CN108090800A - 一种基于玩家消费潜力的游戏道具推送方法和装置 - Google Patents

一种基于玩家消费潜力的游戏道具推送方法和装置 Download PDF

Info

Publication number
CN108090800A
CN108090800A CN201711206852.6A CN201711206852A CN108090800A CN 108090800 A CN108090800 A CN 108090800A CN 201711206852 A CN201711206852 A CN 201711206852A CN 108090800 A CN108090800 A CN 108090800A
Authority
CN
China
Prior art keywords
player
stage property
consumption
candidate
game item
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711206852.6A
Other languages
English (en)
Other versions
CN108090800B (zh
Inventor
余建兴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Xishanju Digital Technology Co ltd
Zhuhai Kingsoft Digital Network Technology Co Ltd
Original Assignee
Zhuhai Xishan Mobile Game Technology Co Ltd
Zhuhai Kingsoft Online Game Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhuhai Xishan Mobile Game Technology Co Ltd, Zhuhai Kingsoft Online Game Technology Co Ltd filed Critical Zhuhai Xishan Mobile Game Technology Co Ltd
Priority to CN201711206852.6A priority Critical patent/CN108090800B/zh
Publication of CN108090800A publication Critical patent/CN108090800A/zh
Application granted granted Critical
Publication of CN108090800B publication Critical patent/CN108090800B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
    • A63F13/792—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories for payment purposes, e.g. monthly subscriptions
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
    • A63F13/795—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories for finding other players; for building a team; for providing a buddy list
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于玩家消费潜力的游戏道具推送方法，包括以下步骤：在数据库中提取玩家的消费数据；将玩家进行分群并预测群内每个玩家的消费能力；选择与玩家消费能力相匹配的道具，生成道具候选列表；对候选道具进行排序并推送给相应的玩家。并综合多类因素排序输出游戏道具的推送列表，给玩家推送与其消费预期匹配的游戏道具，从推送到交易的有效转化率获得显著提升，有效地解决了行业性的难题。

Description

一种基于玩家消费潜力的游戏道具推送方法和装置
技术领域
本发明涉及信息分析领域，尤其涉及一种基于玩家消费潜力的游戏道具推送方法和装置。
背景技术
在网络游戏商城的运营中，道具推送是关键点。在游戏中存在不同消费档次的玩家，这些玩家的消费能力和消费意愿不同。当给低消费潜力的玩家推送高价格的游戏道具，玩家很可能会感觉超出其消费期望，导致无法达成交易，该道具推送无效，无法达到企业的商业目标。不同消费阶层的玩家有不同的消费能力，道具推荐的业务目标是给不同阶层的玩家定制化地推荐不同价位档次的道具。据所知文献，业界提出了很多类型的推荐方法，这些方法一般只考虑用户或者物品的相似度；却忽略了用户的消费能力以及从推送到交易的有效转化状况。该类方法很可能给用户推荐一些价格高的物品，但用户却没有发生购买行为，导致购买的有效转化率较低，难以满足业务应用需求。
解决该问题的关键之一是对玩家进行分类，在本领域中，通常是采用k-means聚类算法对玩家进行聚类和分群，如发明专利申请CN105447126A提出了一种游戏道具个性化推荐方法，所采用的分类方法k-means算法。该方法存在较大的缺点，因为k-means适合对多类型维度的聚类和分群，而且对分群后各组的业务解析能力不强。换句话说，k-means划分的群可能偏多，各个群没有明确的业务可解析逻辑，在业务实际运营的操作较难。譬如当划分出二十多个群体，运营要对每个群定制化分析和构建对应的运营策略，工作量太大，难以运营。本发明采用RFM模型对玩家分群，其中R(Recency)表示玩家最近一次购买道具的时间有多远，F(Frequency)表示玩家在最近一段时间内购买的次数，M(Monetary)表示玩家在最近一段时间内购买道具的金额。
目前业界在物品推荐方面有五类主要的方法，包括基于商品相似度的方法，基于关联规则的方法，基于物品协同的方法,基于用户协同的方法，基于矩阵分解的方法。这五类的传统方法均没有考虑用户的消费能力。由于不同物品价值不一样，当给用户推送相关或相似的物品，但该物品价格超过用户的消费承受能力，用户很难达成交易。这导致推荐有效转化率较低，难以实现企业商业效益最大化的业务目标。因此，需要一种推荐方法能够准确地根据玩家潜在需求做出推荐道具。
发明内容
本发明的目的是解决现有技术的不足，提供一种基于玩家消费潜力的游戏道具推送方法和装置，能够推送与其消费预期匹配的游戏道具，显著提升了推动的转化率。
为了实现上述目的，本发明采用以下的技术方案：
首先，本发明提供了一种基于玩家消费潜力的游戏道具推送方法，包括以下步骤：在数据库中提取玩家的消费数据；采用RFM模型对玩家进行分群并预测群内每个玩家的消费能力；根据玩家消费能力筛选出相匹配的道具，生成道具候选列表；基于item2vec算法计算玩家与候选道具的推送相关性，根据推送相关性对候选道具进行排序并推送给相应的玩家。
在本发明的一个方法实施例中，所获取的玩家消费数据包括消费金额、消费的道具ID、消费频次和消费时间。
进一步地，在本发明的上述方法实施例中，预测群内每个玩家的消费能力包括以下步骤：获取整体消费能力基准值；获取群内玩家个体消费差异值；设置伸缩系数，玩家的消费能力由两个因素构成，包括整体消费能力基准值，和个体消费差异值，伸缩系数是起数值调和作用。将玩家个体消费差异值归一化后乘以伸缩系数与整体消费能力基准值累加，获得每个玩家的消费能力值。
在本发明的一个方法实施例中,获取整体消费能力基准值是基于统计群内每个玩家最近两周的累计消费金额中的众数获取。
在本发明的一个方法实施例中,获取群内玩家个体消费差异值是基于统计玩家最近两个月单次交易的金额中的3/4分位数获取。
进一步地，在本发明的上述方法实施例中，根据玩家消费能力筛选出相匹配的道具的价格在玩家消费能力的两倍以下。
再进一步地，在本发明的上述方法实施例中，对候选道具进行排序并推送给相应的玩家包括以下步骤：根据玩家的购物列表计算玩家与候选道具的推送相关性；计算用户的消费预期数值和候选道具的价格的差异；基于推送相关性、道具消费落差和道具盈利价值，通过数值归一化后加权计算候选道具的推送分值，根据分值进行由高到低排序并推送。
在本发明的上述方法实施例中，基于item2vec算法计算玩家与候选道具的推送相关性包括以下步骤：取任意一个道具购买列表的前n个道具构成的二元对为训练样本；输入前n-1个道具的特征向量表示；把大小为h*(n-1)m的权重矩阵W映射到大小为h的隐藏层中，其中，m代表道具特征向量长度，h代表隐藏层个数；通过大小为N*h的权重矩阵U映射到大小为N的输出层中，其中N代表语料词汇量的大小；对输出进行softmax归一化，得到对下一个道具概率的预测。
其次，本发明提出一种基于玩家消费潜力的游戏道具推送装置，包括以下模块：读取模块，用于在数据库中提取玩家的消费数据；预测模块，用于将玩家进行分类并预测群内每个玩家的消费能力；候选模块，用于选择与玩家消费能力相匹配的道具，生成道具候选列表；推送模块，对候选道具进行排序并推送给相应的玩家。
在本发明的一个装置实施例中，预测模块还包括以下子模块：分群模块，用于通过RFM模型进行分群；统计模块，用于统计群内每个玩家最近两周的累计消费金额中的众数获取整体消费能力基准值，统计玩家最近两个月单次交易的金额中的3/4分位数获取群内玩家个体消费差异值。
在本发明的一个装置实施例中，推送模块还包括以下子模块：读取模块，用于在数据库中提取玩家的消费数据；预测模块，采用RFM模型对玩家进行分群并预测群内每个玩家的消费能力；候选模块，根据玩家消费能力筛选出相匹配的道具，生成道具候选列表；推送模块，基于item2vec算法计算玩家与候选道具的推送相关性，根据推送相关性对候选道具进行排序并推送给相应的玩家。
最后，本发明还公开了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如前述任一项所述方法的步骤。
本发明的有益效果为：通过预测玩家的消费潜力并挖掘玩家感兴趣的道具，并综合多类因素排序输出游戏道具的推送列表，给玩家推送与其消费预期匹配的游戏道具，从推送到交易的有效转化率获得显著提升，有效地解决了行业性的难题。
附图说明
图1所示为本发明所公开的基于玩家消费潜力的游戏道具推送方法的方法流程图；
图2所示为图1中预测玩家消费潜力的子步骤方法流程图；
图3为生成候选道具列表的流程示意图；
图4所示为计算道具推送相关性所采用的item2vec算法的模型图；
图5所示为本发明所公开的基于玩家消费潜力的游戏道具推送装置的装置模块图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
本发明提出一种基于玩家消费潜力的游戏道具推送方法。通过预测玩家的消费潜力并挖掘玩家感兴趣的道具，并综合多类因素排序输出游戏道具的推送列表。该方法给玩家推送与其消费预期匹配的游戏道具，从推送到交易的有效转化率获得显著提升，有效地解决了行业性的难题。进一步地，本发明把推送的结果应用于游戏商城的道具的精细分发，有效提升了点击率。
具体地，参照图1所示的方法流程图，根据本发明所公开的一个实施例，基于玩家消费潜力的游戏道具推送方法包括以下步骤：在数据库中提取玩家的消费数据；采用RFM模型对玩家进行分群并预测群内每个玩家的消费能力；根据玩家消费能力筛选出相匹配的道具，生成道具候选列表；基于item2vec算法计算玩家与候选道具的推送相关性，根据推送相关性对候选道具进行排序并推送给相应的玩家。
在本发明的上述方法实施例中，具体地，从数据中提取玩家的消费数据，其中在网络游戏服务器端的数据库存储有玩家的相关数据，例如装备数据、消费数据、个人身份信息数据等。消费数据包括统计日起前两个月玩家的消费金额、消费的道具ID、消费频次和消费时间。
参照图2所示的子方法流程图，在本发明的上述方法实施例中，需要将玩家进行分群并预测每个玩家的消费潜力，不同消费层次的玩家有不同的消费潜力，通过聚类的方法先对用户分群，然后针对各群游戏玩家计算出每个玩家个体的消费潜力。为了在数据和业务间取得平衡，本实施例采用RFM模型对玩家分群，根据数据的分布状况，给玩家分成5个群。能动态地显示了一个玩家的全部轮廓，细分出最有价值的用户并对每个群用户做精细营销活动。同时，也能够较为精确地判断该客户的长期价值，通过改善三项指标的状况，从而为更多的营销决策提供支持。
在本发明的上述方法实施例中，预测群内每个玩家的消费能力首先需要统计同一个群组内各个玩家最近两周的累计消费金额，针对这些玩家的累计金额，统计该类型金额的众数，以该数值作为群组的整体消费力数值，从而获取整体消费能力基准值；然后基于该玩家最近2个月每笔购买交易的金额，统计这些交易金额中的3/4分位数，该数值是玩家个体与群组整体的差异状况，从而获取群内玩家个体消费差异值；把该差异值做归一化后，乘以伸缩系数k并与群组整体消费数值累加，作为该玩家的消费潜力预测数值。在本实施例中，伸缩系数是权重因子，玩家的消费能力由两个因素构成，包括整体消费能力基准值，和个体消费差异值。这里设一个权重因子来调和这两个因素。也就是伸缩系数就是起数值调和作用。归一化是对全群玩家的差异值做Z-score归一化，伸缩系数设置为2，。
在本发明的上述方法实施例中，完成预测群内每个玩家的消费能力后，从游戏的所有道具中筛选出适合玩家的道具作为候选道具，具体地，如图3所示，根据如下规则进行筛选：基于玩家当前等级，加入玩家当前状态和任务所需的道具；基于玩家当前等级，加入其升级所缺失的道具；进一步地，过滤玩家已经购买的，且对升级无价值的道具；过滤价格高于玩家消费潜力两倍的道具。通过此方法，考虑了玩家的消费潜力并根据实际情况选择适合的道具作为候选推送道具，并生成列表。
在本发明的上述方法实施例中，获取候选道具列表后，设计了一种评分方法对候选道具进行评分，根据分值的高低优先给玩家进行推送。具体地，对于给定一个候选道具，基于玩家历史的购买记录计算对应的推送相关性，以及统计该道具的消费落差，和盈利价值。通过数值归一化后加权，给该候选道具进行评分，其中归一化采用最大最小值归一化的方法，权重分布是0.3、0.4、0.3。根据评分由高到低排序，输出最终的推送列表。
进一步地，在本发明的上述方法实施例中，计算推送相关性采用玩具购买道具的关联关系来计算玩家对该道具可能购买的概率。采用item2vec算法。该算法是一种无监督的算法，通过玩家的购物列表中道具共同出现的上下文状况，计算任意两个道具间的相关性概率。概括地，当两个道具同时出现在玩家的购物列表中，这两个道具的相关性较强；反之则不强。一个道具对应一个维度，维度的数值由是否出现来确定，1代表出现，0代表不出现。本方法的基本思想是把原来高维稀疏的表示方式映射到低维稠密的向量空间中，并用这个低维向量来表示该道具特征，进而通过计算两个低维向量之间的相似度来衡量两个道具之间的相关性概率。具体地，采集同一个群组中各个玩家购买的游戏道具序列，出现在同一个序列的道具对视为正向样例。对于集道具合{w1,w2,...,wk}，目标函数为：
利用负采样计算两个道具间的关联性概率p(wj|wi)，即为：
考虑到道具购买列表中可能很多高频词出现频率极高，但包含的信息量非常小的道具。为了平衡低频道具和高频道具，利用下采样计算概率丢弃词wi的概率，如下：
其中f(w)是道具w的频次，t在实验中取10^(-5)。利用数学领域通用的梯度下降(SGD)方法学习最大化的目标函数，得到每个道具的特征向量，道具之间两两计算余弦相似度即为两个道具间的关联度概率。
在本发明的上述方法实施例中，item2vec模型参考图4。具体的算法实现如下：
取任意一个道具购买列表的前n-1个道具和第n个道具构成的二元对为训练样本。
输入前n-1道具的特征向量表示，即输入大小为(n-1)m。
把大小为h*(n-1)m的权重矩阵W映射到大小为h的隐藏层中。
通过大小为N*h的权重矩阵U映射到大小为N的输出层中。
对输出做一个softmax归一化，就得到了对下一个道具概率的预测。
其中n代表一个道具中上下文中包含的道具列表，在实验中n取5；m代表道具特征向量长度，h代表隐藏层个数，N代表语料词汇量的大小。
参照图5所示的装置模块图，根据本发明所公开装置的一个实施例，基于玩家消费潜力的游戏道具推送装置包括以下模块：包括以下模块：读取模块，用于在数据库中提取玩家的消费数据；预测模块，用于将玩家进行分类并预测群内每个玩家的消费能力；候选模块，用于选择与玩家消费能力相匹配的道具，生成道具候选列表；推送模块，对候选道具进行排序并推送给相应的玩家。
在本发明的上述方法实施例中，读取模块与服务器中数据库连接，提取玩家在统计日起前两个月的消费金额、消费的道具id、消费频次和消费时间。预测模块还包括以下子模块：分群模块，采用RFM模型对玩家分群，使用R工具包中的RFM模型实现，根据数据的分布状况，给玩家分成5个群；统计模块，基于该玩家最近2个月每笔购买交易的金额，统计这些交易的3/4分位数，该数值是玩家个体与群组整体的差异状况，从而获取群内玩家个体消费差异值；把该差异值做归一化后，乘以伸缩系数k并与群组整体消费数值累加，作为该玩家的消费潜力预测数值。
在本发明的上述装置实施例中，对玩家的消费潜力进行预测之后，候选模块根据玩家的消费潜力筛选出与玩家实际情况相匹配的道具。基于玩家当前等级，加入玩家当前状态和任务所需的道具；基于玩家当前等级，加入其升级所缺失的道具；进一步地，过滤玩家已经购买的，且对升级无价值的道具；过滤价格高于玩家消费潜力两倍的道具。通过此方法，考虑了玩家的消费潜力并根据实际情况选择适合的道具作为候选推送道具，并生成列表。
进一步地，在本发明的上述装置实施例中，推送模块还包括评分模块，首先计算候选道具的推送相关性采用玩具购买道具的关联关系来计算玩家对该道具可能购买的概率。采用item2vec算法，通过玩家的购物列表中道具共同出现的上下文状况，计算任意两个道具间的相关性概率；排序模块，读取评分模块中候选道具的分值，根据分值由高到低排序推送到游戏中每个玩家的道具推送表中。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

Claims (10)

1.一种基于玩家消费潜力的游戏道具推送方法，其特征在于，包括以下步骤：
在数据库中提取玩家的消费数据；
采用RFM模型对玩家进行分群并预测群内每个玩家的消费能力；
根据玩家消费能力筛选出相匹配的道具，生成道具候选列表；
基于item2vec算法计算玩家与候选道具的推送相关性，根据推送相关性对候选道具进行排序并推送给相应的玩家。
2.根据权利要求1所述的游戏道具推送方法，其特征在于，消费数据包括消费金额、消费的道具ID、消费频次和消费时间。
3.根据权利要求2所述的游戏道具推送方法，其特征在于，预测群内每个玩家的消费能力包括以下步骤：
获取整体消费能力基准值；
获取群内玩家个体消费差异值；
设置伸缩系数，将玩家个体消费差异值归一化后乘以伸缩系数与整体消费能力基准值累加，获得每个玩家的消费能力值。
4.根据权利要求3所述的游戏道具推送方法，其特征在于，获取整体消费能力基准值是基于统计群内每个玩家最近两周的累计消费金额中的众数获取。
5.根据权利要求3所述的游戏道具推送方法，其特征在于，获取群内玩家个体消费差异值是基于统计玩家最近两个月单次交易的金额中的3/4分位数获取。
6.根据权利要求3所述的游戏道具推送方法，其特征在于，根据玩家消费能力筛选出相匹配的道具的价格在玩家消费能力的两倍以下。
7.根据权利要求1所述的游戏道具推送方法，其特征在于，对候选道具进行排序并推送给相应的玩家还包括以下步骤：
计算用户的消费预期数值和候选道具的价格的差异；
基于推送相关性、道具消费落差和道具盈利价值，通过数值归一化后加权计算候选道具的推送分值，根据分值进行由高到低排序并推送。
8.根据权利要求1所述的游戏道具推送方法，其特征在于，基于item2vec算法计算玩家与候选道具的推送相关性包括以下步骤：
取任意一个道具购买列表的前n个道具构成的二元对为训练样本；
输入前n-1个道具的特征向量表示；
把大小为h*(n-1)m的权重矩阵W映射到大小为h的隐藏层中，其中，m代表道具特征向量长度，h代表隐藏层个数；
通过大小为N*h的权重矩阵U映射到大小为N的输出层中，其中N代表语料词汇量的大小；
对输出进行softmax归一化，得到对下一个道具概率的预测。
9.一种基于玩家消费潜力的游戏道具推送装置，其特征在于，包括
读取模块，用于在数据库中提取玩家的消费数据；
预测模块，采用RFM模型对玩家进行分群并预测群内每个玩家的消费能力；
候选模块，根据玩家消费能力筛选出相匹配的道具，生成道具候选列表；
推送模块，基于item2vec算法计算玩家与候选道具的推送相关性，根据推送相关性对候选道具进行排序并推送给相应的玩家。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8中任一项所述方法。
CN201711206852.6A 2017-11-27 2017-11-27 一种基于玩家消费潜力的游戏道具推送方法和装置 Active CN108090800B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711206852.6A CN108090800B (zh) 2017-11-27 2017-11-27 一种基于玩家消费潜力的游戏道具推送方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711206852.6A CN108090800B (zh) 2017-11-27 2017-11-27 一种基于玩家消费潜力的游戏道具推送方法和装置

Publications (2)

Publication Number Publication Date
CN108090800A true CN108090800A (zh) 2018-05-29
CN108090800B CN108090800B (zh) 2021-12-03

Family

ID=62172271

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711206852.6A Active CN108090800B (zh) 2017-11-27 2017-11-27 一种基于玩家消费潜力的游戏道具推送方法和装置

Country Status (1)

Country Link
CN (1) CN108090800B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858956A (zh) * 2019-01-14 2019-06-07 珠海金山网络游戏科技有限公司 一种基于大数据的游戏物品推送方法及系统
CN109876456A (zh) * 2019-03-19 2019-06-14 福建省天奕网络科技有限公司 一种推荐游戏道具的方法及终端
CN109999504A (zh) * 2019-04-22 2019-07-12 腾讯科技（上海）有限公司 一种游戏道具推荐方法、装置、服务器及存储介质
CN110502181A (zh) * 2019-08-26 2019-11-26 网易（杭州）网络有限公司 游戏中抽卡概率确定方法、装置、设备和介质
CN110743170A (zh) * 2019-10-29 2020-02-04 腾讯科技（深圳）有限公司 道具管理方法、装置、设备及存储介质
CN111359226A (zh) * 2020-03-08 2020-07-03 北京智明星通科技股份有限公司 一种付费性虚拟装备的推荐方法、装置及移动终端
CN111385351A (zh) * 2020-02-20 2020-07-07 珠海格力电器股份有限公司 一种清洁控制方法、装置、终端及计算机可读介质
CN111729302A (zh) * 2020-06-15 2020-10-02 北京智明星通科技股份有限公司 一种闯关类游戏中执行关卡跳级的方法、系统及服务器
JP2020162832A (ja) * 2019-03-29 2020-10-08 株式会社バンダイナムコエンターテインメント サーバシステムおよびゲームシステム
CN111821692A (zh) * 2020-07-24 2020-10-27 网易（杭州）网络有限公司 一种游戏中道具的交易方法、装置、计算机设备和介质
CN112767010A (zh) * 2020-12-31 2021-05-07 政采云有限公司 推荐信息推送方法及装置
CN113409106A (zh) * 2021-06-04 2021-09-17 广州三七极创网络科技有限公司 基于用户价值的商品推荐方法、装置、设备及存储介质
CN113633993A (zh) * 2021-08-10 2021-11-12 网易（杭州）网络有限公司 一种游戏资源处理方法、装置、设备及存储介质
CN113781139A (zh) * 2020-10-19 2021-12-10 北京沃东天骏信息技术有限公司 物品推荐方法、物品推荐装置、设备和介质
CN115268740A (zh) * 2022-08-02 2022-11-01 厦门雅基软件有限公司 虚拟角色抽取方法、装置、电子设备及可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103530341A (zh) * 2013-10-08 2014-01-22 广州品唯软件有限公司 物品信息生成推送方法和系统
CN103731738A (zh) * 2014-01-23 2014-04-16 哈尔滨理工大学 基于用户群组行为分析的视频推荐方法及装置
CN105069534A (zh) * 2015-08-18 2015-11-18 广州华多网络科技有限公司 客户流失预测方法以及装置
CN105139225A (zh) * 2015-08-17 2015-12-09 北京京东世纪贸易有限公司 一种确定用户行为能力等级的方法和装置
CN105447126A (zh) * 2015-11-17 2016-03-30 苏州蜗牛数字科技股份有限公司 一种游戏道具个性化推荐方法
CN106557938A (zh) * 2015-09-24 2017-04-05 网易（杭州）网络有限公司 一种游戏中虚拟物品的推送方法
CN106815302A (zh) * 2016-12-13 2017-06-09 华中科技大学 一种应用于游戏道具推荐的频繁项集挖掘方法
CN107016569A (zh) * 2017-03-21 2017-08-04 聚好看科技股份有限公司 一种网络产品的目标用户账号获取方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103530341A (zh) * 2013-10-08 2014-01-22 广州品唯软件有限公司 物品信息生成推送方法和系统
CN103731738A (zh) * 2014-01-23 2014-04-16 哈尔滨理工大学 基于用户群组行为分析的视频推荐方法及装置
CN105139225A (zh) * 2015-08-17 2015-12-09 北京京东世纪贸易有限公司 一种确定用户行为能力等级的方法和装置
CN105069534A (zh) * 2015-08-18 2015-11-18 广州华多网络科技有限公司 客户流失预测方法以及装置
CN106557938A (zh) * 2015-09-24 2017-04-05 网易（杭州）网络有限公司 一种游戏中虚拟物品的推送方法
CN105447126A (zh) * 2015-11-17 2016-03-30 苏州蜗牛数字科技股份有限公司 一种游戏道具个性化推荐方法
CN106815302A (zh) * 2016-12-13 2017-06-09 华中科技大学 一种应用于游戏道具推荐的频繁项集挖掘方法
CN107016569A (zh) * 2017-03-21 2017-08-04 聚好看科技股份有限公司 一种网络产品的目标用户账号获取方法及装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BENJAMIN PAUL CHAMBERLAIN 等: "Customer Lifetime Value Prediction Using Embeddings", 《KDD "17: PROCEEDINGS OF THE 23RD ACM SIGKDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA》 *
OREN BARKAN 等: "ITEM2VEC: NEURAL ITEM EMBEDDING FOR COLLABORATIVE FILTERING", 《2016 IEEE 26TH INTERNATIONAL WORKSHOP ON MACHINE LEARNING FOR SIGNAL PROCESSING (MLSP)》 *
张艳萍等: "大数据下游戏个性化推送系统研究", 《设计》 *
徐宝莲 等: "数据挖掘技术在网络游戏中的应用", 《第十一届中国不确定系统年会、第十五届中国青年信息与管理学者大会论文集》 *
陈梅等: "大学生"手机人"族群化趋势研究", 《上海工程技术大学学报》 *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858956A (zh) * 2019-01-14 2019-06-07 珠海金山网络游戏科技有限公司 一种基于大数据的游戏物品推送方法及系统
CN109858956B (zh) * 2019-01-14 2023-12-12 珠海金山数字网络科技有限公司 一种基于大数据的游戏物品推送方法及系统
CN109876456A (zh) * 2019-03-19 2019-06-14 福建省天奕网络科技有限公司 一种推荐游戏道具的方法及终端
CN109876456B (zh) * 2019-03-19 2022-04-12 福建省天奕网络科技有限公司 一种推荐游戏道具的方法及终端
JP2020162832A (ja) * 2019-03-29 2020-10-08 株式会社バンダイナムコエンターテインメント サーバシステムおよびゲームシステム
JP7370156B2 (ja) 2019-03-29 2023-10-27 株式会社バンダイナムコエンターテインメント サーバシステムおよびゲームシステム
CN109999504B (zh) * 2019-04-22 2022-05-31 腾讯科技（上海）有限公司 一种游戏道具推荐方法、装置、服务器及存储介质
CN109999504A (zh) * 2019-04-22 2019-07-12 腾讯科技（上海）有限公司 一种游戏道具推荐方法、装置、服务器及存储介质
CN110502181A (zh) * 2019-08-26 2019-11-26 网易（杭州）网络有限公司 游戏中抽卡概率确定方法、装置、设备和介质
CN110743170B (zh) * 2019-10-29 2022-06-07 腾讯科技（深圳）有限公司 道具管理方法、装置、设备及存储介质
CN110743170A (zh) * 2019-10-29 2020-02-04 腾讯科技（深圳）有限公司 道具管理方法、装置、设备及存储介质
CN111385351A (zh) * 2020-02-20 2020-07-07 珠海格力电器股份有限公司 一种清洁控制方法、装置、终端及计算机可读介质
CN111385351B (zh) * 2020-02-20 2021-05-25 珠海格力电器股份有限公司 一种清洁控制方法、装置、终端及计算机可读介质
CN111359226B (zh) * 2020-03-08 2023-08-15 北京智明星通科技股份有限公司 一种付费性虚拟装备的推荐方法、装置及移动终端
CN111359226A (zh) * 2020-03-08 2020-07-03 北京智明星通科技股份有限公司 一种付费性虚拟装备的推荐方法、装置及移动终端
CN111729302A (zh) * 2020-06-15 2020-10-02 北京智明星通科技股份有限公司 一种闯关类游戏中执行关卡跳级的方法、系统及服务器
CN111821692A (zh) * 2020-07-24 2020-10-27 网易（杭州）网络有限公司 一种游戏中道具的交易方法、装置、计算机设备和介质
CN113781139A (zh) * 2020-10-19 2021-12-10 北京沃东天骏信息技术有限公司 物品推荐方法、物品推荐装置、设备和介质
CN112767010A (zh) * 2020-12-31 2021-05-07 政采云有限公司 推荐信息推送方法及装置
CN113409106A (zh) * 2021-06-04 2021-09-17 广州三七极创网络科技有限公司 基于用户价值的商品推荐方法、装置、设备及存储介质
CN113409106B (zh) * 2021-06-04 2023-10-27 广州三七极创网络科技有限公司 基于用户价值的商品推荐方法、装置、设备及存储介质
CN113633993A (zh) * 2021-08-10 2021-11-12 网易（杭州）网络有限公司 一种游戏资源处理方法、装置、设备及存储介质
CN115268740A (zh) * 2022-08-02 2022-11-01 厦门雅基软件有限公司 虚拟角色抽取方法、装置、电子设备及可读存储介质
CN115268740B (zh) * 2022-08-02 2023-12-19 厦门雅基软件有限公司 虚拟角色抽取方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN108090800B (zh) 2021-12-03

Similar Documents

Publication Publication Date Title
CN108090800A (zh) 一种基于玩家消费潜力的游戏道具推送方法和装置
WO2022057658A1 (zh) 推荐模型训练方法、装置、计算机设备及存储介质
CN105225135B (zh) 潜力客户识别方法以及装置
CN108763362A (zh) 基于随机锚点对选择的局部模型加权融合Top-N电影推荐方法
CN110837931A (zh) 客户流失预测方法、装置及存储介质
CN108256691A (zh) 还款概率预测模型构建方法及装置
CN108681970A (zh) 基于大数据的理财产品推送方法、系统及计算机存储介质
CN107944986A (zh) 一种o2o商品推荐方法、系统及设备
CN109740642A (zh) 发票类别识别方法、装置、电子设备及可读存储介质
CN109002492A (zh) 一种基于LightGBM的绩点预测方法
CN108389069A (zh) 基于随机森林和逻辑回归的优质客户识别方法及装置
CN108345908A (zh) 电网数据的分类方法、分类设备及存储介质
CN108364191A (zh) 基于随机森林和逻辑回归的优质客户优化识别方法及装置
CN115115265A (zh) 一种基于rfm模型的消费者评估方法、装置及介质
CN107590737A (zh) 个人信用评分以及信用额度测算方法
CN114519508A (zh) 基于时序深度学习和法律文书信息的信用风险评估方法
CN107886132B (zh) 一种求解音乐流量预测的时间序列分解方法及系统
CN106447397A (zh) 基于决策树算法的烟草零售户定价方法
Kim et al. Hierarchical Dirichlet scaling process
Brochu et al. The sound of an album cover: A probabilistic approach to multimedia
CN112184292A (zh) 基于人工智能决策树的营销方法和装置
CN115829683A (zh) 一种基于逆奖赏学习优化的电力积分商品推荐方法及系统
CN108268898A (zh) 一种基于K-Means的电子发票用户聚类方法
Kalyanakrishnan et al. On building decision trees from large-scale data in applications of on-line advertising
CN108985811A (zh) 用于精准营销的方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 519000 Room 102, 202, 302 and 402, No. 325, Qiandao Ring Road, Tangjiawan Town, high tech Zone, Zhuhai City, Guangdong Province, Room 102 and 202, No. 327 and Room 302, No. 329

Patentee after: Zhuhai Jinshan Digital Network Technology Co.,Ltd.

Patentee after: Zhuhai Xishanju Digital Technology Co.,Ltd.

Address before: 519000 Jinshan software building, 8 Lanshan lane, Jida Jingshan Hill Road, Zhuhai, Guangdong

Patentee before: ZHUHAI KINGSOFT ONLINE GAME TECHNOLOGY Co.,Ltd.

Patentee before: ZHUHAI SEASUN MOBILE GAME TECHNOLOGY Co.,Ltd.