本申请涉及数据处理,特别是涉及一种数据处理方法和相关装置。
背景技术:
1、随着互联网的发展,网络游戏越来越受到人们的喜爱。为了能够让玩家在游戏中获得荣誉感,一般设置有很多荣誉头衔,比如胜率榜单、段位榜单等,以及对于上榜的玩家还会奖励限定版的游戏对局特效、限定版的游戏皮肤等。
2、设置荣誉头衔的目的在于对那些在游戏中玩得好的玩家给予奖励,然而,在网络游戏中可能存在着大量的目标行为,目标行为是一种恶意的游戏行为。比如某些玩家为了获得荣誉头衔会进行恶意刷分以达到上榜的目的,严重影响了网络游戏的公平性,同时也会影响正常玩家的游戏体验。
3、相关技术中,通过对玩家在游戏对局时点击匹配的数据进行检测,以确定是否存在目标行为。然而,此种方法容易被玩家绕过,因此,此种方法对目标行为的检测准确性较差。
技术实现思路
1、为了解决上述技术问题,本申请提供了一种数据处理方法和相关装置,能够提高目标行为的检测准确性,以便对目标行为进行精准惩罚,净化游戏环境。
2、本申请实施例公开了如下技术方案:
3、一方面,本申请实施例提供一种数据处理方法,所述方法包括:
4、获取待检测对象在检测时间子段内完成的检测指标行为及所述检测指标行为对应的操作时间;
5、根据所述检测指标行为和所述检测指标行为对应的操作时间,构建所述待检测对象在所述检测时间子段内的操作行为序列数据;所述操作行为序列数据包括所述检测指标行为和所述检测指标行为对应的操作时间差,所述操作时间差用于表示所述操作行为序列数据中所述检测指标行为的操作时间与所述检测指标行为相邻的上一检测指标行为的操作时间之间的差值;
6、根据所述操作行为序列数据对所述待检测对象进行检测,得到检测结果;所述检测结果用于指示所述待检测对象是否存在目标行为。
7、又一方面,本申请实施例提供一种数据处理装置,所述装置包括获取单元、构建单元和检测单元:
8、所述获取单元,用于获取待检测对象在检测时间子段内完成的检测指标行为及所述检测指标行为对应的操作时间;
9、所述构建单元,用于根据所述检测指标行为和所述检测指标行为对应的操作时间,构建所述待检测对象在所述检测时间子段内的操作行为序列数据;所述操作行为序列数据包括所述检测指标行为和所述检测指标行为对应的操作时间差,所述操作时间差用于表示所述操作行为序列数据中所述检测指标行为的操作时间与所述检测指标行为相邻的上一检测指标行为的操作时间之间的差值;
10、所述检测单元,用于根据所述操作行为序列数据对所述待检测对象进行检测,得到检测结果;所述检测结果用于指示所述待检测对象是否存在目标行为。
11、另一方面,本申请实施例提供一种计算机设备,所述计算机设备包括处理器以及存储器:
12、所述存储器用于存储计算机程序,并将所述计算机程序传输给所述处理器;
13、所述处理器用于根据所述计算机程序中的指令执行前述任一方面所述的方法。
14、另一方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行前述任一方面所述的方法。
15、另一方面,本申请实施例提供一种计算机程序产品,包括计算机程序,当其在计算机设备上运行时,使得所述计算机设备执行时实现前述任一方面所述的方法。
16、由上述技术方案可以看出,针对待检测对象,可以获取待检测对象在检测时间子段内完成的检测指标行为以及检测指标行为对应的操作时间,并根据检测指标行为及其对应的操作时间构建待检测对象在检测时间子段内的操作行为序列数据,操作行为序列数据包括检测指标行为和检测指标行为对应的操作时间差,该操作时间差用于表示操作行为序列数据中检测指标行为的操作时间与该检测指标行为相邻的上一检测指标行为的操作时间之间的差值,基于此,操作行为序列数据能够反映出待检测对象在检测时间子段内所完成的检测指标行为的时间分布特性。由于玩家存在目标行为时和不存在目标行为时所完成检测指标行为的操作行为序列数据表现出不同的时间分布特性,因此可以根据检测时间子段对应的操作行为序列数据对待检测对象进行检测,得到用于指示该待检测对象是否存在目标行为的检测结果。相较于相关技术中采用点击匹配数据检测目标行为的方法,点击匹配数据仅是玩家点击匹配时的短期行为表现,而本申请实施例提供的操作行为序列数据能够反映时间分布特性,是玩家的长期行为表现,从而不易被玩家感知绕过,由此能够提高目标行为的检测准确性,以便对目标行为进行精准惩罚,净化游戏环境。
1.一种数据处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述操作行为序列数据对所述待检测对象进行检测,得到检测结果,包括:
3.根据权利要求2所述的方法,其特征在于,所述检测时间子段为检测时间段内的一个时间子段,所述检测时间段包括n个时间子段,n为大于1的整数,所述通过检测模型包括的向量化模块对所述操作行为序列数据进行向量化处理,得到所述操作行为序列数据对应的映射向量,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据第i个时间子段的操作行为序列数据对应的映射向量确定所述第i个时间子段的操作行为序列数据对应的行为序列向量,包括:
5.根据权利要求4所述的方法,其特征在于,所述对所述第i个时间子段的操作行为序列数据对应的映射向量进行特征增强处理,得到所述第i个时间子段的操作行为序列数据对应的行为序列向量,包括:
6.根据权利要求3所述的方法,其特征在于,所述第i个时间子段的操作行为序列数据包括多组操作数据,所述多组操作数据中的每组操作数据包括一个检测指标行为和所述一个检测指标行为对应的操作时间差,所述通过所述向量化模块分别对所述n个时间子段的操作行为序列数据进行向量化处理,得到所述n个时间子段的操作行为序列数据对应的映射向量,包括:
7.根据权利要求2所述的方法,其特征在于,所述检测模型的训练过程包括:
8.根据权利要求1所述的方法,其特征在于,所述根据所述操作行为序列数据对所述待检测对象进行检测,得到检测结果,包括:
9.一种数据处理装置,其特征在于,所述装置包括获取单元、构建单元和检测单元:
10.一种计算机设备,其特征在于,所述计算机设备包括处理器以及存储器:
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于实现权利要求1-8任一项所述的方法。
12.一种计算机程序产品,包括计算机程序,其特征在于,当其在计算机设备上运行时,使得所述计算机设备执行权利要求1-8任一项所述的方法。