一种游戏应用数据的处理方法、装置、设备及介质与流程

本发明涉及游戏应用数据处理，尤其涉及一种游戏应用数据的处理方法、装置、设备及介质。

背景技术：

1、传统的游戏运营当中，对于新游戏、乃至竞品的第一手数据，往往是通过人工去进行关注、跟进、分析，人工的流程需要切换多个应用市场的app，依靠excel文档进行新游戏的定时跟进，整个数据链条存在较大的不稳定性，同时人工操作的方式存在一定的主观性和误差，容易导致信息延迟、错误和不一致性，同时也不便于大规模数据的管理和分析。

2、如果通过现有的爬虫模型去获取这些数据，也会存在以下问题：每个应用市场都有自己的数据结构和接口，应用市场也会不定期进行app内部页面的结构变更，遇到结构变更，则需要技术人员进行重新适配。即使在app版本没有更新的情况下，元素调整和文字描述的变更也可能发生，同样需要及时适配这些变更，否则可能导致数据采集不准确或失败。此外，由于各个应用商店的数据不一，要针对每个游戏应用进行统一分析的难度较高，只能针对每个应用商店的情况进行个别分析。

技术实现思路

1、本发明的目的在于提供一种游戏应用数据的处理方法、装置、设备及介质，实现多线程并行手机模拟，自动化提取各个应用市场的最新游戏应用数据，以解决上述现有技术问题的至少之一。

2、第一方面，一种游戏应用数据的处理方法，所述方法具体包括：

3、基于多线程技术同时运行若干个云手机，所述云手机为在云服务上布置的手机模拟器；

4、根据每个云手机分别登入至少一个应用商店，通过预设的数据采集模型提取每个应用商店的游戏应用数据，然后将所述游戏应用数据推送至消息队列；

5、从所述消息队列中根据主题分类获取不同的游戏应用数据进行分析，生成游戏应用数据分析结果。

6、进一步地，所述基于多线程技术同时运行若干个云手机，具体包括：

7、设置python多线程程序；

8、在所述python多线程程序的每个线程中，通过airtest模块连接并模拟操作至少一个云手机。

9、进一步地，所述设置python多线程程序，具体包括：

10、根据python的threading模块创建、启动、结束和同步若干个子线程对象，若干个所述子线程对象包括至少一个主线程对象和若干个子线程对象；

11、根据python的queue模块创建若干个任务队列，通过所述任务队列调度所述线程对象的执行任务；

12、根据python的time模块设置每个线程对象的最大重试次数和重试间隔；

13、根据python的logging模块记录每个线程对象的任务执行情况。

14、进一步地，所述通过airtest模块连接并模拟操作至少一个云手机，具体包括：

15、当所述云手机为安卓版本的云手机时，根据所述airtest模块的airtest.core.api组件连接并模拟操作至少一个安卓版本的云手机；

16、当所述云手机为ios版本的云手机时，根据所述airtest模块通过wda库连接并模拟操作至少一个ios版本的云手机。

17、进一步地，所述数据采集模型为poco图像识别模块；所述通过预设的数据采集模型提取每个应用商店的游戏应用数据，具体为：在所述python多线程程序的每个线程中，通过所述poco图像识别模块提取每个应用商店的游戏应用数据；

18、所述通过所述poco图像识别模块提取每个应用商店的游戏应用数据，具体包括：

19、根据所述poco图像识别模块的get_position方法获取每个应用商店的应用入口；

20、根据所述pogo图像识别模块的snapshot方法获取每个应用商店的至少一款游戏应用的屏幕截图；

21、根据所述pogo图像识别模块的get_text方法获取所述屏幕截图上的游戏应用数据。

22、进一步地，所述从所述消息队列中根据主题分类获取不同的游戏应用数据进行分析，生成游戏应用数据分析结果，具体包括：

23、从所述消息队列的每个主题中获取每款游戏的所有应用商店的游戏应用数据；

24、基于每款游戏的每个应用商店的游戏应用数据，通过主成分分析法获得每款游戏分别在每个应用商店的价值评分；

25、根据每款游戏在每个应用商店的价值评分，获得所有游戏的价值评分分析结果。

26、进一步地，所述基于每款游戏的每个应用商店的游戏应用数据，通过主成分分析法获得每款游戏分别在每个应用商店的价值评分，具体包括：

27、获取每款游戏在每个应用商店的所有评分指标，根据协方差公式通过所述评分指标获得每款游戏在每个应用商店的协方差矩阵，所述协方差公式满足其中，cov(xi,xj)表示任两个评分指标之间的协方差，xi和xj表示所有评分指标中的任两个评分指标，n表示评分指标的数量；

28、对所述协方差矩阵进行分解，获得若干个特征值及对应的特征向量；

29、对若干个所述特征值从大到小进行排序，获取前k个特征值对应的特征向量；

30、根据每个评分指标与前k个特征值对应的特征向量，获得每款游戏分别在每个应用商店的价值评分，所述价值评分满足p＝p1+p2+...+pn，pn＝xn*v1+xn*v2+...+xn*vk，其中，p表示任一款游戏在任一应用商店的价值评分，pn表示任一款游戏在任一应用商店的任一评分指标的价值评分，xn表示任一应用商店的任一评分指标，vk表示前k个特征值对应的特征向量中的任一特征向量。

31、第二方面，本发明提供了一种游戏应用数据的处理装置，所述装置具体包括：

32、第一处理模块，用于基于多线程技术同时运行若干个云手机，所述云手机为在云服务上布置的手机模拟器；

33、第二处理模块，用于根据每个云手机分别登入至少一个应用商店，通过预设的数据采集模型提取每个应用商店的游戏应用数据，然后将所述游戏应用数据推送至消息队列；

34、第三处理模块，用于从所述消息队列中根据主题分类获取不同的游戏应用数据进行分析，生成游戏应用数据分析结果。

35、第三方面，本发明提供了一种计算机设备，包括：存储器和处理器及存储在存储器上的计算机程序，当所述计算机程序在处理器上被执行时，实现如上述方法中任一项所述的游戏应用数据的处理方法。

36、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，实现如上述方法中任一项所述的游戏应用数据的处理方法。

37、与现有技术相比，本发明具有以下技术效果的至少之一：

38、1、解决了传统数据获取手段难以从各个游戏应用市场统一获取游戏应用数据的难题。

39、2、云手机可无限扩展，可同时进行手机模拟的任务无上限。

40、3、对多端散落的新游戏数据进行统一格式化与呈现。

41、4、可以进行整体新游戏数据的分析、发现新游戏上线之后进行消息推送。

42、5、通过主成分分析综合评价了所有应用商店的游戏价值评分，可以更加客观地评估每款游戏的综合情况。