CN105045916A - 一种手机游戏推荐系统及其推荐方法 - Google Patents

Abstract

本发明公开了一种手机游戏推荐系统及其推荐方法，包括用户使用行为获取模块，基于当前游戏用户使用游戏的行为日志，获取当前用户动态行为信息和历史使用行为信息；用户行为分析模块，对用户行为进行分析，包括当前用户和与之相关联“朋友”用户的使用行为进行分析，进行用户相似度计算，找出相似用户群；生成游戏应用列表模块，根据游戏应用信息的标签、关键字和游戏简介和用户评价等描述将游戏聚成多个簇，为每一个游戏都生成了一个相似的游戏应用列表；游戏推荐模块，利用相似的游戏应用列表生成推荐列表，采用选取适当的权值加权集成基于游戏应用的推荐和基于游戏用户的推荐结果形成最终的推荐结果，构建根据游戏应用推荐数量设置相应的推荐阈值，将用户没有安装过的游戏应用推荐给用户，供用户安装使用。

Description

一种手机游戏推荐系统及其推荐方法

技术领域

本发明涉及互联网技术领域，尤其涉及一种手机游戏推荐系统及其推荐方法。

背景技术

随着移动互联网技术的快速发展，手机终端的智能化的不断提升，越来越多的用户通过安装各种移动应用程序，极大地方便了人们的日常生活，而手机游戏逐渐成为人们生活中不可缺少的娱乐组成部分。现有的手机游戏平台，一般按照游戏的分类（如棋牌游戏、角色动作、休闲益智等），将游戏服务商提供的游戏，按照统一的固定的模式展示给手机用户，以供用户下载安装；然而，数量极为庞大的手机游戏应用程序，也给用户选择一个自己感兴趣的游戏应用程序带来了很大困难。用户需要快速地在这些庞大数量的手机游戏应用程序中，找到自己感兴趣的游戏，这就给手机游戏平台提出了一个新的挑战。

目前，不同的手机游戏平台都对手机游戏进行了特定的打包格式，这种格式一般是将应用游戏的安装包（如ａｐｋ安装包等）和游戏的数据包打包在一起成为一个文件，然后，用户通过游戏平台的游戏安装器，即可完成游戏的安装过程，这样是为了解决安装部分大型手机游戏时，还需要下载游戏数据包的繁杂操作。因此，如何在众多手机游戏平台并存的情况下，吸引新用户、留住老用户，成为游戏平台竞争的主要任务。绝大部分手机游戏平台都是采用游戏分类目录和热门游戏排行榜等方案，帮助用户快速找到所需应用游戏，但是，这样并不能很好的满足不同用户的需求。因为根据用户下载游戏应用的次数和用户评论等构成的不同游戏分类的排行榜，展现给所有的用户都是一样的，这就忽略了不同用户所感兴趣的游戏不一定与下载次数和用户评论等信息相符合。而且对于同一个用户来说，他的兴趣往往也会随着时间的推移和下载并玩耍了不同类别的游戏后而改变。用户按着游戏分类和排行榜找不到自己喜欢的游戏后，一般会再根据自己的兴趣和需求去按着关键字查询游戏信息，然后浏览大量的游戏信息后，才会得到自己需要的游戏。但是，如果用户没有很好的描述自己的兴趣和需求、关键字没有确定理想的话，这将会花费很多时间在寻找游戏上，这样就大大降低了用户的体验，继而影响到手机游戏平台的业务。

因此，我们需要一个能够读懂用户的兴趣，挖掘出用户的潜在需求和玩游戏的倾向性，对其进行有针对性的推荐，以帮助游戏平台吸引新用户、留住老用户，提升用户使用平台的体验。

发明内容

本发明的目的在于克服上述现有技术存在的种种不足，而提供了一种能够根据用户手机安装的游戏和玩游戏的情况以及其他信息，准确推荐其感兴趣的游戏应用的手机游戏推荐系统。

本发明的另一目的还在于提供一种上述手机游戏推荐系统的游戏推荐方法。

本发明的目的是这样实现的：

一种手机游戏推荐系统，其特征是，包括用户使用行为获取模块、用户行为分析模块、生成游戏应用列表模块和游戏推荐模块，所述用户使用行为获取模块主要是通过手机游戏平台采集用户的相关信息、并传输到手机游戏平台的服务器端，用户行为分析模块在服务器端获取到用户的相关信息、并进行分析处理，再由生成游戏应用列表模块根据前述的分析处理意见，生成一个相似的游戏应用列表；最后由游戏推荐模块得出最终推荐结果，将用户没有安装过的游戏应用推荐给用户，以供用户安装使用。

本发明的另一目的是这样实现的：

一种如上述手机游戏推荐系统的推荐方法，其特征是，包括如下步骤：

步骤一，用户使用行为获取模块主要是通过手机游戏平台采集用户的相关信息，生成日志数据并传输到手机游戏平台的服务器端；

步骤二，用户行为分析模块在服务器端获取到上述用户的行为日志数据后，对日志数据进行归一化处理，采用K-means聚类分析，将所有用户聚类为若干个用户所属分类的聚类簇，并且根据聚类的结果分析各分类的聚类簇里用户的相似度；

步骤三，再由生成游戏应用列表模块根据游戏应用信息的标签、关键字、游戏简介和用户评价描述，将游戏聚成多个簇，为每一个游戏都生成一个相似的游戏应用列表；

步骤四，最后由游戏推荐模块得出最终推荐结果，根据游戏应用推荐的数量设置相应的推荐阈值，将用户没有安装过的游戏应用推荐给用户，以供用户安装使用。

作为上述手机游戏推荐系统的推荐方法的更具体方案：

所述步骤一中，用户的相关信息包括用户特征、手机端设备标识、安装的游戏列表和游戏使用情况。

所述用户特征包含有年龄、性别、婚育状况、教育层度、职业特点和通讯录中好友列表以及用户位置信息。

所述游戏使用情况是指用户在平台上对获得某些游戏进行过的操作信息，以及用户对他安装的游戏的使用时间长短信息。

所述步骤三中，生成相似的游戏应用列表中的游戏，按照相似度由高到低进行排序。

所述步骤四中，游戏推荐模块利用相似的游戏应用列表生成推荐列表，采用基于游戏应用的推荐和基于游戏用户的推荐的方法，然后选择适当的权值将这两种方式推荐的结果加权集成后得出最终的推荐结果。

所述基于游戏应用的推荐是指，当用户浏览使用某个游戏后想要获得推荐时，发出推荐请求，这时手机游戏平台服务器就利用生成游戏应用列表模块中的方法生成与该游戏相似的游戏应用列表，从相似的游戏应用列表中选择前N0个构成游戏推荐列表，其中，N0可以调整。

所述基于游戏用户的推荐是指，当需要向某个用户进行游戏推荐的时候，利用用户行为分析模块生成的该用户处于的某个分类聚类簇和该分类内其他用户与该用户之间的相似度，找到相似度靠前的N1位用户，然后根据这N1位用户的使用游戏的情况，从中随机选择该用户没有安装过的游戏形成游戏列表。

本发明的有益效果如下：

（1）本发明的手机游戏推荐系统及其推荐方法，根据获取到的用户使用行为和对用户行为的分析，找出相似的用户群，同时对游戏信息进行聚类，为每一个游戏都生成了一个相似的游戏应用列表，然后利用相似的游戏应用列表生成推荐列表，最后基于游戏用户的推荐和基于游戏应用的推荐，同时根据推荐数量将游戏应用推荐给不同的用户，因此，本发明实施例在向用户推荐游戏应用的时候，结合用户的使用行为特征和游戏信息的特征进行推荐，能够满足不同手机用户的需求，避免了仅根据下载量和用户评论等信息固定的展现给所有用户，与现有技术相比较，本发明提供的技术方案实现了手机游戏平台的游戏应用的个性化推荐，能够减少用户反复查找所需要的游戏应用的操作，提高应用推荐的有效性，同时也提高了用户的体验，进而给手机游戏平台带来了吸引新用户、留住老用户的效益。

附图说明

图1为本发明手机游戏推荐系统的原理方框图。

图2为图1中的用户使用行为获取模块的原理框图。

图3为图1中的用户行为分析模块的原理框图。

图4为图1中的生成游戏应用列表模块的原理框图。

图5为图1中的游戏推荐模块的原理框图。

具体实施方式

下面结合附图及实施例对本发明作进一步描述。

如图1至图5所示，一种手机游戏推荐系统，见图1所示，为其整体的原理方框示意图，它主要包括用户使用行为获取模块、用户行为分析模块、生成游戏应用列表模块和游戏推荐模块，所述用户使用行为获取模块主要是通过手机游戏平台采集用户的相关信息、并传输到手机游戏平台的服务器端，用户行为分析模块在服务器端获取到用户的相关信息、并进行分析处理，再由生成游戏应用列表模块根据前述的分析处理意见，生成一个相似的游戏应用列表；最后由游戏推荐模块得出最终推荐结果，将用户没有安装过的游戏应用推荐给用户，以供用户安装使用。这些模块共同构成了本发明，下面分别介绍这些模块的具体实现原理，即：构成手机游戏推荐系统的推荐方法的各模块原理说明。

如图2所示，为本发明手机游戏推荐系统的推荐方法涉及的“用户行为获取模块”，它主要是通过手机游戏平台采集用户的相关信息生成日志数据并传输到手机游戏平台的服务器端，这里的用户相关信息包括：用户特征、手机端设备标识、安装的游戏列表和游戏使用情况，其中，用户特征含有年龄、性别、婚育状况、教育层度、职业特点和通讯录中好友列表以及用户位置信息等信息；游戏使用情况是指，某个用户在平台上对某获某些个游戏进行什么操作，比如安装或者卸载了某款游戏、对游戏的评分和反馈信息，以及用户对他安装的游戏的使用时长等。游戏使用时长的定义是：表示一个游戏应用在用户的手机终端里保留的时间长度，若假设在time1时刻，扫描到用户的游戏应用列表中没有某个游戏应用appid01，但在time2（time2>time1）时刻，扫描到用户的游戏应用列表中有该游戏应用appid01，而在time3（time3>time2）时刻，扫描到用户的游戏应用列表里面又不包含该游戏应用appid01，那么就说明了用户在time1到time2时间内安装了该游戏应用appid01，在time2到time3时间内卸载了该游戏应用appid01。特别地，如果time2时刻正好是该游戏应用appid01首次出现在用户的游戏应用列表里面，同时在time3（time3>time2）时刻为首次扫描到该游戏应用appid01不在用户的游戏列表里面，则在本发明中，我们将游戏时长表示为time=time3–time2。服务器端通过控制扫描获取用户这些信息汇总后生成一定格式的log日志，保存着服务器集群上。通过这种自动获取日志的方式，使得相关技术人员能够获得用户的特征和用户当前和前一段时间使用游戏的情况，以用于后续用户行为分析。

如图3所示，为本发明手机游戏推荐系统的推荐方法涉及的“用户行为分析模块”，它是在服务器端获取到用户的行为日志后，我们对日志数据进行归一化处理。当用户使用游戏平台的时候，服务器端就自动生成包含但不限于用户的基本特征（比如用户注册的信息）和获取用户的位置信息的日志数据包。对日志记录进行归一化处理，分解成如下数据格式：（userid，appid，system，operate，timestamp），其中userid，appid分别为具有唯一性的用户编号和游戏应用编号，system表示用户手机终端的操作系统等信息，operate表示用户操作类型，可以设置operate=1表示用户安装了该游戏，operate=0表示用户卸载了该应用，timestamp表示的是时间戳。更进一步细化数据，userid包含（uid，age，sex，education，profession，friends，location），其中uid唯一标识用户，age表示用户的年龄，在具体实施过程中，我们将用户年龄归到年龄段区间内（比如：儿童5-10岁，少年11-18岁，青年19-35岁，中年35到60岁，以及老年60岁以上）；education表示注册用户的教育情况，可以分为：小学、初中、高中、大学等；profession表示用户的职业情况，friends表示用户的朋友列表的编号，location表示用户当前处于的地理位置范围。对所有用户的日志进行分析可以获取到所有用户的分类以及各个分类内用户之间的相似度。这里我们采用的K-means聚类分析，将所有用户聚类为若干个用户所属分类的聚类簇，并且根据聚类的结果分析各分类的聚类簇里用户的相似度。K-means算法是最为经典的基于划分的聚类方法，通过K-means算法可以将具有类似特征的对象聚类成若干簇。K-means算法的基本思想是：以空间中K个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果，把N个对象分成了K个簇，每个簇内具有较高的相似度，而簇间的相似度较低。获取到用户之间的相似度后，可以采用基于用户之间的相似度进行游戏应用的推荐，

如图4所示，为本发明手机游戏推荐系统的推荐方法涉及的“生成游戏游戏应用列表模块”，该模块是通过手机游戏平台服务器，可以获取游戏应用的数据，包括游戏应用的名称及游戏的标签（即游戏类别）、游戏应用的下载量、游戏上线时间、游戏版本、游戏卸载量、用户使用时长、用户对游戏的评分、以及用户对游戏的评论。首先我们对每个游戏的评论数据进行分析，利用对评论信息分词后再情感分析，挖掘出用户对每个游戏的使用情感倾向，主要分成喜欢和不喜欢两种类型，然后结合游戏的其他特征为每一个游戏都生成了一个相似的游戏应用列表，在列表中的游戏按照相似度由高到低进行排序。

如图5所示，为本发明手机游戏推荐系统的推荐方法涉及的“游戏推荐模块”，此模块根据相似应用列表，可以生成推荐列表，这里的推荐分为两种方式：基于游戏应用的推荐和基于游戏用户的推荐。

基于游戏应用的推荐：当用户浏览使用某个游戏后想要获得推荐时，发出推荐请求，这时手机游戏平台服务器就利用生成游戏应用列表模块中的方法生成与该游戏相似的游戏应用列表，从相似的游戏应用列表中选择前N0个构成游戏推荐列表。其中，N0可以调整的。

基于游戏用户的推荐：当需要向某个用户进行游戏推荐的时候，利用用户行为分析模块生成的该用户处于的某个分类聚类簇和该分类内其他用户与该用户之间的相似度，找到相似度靠前的N1位用户，然后根据这N1位用户的使用游戏的情况，从中随机选择该用户没有安装过的游戏形成游戏列表。

最后，选择适当的权值将基于游戏应用的推荐结果和基于游戏用户的推荐结果加权集成后得出最终的推荐结果，然后根据需要推荐的游戏应用的数量N，展示推荐结果中的前N个游戏应用给用户，以供用户下载。这里权值的选择可以通过实际情况进行调整，并可以根据用户反馈进行很好的优化。

从上述实施例可以看出，本发明基于数据挖掘的思想通过对手机游戏用户的行为进行分析和游戏应用的相似性进行分析，采用基于游戏用户和游戏应用的方法对不同的用户进行个性化的推荐。此外，用户还可以对推荐的结果进行反馈，反馈的内容是该游戏推荐是否适合自己，是不是自己喜欢的想要安装的游戏。通过反馈可以使得下次推荐的时候直接滤掉用户不喜欢的游戏，这样可以使推荐更加具有针对性，不断提高用户的体验。

Claims (9)

1.一种手机游戏推荐系统，其特征是，包括用户使用行为获取模块、用户行为分析模块、生成游戏应用列表模块和游戏推荐模块，所述用户使用行为获取模块主要是通过手机游戏平台采集用户的相关信息、并传输到手机游戏平台的服务器端，用户行为分析模块在服务器端获取到用户的相关信息、并进行分析处理，再由生成游戏应用列表模块根据前述的分析处理意见，生成一个相似的游戏应用列表；最后由游戏推荐模块得出最终推荐结果，将用户没有安装过的游戏应用推荐给用户，以供用户安装使用。

2.如权利要求1所述手机游戏推荐系统的推荐方法，其特征是，包括如下步骤：

步骤一，用户使用行为获取模块主要是通过手机游戏平台采集用户的相关信息，生成日志数据并传输到手机游戏平台的服务器端；

步骤二，用户行为分析模块在服务器端获取到上述用户的行为日志数据后，对日志数据进行归一化处理，采用K-means聚类分析，将所有用户聚类为若干个用户所属分类的聚类簇，并且根据聚类的结果分析各分类的聚类簇里用户的相似度；

步骤三，再由生成游戏应用列表模块根据游戏应用信息的标签、关键字、游戏简介和用户评价描述，将游戏聚成多个簇，为每一个游戏都生成一个相似的游戏应用列表；

步骤四，最后由游戏推荐模块得出最终推荐结果，根据游戏应用推荐的数量设置相应的推荐阈值，将用户没有安装过的游戏应用推荐给用户，以供用户安装使用。

3.根据权利要求2所述手机游戏推荐系统的推荐方法，其特征是，所述步骤一中，用户的相关信息包括用户特征、手机端设备标识、安装的游戏列表和游戏使用情况。

4.根据权利要求3所述手机游戏推荐系统的推荐方法，其特征是，所述用户特征包含有年龄、性别、婚育状况、教育层度、职业特点和通讯录中好友列表以及用户位置信息。

5.根据权利要求3所述手机游戏推荐系统的推荐方法，其特征是，所述游戏使用情况是指用户在平台上对获得某些游戏进行过的操作信息，以及用户对他安装的游戏的使用时间长短信息。

6.根据权利要求2所述手机游戏推荐系统的推荐方法，其特征是，所述步骤三中，生成相似的游戏应用列表中的游戏，按照相似度由高到低进行排序。

7.根据权利要求2所述手机游戏推荐系统的推荐方法，其特征是，所述步骤四中，游戏推荐模块利用相似的游戏应用列表生成推荐列表，采用基于游戏应用的推荐和基于游戏用户的推荐的方法，然后选择适当的权值将这两种方式推荐的结果加权集成后得出最终的推荐结果。

8.根据权利要求7所述手机游戏推荐系统的推荐方法，其特征是，所述基于游戏应用的推荐是指，当用户浏览使用某个游戏后想要获得推荐时，发出推荐请求，这时手机游戏平台服务器就利用生成游戏应用列表模块中的方法生成与该游戏相似的游戏应用列表，从相似的游戏应用列表中选择前N0个构成游戏推荐列表，其中，N0可以调整。

9.根据权利要求7所述手机游戏推荐系统的推荐方法，其特征是，所述基于游戏用户的推荐是指，当需要向某个用户进行游戏推荐的时候，利用用户行为分析模块生成的该用户处于的某个分类聚类簇和该分类内其他用户与该用户之间的相似度，找到相似度靠前的N1位用户，然后根据这N1位用户的使用游戏的情况，从中随机选择该用户没有安装过的游戏形成游戏列表。