>[0034]为了全面了解用户的游戏状况，游戏记录数据除了包括用户参与游戏信息，还可包括用户游戏等级信息。具体地，根据某个用户的游戏记录数据，不仅可以获知该用户参与了哪些游戏，还可获知该用户在每个游戏中的游戏等级，例如，根据用户1的游戏记录数据可知，用户1参与了游戏1、游戏2以及游戏3，其中，游戏1的游戏等级为等级1，游戏2的游戏等级为等级3，游戏3的游戏等级为等级5。
[0035]步骤S201，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，将该用户的用户数据与多个用户中其它用户的用户数据进行匹配，确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度。
[0036]具体地，为了使多个用户中的其中一个用户的用户数据与多个用户中其它用户的用户数据能够进行有效匹配，不仅预先设置了至少一个匹配指标，而且还为每个匹配指标预先设置了相对应的权重，因此，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，将该用户的用户数据与多个用户中其它用户的用户数据进行匹配，确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度。
[0037]步骤S202，根据匹配度，得到该用户的社交用户。
[0038]具体地，两个用户的用户数据的匹配度高可代表这两个用户的相关信息相似，具有相关的社交关系，例如，两个用户的用户数据的匹配度高可表示这两个用户在游戏方面具有相同或相似的兴趣爱好，因此，可从多个用户的其它用户中选取出匹配度较高的用户作为该用户的社交用户。
[0039]另外，本方法还可从多个用户中得到达人用户，具体通过步骤S203实现。
[0040]步骤S203，根据多个用户的用户特征信息、用户喜好信息、用户付费信息以及游戏记录数据，得到达人用户。
[0041]根据多个用户的用户特征信息、用户喜好信息、用户付费信息等用户数据以及游戏记录数据，可分析出哪些用户是游戏达人，从而得到达人用户。
[0042]另外，步骤S203也可以在步骤S200之后、步骤S201之前执行。
[0043]步骤S204，根据社交用户的游戏记录数据以及达人用户的游戏记录数据，将社交用户所参与的游戏以及达人用户所参与的游戏推荐给该用户。
[0044]在得到社交用户与达人用户之后，在步骤S204中，根据社交用户的游戏记录数据以及达人用户的游戏记录数据，将社交用户所参与的游戏以及达人用户所参与的游戏推荐给该用户，从而不仅有助于使所推荐的游戏更加适合该用户，还可以使达人用户发挥出达人效应，促进该用户参与游戏。
[0045]根据本实施例提供的游戏社交推荐方法，通过数据挖掘得到多个用户的用户数据以及游戏记录数据，接着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，将该用户的用户数据与多个用户中其它用户的用户数据进行匹配，确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度，并根据匹配度，得到该用户的社交用户，然后根据多个用户的用户数据以及游戏记录数据，得到达人用户，最后将社交用户所参与的游戏以及达人用户所参与的游戏推荐给该用户。本发明提供的技术方案不仅根据用户相关的社交关系进行游戏推荐，还推荐了达人用户所参与的游戏，从而使所推荐的游戏更加适合用户，实现了游戏的智能推荐，并通过达人用户的达人效应进一步提高了游戏推荐效果，优化了游戏推荐方式。
[0046]图3示出了根据本发明一个实施例的游戏社交推荐装置的功能结构示意图，如图3所示，该装置包括:数据获取模块301、匹配模块302和推荐模块303。
[0047]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以及游戏记录数据，游戏记录数据包括用户参与游戏信息。
[0048]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以及游戏记录数据，其中，游戏记录数据包括用户参与游戏信息，也就是说，根据某个用户的游戏记录数据，可以获知该用户参与游戏信息，比如，可获知该用户参与了哪些游戏以及所参与的这些游戏的其它相关信息。
[0049]匹配模块302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数据与多个用户中其它用户的用户数据进行匹配，得到该用户的社交用户。
[0050]在数据获取模块301得到了多个用户的用户数据以及游戏记录数据之后，匹配模块302针对多个用户中的其中一个用户，通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配，然后根据匹配结果，得到该用户的社交用户，其中，该用户的社交用户为与该用户有相关的社交关系的用户，例如，该用户的社交用户为与该用户具有相同或相似兴趣爱好的用户，该用户的社交用户不一定为与该用户已建立朋友关系或好友关系的用户。
[0051]推荐模块303适于:根据社交用户的游戏记录数据，将社交用户参与的游戏推荐给该用户。
[0052]在匹配模块302得到了该用户的社交用户之后，推荐模块303根据社交用户的游戏记录数据，将社交用户参与的游戏推荐给该用户，由于该用户的社交用户为与该用户有相关的社交关系的用户，将社交用户参与的游戏推荐给该用户，有助于使所推荐的游戏更加适合该用户。
[0053]根据本实施例提供的游戏社交推荐装置，数据获取模块通过数据挖掘得到多个用户的用户数据以及游戏记录数据，然后匹配模块针对多个用户中的其中一个用户，通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配，得到该用户的社交用户，最后推荐模块根据社交用户的游戏记录数据，将社交用户参与的游戏推荐给该用户。本发明提供的技术方案根据用户相关的社交关系进行游戏推荐，从而使所推荐的游戏更加适合用户，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。
[0054]图4示出了根据本发明另一个实施例的游戏社交推荐装置的功能结构示意图，如图4所示，该装置包括:数据获取模块401、匹配模块402、确定模块403和推荐模块404。
[0055]数据获取模块401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、用户付费信息以及游戏记录数据，其中，游戏记录数据包括用户参与游戏信息。
[0056]数据获取模块401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特征信息、用户喜好信息以及用户付费信息等用户数据以及游戏记录数据。
[0057]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，为了全面分析用户的游戏喜好，数据获取模块401得到的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。比如，有的用户喜欢动作类游戏，则该用户的游戏类型喜好信息可以记录动作类游戏；有的用户喜欢宫廷题材的游戏，则该用户的游戏题材特色喜好信息可以记录宫廷题材游戏；有的用户喜欢竞技战斗的游戏，则该用户的游戏战斗方式喜好信息可以记录竞技战斗。以上仅为举例，本发明中用户喜好信息包括但不仅限于上述具体信息。
[0058]为了全面了解用户的游戏状况，游戏记录数据除了包括用户参与游戏信息，还可包括用户游戏等级信息。具体地，根据某个用户的游戏记录数据，不仅可以获知该用户参与了哪些游戏，还可获知该用户在每个游戏中的游戏