一种网络游戏智能化数据分析方法

摘要

本发明揭示了一种网络游戏智能化数据分析方法，包括以下步骤：通过搜集用户数据，建立玩家在玩游戏的过程中行为的波动情况，以此建立起玩家行为波动曲线，然后计算玩家行为特征及差异检测，并且计算玩家对于两个事件之间行为的特征以及不同行为间的差异性，从而可以直观监控玩家行为变化以及玩家进行游戏时两个事件之间的关联程度，当玩家行为出现变化时，根据MI曲线以及Di的差值变化，系统会自动报警并且调整推送游戏行为的顺序以及事件的顺序，根据玩家行为差异曲线，自动调整r值，从而调整S值，来适应玩家的行为需求，本发明不会影响后台调控的精度，并且能够反映出用户的喜好随着时间的推移可能会出“缓慢变化的”趋势速度。

主权项

一种网络游戏智能化数据分析方法，其特征在于，包括以下步骤：（1）统计样本库行为波动曲线，当用户进入游戏时，系统会自动收集用户等级、在线时长、离线时间、偏爱任务类型、社会关系等所有游戏行为，随后每个个体行为会被统计为一个向量:X=[，，…]，对玩家的行为进行一段时间统计后，对所有玩家累积的行为进行一个差异统计：其中，H为行为数量，W为玩家样本数量，f(x，y)为玩家每日行为向量；以此，计算出玩家两日行为的平均差异数值，同理对个体进行单独统计，可以计算出玩家在玩游戏的过程中行为的波动情况，以此建立起玩家行为波动曲线；（2）提取玩家行为特征及差异检测，使用互信息熵来计算：其中，此时熵的单位为行为数；（3）计算两个事件的联合熵：（4）计算互信息MI：（5）将行为差值与MI做商，取得新的差值为：其中，N是划分的时间区间的个数，Hi(j)是第i个行为中发生第j日里的概率；（6）计算出第i个行为的熵HIi为：同理计算出第i‑1个行为的熵，然后求这两个联合分布率，求出MIi的值，从而最终得到差值Di；其中，Di反映了玩家对于两个事件之间行为的特征以及不同行为间的差异性，从而可以直观监控玩家行为变化以及玩家进行游戏时两个事件之间的关联程度，相似程度；以及（7）当玩家行为出现变化时，根据MI曲线以及Di的差值变化，系统会自动报警并且调整推送游戏行为的顺序以及事件的顺序，对特征量的分布用高斯函数建立模型，假设符合均值为μ方差为σ的高斯分布N(μ，σ)，并设定阈值为S=μ+rσ这里，r是一个调节误检数的参数，r的设定方法为其中，X是昨日的MI平均数据，而Y是今日已经出现的MI数据，T是时间，基于此系统会根据玩家行为差异曲线，自动调整r值，从而调整S值，来适应玩家的行为需求。