告)号: | CN108304853B | 公开(公告)日: | 2022-11-08 |
| 发明(设计)人: | 王星雅 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62;G06Q30/02 |
| 代理公司: | 北京康信知识产权代理有限责任公司 11240 | 代理人: | 赵囡囡 |
| 地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 游戏 相关 获取 方法 装置 存储 介质 电子 | ||
1.一种游戏相关度的获取方法,其特征在于,包括:
分别获取多个游戏应用的目标样本,其中,每个所述游戏应用的目标样本为包括每个所述游戏应用的游戏数据的若干样本子集的集合,所述样本子集包括符合第一条件的游戏数据的正样本和符合第二条件的游戏数据的负样本,所述样本子集中的各子集的正负样本比例一致,所述第一条件的游戏数据包括最近注册的未流失用户的数据、最近持续活跃的用户的数据、最近由活跃变为付费的用户的数据,所述第二条件的游戏数据包括未注册用户的数据、最近流失用户的数据、最近活跃度大幅下降的用户的数据,所述游戏数据包括多个第一目标对象在使用每个所述游戏应用时产生的数据;
依据每个所述游戏应用的采集的正样本和负样本,在目标模型中对所述目标样本中的所述游戏数据进行分类训练,得到二分类模型,其中,在目标模型中对所述目标样本中的所述游戏数据进行分类训练包括:对所述目标样本的所述游戏数据进行离散处理,得到第一游戏数据;从所述第一游戏数据中选择出第二游戏数据;对所述第二游戏数据进行预处理和特征提取,得到每个所述第一目标对象与每个所述游戏应用之间的关联程度的标签,其中,所述关联程度的标签用于指示所述第一目标对象对所述游戏应用是否感兴趣;基于所述关联程度的标签对所述目标模型进行训练,其中,所述目标模型为神经网络模型;
通过所述二分类模型预测每个所述第一目标对象与每个所述游戏应用之间的目标参数,其中,所述目标参数用于指示每个所述第一目标对象对每个所述游戏应用各自的兴趣程度;
按照所述目标参数确定多个所述游戏应用之间的目标相关度,其中,所述目标相关度用于指示所述多个游戏应用之间的关联程度,所述目标相关度包括第一相关度和第二相关度,所述第一相关度通过第一游戏应用的第一目标参数和第二游戏应用的第二目标参数确定,所述第二相关度通过对所述第一相关度进行处理得到;
将根据所述目标相关度确定出的两个相似游戏应用各自对应的节点连接以形成游戏图,并显示所述游戏图。
2.根据权利要求1所述的方法,其特征在于,通过所述目标样本中的所述游戏数据对所述目标模型进行分类训练包括:
向所述第二游戏数据中添加正则项或者目标变量,得到所述二分类模型,其中,所述正则项和所述目标变量均用于使所述二分类模型符合目标条件。
3.根据权利要求1所述的方法,其特征在于,按照所述目标参数确定多个所述游戏应用之间的所述目标相关度包括:
获取所述第一游戏应用的所述第一目标参数和所述第二游戏应用的所述第二目标参数,其中,多个所述游戏应用包括所述第一游戏应用和所述第二游戏应用,每个所述游戏应用的目标参数包括所述第一目标参数和所述第二目标参数;
获取所述第一目标参数和所述第二目标参数之间的所述第一相关度;
对所述第一相关度进行处理,得到所述第一游戏应用和所述第二游戏应用之间的所述第二相关度,其中,所述目标相关度包括所述第二相关度。
4.根据权利要求3所述的方法,其特征在于,获取所述第一目标参数和所述第二目标参数之间的所述第一相关度包括:
获取所述第一目标参数和所述第二目标参数之间的协方差;
获取所述第一目标参数和所述第二目标参数之间的标准差;
将所述协方差和所述标准差之商确定为所述第一相关度。
5.根据权利要求1至4中任意一项所述的方法,其特征在于,在按照所述目标参数确定多个所述游戏应用之间的所述目标相关度之后,所述方法还包括:
获取多个所述游戏应用中任意两个游戏应用之间的所述目标相关度;
将多个所述游戏应用中,所述目标相关度大于预定阈值的两个游戏应用确定为具有关联关系的游戏应用。
6.根据权利要求1至4中任意一项所述的方法,其特征在于,在按照所述目标参数确定多个所述游戏应用之间的目标相关度之后,所述方法还包括:
将多个所述游戏应用之间的所述目标相关度大于第一阈值的两个游戏应用确定为所述相似游戏应用;
将多个所述游戏应用之间的所述目标相关度不大于所述第一阈值的两个游戏应用确定为不相似游戏应用。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710936380.3/1.html,转载请声明来源钻瓜专利网。





