CN103353920A - 基于社交网络推荐游戏的方法和装置 - Google Patents

Abstract

本发明提供了一种基于社交网络推荐游戏的方法，该方法包括：基于当前用户的游戏账户，获取当前用户的多维信息；对所获取的多维信息分别进行预处理，确定各维候选的推荐游戏；综合所述各维候选的推荐游戏，对游戏信息进行归一化和排序操作，确定最终推荐的游戏。相应地，还提供了一种基于社交网络推荐游戏的装置。本发明提供的推荐游戏的方法和装置大幅度提升了游戏推荐的采纳率。

Description

基于社交网络推荐游戏的方法和装置

技术领域

本发明涉及网络游戏技术领域，尤其涉及一种基于社交网络推荐游戏的方法和装置。

背景技术

目前，随着网络游戏的不断发展，通过诸如论坛、贴吧、社区等互动社交平台为用户推荐其潜在的感兴趣游戏已越来越普遍。现有技术通常采用人工编辑或简单地根据用户常登陆的游戏贴吧的频次排序向游戏用户推荐游戏，而不能实时地结合在线多个玩家的游戏服务信息，包括游戏环境、玩家行为特征、社交网络信息等进行游戏的推荐，也不能保证所推荐的游戏达到一定的采用率，推荐效果不佳。

事实上，游戏用户在参与贴吧游戏的情况下，其游戏爱好通常与游戏用户参与的贴吧活动、参与当前游戏的其他玩家以及游戏用户所参与过的其他游戏等方面的数据息息相关。因此，如果所推荐的游戏可以综合上述多方面进行分析，有望可以提升所推荐游戏的采用率。但是，目前并没有能够综合上述多方面的数据进行游戏推荐的技术方案。

因此，希望可以提出一种用于解决上述问题的基于社交网络推荐游戏的方法和装置。

发明内容

本发明的目的是提供一种用于解决上述问题的基于社交网络推荐游戏的方法和装置，可以有效根据游戏用户的动态信息实时地推荐网络游戏。

根据本发明的一个方面，提供了一种基于社交网络推荐游戏的方法，该方法包括：

a)基于当前用户的游戏账户，获取当前用户的多维信息；

b)对所获取的多维信息分别进行预处理，确定各维候选的推荐游戏；

c)综合所述各维候选的推荐游戏，对游戏信息进行归一化和排序操作，确定最终推荐的游戏。

根据本发明的另一个方面，还提供了一种基于社交网络推荐游戏的装置，包括：

用户信息获取单元，用于基于当前用户的游戏账户，获取当前用户的多维信息；

候选游戏推荐单元，用于对所获取的多维信息分别进行预处理，确定各维候选的推荐游戏；

最终游戏推荐单元，用于综合所述各维候选的推荐游戏，对游戏信息进行归一化和排序操作，确定最终推荐的游戏。

与现有技术相比，本发明具有以下优点：

1)本发明根据所获取的多维信息对用户所感兴趣的游戏进行自动分析，解决了现有的游戏推荐过度依赖人工处理的问题；

2)本发明结合用户的多维信息，实时地为用户推荐游戏，节省了游戏推荐所需计算的时间，提升了游戏推荐的效率；

3)本发明提升了所推荐游戏的采用率，更有针对性地推荐相关联的游戏给用户。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为根据本发明一个优选实施例的一种基于社交网络推荐游戏的方法流程图；

图2为根据本发明另一个优选实施例的一种基于社交网络推荐游戏的装置的示意性框图。

具体实施方式

下面结合附图对本发明作进一步详细描述。

根据本发明的一个方面，提供了一种基于社交网络推荐游戏的方法。需要说明的是，本发明下文所述的社区可以包括诸如天涯、猫扑等各类型，还可以包括如贴吧在内的其他社交平台。

请参考图1，图1为根据本发明一个优选实施例的基于社交网络推荐游戏的方法流程图。

如图1所示，本发明所提供的推荐网络游戏的方法包括：

步骤S101，基于当前用户的游戏账户，获取当前用户的多维信息。

具体地，用户第一次参与网络游戏时，通常需要注册游戏账号并通过该账号登陆游戏页面。事实上，在注册时，除游戏账号外，用户还填写了诸如姓名、邮箱等其他注册账户信息，在此，将所述所有注册的账户信息简称为游戏账户。

当用户登陆特定游戏社区时，获取该用户的相关账户信息，诸如用户编号（UID）、所进入的游戏社区的账号（ID）等。在本实施例中，当捕捉到一个用户编号出现在一个特定的游戏社区时，同时获取该用户的其他相关信息，例如获取以下三个维度的信息：1）该用户当前所访问或参与的社区（以下简称为当前社区）和经常所参与的社区（即参与频次排名靠前的N个社区，以下简称为TOP N社区），其中，用户经常参与的社区表示该用户的其他账户活跃度靠前的社区；2）该用户玩过的其他游戏信息，如游戏标识号（GID）；3）该用户的行为数据，包括用户发帖的内容、活跃度等社区收集和统计的行为数据。

步骤S102，对所获取的多维信息分别进行预处理，确定各维候选的推荐游戏。

具体地，根据所获取的相关信息的分类进行不同的预处理，以上文所述的三个维度的信息为例，按照以下方式进行各维信息的预处理操作。

针对第一维度的信息1）而言，获取该用户当前所访问或参与的社区和经常所参与的社区信息后，进行的预处理包括：

a1）获取当前社区与TOP N社区的特征数据；

具体地，所述特征数据包括社区的各种结构化的话题特征数据和各种结构化的氛围特征数据，其中，话题特征数据包括如娱乐八卦、休闲活动等内容，氛围特征数据如休闲、暴力、色情等氛围描述性内容。

a2）基于所获取的社区特征数据，形成相应的特征向量并进行加权计算，得到加权特征向量；

具体地，基于不同的特征数据，形成不同的特征向量。例如，基于当前社区的特征数据，形成特征向量a；基于TOP N社区的特征向量，形成特征向量集合b=（b_１，b_２，…b_n）。进一步地，对上述特征向量a和特征向量集合b进行加权计算，得到加权特征向量。其中，加权计算可以使用以下公式：

c=α*a+β*b

上述公式中，c表示最终得到的加权特征向量，α、β表示加权系数。

a3）获取候选游戏的特征向量，通过计算所述加权特征向量和所述候选游戏的特征向量的相关度，得到第一候选的推荐游戏。

进一步地，对于待推荐游戏（即候选游戏），获取与其相关的数据并形成对应的特征向量g。更进一步地，计算上述加权特征向量c和候选游戏特征向量g的相关度，并按照相关度进行排序。优选地，设定相关度的阈值，将相关度大于所述阈值的M个游戏作为第一候选的推荐游戏。

针对第二维度的信息2）而言，获取当前用户所玩过的其他游戏信息后，进行的预处理包括：

b1）获取当前用户玩过的历史游戏信息，形成相应的向量；

具体地，基于所获取的该用户玩过的其他游戏信息（即历史游戏信息），形成对应的向量。如基于游戏标识号信息（GID）形成向量m。进一步地，获取并统计该用户在其他游戏上所玩的次数、时长、付费等数据，结合这些数据和已形成的向量m进行加权计算，得到加权向量m‘。

需要说明的是，所述的历史游戏信息也可以包括诸如用户玩游戏的次数、时长和付费等数据。

b2）获取玩过所述历史游戏的其他用户的账户信息，结合所述账户信息和所述向量，得到其他用户的相关向量并计算所述其他用户和当前用户的相关性值；

具体地，对于当前用户玩过的历史游戏，进一步获取玩过所述历史游戏的其他用户的账户信息，如用户编号（UID），并获取这些用户编号所对应玩家玩过这些游戏的次数、时长、付费等数据，根据这些数据及上述加权向量m‘得到其他用户的相关向量（如UID向量）及其他用户和当前用户的相关性值。

b3）结合所述相关性值和当前用户的历史游戏信息，得到第二候选的推荐游戏。

具体地，获取当前用户的历史游戏信息（如当前用户在其他游戏上所玩的次数、时长、付费等信息）及其他用户和当前用户的相关性值后，结合上述信息，确定第二候选的推荐游戏，如M个相关的第二候选的推荐游戏。

针对第三维度的信息3）而言，获取当前用户的行为数据后，具体进行的预处理包括：

c1）基于当前用户的行为数据，形成当前用户的行为数据向量；

其中，所述行为数据向量包括诸如发帖话题、常登陆社区、活跃度等领域的数据。

c2）获取当前用户所对应的历史活跃社区信息以及参加所述历史活跃社区的其他用户的账户信息，并进一步获取所述其他用户的行为数据，形成所述其他用户的行为数据向量；

具体地，基于当前用户的行为数据，从中统计和分析当前用户经常登录或参与的社区，即历史活跃社区。进一步地，基于所分析得到的历史活跃社区，统计和分析其他活跃在所述历史活跃社区的用户账号（ID），并获取该账号对应用户的行为数据，包括发帖话题、常登陆或浏览的社区、活跃度等信息。在获取的这些行为数据的基础上，形成所对应的其他用户的行为数据向量；

c3）计算所述当前用户的行为数据向量与其他用户的行为数据向量的相关性并排序，筛选出相关性排名靠前的用户账号；

c4）获取所述相关性排名靠前的用户账号对应的历史游戏信息，结合所述历史游戏信息和相关性排名，确定第三候选的推荐游戏。

具体地，所述历史游戏信息包括所述用户账户经常登录的游戏次数、时长、付费数据等。根据所述历史游戏信息和相关性排名，从中优选一定数量（诸如M）的相关游戏作为第三候选的推荐游戏。

需要说明的是，上述对三个维度的数据进行预处理的顺序并没有区分先后，也即，对上述三个维度的数据进行预处理可以是同时，也可以按顺序进行。

步骤S103，综合所述各维候选的推荐游戏，对游戏信息进行归一化和排序操作，确定最终推荐的游戏。

具体地，得到各维候选的推荐游戏后，对这些候选的推荐游戏的游戏信息进行归一化和排序操作。例如，各维均确定出M个候选的推荐游戏，通过确定归一化操作的相关系数，计算各候选推荐的游戏和当前用户的账号及当前用户所在社区的相关性值，并根据计算结果进行排序，确定最终推荐的M个游戏。进一步地，将所述最终推荐的M个游戏主动推送到当前用户的界面进行展示。优选地，所述归一化操作采用如下公式进行计算：

y＝(x-MinValue)/(MaxValue-MinValue)

其中，y表示最终得到的归一化值，x代表归一化前的数值，MaxValue代表所设定的最大值，MinValue代表所设定的最小值。

需要说明的是，本领域的技术人员应当知晓，根据上述方法，本发明还可以在社区中为用户推荐游戏以外的信息，如虚拟物品、实体物品（商品、票务、优惠券等等）、资讯（医院挂号、教育机构等领域的信息）等。具体地，为了简明起见，对于其他信息的推荐，在此不再赘述。

与现有技术相比，本发明所提供的基于社交网络推荐游戏的方法具有以下优点：

1)根据游戏用户的社交网络信息实时地为其推荐游戏，更具有针对性；

2)本发明提供的推荐方法提升了所推荐游戏的采纳率。

根据本发明的另一个方面，还提供了一种基于社交网络推荐游戏的装置。

请参考图2所示，图2为根据本发明另一个优选实施例的基于社交网络推荐游戏的装置示意性框图。如图2所示，该装置包括：

用户信息获取单元201，用于基于当前用户的游戏账户，获取当前用户的多维信息；

候选游戏推荐单元202，用于对所获取的多维信息分别进行预处理，确定各维候选的推荐游戏；

最终游戏推荐单元203，用于综合所述各维候选的推荐游戏，对游戏信息进行归一化和排序操作，确定最终推荐的游戏。

下面，对本发明所提供的各单元的工作过程进行具体说明。

具体地，用户第一次参与网络游戏时，通常需要注册游戏账号并通过该账号登陆游戏页面。事实上，在注册时，除游戏账号外，用户还填写了诸如姓名、邮箱等其他注册账户信息，在此，将所述所有注册的账户信息简称为游戏账户。

当用户登陆特定游戏社区时，由用户信息获取单元201获取该用户的相关账户信息，诸如用户编号（UID）、所进入的游戏社区的账号（ID）等。在本实施例中，当捕捉到一个用户编号出现在一个特定的游戏社区时，同时获取该用户的其他相关信息，例如获取以下三个维度的信息：1）该用户当前所访问或参与的社区（以下简称为当前社区）和经常所参与的社区（即参与频次排名靠前的N个社区，以下简称为TOP N社区），其中，用户经常参与的社区表示该用户的其他账户活跃度靠前的社区；2）该用户玩过的其他游戏信息，如游戏标识号（GID）；3）该用户的行为数据，包括用户发帖的内容、活跃度等社区收集和统计的行为数据。

进一步地，由候选游戏推荐单元202根据信息的分类分别由不同模块完成相应的预处理。以上文所述的三个维度的信息为例，由以下模块按照以下方式进行各维信息的预处理操作。

针对第一维度的信息1）而言，获取该用户当前所访问或参与的社区和经常所参与的社区信息后，进行的预处理包括以下模块：

特征数据获得模块，用于获取当前社区与TOP N社区的特征数据；

特征向量形成模块，基于所获取的社区特征数据，形成相应的特征向量并进行加权计算，得到加权特征向量，并获取候选游戏的特征向量；

第一候选推荐游戏确定模块，用于计算所述加权特征向量和所述候选游戏的特征向量的相关度，得到第一候选的推荐游戏。

其中，各模块的工作过程在此不再详述，与上述方法相对应。

针对第二维度的信息2）而言，获取当前用户所玩过的其他游戏信息后，进行的预处理包括以下模块：

向量形成模块，用于获取当前用户玩过的历史游戏信息，形成相应的向量；

相关性计算模块，用于获取玩过所述历史游戏的其他用户的账户信息，结合所述账户信息和所述向量，得到其他用户的相关向量并计算所述其他用户和当前用户的相关性值；

第二候选推荐游戏确定模块，用于结合所述相关性值和当前用户的历史游戏信息，得到第二候选的推荐游戏。

其中，各模块的工作过程在此不再详述，与上述方法相对应。

针对第三维度的信息3）而言，获取当前用户的行为数据后，具体进行的预处理包括以下模块：

行为向量形成模块，基于当前用户的行为数据，形成当前用户的行为数据向量，以及，获取当前用户所对应的历史活跃社区信息以及参加所述历史活跃社区的其他用户的账户信息，并进一步获取所述其他用户的行为数据，形成所述其他用户的行为数据向量；

行为相关性计算模块，用于计算所述当前用户的行为数据向量与其他用户的行为数据向量的相关性并排序，筛选出相关性排名靠前的用户账号；

第三候选推荐游戏确定模块，用于获取所述相关性排名靠前的用户账号对应的历史游戏信息，结合所述历史游戏信息和相关性排名，确定第三候选的推荐游戏。

其中，各模块的工作过程在此不再详述，与上述方法相对应。

得到各维候选的推荐游戏后，由最终游戏推荐单元203对这些候选的推荐游戏的游戏信息进行归一化和排序操作。例如，各维均确定出M个候选的推荐游戏，由最终游戏推荐单元203确定归一化操作的相关系数，计算各候选推荐的游戏和当前用户的账号及当前用户所在社区的相关性值，并根据计算结果进行排序，确定最终推荐的M个游戏。

进一步地，本装置还包括游戏推送模块，用于将所述最终推荐的游戏主动推送到当前用户的界面进行展示。

本发明所提供的基于社交网络推荐游戏的装置具有以下优点：综合游戏用户的各方面社区信息，在合适的时间和合适的社区为当前用户实时地推荐最合适的游戏，同时促进了社区流量和转化率的提升。

以上所揭露的仅为本发明的较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种基于社交网络推荐游戏的方法，该方法包括：

a)基于当前用户的游戏账户，获取当前用户的多维信息；

b)对所获取的多维信息分别进行预处理，确定各维候选的推荐游戏；

c)综合所述各维候选的推荐游戏，对游戏信息进行归一化和排序操作，确定最终推荐的游戏。

2.根据权利要求1所述的方法，其中，所述获取的多维信息包括：当前用户当前所在社区和经常所参与的社区信息、当前用户玩过的游戏信息和当前用户的行为数据。

3.根据权利要求2所述的方法，其中，所述步骤b）具体包括：

获取当前用户当前所在社区与经常所参与的社区的特征数据；

基于所获取的社区特征数据，形成当前用户当前所在社区的特征向量和经常所参与的社区的特征向量集合并进行加权计算，得到加权特征向量；

获取候选游戏的特征向量，通过计算所述加权特征向量和所述候选游戏的特征向量的相关度，得到第一候选的推荐游戏。

4.根据权利要求2所述的方法，其中，所述步骤b）具体包括：

获取当前用户玩过的历史游戏信息，形成相应的向量；

获取玩过所述历史游戏的其他用户的账户信息，结合所述账户信息和所述向量，得到其他用户的相关向量并计算所述其他用户和当前用户的相关性值；

结合所述相关性值和当前用户的历史游戏信息，得到第二候选的推荐游戏。

5.根据权利要求2所述的方法，其中，所述步骤b）具体包括：

基于当前用户的行为数据，形成当前用户的行为数据向量；

获取当前用户所对应的历史活跃社区信息以及参加所述历史活跃社区的其他用户的账户信息，并进一步获取所述其他用户的行为数据，形成所述其他用户的行为数据向量；

计算所述当前用户的行为数据向量与其他用户的行为数据向量的相关性并排序，筛选出相关性排名靠前的用户账号；

获取所述相关性排名靠前的用户账号对应的历史游戏信息，结合所述历史游戏信息和相关性排名，确定第三候选的推荐游戏。

6.一种基于社交网络推荐游戏的装置，包括：

用户信息获取单元，用于基于当前用户的游戏账户，获取当前用户的多维信息；

候选游戏推荐单元，用于对所获取的多维信息分别进行预处理，确定各维候选的推荐游戏；

最终游戏推荐单元，用于综合所述各维候选的推荐游戏，对游戏信息进行归一化和排序操作，确定最终推荐的游戏。

7.根据权利要求6所述的装置，其中，所述获取的多维信息包括：当前用户当前所在社区和经常所参与的社区信息、当前用户玩过的游戏信息和当前用户的行为数据。

8.根据权利要求7所述的装置，其中，所述候选游戏推荐单元具体包括：

特征数据获得模块，用于获取当前用户当前所在社区与经常所参与的社区的特征数据；

特征向量形成模块，基于所获取的社区特征数据，形成当前用户当前所在社区的特征向量和经常所参与的社区的特征向量集合并进行加权计算，得到加权特征向量，并获取候选游戏的特征向量；

第一候选推荐游戏确定模块，用于计算所述加权特征向量和所述候选游戏的特征向量的相关度，得到第一候选的推荐游戏。

9.根据权利要求7所述的装置，其中，所述候选游戏推荐单元具体包括：

向量形成模块，用于获取当前用户玩过的历史游戏信息，形成相应的向量；

相关性计算模块，用于获取玩过所述历史游戏的其他用户的账户信息，结合所述账户信息和所述向量，得到其他用户的相关向量并计算所述其他用户和当前用户的相关性值；

第二候选推荐游戏确定模块，用于结合所述相关性值和当前用户的历史游戏信息，得到第二候选的推荐游戏。

10.根据权利要求7所述的装置，其中，所述候选游戏推荐单元具体包括：

行为向量形成模块，基于当前用户的行为数据，形成当前用户的行为数据向量，以及，获取当前用户所对应的历史活跃社区信息以及参加所述历史活跃社区的其他用户的账户信息，并进一步获取所述其他用户的行为数据，形成所述其他用户的行为数据向量；

行为相关性计算模块，用于计算所述当前用户的行为数据向量与其他用户的行为数据向量的相关性并排序，筛选出相关性排名靠前的用户账号；

第三候选推荐游戏确定模块，用于获取所述相关性排名靠前的用户账号对应的历史游戏信息，结合所述历史游戏信息和相关性排名，确定第三候选的推荐游戏。

Images