沉迷游戏风险识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种基于算法模型的沉迷游戏风险识别方法、系统、计算机设备和存储介质。所述方法包括：定期运行风险预测任务；根据风险预测任务获取用户历史数据，用户历史数据中包括用户标识和指标数据；调用画像模型，基于指标数据进行预测运算，得到与用户标识对应的风险数据；风险数据中包括风险评分；当风险评分超过阈值时，为用户标识添加风险标签。采用本方法能够提前识别用户沉迷游戏的风险。

Game addiction risk identification methods, devices, computer equipment and storage media

【技术实现步骤摘要】
沉迷游戏风险识别方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种沉迷游戏风险识别方法、装置、计算机设备和存储介质。
技术介绍
大多数游戏玩家会因沉迷游戏而影响正常生活和工作，为了防止用户沉迷游戏，游戏平台一般都会设置防沉迷系统进行限制。在传统的方式中，都是通过玩家累计的游戏时间识别玩家是否沉迷于游戏。然而，传统游戏平台的防沉迷限制都是发生在事后，只有当游戏时间累计到达上限，在玩家已经沉迷游戏之后才能识别用户是否已经沉迷游戏，具有滞后性。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提前识别风险的沉迷游戏风险识别方法、装置、计算机设备和存储介质。一种沉迷游戏风险识别方法，所述方法包括：定期运行风险预测任务；根据所述风险预测任务获取用户历史数据，所述用户历史数据中包括用户标识和指标数据；调用画像模型，基于所述指标数据进行预测运算，得到与所述用户标识对应的风险数据；所述风险数据中包括风险评分；当所述风险评分超过阈值时，为所述用户标识添加风险标签。在其中一个实施例中，所述方法还包括：接收终端发送的预设操作请求，所述预设操作请求中携带了用户标识；查询所述用户标识是否被添加相应的风险标签；若是，则对所述预设操作请求对应的权限进行调整。在其中一个实施例中，所述调用画像模型，基于所述指标数据进行预测运算，得到与所述用户标识对应的风险数据包括：计算所述指标数据的证据权重，根据所述证据权重进行分箱处理；将所述分箱处理后的指标数据进行主成分分析，得到主成分系数矩阵；通过逻辑回归计算所述主成分系数矩阵确定主成分得分系数；根据所述主成分得分系数确定风险数据。在其中一个实施例中，所述将所述分箱处理后的指标数据进行主成分分析，得到主成分系数矩阵包括：将所述指标数据进行标准化处理得到标准化数据，根据所述标准化数据建立相关系数矩阵；计算所述相关系数矩阵的特征根和贡献率，根据所述特征根和所述贡献量确定主成分；计算所述主成分载荷得到主成分系数矩阵。在其中一个实施例中，所述用户标识包括身份信息和场景标识；所述查询所述用户标识是否被添加相应的风险标签包括：根据所述场景标识匹配多个风险标签；根据所述身份信息从所述多个风险标签中查询是否有与身份信息相应的风险标签。一种沉迷游戏识别装置，所述装置包括：运行模块，用于定期运行风险预测任务；数据获取模块，用于根据所述风险预测任务获取用户历史数据，所述用户历史数据中包括用户标识和指标数据；；风险预测模块，用于调用画像模型，基于所述指标数据进行预测运算，得到与所述用户标识对应的风险数据；所述风险数据中包括风险评分；标签添加模块，用于当所述风险评分超过阈值时，为所述用户标识添加风险标签。在其中一个实施例中，所述装置还包括权限调整模块，用于接收终端发送的预设操作请求，所述预设操作请求中携带了用户标识；查询所述用户标识是否被添加相应的风险标签；若是，则对所述预设操作请求对应的权限进行调整。在其中一个实施例中，所述风险预测模块还用于计算所述指标数据的证据权重，根据所述证据权重进行分箱处理；将所述分箱处理后的指标数据进行主成分分析，得到主成分系数矩阵；通过逻辑回归计算所述主成分系数矩阵确定主成分得分系数；根据所述主成分得分系数确定风险数据。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述的沉迷游戏风险识别方法。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的沉迷游戏风险识别。上述沉迷游戏风险识别方法、装置、计算机设备和存储介质，通过服务器定期运行风险预测任务，根据风险预测任务的需求从数据库中获用户历史数据，历史数据包括用户标识和指标数据。再通过调用画像模型，基于指标数据进行预测运算，得到与用户标识相应的风险数据，风险数据中包括风险评分。当风险评分超过阈值时，为用户标识添加风险标签。通过调用历史数据利用画像模型实现了提前预测识别用户是否有沉迷游戏的风险。附图说明图1为一个实施例中沉迷游戏风险识别方法的应用环境图；图2为一个实施例中沉迷游戏风险识别方法的流程示意图；图3为一个实施例中用户权限调整的步骤流程示意图；图4为一个实施例中调用画像模型的步骤流程示意图；图5为一个实施例中查询用户标识是否被添加相应的风险标签的步骤流程示意图；图6为一个实施例中用户权限调整的时序图；图7为一个实施例中沉迷游戏风险识别装置的结构框图；图8为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的沉迷游戏风险识别方法，可以应用于如图1所示的应用环境中。其中，终端102与服务器104通过网络进行通信。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。服务器104定期运行风险预测任务。服务器104根据风险预测任务的需求从数据库中获取用户历史数据，历史数据包括用户标识和指标数据。服务器104调用画像模型，基于指标数据进行预测运算，得到与用户标识对应的风险数据，风险数据中包括风险评分。当服务器104判断风险评分超过设定阈值时，则为用户标识添加风险标签。当服务器104接收到终端102发送的携带了用户标识的预设操作请求时，根据请求查询该用户标识是否有被添加风险标签。若是，服务器104则对预设操作请求对应的权限进行调整。在一个实施例中，如图2所示，提供了一种沉迷游戏风险识别方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：S202，定期运行风险预测任务。S204，根据风险预测任务获取用户历史数据，用户历史数据中包括用户标识和指标数据。风险预测任务可以在任务平台根据实际需求自行部署。服务器定期运行已经部署的风险预测任务，周期可以为一周一次或者一月一次，根据实际风险预测任务进行设定。服务器根据风险预测任务的需求从数据库中获取用户历史数据，用户历史数据包括用户标识和指标数据。其中，若用户数据来源于本地数据库时，服务器实时从数据库中获取所需要的用户数据。若用户数据来源于其他数据平台，服务器则以T+1模式异步从数据平台获取用户数据。其中，T+1模式是指当日获取次日到达，也就是当服务器今日向数据平台发起获取用户历史数据请求时，服务器要次日才能接收到数据平台发送过来的数据。用户标识包括用户的个人身份信息等，每一个用户都有唯一的用户标识，服务器根据用户标识可以获取用户的身份信息，指标数据为用户在游戏平台的历史游戏数据以及个人资产数据。在任务平台部署风险预测任务时，可以根据需求自行设定开始时间以及执行频率。开始时间是指任务开始运行的时间，到达开始时间后即可执行风险预测任务，执行频率可以按照天、月、月末进行设定。例如当风险预测任务设置的开始时间为2018年6月27日八点时，若执行频率为天，则风险预测任务将在2018年6月27日的八点首次运行，随后每天八点将运行一次。若执行频率为月，则随后每月的27日的八点将运行一次。本文档来自技高网...

【技术保护点】
1.一种沉迷游戏风险识别方法，所述方法包括：定期运行风险预测任务；根据所述风险预测任务获取用户历史数据，所述用户历史数据中包括用户标识和指标数据；调用画像模型，基于所述指标数据进行预测运算，得到与所述用户标识对应的风险数据；所述风险数据中包括风险评分；当所述风险评分超过阈值时，为所述用户标识添加风险标签。

【技术特征摘要】
1.一种沉迷游戏风险识别方法，所述方法包括：定期运行风险预测任务；根据所述风险预测任务获取用户历史数据，所述用户历史数据中包括用户标识和指标数据；调用画像模型，基于所述指标数据进行预测运算，得到与所述用户标识对应的风险数据；所述风险数据中包括风险评分；当所述风险评分超过阈值时，为所述用户标识添加风险标签。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：接收终端发送的预设操作请求，所述预设操作请求中携带了用户标识；查询所述用户标识是否被添加相应的风险标签；若是，则对所述预设操作请求对应的权限进行调整。3.根据权利要求1所述的方法，其特征在于，所述调用画像模型，基于所述指标数据进行预测运算，得到与所述用户标识对应的风险数据包括：计算所述指标数据的证据权重，根据所述证据权重进行分箱处理；将所述分箱处理后的指标数据进行主成分分析，得到主成分系数矩阵；通过逻辑回归计算所述主成分系数矩阵确定主成分得分系数；根据所述主成分得分系数确定风险数据。4.根据权利要求3所述的方法，其特征在于，所述将所述分箱处理后的指标数据进行主成分分析，得到主成分系数矩阵包括：将所述指标数据进行标准化处理得到标准化数据，根据所述标准化数据建立相关系数矩阵；计算所述相关系数矩阵的特征根和贡献率，根据所述特征根和所述贡献量确定主成分；计算所述主成分载荷得到主成分系数矩阵。5.根据权利要求2所述的方法，其特征在于，所述用户标识包括身份信息和场景标识；所述查询所述用户标识是否被添加相应的风险标签包...

【专利技术属性】
技术研发人员：马刚，胡丽萍，丁思成，李颗，顾婧，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44