[发明专利]一种游戏数据处理方法、装置、设备和介质

权利要求书

1.一种游戏数据处理方法，其特征在于，所述方法包括：

从待预测游戏对象的游戏数据群组中获取目标特征数据，所述游戏数据群组包括以下至少之一：游戏基础数据、游戏社群数据和游戏衍生数据；

将所述目标特征数据输入游戏销量预测模型；

利用所述游戏销量预测模型得到所述待预测游戏对象的销量预测结果；

其中，所述游戏销量预测模型是基于多个样本特征数据进行机器学习训练确定的，每个所述样本特征数据携带有销量信息标注。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标特征数据输入游戏销量预测模型，包括：

将所述目标特征数据分别输入多个所述游戏销量预测模型，所述多个所述游戏销量预测模型之间的差异在于将所述多个样本特征数据按同一比例划分为第一样本集和第二样本集的构成数据组合；

相应的，所述利用所述游戏销量预测模型得到所述待预测游戏对象的销量预测结果，包括：

分别利用每个所述游戏销量预测模型得到对应的候选结果；

基于所述多个所述游戏销量预测模型对应的候选结果得到所述销量预测结果。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括训练得到所述多个所述游戏销量预测模型的过程：

获取所述多个样本特征数据；

获取多个随机数，所述多个随机数指示同一划分所述多个样本特征数据的比例，所述多个随机数指示不同的样本集构成数据组合；

分别基于每个所述随机数所指示的样本集构成数据组合将所述多个样本特征数据划分为对应的第一样本集和第二样本集；

分别基于每个所述随机数对应的第一样本集和预设机器学习算法构建每个所述随机数对应的参考模型；

基于各个所述随机数，分别利用对应的第二样本集优化对应的参考模型，得到每个所述随机数对应的游戏销量预测模型。

4.根据权利要求3所述的方法，其特征在于，所述利用对应的第二样本集优化对应的参考模型，包括：

获取预设拟合优度；

基于所述对应的第二样本集，使用所述对应的参考模型进行销量数据预测训练，在训练中调整所述对应的参考模型的模型参数至所述对应的参考模型输出的销量预测结果与输入的样本特征数据所携带的销量信息标注符合所述预设拟合优度的要求。

5.根据权利要求1所述的方法，其特征在于，所述从待预测游戏对象的游戏数据群组中获取目标特征数据之前，所述方法还包括：

获取所述待预测游戏对象的发售时间；

获取预设时长，以及确定当前时间；

当所述发售时间与所述当前时间之间的时长符合所述预设时长的要求时，构建所述游戏数据群组。

6.根据权利要求1所述的方法，其特征在于，当所述游戏数据群组包括所述游戏基础数据和所述游戏社群数据时，所述方法还包括构建所述游戏数据群组，包括：

确定目标游戏发售站点，以及从所述目标游戏发售站点获取所述游戏基础数据；

确定目标游戏社群站点，以及从所述目标游戏社群站点获取所述游戏社群数据；

基于所述游戏基础数据和所述游戏社群数据构建所述游戏数据群组。

7.根据权利要求1所述的方法，其特征在于，当所述游戏数据群组包括所述游戏衍生数据时，所述方法还包括构建所述游戏数据群组，包括：

确定目标发布站点，所述目标发布站点为发布所述待预测游戏对象对应的衍生对象的站点，所述衍生对象包括从媒体对象、统计对象组成的群组中选择的至少一个；

调用对应的应用程序接口从所述目标发布站点获取所述游戏衍生数据，所述游戏衍生数据为所述衍生对象的关联数据；

基于所述游戏衍生数据构建所述游戏数据群组。