A method is provided, which includes obtaining individual behavior data of target users and group behavior data of other users, and executing machine learning algorithm to determine performance benchmarks for tasks based on group behavior data. The method also includes: aggregating other users into multiple user clusters, classifying the target user into one cluster in the cluster, identifying one or more focus features of the target user, which are inferior to at least one benchmark of one or more features of multiple users in the user cluster to which the target user is classified; and based on the target user's benchmark. One or more features of knowledge identify the content as a target associated with one or more tasks or task chains, and deliver the content as a target via computing devices.
【技术实现步骤摘要】
【国外来华专利技术】使内容以群集中表现不好的用户为目标
技术介绍
包括计算机游戏的计算机应用由具有范围从新手到专家的各种技能水平的用户玩。大部分玩家可能从来没有到达专家的技术水平,但是可能还具有潜力以通过集中于应用中的具体任务或者子任务上来提高他们的表现,在这些特定的任务或子任务中玩家具有用于改进的空间。除了技术水平,玩家还基于具体特征和度量来区分他们自己。例如,玩家可以在他们游戏设置的风格中、反应时间、速度和精确度中区分。随意玩家可能具有不同于更认真的玩家的方式来完成游戏,并且游戏策略在攻击性玩家和防御性玩家之间以及在侵略性的和玩家和被动的玩家之间很广泛地变化。许多现存计算机应用包括应用中教程或线索系统以帮助用户改进他们的表现。然而,当前的教程要求用户认识到用户需要帮助,并且去打开教程以寻求帮助。而且,教程的或者线索系统的水平可能对用户太高级或者太简单,无论是去掉了游戏中的乐趣,还是未能降低用户与游戏的挫折。最后,教程和线索系统为被限定为开发者向他们赋予的想法,并且因此,开发者在开发游戏时并未预测到将发生的用户的理解或技能上的差距不大可能被这样的系统解决。
技术实现思路
为了处理上述挑战,提供了一种方法,该方法包括:从目标用户与至少一个计算设备上的应用程序的交互获得个体行为数据;以及从多个用户与其他计算设备上的该应用程序的其他实例的交互获得群体行为数据。该方法还包括:执行机器学习算法以基于该群体行为数据来确定针对一个或多个任务或任务链的一个或多个表现基准,以及基于用户之间的一个或多个特征的相似度来将该多个用户聚集到多个用户群集中。该方法还包括:基于该用户群集中的用户和该目标用户之间的 ...
【技术保护点】
1.一种由一个或多个计算设备执行的方法,所述方法包括:从目标用户与至少一个计算设备上的应用程序的交互获得个体行为数据;从多个用户与其他计算设备上的所述应用程序的其他实例的交互获得群体行为数据;基于所述群体行为数据来确定针对一个或多个任务或任务链的一个或多个表现基准;基于用户之间的一个或多个特征的相似度来将所述多个用户聚集到多个用户群集中;基于所述用户群集中的用户和所述目标用户之间的一个或多个特征的相似度来将所述目标用户分类到所述多个用户群集中的一个用户群集中;从所述个体行为数据和所述群体行为数据标识所述目标用户的一个或多个焦点特征,所述一个或多个焦点特征表现差于所述目标用户被分类到的所述用户群集中的所述多个用户的所述一个或多个特征的所述表现基准中的一个或多个表现基准;基于所述目标用户的标识的所述一个或多个特征来标识与所述一个或多个任务或任务链相关联的作为目标的内容;以及经由所述计算设备来递送所述作为目标的内容。
【技术特征摘要】
【国外来华专利技术】2016.06.28 US 15/195,9441.一种由一个或多个计算设备执行的方法,所述方法包括:从目标用户与至少一个计算设备上的应用程序的交互获得个体行为数据;从多个用户与其他计算设备上的所述应用程序的其他实例的交互获得群体行为数据;基于所述群体行为数据来确定针对一个或多个任务或任务链的一个或多个表现基准;基于用户之间的一个或多个特征的相似度来将所述多个用户聚集到多个用户群集中;基于所述用户群集中的用户和所述目标用户之间的一个或多个特征的相似度来将所述目标用户分类到所述多个用户群集中的一个用户群集中;从所述个体行为数据和所述群体行为数据标识所述目标用户的一个或多个焦点特征,所述一个或多个焦点特征表现差于所述目标用户被分类到的所述用户群集中的所述多个用户的所述一个或多个特征的所述表现基准中的一个或多个表现基准;基于所述目标用户的标识的所述一个或多个特征来标识与所述一个或多个任务或任务链相关联的作为目标的内容;以及经由所述计算设备来递送所述作为目标的内容。2.根据权利要求1所述的方法,其中确定所述一个或多个表现基准至少部分通过执行机器学习算法而被完成;其中执行所述机器学习算法包括:训练神经网络,所述神经网络在所述个体行为数据和所述群体行为数据上具有多个层,所述层中的至少一个层包括检测一个或多个特征的一个或多个特征检测器,所述特征检测器中的每个特征检测器具有权重的对应集合,每个特征与所述一个或多个任务或任务链和所述一个或多个表现基准相关联;以及基于权重的所述对应集合来评估所述个体行为数据和所述群体行为数据;并且其中由所述一个或多个特征检测器检测到的所述一个或多个特征由所述目标用户和/或所述神经网络预先确定。3.根据权利要求1所述的方法,其中确定所述一个或多个表现基准至少部分通过执行机器学习算法而被完成;其中所述机器学习算法利用从包括支持向量机、决策树学习和受监督机器学习的组选择的机器学习技术。4.根据权利要求2所述的方法,其中所述方法跟随作为目标的内容的所述递送而被迭代地重复,从而使得基于一个或多个焦点特征的表现针对所述一个或多个表现基准的改变,所述目标用户的所述个体行为数据被重新评估,所述目标用户被重新分类,一个或多个焦点特征被重新标识并且作为目标的内容被重新递送。5.根据权利要求4所述的方法,其中针对由所述一个或多个特征检测器检测到的所述特征的权重的所述对应集合利用所述方法的每个迭代重复而被调整。6.根据权利要求1所述的方法,其中与所述目标用户的标识的所述一个或多个焦点特征相关联的所述一个或多个任务被布置在链接的序列中并且与定制的触发相关联。7.根据权利要求6所述的方法,其中所述定制的触发与由所述目标用户可观察和可行动的作为...
【专利技术属性】
技术研发人员:A·弗雷斯蒂,
申请(专利权)人:微软技术许可有限责任公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。