基于知识图谱的游戏数据中台构建方法技术

本发明专利技术公开了基于知识图谱的游戏数据中台构建方法：包含以下步骤：采集开发、应用客户端和服务端SDK数据、日志数据以及兼容第三方数据源；从用户数据中抽取和构建知识图谱，并将知识图谱应用于游戏数据分析；采用深度学习法对时序用户行为序列进行建模，然后在客户端直接生成训练好的模型；对用户个人行为进行预测，并组建异构信息网络。本发明专利技术解决了现有技术中数据难以整合、滞后、难以形成有效闭环的问题，建立数据中台是非常好的的解决方案。其中，数据中台集合了数据采集、数据分析、数据服务、数据应用的功能集合。将用户表示模型和用户的时序深度表示模型结合，采用基于动态的异构信息网络的表示学习，得到整合动态多源异构信息的结果。信息的结果。信息的结果。

【技术实现步骤摘要】
基于知识图谱的游戏数据中台构建方法


[0001]本专利技术涉及游戏开发
，具体涉及基于知识图谱的游戏数据中台构建方法。

技术介绍

[0002]在游戏开发过程中存在一种普遍现象，即早期的数据分析状态呈现典型的数据孤岛模式，不同的游戏部门、不同平台的数据分析都有一套自己的数据流水线。因为几乎无法将这些跨游戏平台的数据、跨不同游戏的数据以及跨部门的数据整合在一起来分析，存在以下痛点：不同游戏开发团队对数据与系统的重复开发，使得开发出一款新游戏时间周期过长，对玩家快速变化的需求无法及时响应，游戏玩家体验差，最终导致用户逐渐流失。并且无法利用数据作出有价值的分析结果与全面的反馈，造成的问题除了不能及时的反映该游戏的经营状况，对市场营销策划也不能有效预判调整优化机制。
[0003]针对上述数据难以整合、滞后、难以形成有效闭环的问题，建立数据中台是非常好的的解决方案。数据中台集合了数据采集、数据分析、数据服务、数据应用的功能集合。

技术实现思路

[0004]为解决现有技术中的不足，本专利技术提供一种基于知识图谱的游戏数据中台构建方法，解决了现有技术中游戏开发数据难以整合、滞后、难以形成有效闭环的技术问题。
[0005]为了实现上述目标，本专利技术采用如下技术方案：基于知识图谱的游戏数据中台构建方法：包含以下步骤：采集开发、应用客户端和服务端SDK数据、日志数据以及兼容第三方数据源；从用户数据中抽取和构建知识图谱，并将知识图谱应用于游戏数据分析；采用深度学习法对时序用户行为序列进行建模，然后在客户端直接生成训练好的模型；对用户个人行为进行预测，并组建异构信息网络。
[0006]优选，前述的基于知识图谱的游戏数据中台构建方法，其特征在于：所述SDK数据包括硬件平台、操作系统以及云端信息或终端信息。
[0007]优选，前述的基于知识图谱的游戏数据中台构建方法，其特征在于：所述用户数据包括用户账户信息、交易数据、用户操作习惯、用户活跃程度数据、用户间交互数据。
[0008]优选，前述的基于知识图谱的游戏数据中台构建方法，其特征在于：将知识图谱应用于游戏数据分析具体包括：以目标游戏为起点，利用深度优先搜索算法获取知识图谱中与目标游戏实体具有预设配合关系的游戏实体；获取知识图谱中指向目标实体类型的所有游戏实体；获取候选游戏实体集合中的游戏实体与目标游戏实体的相关指数，并根据相关指数确定推荐目标游戏；
根据所有的推荐目标游戏确定目标推荐信息。
[0009]优选，前述的基于知识图谱的游戏数据中台构建方法，其特征在于：对时序用户行为序列进行建模包括在游戏数据中，将用户、文本、网页、关键词、充值、竞技、活动信息组建成一个异构信息网络，从而对网络上的节点进行分析。
[0010]优选，前述的基于知识图谱的游戏数据中台构建方法，其特征在于：对网络上的节点进行分析具体包括：使用metapath2vec类似的异构信息网络的表示模型方法，对不同的类型的节点进行统一空间的向量嵌入表示学习，从而使得不同的节点可以在同一个空间中进行比较。
[0011]优选，前述的基于知识图谱的游戏数据中台构建方法，其特征在于：所述用户个人行为包括用户操作习惯、用户活跃程度数据、用户间交互数据。
[0012]优选，前述的基于知识图谱的游戏数据中台构建方法，其特征在于：所述异构信息网络是指网络上的点和边具备的不同种类的属性信息。
[0013]本专利技术所达到的有益效果：本专利技术解决了现有技术中数据难以整合、滞后、难以形成有效闭环的问题，建立数据中台是非常好的的解决方案。其中，数据中台集合了数据采集、数据分析、数据服务、数据应用的功能集合。
[0014]本专利技术将用户表示模型和用户的时序深度表示模型结合，提出新的基于动态的异构信息网络的表示学习，从而进一步得到整合动态多源异构信息的结果。
附图说明
[0015]图1是本专利技术游戏数据中台整体构架图；
具体实施方式
[0016]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0017]如图1所示：本实施例公开了基于知识图谱的游戏数据中台构建方法，其特征在于：包含以下步骤：采集开发、应用客户端和服务端SDK数据、日志数据以及兼容第三方数据源，其中SDK数据是指用于为特定的软件包、软件框架、硬件平台、操作系统等建立应用软件的开发工具的集合，也包括硬件平台、操作系统以及云端信息或终端信息。
[0018]从用户数据中抽取和构建知识图谱，并将知识图谱应用于游戏数据分析，其中用户数据包括用户账户信息、交易数据、用户操作习惯、用户活跃程度数据、用户间交互数据。其中将知识图谱应用于游戏数据分析具体包括：以目标游戏为起点，利用深度优先搜索算法获取知识图谱中与目标游戏实体具有预设配合关系的游戏实体；获取知识图谱中指向目标实体类型的所有游戏实体；获取候选游戏实体集合中的游戏实体与目标游戏实体的相关指数，并根据相关指数确定推荐目标游戏；根据所有的推荐目标游戏确定目标推荐信息。可使用图神经网络模型将不同的节点关系嵌入到图神经网络的学习过程中，从而使得游戏中的推荐系统得到有效的提升，进而提升用户粘度和收入。
[0019]本专利技术采用深度学习法对时序用户行为序列进行建模，然后在客户端直接生成训练好的模型。其中对时序用户行为序列进行建模包括在游戏数据中，将用户、文本、网页、关键词、充值、竞技、活动信息组建成一个异构信息网络，从而对网络上的节点进行分析。
[0020]对用户个人行为进行预测，并组建异构信息网络。用户个人行为包括用户操作习惯、用户活跃程度数据、用户交易数据、用户间交互数据。异构信息网络是指网络上的点和边具备的不同种类的属性信息。
[0021]其中，对网络上的节点进行分析具体包括：使用metapath2vec类似的异构信息网络的表示模型方法，对不同的类型的节点进行统一空间的向量嵌入表示学习，从而使得不同的节点可以在同一个空间中进行比较。
[0022]本专利技术采用全端的数据采集，基于云服务、知识图谱的算法支撑，整合多维交叉数据分析，如：事件分析、留存分析、漏斗分析、分布分析、路径分析、SQL分析、属性分析、分群分析、标签分析等支撑精准决策的数据要素分析，深度学习的下钻分析处理等，以接近360
°
的全景视角解析问题全貌。设计可视化的数据管理工具支持对数据进行灵活筛选、实时计算，支持实时数据看板拖拽式快速搭建，支持SQL查询结果以报表在看板中的呈现等功能，降低数据分析门槛，以数据快速拉取、实时同步分析，可视化展示，满足研发、运营对数据的不同需求，为游戏下游任务提供决策支撑，实现数据驱动精细化运营的真正价值和目的。在知识抽取部分，实现深度学习模型能够使得知识图谱自动随着用户数积累而增长。在知识图谱抽取出以后，实现知识图谱的推理模型，进行数据分析、推荐的可视化，为下游任务服务和支撑。
[0023]相对于现有技术，本专利技术基于多源异构大数据挖掘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于知识图谱的游戏数据中台构建方法，其特征在于：包含以下步骤：采集开发、应用客户端和服务端SDK数据、日志数据以及兼容第三方数据源；从用户数据中抽取和构建知识图谱，并将知识图谱应用于游戏数据分析；采用深度学习法对时序用户行为序列进行建模，然后在客户端直接生成训练好的模型；对用户个人行为进行预测，并组建异构信息网络。2.根据权利要求1所述的基于知识图谱的游戏数据中台构建方法，其特征在于：所述SDK数据包括硬件平台、操作系统以及云端信息或终端信息。3.根据权利要求1所述的基于知识图谱的游戏数据中台构建方法，其特征在于：所述用户数据包括用户账户信息、交易数据、用户操作习惯、用户活跃程度数据、用户间交互数据。4.根据权利要求1所述的基于知识图谱的游戏数据中台构建方法，其特征在于：将知识图谱应用于游戏数据分析具体包括：以目标游戏为起点，利用深度优先搜索算法获取知识图谱中与目标游戏实体具有预设配合关系的游戏实体；获取知识图谱中指向目标实体类型的所有游戏实体；获取候选游戏实体...

【专利技术属性】
技术研发人员：秦谦，魏鑫，李菁澄，赵昊天，
申请(专利权)人：镇江多游网络科技有限公司，
类型：发明
国别省市：