【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种基于人工智能的游戏推荐方法和装置。
技术介绍
1、随着计算机硬件和软件的发展与人们生活水平的提高，电子游戏成为了大多数人的娱乐方式，也为社会带来了许多经济价值和文化价值，游戏行业蓬勃发展，推荐系统是解决信息过载的自动化预选技术，目前主流的方法是制定游戏热门榜供玩家选择自己喜欢的游戏，现有技术中，各大游戏平台和应用商店的游戏推荐都是通过大数据进行推荐，但是这些游戏并不一定符合所有人的娱乐需求，因此需要关注游戏本身的同时还要关注玩家本身的需求。
2、而且这些通过大数据筛选被推荐的游戏并没有达到很好的电子游戏推荐效果，造成了推荐资源的浪费，并且，当前的游戏推荐即使需要基于用户自身的推荐，也需要用户玩家自身亲自体验后才能得出结论，对玩家的流程过于繁琐，为此，我们提出了一种基于人工智能的游戏推荐方法，通过模拟仿真画像贴近玩家的情况，向玩家推荐最符合其需求的游戏。
技术实现思路
1、为实现上述目的，本申请提供如下技术方案：
2、根据本专利技术第一方面，本专利技术请求保护一种基于人工智能的游戏推荐方法，包括以下步骤：
3、依据用户画像数据库选择目标用户画像相关的第一待推荐样本，所述第一待推荐样本包括用户画像元数据以及所述用户画像元数据关联的社交网络特征信息和应用程序数据；
4、依据第一待推荐样本建立目标用户画像的仿真模型，在仿真模型中运行参考游戏，选择参考游戏关联的用户反馈信息和游戏运行收益；
5、建立人
6、对各个参考游戏与目标用户画像之间的匹配度进行染色体变异操作，计算出各个参考游戏的染色体变异值，将各个参考游戏的染色体变异值的平均值作为当前目标用户画像关联的游戏评价值；
7、通过改变所述第一待推荐样本，统计不同第一待推荐样本的目标用户画像关联的游戏粘度和游戏留存时长；依据游戏粘度和游戏留存时长获得目标游戏，依据游戏评价值统计目标游戏的总评价值，依据总评价值表征游戏推荐效果。
8、进一步地，所述第一待推荐样本的采集逻辑：
9、从用户画像数据库中采集目标用户画像关联的用户画像元数据；将所述用户画像元数据存储在关联的应用平台节点上；所述用户画像元数据包括应用平台类型、应用平台类型编码与真实用户关联信息；
10、依据预设规则单元确定所述用户画像元数据的空间大小；根据所述用户画像元数据的空间大小进行过滤，将所述用户画像元数据存储在应用平台节点关联的应用平台子节点和备用应用平台子节点上；
11、若空间大小小于预设空间大小阈值的所述用户画像元数据作为候选画像，将候选画像进行汇集归类；
12、若空间大小大于等于预设空间大小阈值的所述用户画像元数据作为第一目标，并将所述第一目标关联的社交网络特征信息和应用程序数据标记为第一待推荐样本；
13、社交网络特征信息包括对话文本语义信息、对话实时环境信息、好友因素、社交网络访问数据：
14、应用程序数据包括应用程序界面布局信息、应用程序类型信息和应用程序平台信息。
15、进一步地，所述参考游戏的运行逻辑为：
16、采集仿真模型关联运行等级要求，依据运行等级要求选择当前仿真模型关联的应用平台访问时长以及游戏运行时长；
17、根据应用平台访问时长和游戏运行时长进行模糊分析，依据模糊区间过滤出参考游戏；
18、依据参考游戏对目标用户画像进行游戏运行采集关联的用户反馈信息和游戏运行收益；
19、所述用户反馈信息包括对话情感极性信息、扩展包购买金额数据、在线时长数据、日常生活变化数据、未来规划信息和生物特征数据：
20、所述游戏运行收益包括游戏金额数据、扩展包购买信息、游戏与日常生活的结合信息、游戏卸载信息、游戏场景情感极性信息和游戏评分信息。
21、进一步地，所述人工智能分析模型的学习实验测试逻辑为：
22、历史样本集包括依据目标用户画像的所有参考游戏和对目标用户画像的推荐效果的匹配度；
23、将60%的历史样本集作为指标实验测试集，40%的历史样本集作为指标运行集，建立人工智能分析模型；
24、将指标实验测试集输入所述人工智能分析模型进行实验测试，以得到参考游戏与目标用户画像之间的匹配度为输出，以实际匹配度为评估目标，以最小化所有输出与评估目标之间的评估置信度之和作为实验测试目标；其中，评估置信度的计算公式为：，其中，为参考游戏的编号，为第个参考游戏关联的评估匹配度，为第个参考游戏关联的实际匹配度，为评估置信度；利用指标运行集对所述人工智能分析模型进行运行，直至评估置信度之和达到收敛时停止实验测试。
25、进一步地，所述当前目标用户画像关联的游戏评价值的采集逻辑为：
26、通过人工智能分析模型分析后，可获得参考游戏关联的评估匹配度，所述匹配度介于0到1之间的数值，其中：1表示完全匹配，0表示不匹配；
27、确定影响匹配度权重的权重关联要素并分配一个染色体变异因子；将每个参考游戏的匹配度与相应的染色体变异因子相乘，得到各个参考游戏的染色体变异值；
28、将各个参考游戏的染色体变异值进行平均计算，得到当前目标用户画像关联的游戏评价值。
29、进一步地，所述染色体变异因子的采集逻辑为：
30、实际资料收集；
31、数据统计分析，采用遗传算法的方法过滤场景决策相关的染色体变异关联要素；
32、对染色体变异关联要素进行适应度函数定义，确定染色体变异关联要素及关联于各个染色体变异关联要素的染色体变异因子。
33、进一步地，所述目标游戏的采集逻辑：
34、所述游戏粘度用于表示不同测试场景下，每个参考游戏的运行结果高于粘度评价值的总次数；
35、所述游戏留存时长用于表示固定的测试场景下不同的游戏组合中参考游戏出现的频率；
36、结合游戏粘度和留存时长的分析结果，将游戏粘度大于预设的游戏粘度阈值，且所述游戏留存时长大于预设的游戏留存时长阈值中关联的参考游戏标记为目标游戏。
37、根据本专利技术第二方面，本专利技术请求保护一种基于人工智能的游戏推荐装置，其依据所述的一种基于人工智能的游戏推荐方法实现，包括应用平台数据接收单元、仿真模型操作单元、人工智能数据分析单元、目标游戏评价单元和游戏推荐评价单元，上述各个单元通过有线和/或无线连接的方式连接，实现各个单元间的数据传输；
38、应用平台数据接收单元，依据用户画像数据库选择目标用户画像相关的第一待推荐样本，所述第一待推荐样本包括用户画像元数据以及所述用户画像元数据关联的社交网络特征信息和应用程序数据；
39、仿真模型操作单元，依据第一待推荐样本建立目标用户画像的仿真模型本文档来自技高网...
【技术保护点】
1.一种基于人工智能的游戏推荐方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于人工智能的游戏推荐方法，其特征在于：所述第一待推荐样本的采集逻辑：
3.如权利要求1所述的一种基于人工智能的游戏推荐方法，其特征在于：所述参考游戏的运行逻辑为：
4.如权利要求1所述的一种基于人工智能的游戏推荐方法，其特征在于：所述人工智能分析模型的学习实验测试逻辑为：
5.如权利要求1所述的一种基于人工智能的游戏推荐方法，其特征在于：所述当前目标用户画像关联的游戏评价值的采集逻辑为：
6.如权利要求5所述的一种基于人工智能的游戏推荐方法，其特征在于：所述染色体变异因子的采集逻辑为：
7.如权利要求1所述的一种基于人工智能的游戏推荐方法，其特征在于：所述目标游戏的采集逻辑：
8.一种基于人工智能的游戏推荐装置，其特征在于：其依据权利要求1-7任意一项所述的一种基于人工智能的游戏推荐方法实现，包括应用平台数据接收单元（1）、仿真模型操作单元（2）、人工智能数据分析单元（3）、目标游戏评价单元（4）和游戏推荐
...【技术特征摘要】
1.一种基于人工智能的游戏推荐方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于人工智能的游戏推荐方法，其特征在于：所述第一待推荐样本的采集逻辑：
3.如权利要求1所述的一种基于人工智能的游戏推荐方法，其特征在于：所述参考游戏的运行逻辑为：
4.如权利要求1所述的一种基于人工智能的游戏推荐方法，其特征在于：所述人工智能分析模型的学习实验测试逻辑为：
5.如权利要求1所述的一种基于人工智能的游戏推荐方法，其特征在于：所述当前目标用户画像关联的游戏评价值的采集逻辑为：
【专利技术属性】
技术研发人员：段海卿，
申请(专利权)人：云袭网络技术河北有限公司，
类型：发明
国别省市：
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。