基于大数据的游戏任务分发系统的制作方法

本发明涉及游戏技术领域，具体涉及基于大数据的游戏任务分发系统。

背景技术：

现如今，网络游戏是网络娱乐中越来越受到大家的青睐，并且游戏用户规模处于不断增大的趋势，然而随着时间的推移，近几年网络用户出现明显的增长趋势缓慢问题，尤其在最近五年增幅最低。由此，游戏类型的细分和产品品质提升成为游戏行业关注的重点。

在这样的游戏环境大背景下，我们如何根据游戏用户的行为特性，为游戏选择游戏用户或者为游戏用户匹配更适合的游戏成为一种重要研究的问题，吸引用户参与网络游戏，以及挖掘新的游戏用户，用机器学习的算法进行游戏用户选择，并对选择后的游戏用户进行多轮游戏任务下发，吸纳更多的游戏用户，给游戏运行商寻求适合长远发展的核心竞争力。

技术实现要素：

本发明所要解决的技术问题是：现有的游戏任务下发没有综合考虑游戏用户的日常行为特征，并且只进行了单轮或者少轮次的游戏任务下发，没有在考虑经济成本和算法成熟度的因素的多轮次任务下发，本发明提供了解决上述问题的基于大数据的游戏任务分发系统。

本发明通过下述技术方案实现：

基于大数据的游戏任务分发系统，该系统使用基于大数据的游戏任务分发方法，该方法包括如下步骤：

s1：采集不同区域不同游戏平台的游戏注册用户数据，并对所述游戏注册用户数据进行预处理；

s2：对步骤s1中预处理后的游戏注册用户数据进行特征提取和特征处理；

s3：对步骤s2提取的用户特征使用线性回归模型进行模型训练，训练基于线性回归模型的游戏用户选择模型；

s4：使用步骤s3中训练好的游戏用户选择模型分析用户的点击概率；

s5：根据步骤s4中计算出的用户点击概率取超过设定第一阈值的进行多轮次游戏任务下发，多轮次游戏任务下发包括如下步骤：

s51：考虑经济成本前提下，针对特定游戏，首轮选择针对该特定游戏的用户点击概率排序的序列前m个用户进行游戏任务下发；

s52：根据步骤s51中前m个用户接收到下发的游戏任务后用户玩的时长、用户玩的人数及用户玩后反馈结果的情况，分析用户玩的时长少于第二阈值和/或用户玩的人数少于第三阈值和/或用户玩后反馈结果的频次低于第四阈值时进行第二轮游戏任务下发；

s53：直至步骤s51中前m个用户的对特定游戏的反馈率达到设定的第五阈值，结束游戏任务下发，否则继续步骤s51进行下轮次游戏任务下发。

本发明上述方案的原理是：本发明通过反应游戏用户日常的行为特征(用户性别特征、用户年龄特征、用户地域特征、用户兴趣爱好特征、用户付费情况特征、用户历史记录特征和用户社交关系特征)，根据这7维特征构建线性回归模型进行模型训练游戏用户选择模型，并用训练好的游戏用户选择模型计算用户针待测定游戏的点击概率；根据计算出的用户点击概率取超过设定第一阈值的情形进行多轮次游戏任务下发，同时结合经济成本和算法成熟度，针对特定游戏，首轮选择针对该特定游戏的用户点击概率排序序列前m个用户进行游戏任务下发，根据前m个用户接收到下发的游戏任务后用户玩的时长、用户玩的人数及用户玩后反馈结果的情况，分析用户玩的时长少于第二阈值和/或用户玩的人数少于第三阈值和/或用户玩后反馈结果的频次低于第四阈值时进行第二轮游戏任务下发，直至前m个用户的对特定游戏的反馈率达到设定的第五阈值，结束游戏任务下发，否则继续步骤s51进行下轮次游戏任务下发；本发明游戏用户选择学习训练速度快，效率高，结合经济成本和算法成熟度，对选定的游戏用户进行多轮次任务下发。

进一步地，步骤s3中线性回归模型采用公式为：y＝a1x1+a2x2+a3x3+...+a7x7，其中，y为用户的点击概率，a1,a2,a3...a7为对应的游戏注册用户数据特征属性值，x1,x2,x3...x7为游戏注册用户数据的特征参数。

进一步地，考虑经济成本，步骤s51中m值取10—100。

进一步地，步骤s53中下轮次游戏任务下发用户人数少于m。

进一步地，步骤s2中特征提取的方法有基于频率的方法、信息增益的方法、互信息方法、统计量方法。

本发明具有如下的优点和有益效果：

1、本发明通过反应游戏用户日常的行为特征(用户性别特征、用户年龄特征、用户地域特征、用户兴趣爱好特征、用户付费情况特征、用户历史记录特征和用户社交关系特征)，根据这7维特征构建线性回归模型进行模型训练游戏用户选择模型，并用训练好的游戏用户选择模型计算用户针待测定游戏的点击概率；

2、本发明根据计算出的用户点击概率取超过设定第一阈值的情形进行多轮次游戏任务下发，同时结合经济成本和算法成熟度，针对特定游戏，首轮选择针对该特定游戏的用户点击概率排序序列前m个用户进行游戏任务下发，根据前m个用户接收到下发的游戏任务后用户玩的时长、用户玩的人数及用户玩后反馈结果的情况，分析用户玩的时长少于第二阈值和/或用户玩的人数少于第三阈值和/或用户玩后反馈结果的频次低于第四阈值时进行第二轮游戏任务下发，直至前m个用户的对特定游戏的反馈率达到设定的第五阈值，结束游戏任务下发，否则继续步骤s51进行下轮次游戏任务下发；本发明游戏对选定的游戏用户进行多轮次任务下发，经济使用，容易操作。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明的主流程控制图。

图2为本发明的多轮任务下发流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

如图1、图2所示，基于大数据的游戏任务分发系统，该系统使用基于大数据的游戏任务分发方法，该方法包括如下步骤：

s1：采集不同区域不同游戏平台的游戏注册用户数据，并对所述游戏注册用户数据进行预处理；

s2：对步骤s1中预处理后的游戏注册用户数据进行特征提取和特征处理，其中特征提取的方法有基于频率的方法、信息增益的方法、互信息方法、统计量方法，提取的游戏用户日常的行为特征7维包括用户性别特征、用户年龄特征、用户地域特征、用户兴趣爱好特征、用户付费情况特征、用户历史记录特征和用户社交关系特征；

s3：对步骤s2提取的用户特征使用线性回归模型进行模型训练，训练基于线性回归模型的游戏用户选择模型，其中，线性回归模型采用公式为：y＝a1x1+a2x2+a3x3+...+a7x7，其中，y为用户的点击概率，a1,a2,a3...a7为对应的游戏注册用户数据特征属性值，x1,x2,x3...x7为游戏注册用户数据的特征参数；

s4：使用步骤s3中训练好的游戏用户选择模型分析用户的点击概率；

s5：根据步骤s4中计算出的用户点击概率取超过设定第一阈值的进行多轮次游戏任务下发，多轮次游戏任务下发包括如下步骤：

s51：考虑经济成本前提下，针对特定游戏，首轮选择针对该特定游戏的用户点击概率排序的序列前100个用户进行游戏任务下发；

s52：根据步骤s51中前100个用户接收到下发的游戏任务后用户玩的时长、用户玩的人数及用户玩后反馈结果的情况，分析用户玩的时长少于第二阈值和/或用户玩的人数少于第三阈值和/或用户玩后反馈结果的频次低于第四阈值时进行第二轮游戏任务下发；

s53：直至步骤s51中前100个用户的对特定游戏的反馈率达到设定的第五阈值，结束游戏任务下发，且下轮次游戏任务下发用户人数少于100，本实施例中每轮任务下发的任务量取按照等差数列递减的序列，公差取20，于是第二轮任务下发的任务量取80，第三轮任务下发的任务量取60，按照此公差一直递减下去；否则继续步骤s51进行下轮次游戏任务下发。

本发明的工作原理是：本发明通过反应游戏用户日常的行为特征(用户性别特征、用户年龄特征、用户地域特征、用户兴趣爱好特征、用户付费情况特征、用户历史记录特征和用户社交关系特征)，根据这7维特征构建线性回归模型进行模型训练游戏用户选择模型，并用训练好的游戏用户选择模型计算用户针待测定游戏的点击概率；根据计算出的用户点击概率取超过设定第一阈值的情形进行多轮次游戏任务下发，同时结合经济成本和算法成熟度，针对特定游戏，首轮选择针对该特定游戏的用户点击概率排序序列前100个用户进行游戏任务下发，根据前100个用户接收到下发的游戏任务后用户玩的时长、用户玩的人数及用户玩后反馈结果的情况，分析用户玩的时长少于第二阈值和/或用户玩的人数少于第三阈值和/或用户玩后反馈结果的频次低于第四阈值时进行第二轮游戏任务下发，直至前100个用户的对特定游戏的反馈率达到设定的第五阈值，结束游戏任务下发，否则继续步骤s51进行下轮次游戏任务下发；本发明游戏用户选择学习训练速度快，效率高，结合经济成本和算法成熟度，对选定的游戏用户进行多轮次任务下发。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。