基于人工智能的云游戏数据处理方法及系统技术方案

本申请实施例公开了基于人工智能的云游戏数据处理方法及系统；方法包括：依据兴趣挖掘请求获取符合兴趣挖掘要求的云游戏交互数据，将符合兴趣挖掘要求的云游戏交互数据加载到玩家兴趣挖掘算法，获得玩家兴趣信息，玩家兴趣信息反映从符合兴趣挖掘要求的云游戏交互数据中挖掘到的游戏服务需求或者游戏活动偏好；通过本申请，可以基于玩家兴趣挖掘算法实现准确高效的兴趣挖掘，从而得到精准可靠的游戏服务需求或者游戏活动偏好，这样能够为后续的云游戏服务功能优化升级提供决策依据和数据基础。数据基础。数据基础。

【技术实现步骤摘要】
基于人工智能的云游戏数据处理方法及系统


[0001]本申请涉及人工智能
，尤其涉及一种基于人工智能的云游戏数据处理方法及系统。

技术介绍

[0002]从游戏发展的角度来看，不管是端游、页游，还是现在发展迅猛的手游，其生命周期与盈利情况都与数据分析能力息息相关。同时，为了能够实现对游戏玩家的兴趣偏好进行精准定位，相应地，也可以通过对云游戏交互数据进行深度挖掘，然而，经专利技术人研究发现，相关云游戏交互数据挖掘技术难以保障玩家兴趣挖掘的精度和可靠性。

技术实现思路

[0003]本申请的一个目的是提供一种基于人工智能的云游戏数据处理方法及系统。
[0004]本申请的技术方案是通过如下至少部分实施例实现的。
[0005]一种基于人工智能的云游戏数据处理方法，，应用于云游戏数据系统，所述方法包括：依据兴趣挖掘请求获取符合兴趣挖掘要求的云游戏交互数据；将所述符合兴趣挖掘要求的云游戏交互数据加载到玩家兴趣挖掘算法，获得玩家兴趣信息；所述玩家兴趣信息反映从所述符合兴趣挖掘要求的云游戏交互数据中挖掘到的游戏服务需求或者游戏活动偏好。
[0006]在一些可独立实施的实施例中，所述玩家兴趣挖掘算法是从第一待定人工智能算法中确定出来的质量评分均值到达指定要求的目标朴素贝叶斯算法；所述第一待定人工智能算法包含若干个第一朴素贝叶斯算法，相异的第一朴素贝叶斯算法所输出的玩家活动知识关系网的特征识别度存在差异，和/或，相异的第一朴素贝叶斯算法对用于进行玩家兴趣挖掘的不同特征识别度的玩家活动知识关系网的部署思路存在差异；其中，相异的第一朴素贝叶斯算法对用于进行玩家兴趣挖掘的不同特征识别度的玩家活动知识关系网的部署思路存在差异，表征在相异的第一朴素贝叶斯算法中挖掘单元与不同特征识别度的玩家活动知识关系网之间的匹配描述存在差异。
[0007]在一些可独立实施的实施例中，在所述将所述符合兴趣挖掘要求的云游戏交互数据加载到玩家兴趣挖掘算法，获得玩家兴趣信息之前，所述方法包括：通过算法结构变量，构造所述第一待定人工智能算法；从所述第一待定人工智能算法中抽取获得目标朴素贝叶斯算法，所述目标朴素贝叶斯算法为质量评分均值达到指定要求的第一朴素贝叶斯算法，并将所述目标朴素贝叶斯算法确定为所述玩家兴趣挖掘算法。
[0008]在一些可独立实施的实施例中，所述第一待定人工智能算法包括：若干个第一朴素贝叶斯算法，各个第一朴素贝叶斯算法包括U个特征滤波窗口和与所述U个特征滤波窗口相连的V个挖掘单元，且所述U个特征滤波窗口中的一个特征滤波窗口与所述V个挖掘单元
中的不少于一个挖掘单元相连；所述算法结构变量包括：联动层的数目U、各个联动层包含若干个间隔周期相异的特征滤波窗口、挖掘单元的数目V、各个特征滤波窗口的参考算法变量，以及，各个挖掘单元对应的若干个特征滤波窗口的指定间隔周期；其中，一个特征滤波窗口的指定间隔周期为：加载至所述特征滤波窗口的云游戏交互数据的特征维度与所述特征滤波窗口所输出的玩家活动知识关系网的特征维度之间的比例；一个挖掘单元对应若干个特征滤波窗口的指定间隔周期，表征所述挖掘单元在相异的第一朴素贝叶斯算法中和与所述若干个指定间隔周期对应的不同特征滤波窗口相连；V和U为正整数；其中，所述从所述第一待定人工智能算法中抽取获得目标朴素贝叶斯算法，包括：从所述第一待定人工智能算法中抽取过渡朴素贝叶斯算法；所述过渡朴素贝叶斯算法为特征滤波窗口的指定间隔周期到达指定要求的第一朴素贝叶斯算法；所述指定要求为在先配置的算法选择指标；采用从关联游戏运行日志中获得的已认证云游戏交互数据，对各个过渡朴素贝叶斯算法进行第一调试，获得第二待定人工智能算法；从所述第二待定人工智能算法中抽取获得所述目标朴素贝叶斯算法。
[0009]在一些可独立实施的实施例中，所述第二待定人工智能算法包含若干个第二朴素贝叶斯算法，所述从所述第二待定人工智能算法中抽取获得所述目标朴素贝叶斯算法，包括：通过对所述若干个第二朴素贝叶斯算法进行抽取，以及进行调整和叠加中的至少一项，获得第三待定人工智能算法；所述第三待定人工智能算法包含若干个第三朴素贝叶斯算法；将从所述关联游戏运行日志中获得的示例型云游戏交互数据，加载至各个第三朴素贝叶斯算法，获得各个第三朴素贝叶斯算法的生成信息；通过各个第三朴素贝叶斯算法的生成信息，确定各个第三朴素贝叶斯算法的质量评分均值；择取质量评分均值最大的第三朴素贝叶斯算法作为所述目标朴素贝叶斯算法。
[0010]在一些可独立实施的实施例中，所述将从所述关联游戏运行日志中获得的示例型云游戏交互数据，加载至各个第三朴素贝叶斯算法，获得各个第三朴素贝叶斯算法的生成信息，包括：从所述第三待定人工智能算法中随机抽选一个第三朴素贝叶斯算法作为当前朴素贝叶斯算法；获取所述当前朴素贝叶斯算法的一算法变量集；将所述当前朴素贝叶斯算法的一算法变量集作为预调试算法变量，对所述当前朴素贝叶斯算法进行第二调试，获得所述当前朴素贝叶斯算法的一修正算法变量集；所述第二调试中的目标超参数小于所述第一调试中的目标超参数；将所述当前朴素贝叶斯算法的算法变量优化为所述一修正算法变量集；将从所述关联游戏运行日志中获得的示例型云游戏交互数据，输入算法变量优化后的所述当前朴素贝叶斯算法中，获得生成信息；从所述第三待定人工智能算法中抽选后一个第三朴素贝叶斯算法作为所述当前
朴素贝叶斯算法，跳转至“获取所述当前朴素贝叶斯算法的一算法变量集”的步骤，直到所述第三待定人工智能算法中的各个第三朴素贝叶斯算法都完成抽选，获得各个第三朴素贝叶斯算法的生成信息；其中，在所述采用从关联游戏运行日志中获得的已认证云游戏交互数据对各个过渡朴素贝叶斯算法进行第一调试，获得第二待定人工智能算法之后，所述方法还包括：获得各个第二朴素贝叶斯算法的算法变量；通过各个所述第二朴素贝叶斯算法的算法变量，获得所述U个联动层中各个联动层所涵盖的各个特征滤波窗口的隐含算法变量；所述获取所述当前朴素贝叶斯算法的一算法变量集，包括：通过所述当前朴素贝叶斯算法中的各个特征滤波窗口，从获得的隐含算法变量中，选择相应的隐含算法变量，获得U个隐含算法变量，并将选择的所述U个隐含算法变量作为所述当前朴素贝叶斯算法的一算法变量集。
[0011]在一些可独立实施的实施例中，所述通过对所述若干个第二朴素贝叶斯算法进行抽取，以及进行调整和叠加中的至少一项，获得第三待定人工智能算法，包括：从所述若干个第二朴素贝叶斯算法中随机挑选指定数目的第二朴素贝叶斯算法作为团簇化算法；对所述团簇化算法进行调整处理和叠加处理中的至少一项，获得扩展算法；所述扩展算法包含若干个扩展朴素贝叶斯算法；从所述若干个扩展朴素贝叶斯算法中，抽取出特征滤波窗口的指定间隔周期满足所述指定要求的扩展朴素贝叶斯算法作为达标朴素贝叶斯算法，或者，抽取出特征滤波窗口的指定间隔周期满足所述指定要求，且算力指标值满足设定判定值的扩展朴素贝叶斯算法作为达标朴素贝叶斯算法；将所述达标朴素贝叶斯算法和所述团簇化算法所形成的朴素贝叶斯算法池作为二轮备选人工智能算法，确定所述二轮备选人工智能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的云游戏数据处理方法，其特征在于，应用于云游戏数据系统，所述方法包括：依据兴趣挖掘请求获取符合兴趣挖掘要求的云游戏交互数据；将所述符合兴趣挖掘要求的云游戏交互数据加载到玩家兴趣挖掘算法，获得玩家兴趣信息；所述玩家兴趣信息反映从所述符合兴趣挖掘要求的云游戏交互数据中挖掘到的游戏服务需求或者游戏活动偏好。2.根据权利要求1所述的基于人工智能的云游戏数据处理方法，其特征在于，所述玩家兴趣挖掘算法是从第一待定人工智能算法中确定出来的质量评分均值到达指定要求的目标朴素贝叶斯算法；所述第一待定人工智能算法包含若干个第一朴素贝叶斯算法，相异的第一朴素贝叶斯算法所输出的玩家活动知识关系网的特征识别度存在差异，和/或，相异的第一朴素贝叶斯算法对用于进行玩家兴趣挖掘的不同特征识别度的玩家活动知识关系网的部署思路存在差异；其中，相异的第一朴素贝叶斯算法对用于进行玩家兴趣挖掘的不同特征识别度的玩家活动知识关系网的部署思路存在差异，表征在相异的第一朴素贝叶斯算法中挖掘单元与不同特征识别度的玩家活动知识关系网之间的匹配描述存在差异。3.根据权利要求2所述的基于人工智能的云游戏数据处理方法，其特征在于，在所述将所述符合兴趣挖掘要求的云游戏交互数据加载到玩家兴趣挖掘算法，获得玩家兴趣信息之前，所述方法包括：通过算法结构变量，构造所述第一待定人工智能算法；从所述第一待定人工智能算法中抽取获得目标朴素贝叶斯算法，所述目标朴素贝叶斯算法为质量评分均值达到指定要求的第一朴素贝叶斯算法，并将所述目标朴素贝叶斯算法确定为所述玩家兴趣挖掘算法。4.根据权利要求3所述的基于人工智能的云游戏数据处理方法，其特征在于，所述第一待定人工智能算法包括：若干个第一朴素贝叶斯算法，各个第一朴素贝叶斯算法包括U个特征滤波窗口和与所述U个特征滤波窗口相连的V个挖掘单元，且所述U个特征滤波窗口中的一个特征滤波窗口与所述V个挖掘单元中的不少于一个挖掘单元相连；所述算法结构变量包括：联动层的数目U、各个联动层包含若干个间隔周期相异的特征滤波窗口、挖掘单元的数目V、各个特征滤波窗口的参考算法变量，以及，各个挖掘单元对应的若干个特征滤波窗口的指定间隔周期；其中，一个特征滤波窗口的指定间隔周期为：加载至所述特征滤波窗口的云游戏交互数据的特征维度与所述特征滤波窗口所输出的玩家活动知识关系网的特征维度之间的比例；一个挖掘单元对应若干个特征滤波窗口的指定间隔周期，表征所述挖掘单元在相异的第一朴素贝叶斯算法中和与所述若干个指定间隔周期对应的不同特征滤波窗口相连；V和U为正整数；其中，所述从所述第一待定人工智能算法中抽取获得目标朴素贝叶斯算法，包括：从所述第一待定人工智能算法中抽取过渡朴素贝叶斯算法；所述过渡朴素贝叶斯算法为特征滤波窗口的指定间隔周期到达指定要求的第一朴素贝叶斯算法；所述指定要求为在先配置的算法选择指标；采用从关联游戏运行日志中获得的已认证云游戏交互数据，对各个过渡朴素贝叶斯算法进行第一调试，获得第二待定人工智能算法；从所述第二待定人工智能算法
中抽取获得所述目标朴素贝叶斯算法。5.根据权利要求4所述的基于人工智能的云游戏数据处理方法，其特征在于，所述第二待定人工智能算法包含若干个第二朴素贝叶斯算法，所述从所述第二待定人工智能算法中抽取获得所述目标朴素贝叶斯算法，包括：通过对所述若干个第二朴素贝叶斯算法进行抽取，以及进行调整和叠加中的至少一项，获得第三待定人工智能算法；所述第三待定人工智能算法包含若干个第三朴素贝叶斯算法；将从所述关联游戏运行日志中获得的示例型云游戏交互数据，加载至各个第三朴素贝叶斯算法，获得各个第三朴素贝叶斯算法的生成信息；通过各个第三朴素贝叶斯算法的生成信息，确定各个第三朴素贝叶斯算法的质量评分均值；择取质量评分均值最大的第三朴素贝叶斯算法作为所述目标朴素贝叶斯算法。6.根据权利要求5所述的基于人工智能的云游戏数据处理方法，其特征在于，所述将从所述关联游戏运行日志中获得的示例型云游戏交互数据，加载至各个第三朴素贝叶斯算法，获得各个第三朴素贝叶斯算法的生成信息，包括：从所述第三待定人工智能算法中随机抽选一个第三朴素贝叶斯算法作为当前朴素贝叶斯算法；获取所述当前朴素贝叶斯算法的一算法变量集；将所述当前朴素贝叶斯算法的一算法变量集作为预调试算法变量，对所述当前朴素贝叶斯算法进行第二调试，获得所述当前朴素贝叶斯算法的一修正算法变量集；所述第二调试中的目标超参数小于所述第一调试中的目标超参数；将所述当前朴素贝叶斯算法的算法变量优化为所述一修正算法变量集；将从所述关联游戏运行日志中获得的示例型云游戏交互数据，输入算法变量优化后的所述当前朴素贝叶斯算法中，获得生成信息；从所述第三待定人工智能算法中抽选后一个第三朴素贝叶斯算法作为所述当前朴素贝叶斯算法，跳转至“获取所述当前朴素贝叶斯算法的一算法变量集”的步骤，直到所述第三待定人工智能算法中的各个第三朴素贝叶斯算法都完成抽选，获得各个第三朴素贝叶斯算法的生成信息；其中，在所述采用从关联游戏运行日志中获得的已认证云游戏交互数据对各个过渡朴素贝叶斯算法进行第一调试，获得第二待定人工智能算法之后，...

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