一种游戏数据的智能化分析方法技术

本发明专利技术公开了一种游戏数据的智能化分析方法，步骤如下：实时接收客户端回馈的数据，并将数据缓存在Redis先进先出队列中；从Redis先进先出队列中提取数据；对提取的数据进行合法性验证；根据预设的统计目标，对数据进行去重；将数据中每个用户个体统计为一个向量，对所有用户个体的信息进行差异统计处理；提取用户行为特征及差异检测，使用互信息熵进行计算；计算两个事件的联合熵；计算互信息MI；将行为差值与MI做商，取得新的差值；计算出第i个及第i‑1个行为的熵HIi，并求这两个联合分布率，求出MIi的值，以得到差值Di；11)对差值Di进行解析，并将解析结果计入统计结果数据库中。本发明专利技术能够对数据进行快速分析处理，实用性强。

【技术实现步骤摘要】

本专利技术涉及数据分析领域，具体是一种游戏数据的智能化分析方法。
技术介绍
数据分析数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。数据分析广泛应用于计算机系统中，例如在游戏运营领域，通过对游戏数据进行数据分析，能够掌握整个游戏玩家的状态信息，如登录、在线量和流失情况等，从而根据玩家的状态信息，能够对游戏的规划和管理提供参考意见。现有的数据分析方法的分析周期较长，时效性差，逐渐难以满足日新月异的市场变化。
技术实现思路
本专利技术的目的在于提供一种游戏数据的智能化分析方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种游戏数据的智能化分析方法，步骤如下：1)实时接收客户端回馈的数据，并将数据缓存在Redis先进先出队列中，其中客户端回馈的数据已经预先定义了数据格式；2)从Redis先进先出队列中提取数据；3)对提取的数据进行合法性验证，若验证合法，则进行步骤4)，否则，丢弃该数据，返回步骤2)；4)根据预设的统计目标，对数据进行去重；5)将数据中每个用户个体统计为一个向量，对所有用户个体的信息进行差异统计处理： F d = Σ x = 1 H Σ y = 1 W | f 1 ( x , y ) - f 2 ( x , y ) | / H W ]]>其中H为游戏行为数量，W为用户样本数量，f(x，y)为用户每日行为向量，以此，计算出用户两日行为的平均差异数值，同理对个体用户进行单独统计，计算出用户在游戏过程中的游戏行为波动情况，以建立起用户行为波动曲线；6)提取用户行为特征及差异检测，使用互信息熵进行计算： H ( x ) = - Σ x ∈ A ( X ) P X ( x ) logP X ( x ) ]]>其中，此时熵的单位为行为数；7)计算两个事件的联合熵： H ( x , y ) = - Σ x ∈ A ( X ) , y ∈ A ( y ) P x y ( x , y ) logP x y ( x , y ) ; ]]>8)计算互信息MI：MI(x，y)＝H(x)+H(y)-H(x，y)；9)将行为差值与MI做商，取得新的差值为： D i = Σ j = 0 N ( H i ( j ) - H i - ( j - 1 ) ) / M I ]]>其中，N为划分的时间区间的个数，Hi(j)为第i个行为发生第j日里的概率；10)计算出第i个行为的熵HIi为： HI i = Σ j = 1 N - H i ( j ) logH i ( j ) ]]>同理，计算出第i-1个行为的熵，并求这两个联合分布率，求出MIi的值，以得到差值Di；11)对差值Di进行解析，并将解析结果计入统计结果数据库中。作为本专利技术进一步的方案：所述数据格式为JSON数据格式，所述数据包含的游戏行为信息为登录数据、登录IP、注册时间、数据产生时间、数据内容。作为本专利技术再进一步的方案：步骤2)中合法性验证为检查数据是否符合预定格式，以及数据是否完整。作为本专利技术再进一步的方案：步骤4)中根据预设的统计目标来判断数据是否需要去重，若需要，则调用Redis接口进行去重，若不需要，则进入下一步。与现有技术相比，本专利技术的有益效果是：本专利技术能够对数据进行快速分析处理，以获取用户的行为变化数据，有助于游戏运营商及时作出调整，以迎合用户的喜好，有利于游戏运营商把握市场。具体实施方式下面结合具体实施方式对本专利技术的技术方案作进一步详细地说明。一种游戏数据的智能化分析方法，步骤如下：1)实时接收客户端回馈的数据，并将数据缓存在Redis先进先出队列中，其中客户端回馈的数据已经预先定义了数据格式，本实施例中，优选的，所述数据格式为JSON数据格式，所述数据包含登录数据、登录IP、注册时间、数据产生时间、数据内容等游戏行为信息；2)从Redis先进先出队列中提取数据；3)对提取的数据进行合法性验证，若验证合法，则进本文档来自技高网...

【技术保护点】
一种游戏数据的智能化分析方法，其特征在于，步骤如下：1)实时接收客户端回馈的数据，并将数据缓存在Redis先进先出队列中，其中客户端回馈的数据已经预先定义了数据格式；2)从Redis先进先出队列中提取数据；3)对提取的数据进行合法性验证，若验证合法，则进行步骤4)，否则，丢弃该数据，返回步骤2)；4)根据预设的统计目标，对数据进行去重；5)将数据中每个用户个体统计为一个向量，对所有用户个体的信息进行差异统计处理：Fd=Σx=1HΣy=1W|f1(x,y)-f2(x,y)|/HW]]>其中H为游戏行为数量，W为用户样本数量，f(x，y)为用户每日行为向量，以此，计算出用户两日行为的平均差异数值，同理对个体用户进行单独统计，计算出用户在游戏过程中的游戏行为波动情况，以建立起用户行为波动曲线；6)提取用户行为特征及差异检测，使用互信息熵进行计算：H(x)=-Σx∈A(X)PX(x)logPX(x)]]>其中，此时熵的单位为行为数；7)计算两个事件的联合熵：H(x,y)=-Σx∈A(X),y∈A(y)Pxy(x,y)logPxy(x,y);]]>8)计算互信息MI：MI(x，y)＝H(x)+H(y)‑H(x，y)；9)将行为差值与MI做商，取得新的差值为：Di=Σj=0N(Hi(j)-Hi-(j-1))/MI]]>其中，N为划分的时间区间的个数，Hi(j)为第i个行为发生第j日里的概率；10)计算出第i个行为的熵HIi为：HIi=Σj=1N-Hi(j)logHi(j)]]>同理，计算出第i‑1个行为的熵，并求这两个联合分布率，求出MIi的值，以得到差值Di；11)对差值Di进行解析，并将解析结果计入统计结果数据库中。...

【技术特征摘要】
1.一种游戏数据的智能化分析方法，其特征在于，步骤如下：1)实时接收客户端回馈的数据，并将数据缓存在Redis先进先出队列中，其中客户端回馈的数据已经预先定义了数据格式；2)从Redis先进先出队列中提取数据；3)对提取的数据进行合法性验证，若验证合法，则进行步骤4)，否则，丢弃该数据，返回步骤2)；4)根据预设的统计目标，对数据进行去重；5)将数据中每个用户个体统计为一个向量，对所有用户个体的信息进行差异统计处理： F d = Σ x = 1 H Σ y = 1 W | f 1 ( x , y ) - f 2 ( x , y ) | / H W ]]>其中H为游戏行为数量，W为用户样本数量，f(x，y)为用户每日行为向量，以此，计算出用户两日行为的平均差异数值，同理对个体用户进行单独统计，计算出用户在游戏过程中的游戏行为波动情况，以建立起用户行为波动曲线；6)提取用户行为特征及差异检测，使用互信息熵进行计算： H ( x ) = - Σ x ∈ A ( X ) P X ( x ) logP X ( x ) ]]>其中，此时熵的单位为行为数；7)计算两个事件的联合熵： H ( x , y ) = - Σ x ∈ A ( X ) , y ∈ A ...

【专利技术属性】
技术研发人员：刘颖，
申请(专利权)人：杭州碧游信息技术有限公司，
类型：发明
国别省市：浙江;33