一种游戏数据的智能化分析方法

摘要

本发明公开了一种游戏数据的智能化分析方法，步骤如下：实时接收客户端回馈的数据，并将数据缓存在Redis先进先出队列中；从Redis先进先出队列中提取数据；对提取的数据进行合法性验证；根据预设的统计目标，对数据进行去重；将数据中每个用户个体统计为一个向量，对所有用户个体的信息进行差异统计处理；提取用户行为特征及差异检测，使用互信息熵进行计算；计算两个事件的联合熵；计算互信息MI；将行为差值与MI做商，取得新的差值；计算出第i个及第i‑1个行为的熵HIi，并求这两个联合分布率，求出MIi的值，以得到差值Di；11)对差值Di进行解析，并将解析结果计入统计结果数据库中。本发明能够对数据进行快速分析处理，实用性强。

主权项

一种游戏数据的智能化分析方法，其特征在于，步骤如下：1)实时接收客户端回馈的数据，并将数据缓存在Redis先进先出队列中，其中客户端回馈的数据已经预先定义了数据格式；2)从Redis先进先出队列中提取数据；3)对提取的数据进行合法性验证，若验证合法，则进行步骤4)，否则，丢弃该数据，返回步骤2)；4)根据预设的统计目标，对数据进行去重；5)将数据中每个用户个体统计为一个向量，对所有用户个体的信息进行差异统计处理：$Fd=\underset{x=1}{\overset{H}{\Sigma }}\underset{y=1}{\overset{W}{\Sigma }}|f_1(x,y)-f_2(x,y)|/HW$其中H为游戏行为数量，W为用户样本数量，f(x，y)为用户每日行为向量，以此，计算出用户两日行为的平均差异数值，同理对个体用户进行单独统计，计算出用户在游戏过程中的游戏行为波动情况，以建立起用户行为波动曲线；6)提取用户行为特征及差异检测，使用互信息熵进行计算：$H\left(x\right)=-\underset{x\in A\left(X\right)}{\Sigma }{P}_X\left(x\right){\mathrm{logP}}_X\left(x\right)$其中，此时熵的单位为行为数；7)计算两个事件的联合熵：$H(x,y)=-\underset{x\in A\left(X\right),y\in A\left(y\right)}{\Sigma }{P}_{xy}(x,y){\mathrm{logP}}_{xy}(x,y);$8)计算互信息MI：MI(x，y)＝H(x)+H(y)‑H(x，y)；9)将行为差值与MI做商，取得新的差值为：$D_i=\underset{j=0}{\overset{N}{\Sigma }}\left(H_i\right(j)-H_i-(j-1\left)\right)/MI$其中，N为划分的时间区间的个数，Hi(j)为第i个行为发生第j日里的概率；10)计算出第i个行为的熵HIi为：${\mathrm{HI}}_i=\underset{j=1}{\overset{N}{\Sigma }}-H_i\left(j\right){\mathrm{logH}}_i\left(j\right)$同理，计算出第i‑1个行为的熵，并求这两个联合分布率，求出MIi的值，以得到差值Di；11)对差值Di进行解析，并将解析结果计入统计结果数据库中。