一种游戏用户感知方法、系统及可存储介质技术方案

本发明专利技术公开了一种游戏用户感知方法、系统及可存储介质，涉及互联网应用技术领域，其中方法包括以下步骤：获取游戏感知数据；构建感知模型，并对所述感知模型进行改进处理；提取所述游戏感知数据的特征向量，对所述特征向量进行预处理，将经过预处理的所述特征向量输入至经过改进的所述感知模型进行感知；本发明专利技术可以提高游戏感知预测效率和精度，同时又减少了服务提供商的时间及人力等资源的消耗。服务提供商的时间及人力等资源的消耗。服务提供商的时间及人力等资源的消耗。

【技术实现步骤摘要】
一种游戏用户感知方法、系统及可存储介质


[0001]本专利技术涉及互联网应用
，更具体的说是涉及一种游戏用户感知方法、系统及可存储介质。

技术介绍

[0002]目前，随着网络游戏的普及，用户对游戏的需求也不断在改变，那些无法满足用户的游戏产品必然会被舍弃。用户在使用网络游戏的过程也是一种寻找需求的过程，当需求得到满足后会产生感知价值，而用户感知价值又是游戏厂商竞争优势的最新来源。因此获取网络游戏的用户感知，可以帮助游戏制造商和运营商充分的了解和及时的满足用户的需求，获取竞争优势，求得生存和发展。
[0003]但是，现有的游戏用户感知方法的主要思想是首先了解相互关联的游戏感知的多个维度，然后在服务质量指标和体验质量之间建立一个客观和易度量的相关性映射，充分考虑其他维度对相关性的影响，最后利用客观特征对游戏感知进行评估或预测，从而达到游戏感知的目的。但是，上述感知方法忽视了除服务质量特征之外的其他特征对游戏感知结果的重要性。
[0004]因此，如何提供一种能够解决上述问题的游戏用户感知方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种游戏用户感知方法、系统及可存储介质，通过本专利技术的方法处理后提高游戏感知预测效率和精度，同时又减少了服务提供商的时间及人力等资源的消耗。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种游戏用户感知方法，包括以下步骤：
[0008]获取游戏感知数据；
>[0009]构建感知模型，并对所述感知模型进行改进处理；
[0010]提取所述游戏感知数据的特征向量，对所述特征向量进行预处理，将经过预处理的所述特征向量输入至经过改进的所述感知模型进行感知。
[0011]优选的，所述感知模型包括因子分解机网络以及图神经网络。
[0012]优选的，所述因子分解机网络包括依次连接的输入层、中间层以及输出层。
[0013]优选的，对所述感知模型进行改进处理的具体过程包括：
[0014]确定度量函数，利用所述度量函数对所述感知模型进行特征选取；
[0015]将经过特征选取的所述感知模型进行交互聚合处理。
[0016]优选的，所述度量函数的具体表达式为：
[0017][0018]式中，及均为MLP参数，δ(
·
)及σ(
·
)分别是和激活函数，e
i
和e
j
即为不同维的特征嵌入表示。
[0019]优选的，将经过特征选取的所述感知模型进行交互聚合处理的过程包括：
[0020]引入了注意力机制计算特征交互间的相似性。
[0021]优选的，获取游戏感知数据的具体处理过程包括：通过Borderline
‑
SMOTE过采样方法采集游戏感知数据。
[0022]本专利技术还提供一种利用上述任一项所述的游戏用户感知方法的感知系统，包括：
[0023]获取模块，用于获取游戏感知数据；
[0024]构建模块，用于构建感知模型，并对所述感知模型进行改进处理；
[0025]感知模块，用于提取所述游戏感知数据的特征向量，对所述特征向量进行预处理，将经过预处理的所述特征向量输入至经过改进的所述感知模型进行感知。
[0026]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的游戏用户感知方法。
[0027]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种游戏用户感知方法、系统及可存储介质，具有如下有益效果：
[0028](1)本专利技术基于Borderline
‑
SMOTE过采样平衡数据类别，仅使用边界上属性为Danger的少数类样本来获取新样本，考虑了噪声的影响，增强模型的稳定性。
[0029](2)本专利技术考虑了多维非线性的游戏感知影响因素，由数据分布的稀疏性选择因子分解机作为基础模型。但是因子分解机不能捕获高维交互特征且交互特征的权重一致。因此，本专利技术结合因子分解机和图神经网络两者的评价模型。通过将特征视为节点，将特征间的两两交互视为边，弥合了GNN和FM之间的鸿沟，使得利用GNN的优势来解决FM问题成为可能。
[0030](3)本专利技术引入了注意力机制计算特征交互间的相似性，保证模型的鲁棒性；增强有效特征的正面效应，同时减少由于有偏特征带来的负面影响，从而提升模型的精度。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0032]图1为本专利技术提供的一种游戏用户感知方法的整体流程图；
[0033]图2为本专利技术实施例提供的感知模型的结构示意图；
[0034]图3为本专利技术实施例提供的游戏用户感知方法的网络流程图；
[0035]图4为本专利技术提供的一种游戏用户感知系统的结构示意图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本专利技术保护的范围。
[0037]参见附图1所示，本专利技术实施例公开了一种游戏用户感知方法，包括以下步骤：
[0038]获取游戏感知数据；
[0039]构建感知模型，并对感知模型进行改进处理；
[0040]提取游戏感知数据的特征向量，对特征向量进行预处理，将经过预处理的特征向量输入至经过改进的感知模型进行感知。
[0041]在一个具体的实施例中，考虑数据的不平衡性以及噪声样本的影响，本实施例仅使用边界上属性为Danger的少数类样本来获取新样本，得到平衡分布的训练样本集
[0042]本实施例采用Borderline
‑
SMOTE过采样方法采集游戏感知数据，具体过程包括：
[0043]通过考虑服务、用户和上下文三方面的影响因素，采集了789场游戏感知数据记录，每条记录包括21维数据特征，如表1所示。
[0044]表1游戏感知数据类型以及统计特征
[0045][0046]当忽略游戏用户感知差的情况时，这就不可避免的要遇到数据不平衡的问题。因此本实施例首先将采集到的游戏用户感知数据按照5：1：1的比例划分为优、良、差三个感知等级。
[0047]至于采用的Borderline
‑
SMOTE方法，该方法是针对SMOTE扩展的算法，它考虑了噪声样本的影响，该算法仅使用边界上属性为D本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种游戏用户感知方法，其特征在于，包括以下步骤：获取游戏感知数据；构建感知模型，并对所述感知模型进行改进处理；提取所述游戏感知数据的特征向量，对所述特征向量进行预处理，将经过预处理的所述特征向量输入至经过改进的所述感知模型进行感知。2.根据权利要求1所述的一种游戏用户感知方法，其特征在于，所述感知模型包括因子分解机网络以及图神经网络。3.根据权利要求2所述的一种游戏用户感知方法，其特征在于，所述因子分解机网络包括依次连接的输入层、中间层以及输出层。4.根据权利要求2所述的一种游戏用户感知方法，其特征在于，对所述感知模型进行改进处理的具体过程包括：确定度量函数，利用所述度量函数对所述感知模型进行特征选取；将经过特征选取的所述感知模型进行交互聚合处理。5.根据权利要求4所述的一种游戏用户感知方法，其特征在于，所述度量函数的具体表达式为：式中，及均为MLP参数，δ(
·
)及σ(
·
)分别是和激活函数，e
i
和e

【专利技术属性】
技术研发人员：谢晓霞，贾元，
申请(专利权)人：中国人民大学，
类型：发明
国别省市：