结合数字化和云游戏的数据分析方法及云游戏平台系统技术方案

本申请的结合数字化和云游戏的数据分析方法及云游戏平台系统，根据本申请，由于原始注意力表达关系网络中包括视觉型互动资源描述和注意力表达分布中的数据，而视觉型互动资源描述可以表示出存在兴趣分析需求的游戏互动资源中不同热点服务事件之间的辐射型关联情况，从而可以对原始注意力表达关系网络进行所对应传递指示的优化处理，得到各个热点服务事件的注意力表达结果，尽可能精准地对不同热点服务事件的注意力表达进行差异化分析，以提高注意力表达划分的准确性和可靠性，这样可以将各个热点服务事件的注意力表达结果作为兴趣分析需求的依据，以保障游戏用户兴趣需求挖掘分析的精度和针对性。掘分析的精度和针对性。掘分析的精度和针对性。

Data analysis method combining digital and cloud games and cloud game platform system

【技术实现步骤摘要】
结合数字化和云游戏的数据分析方法及云游戏平台系统


[0001]本申请涉及数字化和云游戏
，更具体地，涉及一种结合数字化和云游戏的数据分析方法及云游戏平台系统。

技术介绍

[0002]电子游戏（Video Games），是指借助于电子设备平台而运行的交互游戏。一般而言，根据运行媒介的不同，电子游戏可以分为以下几类：主机游戏、掌机游戏、街机游戏、电脑游戏及手机游戏。
[0003]随着科技的发展，数字化和云计算技术的应用越来越广泛，这也使得游戏模式逐渐向云端转型以形成云游戏这一新的游戏模式。由于云游戏的终端的性能要求低，近年来发展迅猛。在实际应用过程中，游戏的升级优化必不可少，为了提高升级优化效率，通常需要进行游戏用户分析。然而专利技术人经研究发现，相关的游戏用户分析技术难以针对不同游戏事件进行差异化分析，进而难以保障游戏用户分析依据的精度和针对性。

技术实现思路

[0004]本申请的一个目的是提供一种用于进行游戏用户分析的新技术方案。
[0005]第一方面，本申请提供了一种结合数字化和云游戏的数据分析方法，应用于云游戏平台系统，所述方法至少包括：获得存在兴趣分析需求的游戏互动资源；利用所述存在兴趣分析需求的游戏互动资源，确定视觉型互动资源描述和若干注意力表达分布；所述视觉型互动资源描述用于表示所述存在兴趣分析需求的游戏互动资源中各个热点服务事件之间的辐射型关联情况；每个所述注意力表达分布中涵盖所述存在兴趣分析需求的游戏互动资源的一种类型的注意力表达，不同类型的注意力表达对应所述热点服务事件的不同游戏互动状态；利用所述视觉型互动资源描述和若干所述注意力表达分布，确定原始注意力表达关系网络；所述原始注意力表达关系网络中涵盖所述存在兴趣分析需求的游戏互动资源中不同类型的注意力表达的数据以及传递指示的数据，每个传递指示为两个不同类型的注意力表达之间的可视化关系；对所述原始注意力表达关系网络进行多于一次所述传递指示的优化处理，直至将完成优化处理的注意力表达关系网络中的若干注意力表达划分为若干共性描述集，得到分别对应于各个热点服务事件的注意力表达结果。
[0006]如此设计，可以基于确定的视觉型互动资源描述和若干注意力表达分布，确定存在兴趣分析需求的游戏互动资源对应的原始注意力表达关系网络，由于原始注意力表达关系网络中包括视觉型互动资源描述和注意力表达分布中的数据，而视觉型互动资源描述可以表示出存在兴趣分析需求的游戏互动资源中不同热点服务事件之间的辐射型关联情况，从而可以对原始注意力表达关系网络进行所对应传递指示的优化处理，得到各个热点服务事件的注意力表达结果，尽可能精准地对不同热点服务事件的注意力表达进行差异化分析，以提高注意力表达划分的准确性和可靠性，这样可以将各个热点服务事件的注意力表达结果作为兴趣分析需求的依据，以保障游戏用户兴趣需求挖掘分析的精度和针对性。
[0007]对于一些可独立实施的设计思路而言，所述注意力表达的数据包括空间关联数据、类型数据、以及关键互动主题数据；通过如下内容确定所述原始注意力表达关系网络中各个注意力表达的数据：利用所述注意力表达分布，确定各个注意力表达的空间关联数据；结合每个所述注意力表达的空间关联数据，从所述视觉型互动资源描述中挖掘所述注意力表达的关键互动主题数据，并利用所述注意力表达所属注意力表达分布的类型关键词，确定所述注意力表达对应的类型数据。
[0008]对于一些可独立实施的设计思路而言，所述方法还包括：对于所述原始注意力表达关系网络中的每个所述注意力表达，利用所述注意力表达的数据和所述注意力表达关系网络中与所述注意力表达之间存在传递指示的其他注意力表达的数据，确定所述注意力表达的拼接描述；所述对所述原始注意力表达关系网络进行多于一次所述传递指示的优化处理，包括：利用所述原始注意力表达关系网络中涵盖的每个所述注意力表达的拼接描述，对所述原始注意力表达关系网络进行多于一次所述传递指示的优化处理。
[0009]如此设计，通过针对每个注意力表达，基于该注意力表达的数据和与该注意力表达之间存在传递指示的其他注意力表达的数据，确定该注意力表达对应的拼接描述，这样，该注意力表达的拼接描述不仅可以表示该注意力表达的显著性描述信息，还可以表示该注意力表达与其他注意力表达之间的相关性情况，使得基于各个注意力表达分别对应的拼接描述，可以尽可能准确地对原始注意力表达关系网络进行多次传递指示的优化处理，进而准确可靠地确定每个热点服务事件对应的注意力表达结果。
[0010]对于一些可独立实施的设计思路而言，所述对所述原始注意力表达关系网络进行多于一次所述传递指示的优化处理，直至将完成优化处理的注意力表达关系网络中的若干注意力表达划分为若干共性描述集，包括：针对当前注意力表达关系网络启用第一目标操作：利用所述当前注意力表达关系网络中的每组传递指示对应的两个注意力表达的拼接描述，对所述当前注意力表达关系网络包括的若干注意力表达中存在上下游联系的注意力表达进行同一热点服务事件的注意力表达划分，得到不少于一个区域性特征单元；其中，所述区域性特征单元中包括划分后的若干存在上下游联系的注意力表达；并结合每个所述区域性特征单元中包括的注意力表达的拼接描述，确定所述区域性特征单元的拼接描述；利用得到的不少于一个所述区域性特征单元和所述当前注意力表达关系网络，对所述当前注意力表达关系网络进行当前轮所述传递指示的优化处理，并得到当前轮优化处理后的注意力表达关系网络；在完成当前轮的所述第一目标操作之后，将当前轮优化处理后的注意力表达关系网络作为当前注意力表达关系网络，将当前轮确定的所述区域性特征单元以及所述区域性特征单元的拼接描述作为所述当前注意力表达关系网络中的注意力表达以及注意力表达的拼接描述，并再次启用所述第一目标操作，直至将完成优化处理的注意力表达关系网络中的若干注意力表达划分为若干共性描述集。
[0011]如此设计，在每一轮第一目标操作中，对存在上下游联系的注意力表达进行一次划分，得到不少于一个区域性特征单元，每个区域性特征单元中包括的若干注意力表达为同一热点服务事件的注意力表达，通过对原始注意力表达关系网络进行多次第一目标操作，直到完成操作的注意力表达关系网络中的若干注意力表达被划分为若干共性描述集，得到了每个热点服务事件的注意力表达结果，以保障每个热点服务事件对应的注意力表达结果的完整性和准确性。
[0012]对于一些可独立实施的设计思路而言，所述利用所述当前注意力表达关系网络中的每组传递指示对应的两个注意力表达的拼接描述，对所述当前注意力表达关系网络包括的若干注意力表达中存在上下游联系的注意力表达进行同一热点服务事件的注意力表达划分，得到不少于一个区域性特征单元，包括：利用所述传递指示对应的两个注意力表达的拼接描述，确定所述传递指示的分类指数，所述分类指数表示所述传递指示对应的两个注意力表达属于同一热点服务事件的可能性；利用所述当前注意力表达关系网络中包括的每组传递指示的分类指数，对所述当前注意力表达关系网络包括的若干注意力表达中存在上下游联系的注意力表达进行同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合数字化和云游戏的数据分析方法，其特征在于，应用于云游戏平台系统，所述方法至少包括：获得存在兴趣分析需求的游戏互动资源；利用所述存在兴趣分析需求的游戏互动资源，确定视觉型互动资源描述和若干注意力表达分布；所述视觉型互动资源描述用于表示所述存在兴趣分析需求的游戏互动资源中各个热点服务事件之间的辐射型关联情况；每个所述注意力表达分布中涵盖所述存在兴趣分析需求的游戏互动资源的一种类型的注意力表达，不同类型的注意力表达对应所述热点服务事件的不同游戏互动状态；利用所述视觉型互动资源描述和若干所述注意力表达分布，确定原始注意力表达关系网络；所述原始注意力表达关系网络中涵盖所述存在兴趣分析需求的游戏互动资源中不同类型的注意力表达的数据以及传递指示的数据，每个传递指示为两个不同类型的注意力表达之间的可视化关系；对所述原始注意力表达关系网络进行多于一次所述传递指示的优化处理，直至将完成优化处理的注意力表达关系网络中的若干注意力表达划分为若干共性描述集，得到分别对应于各个热点服务事件的注意力表达结果。2.如权利要求1所述的方法，其特征在于，在得到所述存在兴趣分析需求的游戏互动资源中的每个热点服务事件的注意力表达结果之后，还包括：结合每个热点服务事件对应的所述注意力表达结果，确定该热点服务事件的意图标签。3.如权利要求1所述的方法，其特征在于，在得到所述存在兴趣分析需求的游戏互动资源中的每个热点服务事件的注意力表达结果之后，还包括：结合每个热点服务事件对应的所述注意力表达结果，确定该热点服务事件的不少于一个目标游戏互动状态的空间关联数据，并根据所述不少于一个目标游戏互动状态的空间关联数据，确定对于所述不少于一个目标游戏互动状态的可视化关注内容。4.如权利要求1所述的方法，其特征在于，所述每个热点服务事件的注意力表达结果通过事先完成训练的目标机器学习模型确定；其中，所述目标机器学习模型是由包括特征单元分类层的初始化机器学习模型训练所得的，所述特征单元分类层用于检测每个区域性特征单元中包括的若干注意力表达是否属于同一热点服务事件；其中，采用以下方式对所述初始化机器学习模型进行训练，得到事先完成训练的目标机器学习模型：获得参考游戏互动资源；利用所述参考游戏互动资源，对包括所述特征单元分类层的初始化机器学习模型进行训练，得到事先完成训练的目标机器学习模型；其中，利用所述参考游戏互动资源，对包括所述特征单元分类层的初始化机器学习模型进行训练，得到事先完成训练的目标机器学习模型，包括：利用所述参考游戏互动资源，对所述初始化机器学习模型进行训练，得到测试情况，所述测试情况包括所述特征单元分类层的分类情况、每个注意力表达的测试类型、以及每个注意力表达的测试空间关联数据；利用所述特征单元分类层的分类情况，确定第一模型质量评价；以及利用所述每个注意力表达的测试类型、所述每个注意力表达的测试空间关联数据，和所述参考游戏互动资源中配置的判定结果，确定第二模型质量评价；
其中，所述判定结果包括每个注意力表达属于对应热点服务事件的判定类型，以及每个注意力表达的判定空间关联数据；利用所述第一模型质量评价和所述第二模型质量评价，对所述初始化机器学习模型进行训练，得到事先完成训练的目标机器学习模型。5.如权利要求1所述的方法，其特征在于，所述注意力表达的数据包括空间关联数据、类型数据、以及关键互动主题数据；通过如下内容确定所述原始注意力表达关系网络中各个注意力表达的数据：利用所述注意力表达分布，确定各个注意力表达的空间关联数据；结合每个所述注意力表达的空间关联数据，从所述视觉型互动资源描述中挖掘所述注意力表达的关键互动主题数据，并利用所述注意力表达所属注意力表达分布的类型关键词，确定所述注意力表达对应的类型数据。6.如权利要求1所述的方法，其特征在于，所述方法还包括：对于所述原始注意力表达关系网络中的每个所述注意力表达，利用所述注意力表达的数据和所述注意力表达关系网络中与所述注意力表达之间存在传递指示的其他注意力表达的数据，确定所述注意力表达的拼接描述；所述对所述原始注意力表达关系网络进行多于一次所述传递指示的优化处理，包括：利用所述原始注意力表达关系网络中涵盖的每个所述注意力表达的拼接描述，对所述原始注意力表达关系网络进行多于一次所述传递指示的优化处理。7.如权利要求1所述的方法，其特征在于，所述对所述原始注意力表达关系网...

【专利技术属性】
技术研发人员：龚一帆，
申请(专利权)人：龚一帆，
类型：发明
国别省市：