一种基于用户手游行为图谱的游戏推荐方法

摘要

本发明公开了一种基于用户手游行为图谱的游戏推荐方法，利用游戏数据中用户的登录日志，提取用户特征。计算用户特征向量两两的余弦相似度，根据余弦相似度值与设定的阈值大小关系确定两个节点是否有边相连；提取用户对游戏的操作，比如用户对游戏的充值操作等，提取游戏的上线时间，用户开始玩游戏的时间，构造用户的属性，从而构造用户手游行为图谱；分析用户手游行为图谱，挖掘其中的“潮流用户”节点，“朋友”关系节点等角色信息。根据与目标用户节点相连的近邻用户节点角色信息，赋予近邻用户节点不同的权重，将近邻用户节点玩过的游戏并且目标用户节点没有玩过的游戏按照权重加权，形成推荐列表，推荐给目标用户，实现个性化游戏推荐。

主权项

一种基于用户手游行为图谱的游戏推荐方法，其特征在于，包括以下步骤：1)对游戏日志数据预处理：删除不完整、异常数据，清洗数据以减少噪音数据对后续实验的影响；转换数据的格式，使其符合后期实验的要求，便于快速开展实验；预处理后的数据为s₁；2)从s₁中提取用户特征，特征包括用户玩的游戏个数，用户手机型号，用户充值数，用户游戏等级以及用户的周登录比率，一天中各个时段登录比率特征；以特征向量u_i＝(x₁,x₂,...,x_m)表示第i个用户,i＝1,2,3,...,n，x_m表示第m个特征；3)利用从步骤2)中得到的用户特征向量组，分别计算用户特征向量两两的余弦相似度cosu_i,j,cosu_i,j表示第i个用户特征向量和第j用户特征向量的余弦相似度；如果cosu_i,j大于阈值T_u，表示用户i和用户j之间存在一条边相连，反之则表示两个用户之间不存在边连接；将用户i对游戏g的各种操作按照设定的权重加权，得到w_i,g；用户对游戏的操作表示用户对该游戏有过记录，包括用户对游戏的充值数及登录该游戏的次数；提取游戏上线时间t_g，用户i开始玩游戏g的时间t_i,g，得到A_i,g＝＜g‑(t_g,t_i,g,w_i,g)＞作为用户i的属性；通过上述步骤，得到用户手游行为图谱u_graph；4)分析用户手游行为图谱u_graph，步骤3)中得到的相连用户都是相似用户，即能够将他们作为“朋友”关系；接着，找到图谱中的“潮流用户”节点，“潮流用户”为游戏爱好者，玩的游戏数目多，能够发掘新上线的游戏并且尝试玩新游戏；如果用户节点i的属性个数n_A＞T_l并且定义该用户为“潮流用户”，其中T_l、T_h和T_k为设定的阈值，count((t_i,g‑t_g)＜T_h)为用户i开始玩游戏g的时间与游戏g上线时间之差小于T_h的个数；5)分析用户手游行为图谱u_graph，对每一个用户i，定义推荐规则：给用户i的推荐列表为与之相连用户玩过的但是用户i没玩过的游戏，其中，每个游戏g的推荐分值为$s=\alpha \underset{j=1}{\overset{n1}{\Sigma }}\cos u_{i,j}{w}_{i,g}+(1-\alpha )\underset{k=1}{\overset{n2}{\Sigma }}\cos u_{i,k}{w}_{k,g},$n₁表示玩过游戏g并且与用户i相连的“潮流用户”个数；n₂表示玩过游戏g并且与用户i相连的普通用户个数，取分数靠前的topN个游戏推荐给用户i；α为比例系数，取值0.5≤α≤1。