游戏数据处理方法、装置、可读介质和电子设备与流程

1.本公开涉及电子信息处理技术领域，具体地，涉及一种游戏数据处理方法、装置、可读介质和电子设备。


背景技术：

2.随着电子信息技术的不断发展，应用市场上出现了各种各样的游戏应用程序。在游戏运营过程中，会提供多种游戏模式、多种游戏资源等。例如，游戏应用程序可以提供pvp(英文：player vs player)模式、pve(英文：player vs environment)模式等游戏模式，装备、金币、卡牌等游戏资源。可以针对不同的游戏客户端，投放不同的游戏模式、游戏资源，以改善玩家的游戏体验。


技术实现要素：

3.提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
4.第一方面，本公开提供一种游戏数据处理方法，所述方法包括：
5.获取游戏客户端在预设时间段内产生的游戏操作记录，并根据所述游戏操作记录提取多个行为特征值；
6.根据多个所述行为特征值，识别所述游戏客户端的类型；
7.当所述游戏客户端为预设类型时，根据多个所述行为特征值，确定每个所述行为特征值对所述预设类型的贡献评分；
8.根据每个所述行为特征值对应的贡献评分，确定针对所述游戏客户端的游戏配置。
9.第二方面，本公开提供一种游戏数据处理装置，所述装置包括：
10.获取模块，用于获取游戏客户端在预设时间段内产生的游戏操作记录，并根据所述游戏操作记录提取多个行为特征值；
11.类型确定模块，用于根据多个所述行为特征值，识别所述游戏客户端的类型；
12.处理模块，用于当所述游戏客户端为预设类型时，根据多个所述行为特征值，确定每个所述行为特征值对所述预设类型的贡献评分；
13.配置确定模块，用于根据每个所述行为特征值对应的贡献评分，确定针对所述游戏客户端的游戏配置。
14.第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
15.第四方面，本公开提供一种电子设备，包括：
16.存储装置，其上存储有计算机程序；
17.处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面
所述方法的步骤。
18.通过上述技术方案，本公开首先获取游戏客户端在预设时间段内产生的游戏操作记录，并从游戏操作记录中提取多个行为特征值。之后，根据多个行为特征值识别游戏客户端的类型，若游戏客户端为预设类型，利用根据多种行为特征值确定每个行为特征值对预设类型的贡献评分。最后，根据每种行为特征值对应的贡献评分，确定针对游戏客户端的游戏配置。本公开从游戏操作记录提取多个行为特征值，并以此确定游戏客户端的类型，以及每个行为特征值的贡献评分，从而得到适应于游戏客户端的游戏配置。
19.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
20.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
21.图1是根据一示例性实施例示出的一种游戏数据处理方法的流程图；
22.图2是根据一示例性实施例示出的另一种游戏数据处理方法的流程图；
23.图3是根据一示例性实施例示出的另一种游戏数据处理方法的流程图；
24.图4是根据一示例性实施例示出的另一种游戏数据处理方法的流程图；
25.图5是根据一示例性实施例示出的另一种游戏数据处理方法的流程图；
26.图6是根据一示例性实施例示出的历史贡献评分序列的示意图；
27.图7是根据一示例性实施例示出的一种训练识别模型和处理模型的流程图；
28.图8是根据一示例性实施例示出的一种游戏数据处理装置的框图；
29.图9是根据一示例性实施例示出的另一种游戏数据处理装置的框图；
30.图10是根据一示例性实施例示出的另一种游戏数据处理装置的框图；
31.图11是根据一示例性实施例示出的另一种游戏数据处理装置的框图；
32.图12根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
33.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
34.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
35.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
36.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单
元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
37.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
38.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
39.本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
40.图1是根据一示例性实施例示出的一种游戏数据处理方法的流程图，如图1所示，该方法包括以下步骤：
41.步骤101，获取游戏客户端在预设时间段内产生的游戏操作记录，并根据游戏操作记录提取多个行为特征值。
42.举例来说，首先可以获取游戏客户端在预设时间段内使用游戏应用程序过程中产生的游戏操作记录。预设时间段例如可以是当前时刻之前的一周内，游戏操作记录可以从游戏应用程序的行为日志中提取，也可以通过在游戏应用程序内埋点的方式来获取。游戏操作记录可以包括游戏客户端在使用游戏应用程序时的多个游戏操作，以及每个游戏操作发生的时间戳。游戏操作可以包括游戏资源的变化，例如可以是：获得a道具、使用200金币抽取c卡牌，获得b装备。游戏操作也可以包括游戏对局的记录，例如可以是：完成一局pvp模式的对战、完成一局pve模式的对战、对战结果(成功或失败)、一局中的击杀数量、角色血量等。游戏操作还可以包括：登录游戏、退出游戏、角色等级、角色类型等，本公开对此不做具体限定。需要说明的是，游戏操作记录中记录的任何信息均是在得到玩家授权的情况下获得的，或者在玩家阅读相关说明后主动提交的，或者是玩家通过游戏客户端使用游戏应用程序时必然会的上传的。
43.之后，可以按照预设的提取规则，从游戏操作记录中提取多种行为特征的行为特征值。行为特征值能够表征该游戏客户端使用游戏应用程序的情况，可以包括各种游戏资源的资源流水(例如：道具的流水、装备的流水、卡牌的流水、金币的流水等)、各种游戏玩法的参与数量(例如pvp模式的对战数量、pve模式的对战数量等)、击杀总数量、成功比率、失败比率、对局总时长、登录时长、登录频率等。
44.步骤102，根据多个行为特征值，识别游戏客户端的类型。
45.示例的，可以根据多个行为特征值来判断游戏客户端的类型。例如，可以将多个行为特征值作为预先训练的识别模型的输入，以利用识别模型确定该游戏客户端所属的类型。可以理解为识别模型能够对游戏客户端进行分类。也可以将多个行为特征值作为分类算法的输入，以根据分类算法输出的结果确定该游戏客户端所属的类型。游戏客户端可以属于多种预先指定的类型中的任一种，多种预先指定的类型例如可以是：活跃类型、普通类型、沉默类型，也可以是：pvp类型、pve类型，还可以是：社交类型、单机类型等，本公开对此不作具体限定。
46.步骤103，若游戏客户端为预设类型，根据多个行为特征值，确定每个行为特征值对预设类型的贡献评分。
47.示例的，在多种预先指定的类型中，可以根据具体需求，确定一种或多种预设类型。例如游戏应用程序上线了新的pvp模式对战，那么可以将预设类型确定为pvp类型，再比
如游戏应用程序上线了社区功能，那么可以将预设类型确定为社交类型。再或者，游戏应用程序需要提高活跃度，那么可以将预设类型确定为沉默类型。若游戏客户端为预设类型，那么可以根据多个行为特征值，计算每个行为特征值对预设类型的贡献评分。具体的，可以先根据多个行为特征值确定游戏客户端与预设类型的匹配度。
48.之后，可以根据多个行为特征值，以及游戏客户端与预设类型的匹配度，确定每个行为特征值对预设类型的贡献评分。贡献评分可以理解为shap(英文：shapley additive explanations，中文：沙普利加和解释)值，用于表征个行为特征值，对于将该游戏客户端分类至预设类型的贡献大小。也就是说，通过贡献评分能够解释个行为特征值对于预设类型的影响程度(或者重要程度)，为后续游戏配置的确定，提供了可解释的依据。
49.步骤104，根据每个行为特征值对应的贡献评分，确定针对游戏客户端的游戏配置。
50.示例的，在得到每个行为特征值对应的贡献评分之后，可以针对每个行为特征值，依次比较该行为特征值的贡献评分与预设阈值，并根据比较结果确定适用于游戏客户端的游戏配置。也可以在比较结果的基础上，结合该行为特征值，确定游戏配置。还可以在比较结果的基础上，结合该行为特征值、该行为特征值对应的统计分布(例如：离散度、均值、方差、标准差等)确定游戏配置。游戏配置可以理解为游戏客户端在使用游戏应用程序中对行为特征值的控制，例如可以包括对一个或多个行为特征值的调整方向，和/或调整大小。以行为特征值为pvp模式的对战数量来举例，游戏配置可以为提高推送pvp模式的对战的次数。再比如，行为特征值为c卡牌的流水，游戏配置可以为提高c卡牌的概率等。这样，根据游戏客户端的游戏操作记录，提取多个行为特征值，并以此确定游戏客户端的类型，以及每个行为特征值的贡献评分，贡献评分能够解释每个行为特征值对于预设类型的影响程度，因此可以根据对应的贡献评分得到适应于游戏客户端的游戏配置，能够有效改善玩家的游戏体验。
51.综上所述，本公开首先获取游戏客户端在预设时间段内产生的游戏操作记录，并从游戏操作记录中提取多个行为特征值。之后，根据多个行为特征值识别游戏客户端的类型，若游戏客户端为预设类型，利用根据多种行为特征值确定每个行为特征值对预设类型的贡献评分。最后，根据每种行为特征值对应的贡献评分，确定针对游戏客户端的游戏配置。本公开从游戏操作记录提取多个行为特征值，并以此确定游戏客户端的类型，以及每个行为特征值的贡献评分，从而得到适应于游戏客户端的游戏配置。
52.图2是根据一示例性实施例示出的另一种游戏数据处理方法的流程图，如图2所示，步骤102可以为：
53.将多个行为特征值输入预先训练的识别模型，以得到识别模型输出的游戏客户端的类型。
54.示例的，可以将多个行为特征值输入预先训练的识别模型，识别模型输出游戏客户端的类型。也就是说，识别模型可以根据能够表征该游戏客户端使用游戏应用程序的情况的多个行为特征值，预测游戏客户端与多种预先指定的类型中每种类型的匹配度，即游戏客户端与该种类型的匹配度越高，该游戏客户端属于该种类型的概率值越高，匹配度越低，该游戏客户端属于该种类型的概率值越低。识别模型可以将对应匹配度最高的类型确定为游戏客户端的类型，也可以将匹配度满足预设条件(例如大于预设匹配度阈值)的类型
确定为游戏客户端的类型。其中，识别模型的结构例如可以是xgboost树模型，也可以是决策树模型、随机森林模型等，本公开对此不作具体限定。
55.相应的，步骤103的实现方式可以包括：
56.步骤1031，利用预先训练的处理模型，根据多个行为特征值，确定游戏客户端与预设类型的匹配概率。
57.步骤1032，根据游戏客户端与预设类型的匹配概率，确定每个行为特征值对预设类型的贡献评分。
58.示例的，可以将多个行为特征值作为预先训练的处理模型的输入，处理模型可以根据多个行为特征值，确定游戏客户端与预设类型的匹配概率(也可以理解为匹配度)。然后根据每个行为特征值，以及游戏客户端与预设类型的匹配概率，确定每个行为特征值对预设类型的贡献评分。也可以从多个行为特征值中筛选出部分行为特征值(即后文提及的目标行为特征值)作为处理模型的输入，处理模型可以根据部分行为特征值，确定游戏客户端与预设类型的匹配概率(也可以理解为匹配度)。然后根据部分行为特征值中的每个行为特征值，以及游戏客户端与预设类型的匹配概率，确定部分行为特征值中的每个行为特征值对预设类型的贡献评分。
59.同样的，处理模型的结构例如可以是xgboost树模型，也可以是决策树模型、随机森林模型等，本公开对此不作具体限定。也就是说，处理模型和识别模型的功能可以相同，处理模型的输入是全部的行为特征值，识别模型的输入可以是全部的行为特征值，也可以是部分的行为特征值(即后文提及的目标行为特征值。
60.示例的，要确定每个行为特征值对预设类型的贡献评分，可以先将多个行为特征值，划分为多种组合，并利用处理模型确定在输入每种组合的情况下，该游戏客户端与预设类型的匹配概率。之后，再根据在输入每种组合的情况下，该游戏客户端与预设类型的匹配概率，确定每个行为特征值对预设类型的贡献评分。以贡献评分为shap值为例，那么每个行为特征值对预设类型的贡献评分可以通过以下公式来确定：
[0061][0062]
其中，φj表示第j个行为特征值对预设类型的贡献评分，{x1,
…
,x
p
}表示全部的行为特征值的集合(即共p个行为特征值)，{x1,
…
,x
p
}\{xj}表示除第j个行为特征值之外的其他行为特征值可能的集合。s表示{x1,
…
,x
p
}\{xj}的子集，f
x
表示处理模型，f
x
(s)表示将s输入处理模型，处理模型的输出，f
x
(s∪{xj})表示将s∪{xj}输入处理模型，处理模型的输出。
[0063]
在一种实现方式中，步骤104可以通过以下方式来实现：
[0064]
针对每个行为特征值，若该行为特征值对应的贡献评分大于或等于预设阈值，根据该行为特征值，确定游戏配置，游戏配置包括针对该行为特征值的调整方向，和/或调整大小。
[0065]
示例的，确定游戏配置的方式，可以通过比较每个行为特征值对应的贡献评分与预设阈值来确定。若该行为特征值对应的贡献评分大于或等于预设阈值，可以进一步根据该行为特征值，确定游戏配置，其中，游戏配置可以包括针对该行为特征值的调整方向，和/或调整大小。若该行为特征值对应的贡献评分小于预设阈值，可以确定该行为特征值对于
将游戏客户端分类至预设类型的影响程度较小，那么在确定游戏配置时，可以不考虑该行为特征值。进一步的，由于贡献评分可以有负值，因此，可以通过比较每行为特征值对应的贡献评分的绝对值与预设阈值来确定游戏配置。若该行为特征值对应的贡献评分的绝对值大于或等于预设阈值，可以进一步根据该行为特征值，以及该行为特征值的正负来确定游戏配置。若该行为特征值对应的贡献评分的绝对值小于预设阈值，可以确定该行为特征值对于将游戏客户端分类至预设类型的影响程度较小，那么在确定游戏配置时，可以不考虑该行为特征值。
[0066]
以行为特征值为pvp模式的对战比例，预设类型是pvp类型来举例。pvp模式的对战比例对应的贡献评分为0.3，预设阈值为0.1，表示pvp模式的对战比例对预设类型是正向的贡献，且大于预设阈值。可以进一步根据pvp模式的对战比例的特征值，确定游戏配置。若游戏配置的目的是促进pvp类型，且pvp模式的对战比例的特征值较高(例如为65％)，那么游戏配置可以是提高推送pvp模式的对战的次数。再比如，以行为特征值为装备的流水，预设类型是沉默类型来举例。装备的流水对应的贡献评分为-0.28，预设阈值为0.1，表示装备的流水对预设类型是负向的贡献，且绝对值大于预设阈值。可以进一步根据装备的流水的特征值，确定游戏配置。若游戏配置的目的是降低沉默类型，且装备的流水的特征值较低(例如为5个)，那么游戏配置可以是提高装备掉落的概率。
[0067]
在另一种实现方式中，步骤104可以包括：
[0068]
比较该行为特征值，与该行为特征值对应的特征均值，根据比较结果确定调整方向。和/或，
[0069]
根据该行为特征值，以及该行为特征值对应的统计分布，确定调整大小。
[0070]
示例的，在确定该行为特征值对应的贡献评分大于或等于预设阈值的情况下，可以比较该行为特征值，与该行为特征值对应的特征均值，根据比较结果确定调整方向。例如，游戏配置的目的是为了促进预设类型，该行为特征值对应的贡献评分为正值，若该行为特征值大于或等于该行为特征值所属的行为特征的特征均值(可以理解为该行为特征值较高)，那么可以确定调整方向为增大(即增大该行为特征值)。若该行为特征值小于该行为特征值所属的行为特征的特征均值(可以理解为该行为特征值较低)，那么可以确定调整方向为减小(即减小该行为特征值)。
[0071]
还可以根据该行为特征值，以及该行为特征值对应的统计分布，确定调整大小，调整大小可以分为：强、中、弱、无四个档次。其中，该种行为特征值对应的统计分布，可以通过采集大量的游戏客户端在使用游戏应用程序的过程中多种行为特征的行为特征值，并进行统计得到的。例如，游戏配置的目的是为了促进预设类型，该行为特征值对应的贡献评分为正值，调整方向为增大。若该行为特征值的特征值，位于该行为特征值所属的行为特征的统计分布的头部(例如top10％)，那么表示再增大该行为特征值的意义较小，可以将调整大小的档次确定为弱或者无。若该行为特征值，位于该行为特征值所属的行为特征的统计分布的尾部，那么表示再调整该行为特征值的意义较大，可以将调整大小的档次确定为强。
[0072]
图3是根据一示例性实施例示出的另一种游戏数据处理方法的流程图，如图3所示，该方法还可以包括：
[0073]
步骤105，若游戏客户端为预设类型，根据每个行为特征值，以及该行为特征值对应的统计分布，确定游戏配置，游戏配置包括至少一个行为特征值的调整方向，和/或调整
大小。
[0074]
在一种应用场景种，也可以在确定游戏客户端为预设类型的情况下，直接根据每个行为特征值，以及该个行为特征值对应的统计分布，确定游戏配置。例如，预设类型为pve类型，若该游戏客户端的pve模式的对战数量为全服务器中top5％，那么说明该游戏客户端对pve模式的对战属于深度玩家，不需要再对该游戏客户端的pve模式的对战数量进行调整。
[0075]
图4是根据一示例性实施例示出的另一种游戏数据处理方法的流程图，如图4所示，该方法还可以包括：
[0076]
步骤106，在多个行为特征值中，确定符合预设条件的目标行为特征值。
[0077]
相应的，步骤103可以为：
[0078]
根据多个目标行为特征值，确定每个目标行为特征值对预设类型的贡献评分。
[0079]
步骤104可以为：
[0080]
根据每个目标行为特征值对应的贡献评分，确定游戏配置。
[0081]
举例来说，若游戏客户端为预设类型，那么可以从步骤101中提取的多个行为特征值中，筛选出目标行为特征值。相应的，可以将多个目标行为特征值，作为处理模型的输入，处理模型可以根据多个目标行为特征值，确定游戏客户端与预设类型的匹配度，然后根据目标行为特征值，以及游戏客户端与预设类型的匹配概率，确定每个目标行为特征值对预设类型的贡献评分。
[0082]
最后，根据每个目标行为特征值对应的贡献评分，确定游戏配置。可以针对每个目标行为特征值，依次比较该目标行为特征值的贡献评分与预设阈值，并根据比较结果确定适用于游戏客户端的游戏配置。也可以在比较结果的基础上，结合该目标行为特征值，确定游戏配置。还可以在比较结果的基础上，结合该目标行为特征值、该目标行为特征值对应的统计分布确定游戏配置。
[0083]
其中，目标行为特征值为符合预设条件的行为特征的行为特征值，目标行为特征值的数量小于或等于行为特征值的数量。在一种方式中，可以将全部的行为特征值作为目标行为特征值(此时处理模型和识别模型可以相同)。在另一种方式中，也可以根据具体需求在多个行为特征值中标记出目标行为特征值。在又一种方式中，还可以预先根据当前时刻之前多个游戏客户端的历史游戏操作记录，并按照上述方式根据历史游戏操作记录确定每个行为特征值的贡献评分，然后，将贡献评分大于预设阈值的行为特征值(或者贡献评分最大的预设数量个行为特征值)作为目标行为特征值。
[0084]
图5是根据一示例性实施例示出的另一种游戏数据处理方法的流程图，如图5所示，该方法还可以包括：
[0085]
步骤107，获取多个样本游戏客户端的历史游戏操作记录，并根据历史游戏操作记录提取每种行为特征对应的历史特征值序列，历史特征值序列包括多个样本游戏客户端对应该种行为特征的历史特征值。
[0086]
举例来说，可以预先获取多个样本游戏客户端，在历史时间段内产生的历史游戏操作记录。历史时间段可以理解为当前时刻之前的时间段，例如可以是当前时刻之前的一年内。然后可以根据每个样本游戏客户端对应的历史游戏操作记录，提取每种行为特征对应的历史特征值序列。其中，历史特征序列中包括了多个样本游戏客户端对应该种行为特
征的历史特征值。第n种行为特征的历史特征值序列可以表示为{f
1,n
,
…
,f
m,n
,
…fm,n
}，共有m个样本游戏客户端，f
m,n
表示第m个样本游戏客户端的第n种行为特征的历史特征值，f
m,n
可以包括第m个样本游戏客户端在历史时间段内第n种行为特征的多个历史特征值。
[0087]
步骤108，根据多种行为特征对应的历史特征值序列，确定每种行为特征对预设类型的历史贡献评分序列，历史贡献评分序列包括多个样本游戏客户端对应该种行为特征的历史贡献评分。
[0088]
步骤109，根据每种行为特征对预设类型的历史贡献评分序列，确定目标行为特征。
[0089]
相应的，步骤106可以为：
[0090]
在多个行为特征值中，将目标行为特征对应的行为特征值，作为目标行为特征值。
[0091]
示例的，可以根据多种行为特征对应的历史特征值序列，通过识别模型，确定每种行为特征对预设类型的历史贡献评分序列。也就是说，可以将多种行为特征对应的历史特征值序列输入识别模型，识别模型根据多种行为特征对应的历史特征值序列，确定每个样本游戏客户端与预设类型的匹配度。然后再确定多个样本游戏客户端对应该种行为特征，对预设类型的历史贡献评分，从而得到每种行为特征对预设类型的历史贡献评分序列。一个样本游戏客户端对应该种行为特征，对预设类型的历史贡献评分，用于表征输入到识别模型的该样本游戏客户端的该种行为特征，对于将该样本游戏客户端分类至预设类型的贡献大小。那么一种行为特征对预设类型的历史贡献评分序列，用于表征该种行为特征对预设类型的贡献大小。
[0092]
进一步的，可以根据每种行为特征对预设类型的历史贡献评分序列，确定目标行为特征。最后，可以在步骤101提取的多个行为特征值中，将目标行为特征对应的行为特征值，作为目标行为特征值。
[0093]
在一种实现方式中，步骤109的实现方式可以为：
[0094]
针对每种行为特征，若该种行为特征对预设类型的历史贡献评分序列的离散度大于预设的离散度阈值，将该种行为特征确定为目标行为特征。
[0095]
示例的，可以根据每种行为特征对预设类型的历史贡献评分序列的离散度，来确定目标行为特征。若该种行为特征对预设类型的历史贡献评分序列的离散度大于预设的离散度阈值，表示该种行为特征的行为特征值变大或者变小，会改变对于预设类型的影响程度，那么可以将该种行为特征确定为目标行为特征。若该种行为特征对预设类型的历史贡献评分序列的离散度小于或等于预设的离散度阈值，表示该种行为特征的行为特征值的变大或变小，对于预设类型的影响程度较小，那么该种行为特征不为目标行为特征。
[0096]
以历史贡献评分为shap值来举例，图6中包括了3个历史贡献评分序列，横轴为shap值，纵轴表示历史贡献评分的数量，每一行表示一种行为特征对应的历史贡献评分序列，横轴方向上底纹为斜线的部分，表示该种行为特征的行为特征值小于该种行为特征的特征均值，横轴方向上底纹为横线的部分，表示该种行为特征的行为特征值大于或等于该种行为特征的特征均值。从图6可以看出，行为特征1和行为特征2对应的历史贡献评分序列较为离散，可以确定为目标行为特征。以行为特征1来举例说明，当行为特征1的特征值大于或等于该种行为特征的特征均值时，对应的历史贡献评分位于图6左侧的部分(即对预设类型是负向的贡献)，当行为特征1的特征值小于该种行为特征的特征均值时，对应的历史贡
献评分位于图6右侧的部分(即对预设类型是正向的贡献)。也就是说，通过调整行为特征1对应的行为特征值，能够改变对预设类型的贡献的大小以及正负，因此可以将行为特征1确定为目标行为特征。再比如，以行为特征3来举例说明，当行为特征3的特征值大于或等于该种行为特征的特征均值时，对应的历史贡献评分位于图6中间的部分(即对预设类型几乎没有贡献)，当行为特征3的特征值小于该种行为特征的特征均值时，对应的历史贡献评分同样位于图6中间的部分。也就是说，不论增大行为特征3的特征值，还是减小行为特征3的特征值，对于预设类型的贡献影响不大，因此，行为特征3不作为目标行为特征。
[0097]
图7是根据一示例性实施例示出的一种训练识别模型和处理模型的流程图，如图7所示，识别模型是通过以下步骤训练得到的：
[0098]
步骤a，获取训练游戏客户端在预设训练时间段内产生的训练游戏操作记录，并根据训练游戏操作记录提取多个训练特征值。
[0099]
步骤b，将多个训练特征值作为识别模型的输入，将训练游戏客户端所属的真实类型作为识别模型的输出，以训练识别模型。
[0100]
举例来说，在对识别模型进行训练之前，可以先获取样本输入集。样本输入集中包括了多个样本输入，每个样本输入包括一个训练游戏客户端对应的多种行为特征的训练特征值，训练特征值是从该训练游戏客户端在预设训练时间段内产生的训练游戏操作记录中提取的。其中，预设训练时间段可以是预设时间段之前的时间。可以设置观察窗口和表现窗口来确定预设训练时间段，例如，观察窗口为14天，表现窗口为7天，预设时间段为当前时刻之前的14天内，那么预设训练时间段可以为当前时刻之前的21天内，其中，当前时刻之前的7天内，采集的到训练游戏操作记录，可以用于对识别模型的验证，当前时刻之前的21天至7天内，采集的训练游戏操作记录，可以用于对识别模型的训练。
[0101]
在获得样本输入集后，可以进一步获取样本输出集。样本输出集中包括了与每个样本输入对应的样本输出，每个样本输出包括对应的训练游戏客户端所属的真实类型。
[0102]
在对识别模型训练时，可以将任一个样本输入作为识别模型的输入，将对应的样本输出作为识别模型的输出，来训练识别模型，使得在输入样本输入时，识别模型的输出，能够和对应的样本输出匹配。可以根据识别模型的输出，与样本输出确定损失函数，以降低损失函数为目标，利用反向传播算法来修正识别模型中的神经元参数，神经元参数例如可以是神经元的权重(英文：weight)和偏置量(英文：bias)。重复上述步骤，直至损失函数满足预设条件，例如损失函数的函数值小于预设的损失阈值，以达到训练识别模型的目的。
[0103]
处理模型是通过以下步骤训练得到的：
[0104]
步骤c，根据多个训练特征值和训练游戏客户端所属的真实类型，训练处理模型。
[0105]
示例的，可以将任一个样本输入作为处理模型的输入，将对应的样本输出作为处理模型的输出，来训练处理模型。也可以从训练识别模型的样本输入集中，确定训练处理模型的样本输入集。训练处理模型的样本输入集中同样包括了多个样本输入，每个样本输入包括一个训练游戏客户端对应的多种目标行为特征的训练特征值。之后，可以将训练识别模型的样本输出集，作为训练处理模型的样本输出集。
[0106]
在对处理模型训练时，可以将任一个训练游戏客户端对应的多种目标行为特征的训练特征值作为处理模型的输入，将该训练游戏客户端对应的样本输出作为处理模型的输出，来训练处理模型，使得处理模型的输出，能够和对应的样本输出匹配。可以根据处理模
型的输出，与样本输出确定损失函数，以降低损失函数为目标，利用反向传播算法来修正处理模型中的神经元参数。重复上述步骤，直至损失函数满足预设条件，以达到训练处理模型的目的。
[0107]
综上所述，本公开首先获取游戏客户端在预设时间段内产生的游戏操作记录，并从游戏操作记录中提取多个行为特征值。之后，根据多个行为特征值识别游戏客户端的类型，若游戏客户端为预设类型，利用根据多种行为特征值确定每个行为特征值对预设类型的贡献评分。最后，根据每种行为特征值对应的贡献评分，确定针对游戏客户端的游戏配置。本公开从游戏操作记录提取多个行为特征值，并以此确定游戏客户端的类型，以及每个行为特征值的贡献评分，从而得到适应于游戏客户端的游戏配置。
[0108]
图8是根据一示例性实施例示出的一种游戏数据处理装置的框图，如图8所示，该装置200包括：
[0109]
获取模块201，用于获取游戏客户端在预设时间段内产生的游戏操作记录，并根据游戏操作记录提取个行为特征值。
[0110]
类型确定模块202，用于根据多个行为特征值，识别游戏客户端的类型。
[0111]
处理模块203，用于若游戏客户端为预设类型，根据多个行为特征值，确定每个行为特征值对预设类型的贡献评分。
[0112]
配置确定模块204，用于根据每个行为特征值对应的贡献评分，确定针对游戏客户端的游戏配置。
[0113]
图9是根据一示例性实施例示出的另一种游戏数据处理装置的框图，如图9所示，类型确定模块202用于：
[0114]
将多个行为特征值输入预先训练的识别模型，以得到识别模型输出的游戏客户端的类型。
[0115]
处理模块203可以包括：
[0116]
第一处理子模块2031，用于利用预先训练的处理模型，根据多个行为特征值，确定游戏客户端与预设类型的匹配概率。
[0117]
第二处理子模块2032，用于根据游戏客户端与预设类型的匹配概率，确定每个行为特征值对预设类型的贡献评分。
[0118]
在一种实现方式中，配置确定模块204可以用于：
[0119]
针对每个行为特征值，若该行为特征值对应的贡献评分大于或等于预设阈值，根据该行为特征值，确定游戏配置，游戏配置包括针对该行为特征值的调整方向，和/或调整大小。
[0120]
在另一种实现方式中，配置确定模块204可以用于：
[0121]
比较该行为特征值，与该行为特征值对应的特征均值，根据比较结果确定调整方向。和/或，
[0122]
根据该行为特征值，以及该行为特征值对应的统计分布，确定调整大小。
[0123]
配置确定模块204还可以用于：
[0124]
若游戏客户端为预设类型，根据每个行为特征值，以及该行为特征值对应的统计分布，确定游戏配置，游戏配置包括至少一个行为特征值的调整方向，和/或调整大小。
[0125]
图10是根据一示例性实施例示出的另一种游戏数据处理装置的框图，如图10所
示，该装置200还可以包括：
[0126]
筛选模块205，用于在多个行为特征值中，确定符合预设条件的目标行为特征值。
[0127]
相应的，处理模块203可以用于：根据多个目标行为特征值，确定每个目标行为特征值对预设类型的贡献评分。
[0128]
配置确定模块204可以用于：根据每个目标行为特征值对应的贡献评分，确定游戏配置。
[0129]
图11是根据一示例性实施例示出的另一种游戏数据处理装置的框图，如图11所示，该装置200还可以包括：
[0130]
预获取模块206，用于获取多个样本游戏客户端的历史游戏操作记录，并根据历史游戏操作记录提取每种行为特征对应的历史特征值序列，历史特征值序列包括多个样本游戏客户端对应该种行为特征的历史特征值。
[0131]
预处理模块207，用于根据多种行为特征对应的历史特征值序列，确定每种行为特征对预设类型的历史贡献评分序列，历史贡献评分序列包括多个样本游戏客户端对应该种行为特征的历史贡献评分。
[0132]
目标特征确定模块208，用于根据每种行为特征对预设类型的历史贡献评分序列，确定目标行为特征。
[0133]
相应的，筛选模块205可以用于：在多个行为特征值中，将目标行为特征对应的行为特征值，作为目标行为特征值。
[0134]
在一种实现方式中，目标特征确定模块208可以用于：
[0135]
针对每种行为特征，若该种行为特征对预设类型的历史贡献评分序列的离散度大于预设的离散度阈值，将该种行为特征确定为目标行为特征。
[0136]
在另一种实现方式中，识别模型是通过以下步骤训练得到的：
[0137]
步骤a，获取训练游戏客户端在预设训练时间段内产生的训练游戏操作记录，并根据训练游戏操作记录提取多个训练特征值。
[0138]
步骤b，将多个训练特征值作为识别模型的输入，将训练游戏客户端所属的真实类型作为识别模型的输出，以训练识别模型。
[0139]
处理模型是通过以下步骤训练得到的：
[0140]
步骤c，根据多个训练特征值和训练游戏客户端所属的真实类型，训练处理模型。
[0141]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0142]
综上所述，本公开首先获取游戏客户端在预设时间段内产生的游戏操作记录，并从游戏操作记录中提取多个行为特征值。之后，根据多个行为特征值识别游戏客户端的类型，若游戏客户端为预设类型，利用根据多种行为特征值确定每个行为特征值对预设类型的贡献评分。最后，根据每种行为特征值对应的贡献评分，确定针对游戏客户端的游戏配置。本公开从游戏操作记录提取多个行为特征值，并以此确定游戏客户端的类型，以及每个行为特征值的贡献评分，从而得到适应于游戏客户端的游戏配置。
[0143]
下面参考图12，其示出了适于用来实现本公开实施例的电子设备(可以理解为执行上述实施例的主体，例如可以是终端设备或服务器)300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字
助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图12示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0144]
如图12所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(rom)302中的程序或者从存储装置308加载到随机访问存储器(ram)303中的程序而执行各种适当的动作和处理。在ram 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、rom 302以及ram 303通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线304。
[0145]
通常，以下装置可以连接至i/o接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图12示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0146]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从rom 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
[0147]
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0148]
在一些实施方式中，终端设备、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网
络)，以及任何当前已知或未来研发的网络。
[0149]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0150]
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取游戏客户端在预设时间段内产生的游戏操作记录，并根据所述游戏操作记录提取多个行为特征值；根据多个所述行为特征值，识别所述游戏客户端的类型；当所述游戏客户端为预设类型时，根据多个所述行为特征值，确定每个所述行为特征值对所述预设类型的贡献评分；根据每个所述行为特征值对应的贡献评分，确定针对所述游戏客户端的游戏配置。
[0151]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言——诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0152]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0153]
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取游戏操作记录的模块”。
[0154]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0155]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom
或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0156]
根据本公开的一个或多个实施例，示例1提供了一种游戏数据处理方法，包括：获取游戏客户端在预设时间段内产生的游戏操作记录，并根据所述游戏操作记录提取多个行为特征值；根据多个所述行为特征值，识别所述游戏客户端的类型；当所述游戏客户端为预设类型时，根据多个所述行为特征值，确定每个所述行为特征值对所述预设类型的贡献评分；根据每个所述行为特征值对应的贡献评分，确定针对所述游戏客户端的游戏配置
[0157]
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述根据多个所述行为特征值，识别所述游戏客户端的类型，包括：将多个所述行为特征值输入预先训练的识别模型，以得到所述识别模型输出的所述游戏客户端的类型；所述根据多个所述行为特征值，确定每个所述行为特征值对所述预设类型的贡献评分，包括：利用预先训练的处理模型，根据多个所述行为特征值，确定所述游戏客户端与所述预设类型的匹配概率；根据所述游戏客户端与所述预设类型的匹配概率，确定每个所述行为特征值对所述预设类型的贡献评分。
[0158]
根据本公开的一个或多个实施例，示例3提供了示例1的方法，所述根据每个所述行为特征值对应的贡献评分，确定针对所述游戏客户端的游戏配置，包括：针对每个所述行为特征值，若该行为特征值对应的贡献评分大于或等于预设阈值，根据该行为特征值，确定所述游戏配置，所述游戏配置包括针对该行为特征值的调整方向，和/或调整大小。
[0159]
根据本公开的一个或多个实施例，示例4提供了示例3的方法，所述根据该行为特征值，确定所述游戏配置，包括：比较该行为特征值，与该行为特征值对应的特征均值，根据比较结果确定所述调整方向；和/或，根据该行为特征值，以及该行为特征值对应的统计分布，确定所述调整大小。
[0160]
根据本公开的一个或多个实施例，示例5提供了示例1的方法，所述方法还包括：当所述游戏客户端为预设类型时，根据每个所述行为特征值，以及该行为特征值对应的统计分布，确定所述游戏配置，所述游戏配置包括至少一个所述行为特征值的调整方向，和/或调整大小。
[0161]
根据本公开的一个或多个实施例，示例6提供了示例1的方法，所述方法还包括：在多个所述行为特征值中，确定符合预设条件的目标行为特征值；所述根据多个所述行为特征值，确定每个所述行为特征值对所述预设类型的贡献评分，包括：根据多个所述目标行为特征值，确定每个所述目标行为特征值对所述预设类型的贡献评分；所述根据每个所述行为特征值对应的贡献评分，确定针对所述游戏客户端的游戏配置，包括：根据每个所述目标行为特征值对应的贡献评分，确定所述游戏配置。
[0162]
根据本公开的一个或多个实施例，示例7提供了示例6的方法，所述方法还包括：获取多个样本游戏客户端的历史游戏操作记录，并根据所述历史游戏操作记录提取每种行为特征对应的历史特征值序列，所述历史特征值序列包括多个所述样本游戏客户端对应该种行为特征的历史特征值；根据多种所述行为特征对应的所述历史特征值序列，确定每种所述行为特征对所述预设类型的历史贡献评分序列，所述历史贡献评分序列包括多个所述样本游戏客户端对应该种行为特征的历史贡献评分；根据每种所述行为特征对所述预设类型的历史贡献评分序列，确定目标行为特征；所述在多个所述行为特征值中，确定符合预设条
件的目标行为特征值，包括：在多个所述行为特征值中，将所述目标行为特征对应的行为特征值，作为所述目标行为特征值。
[0163]
根据本公开的一个或多个实施例，示例8提供了示例7的方法，所述根据每种所述行为特征对所述预设类型的历史贡献评分序列，确定目标行为特征，包括：针对每种所述行为特征，若该种行为特征对所述预设类型的历史贡献评分序列的离散度大于预设的离散度阈值，将该种行为特征确定为所述目标行为特征。
[0164]
根据本公开的一个或多个实施例，示例9提供了示例2的方法，所述识别模型是通过以下步骤训练得到的：获取训练游戏客户端在预设训练时间段内产生的训练游戏操作记录，并根据所述训练游戏操作记录提取多个训练特征值；将多个所述训练特征值作为所述识别模型的输入，将所述训练游戏客户端所属的真实类型作为所述识别模型的输出，以训练所述识别模型；所述处理模型是通过以下步骤训练得到的：根据多个所述训练特征值和所述训练游戏客户端所属的真实类型，训练所述处理模型。
[0165]
根据本公开的一个或多个实施例，示例10提供了一种游戏数据处理装置，包括：获取模块，用于获取游戏客户端在预设时间段内产生的游戏操作记录，并根据所述游戏操作记录提取多个行为特征值；类型确定模块，用于根据多个所述行为特征值，识别所述游戏客户端的类型；处理模块，用于当所述游戏客户端为预设类型时，根据多个所述行为特征值，确定每个所述行为特征值对所述预设类型的贡献评分；配置确定模块，用于根据每个所述行为特征值对应的贡献评分，确定针对所述游戏客户端的游戏配置。
[0166]
根据本公开的一个或多个实施例，示例11提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1至示例9中所述方法的步骤。
[0167]
根据本公开的一个或多个实施例，示例12提供了一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1至示例9中所述方法的步骤。
[0168]
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
[0169]
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
[0170]
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。