推荐位4展现游戏2。那么当该用户浏览游戏平台或游戏网页的时间达到I分钟时，该方法利用游戏推荐方案2，将游戏1、游戏2、游戏3和游戏4推荐给用户1，从而使游戏推荐方案多样化，不会使用户I产生视觉疲劳。另外，推荐给用户I的游戏都是用户I可能比较感兴趣的，因此不会给用户I造成反感，提高了用户体验感。
[0064]根据本实施例提供的游戏智能推荐方法，通过数据挖掘得到多个用户的用户数据、多个游戏的游戏数据以及多个游戏推荐位的游戏推荐位数据，然后分别根据用户数据和游戏数据生成每个用户的用户画像和每个游戏的游戏画像，并根据游戏推荐位数据，选取出待使用的游戏推荐位，最后针对多个用户中的其中一个用户，根据预设的至少一个匹配指标，将该用户的用户画像与多个游戏的游戏画像进行匹配，得到多个待推荐的游戏，并每隔预设时间段，根据预设随机算法，计算待使用的游戏推荐位与多个待推荐的游戏之间的匹配关系，确定游戏推荐方案，利用游戏推荐方案，将多个待推荐的游戏推荐给该用户。
[0065]本发明提供的技术方案根据预设的至少一个匹配指标，将用户画像与游戏画像进行匹配，得到适合某个用户的多个待推荐的游戏，并每隔预设时间段，利用不同的游戏推荐方案，将多个待推荐的游戏推荐给该用户，使游戏推荐方案多样化，从而实现了游戏的智能推荐，进一步提高了游戏推荐效果，优化了游戏推荐方式。
[0066]图3示出了根据本发明一个实施例的游戏智能推荐装置的功能结构示意图，如图3所示，该装置包括:第一数据获取模块301、第一生成模块302、第二生成模块303、选取模块304、匹配模块305、确定模块306和推荐模块307。
[0067]第一数据获取模块301适于:通过数据挖掘得到多个用户的用户数据、多个游戏的游戏数据以及多个游戏推荐位的游戏推荐位数据。
[0068]第一数据获取模块301通过大数据分析、数据打点等方式进行数据挖掘，得到多个用户的用户数据、多个游戏的游戏数据以及多个游戏推荐位的游戏推荐位数据。
[0069]其中，游戏推荐位数据反映游戏推荐位的推荐能力。游戏推荐位数据包括:特定游戏推荐能力和/或推荐位更新频次。例如，推荐位更新频次的频次越高，则说明该游戏推荐位的推荐能力越强。
[0070]第一数据获取模块301进一步适于:通过数据挖掘得到多个用户的用户特征信息、用户喜好信息以及用户付费信息。
[0071]具体地，用户特征信息包括:用户固有特征以及用户来源渠道；用户喜好信息包括:用户浏览喜好信息、用户点击喜好信息以及用户活跃度信息；用户付费信息包括:用户付费记录信息以及用户付费潜力信息。其中，用户固有特征包括:用户性别、用户年龄以及用户星座等特征。另外，用户喜好信息还可包括:游戏类型喜好信息、游戏题材特色喜好信息、游戏美术风格喜好信息、游戏画面喜好信息、游戏战斗方式喜好信息、游戏人物设定喜好信息、游戏IP喜好信息、游戏级别喜好信息、游戏开发商喜好信息、游戏视角喜好信息、游戏音效喜好信息、游戏大小喜好信息和游戏内创建角色喜好信息等。
[0072]第一数据获取模块301进一步适于:通过数据挖掘得到多个游戏的游戏类型信息、游戏特征信息、游戏生命周期信息以及游戏收入信息。具体地，游戏特征信息包括:IP属性信息、游戏美术风格信息、游戏画面信息以及游戏开发商信息；游戏收入信息包括:游戏实际收入信息以及游戏收入潜力信息。其中，游戏特征信息还包括:游戏主营信息和游戏用户活跃度信息。根据某个游戏的游戏主营信息，可以获知该游戏是否为主营游戏。
[0073]第一生成模块302适于:根据第一数据获取模块301得到的用户数据生成每个用户的用户画像。
[0074]在第一数据获取模块301得到多个用户的用户数据之后，第一生成模块302根据用户数据生成每个用户的用户画像。其中，通过用户画像可准确地获知用户属性。
[0075]第一生成模块302进一步适于:根据第一数据获取模块301得到的用户数据，确定每个用户的用户属性，然后根据用户属性，生成每个用户的用户画像。
[0076]第二生成模块303适于:根据第一数据获取模块301得到的游戏数据生成每个游戏的游戏画像。
[0077]在第一数据获取模块301得到多个游戏的游戏数据之后，第二生成模块303根据游戏数据生成每个游戏的游戏画像。其中，通过游戏画像可准确地获知游戏属性。
[0078]第二生成模块303进一步适于:根据第一数据获取模块301得到的游戏数据，确定每个游戏的游戏属性，然后根据游戏属性，生成每个游戏的的游戏画像。
[0079]选取模块304适于:根据第一数据获取模块301得到的游戏推荐位数据，从多个游戏推荐位中选取待使用的游戏推荐位。
[0080]由于每个游戏推荐位的推荐能力是不同的，且游戏推荐位数据反映了游戏推荐位的推荐能力，因此选取模块304根据游戏推荐位数据，从多个游戏推荐位中选取出推荐能力合适的游戏推荐位，作为待使用的游戏推荐位。
[0081]匹配模块305适于:针对多个用户中的其中一个用户，通过将该用户的用户画像与多个游戏的游戏画像进行匹配，得到多个待推荐的游戏。
[0082]在第一生成模块302生成了每个用户的用户画像和第二生成模块303生成了每个游戏的游戏画像之后，针对多个用户中的其中一个用户，匹配模块305通过将该用户的用户画像与多个游戏的游戏画像进行匹配，得到多个待推荐的游戏，所得到的待推荐的游戏都是该用户可能比较感兴趣的游戏。
[0083]匹配模块305进一步适于:针对多个用户中的其中一个用户，根据预设的至少一个匹配指标，将该用户的用户画像与多个游戏的游戏画像进行匹配，得到多个待推荐的游戏。
[0084]匹配模块305进一步适于:针对多个用户中的其中一个用户，根据预设的至少一个匹配指标以及预设的每个匹配指标相对应的权重，将该用户的用户画像与多个游戏的游戏画像进行匹配，得到多个待推荐的游戏。
[0085]确定模块306适于:针对多个用户中的其中一个用户，每隔预设时间段，根据预设随机算法，计算选取模块304选取的待使用的游戏推荐位与匹配模块305得到的多个待推荐的游戏之间的匹配关系，确定游戏推荐方案。
[0086]其中，每隔预设时间段，根据预设随机算法，会随机地得到待使用的游戏推荐位与多个待推荐的游戏之间的匹配关系，从而产生不同的游戏推荐方案。
[0087]推荐模块307适于:针对多个用户中的其中一个用户，利用确定模块306确定的游戏推荐方案，将多个待推荐的游戏推荐给该用户。
[0088]根据本实施例提供的游戏智能推荐装置，第一数据获取模块通过数据挖掘得到多个用户的用户数据、多个游戏的游戏数据以及多个游戏推荐位的游戏推荐位数据，然后第一生成模块和第二生成模块分别根据用户数据和游戏数据生成每个用户的用户画像和每个游戏的游戏画像，选取模块选取出待使用的游戏推荐位，最后针对多个用户中的其中一个用户，匹配模块通过将该用户的用户画像与多个游戏的游戏画像进行匹配，得到多个待推荐的游戏，确定模块每隔预设时间段，根据预设随机算法，计算待使用的游戏推荐位与多个待推荐的游戏之间的匹配关系，确定游戏推荐方案，推荐模块利用确定模块确定的游戏推荐方案，将待推荐的游戏推荐给该用户。本发明提供的技术方案将用户画像与游戏画像进行匹配，得到适合某个用户的多个待推荐的游戏，并每隔预设时间段，利用不同的游戏推荐方案，将多个待推荐的游戏推荐给该用户，使游戏推荐方案多样化，从而实现了游戏的智能推荐，提高了游戏推荐效果，优化了游戏推荐方式。
[0089]在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。