System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 玩家数据处理方法、装置、设备和存储介质制造方法及图纸_技高网

玩家数据处理方法、装置、设备和存储介质制造方法及图纸

技术编号:40672188 阅读:4 留言:0更新日期:2024-03-18 19:08
本发明专利技术实施例提供一种玩家数据处理方法、装置、设备和存储介质,该方法包括:获取玩家数据,其中,玩家数据包括第一玩家用户在目标游戏中于不同时刻的操作产生的行为数据;将玩家数据输入预先训练的机器学习模型中,得到第一玩家用户在不同时刻的操作对目标游戏的胜负情况的影响值;基于第一玩家用户在不同时刻的操作对目标游戏的胜负情况的影响值,绘制图表,图表用于指示第一玩家用户在不同时刻的操作对目标游戏的胜负情况的贡献情况。通过预先训练的机器学习模型,可以深度挖掘与玩家数据对应的第一玩家用户触发的某个事件对当前游戏回合的胜负情况的影响值,可以提高获取数据的灵活性。

【技术实现步骤摘要】

本专利技术涉及数据分析,尤其涉及一种玩家数据处理方法、装置、设备和存储介质


技术介绍

1、随着科技的发展,饱含科技水平的不同款式的游戏已投入到人们的生活,围绕着游戏衍生出的不同形式的文娱生活也走进人们的生活。例如,游戏平台官网会统计各类玩家数据,并在游戏平台官网中展示统计到的玩家数据,其中,玩家数据例如是全网或者全服中游戏排位在前预设位数的玩家用户的id(identity document)。再例如,直播平台中游戏类主播会向观众展示个人的游戏过程,并对游戏过程进行解说。还例如,在各大游戏解说平台中雇佣专业的游戏解说员对正在进行的游戏进行专业的解说,其中,在这些解说的过程中不可避免地要用到从游戏中统计到的玩家数据。

2、通过以上介绍可以理解相关技术中的玩家数据一般都是基于统计获得的,数据较为直观,但没有对玩家数据进行深入的挖掘,导致玩家数据背后较为深入层面的一些信息难以被获得,玩家数据的获得方式较为单一且具有局限性。


技术实现思路

1、本专利技术实施例提供一种玩家数据处理方法、装置、设备和存储介质,用以提高玩家数据获取方式的灵活性,挖掘分析玩家数据背后较为深入层面的信息。

2、第一方面,本专利技术实施例提供一种玩家数据处理方法,该方法包括:

3、获取玩家数据,其中,所述玩家数据包括第一玩家用户在目标游戏中于不同时刻的操作产生的行为数据;

4、将所述玩家数据输入预先训练的机器学习模型中,得到所述第一玩家用户在不同时刻的操作对所述目标游戏的胜负情况的影响值;

5、基于所述第一玩家用户在不同时刻的操作对所述目标游戏的胜负情况的影响值,绘制图表,所述图表用于指示所述第一玩家用户在不同时刻的操作对所述目标游戏的胜负情况的贡献情况。

6、第二方面,本专利技术实施例提供一种玩家数据处理装置,包括:

7、获取模块,用于获取玩家数据,其中,所述玩家数据包括第一玩家用户在目标游戏中于不同时刻的操作产生的行为数据;

8、预测模块,用于将所述玩家数据输入预先训练的机器学习模型中,得到所述第一玩家用户在不同时刻的操作对所述目标游戏的胜负情况的影响值;

9、绘制模块,用于基于所述第一玩家用户在不同时刻的操作对所述目标游戏的胜负情况的影响值,绘制图表,所述图表用于指示所述第一玩家用户在不同时刻的操作对所述目标游戏的胜负情况的贡献情况。

10、第三方面,本专利技术实施例提供一种电子设备,其中包括处理器和存储器,其中,所述存储器上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器至少可以实现第一方面中的玩家数据处理方法。

11、第四方面,本专利技术实施例提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器至少可以实现第一方面中的玩家数据处理方法。

12、在本专利技术中,提供了一种预先训练的机器学习模型:基于玩家数据预测第一玩家用户触发的某个事件对当前游戏回合的胜负情况的影响值。通过预先训练的机器学习模型,可以深度挖掘与玩家数据对应的第一玩家用户触发的某个事件对当前游戏回合的胜负情况的影响值。采用本专利技术,可以提高获取数据的灵活性,丰富数据维度。

本文档来自技高网...

【技术保护点】

1.一种玩家数据处理方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述玩家数据还包括应用的地图类型、所述第一玩家用户控制的角色的位置坐标、应用的道具、所述第一玩家用户所属的用户团队对应的用于换取道具的总虚拟值、所述第一玩家用户对应的用于换取道具的虚拟值、攻击值、所述用户团队与对抗团队各自对应的剩余游戏用户数量、当前游戏回合的剩余游戏时间中的任一项或多项。

3.根据权利要求1所述的方法,其特征在于,在将所述玩家数据输入预先训练的机器学习模型中之前,所述方法还包括:

4.根据权利要求3所述的方法,其特征在于,所述通过所述样本玩家数据,对初始的机器学习模型进行训练,包括:

5.根据权利要求3所述的方法,其特征在于,所述获取样本玩家数据,包括:

6.根据权利要求5所述的方法,其特征在于,所述预处理包括将多个维度的初始玩家数据转化为单一维度的玩家数据的处理、哑变量处理、均值插补处理、初始玩家数据的维度的归一化处理中的任一项或多项。

7.根据权利要求5所述的方法,其特征在于,所述对所述预处理后的玩家数据进行向量化处理,得到样本玩家数据,包括:

8.一种玩家数据处理装置,其特征在于,包括:

9.一种电子设备,其特征在于,包括:存储器、处理器;其中,所述存储器上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-7中任一项所述的玩家数据处理方法。

10.一种非暂时性机器可读存储介质,其特征在于,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1-7中任一项所述的玩家数据处理方法。

...

【技术特征摘要】

1.一种玩家数据处理方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述玩家数据还包括应用的地图类型、所述第一玩家用户控制的角色的位置坐标、应用的道具、所述第一玩家用户所属的用户团队对应的用于换取道具的总虚拟值、所述第一玩家用户对应的用于换取道具的虚拟值、攻击值、所述用户团队与对抗团队各自对应的剩余游戏用户数量、当前游戏回合的剩余游戏时间中的任一项或多项。

3.根据权利要求1所述的方法,其特征在于,在将所述玩家数据输入预先训练的机器学习模型中之前,所述方法还包括:

4.根据权利要求3所述的方法,其特征在于,所述通过所述样本玩家数据,对初始的机器学习模型进行训练,包括:

5.根据权利要求3所述的方法,其特征在于,所述获取样本玩家数据,包括:

6.根据权利要求5所述的方法,...

【专利技术属性】
技术研发人员:王雯欣戴夏海天沈晖朱飞
申请(专利权)人:完美世界征奇上海多媒体科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1