CN111522722B - 一种数据分析方法、电子设备及存储介质 - Google Patents
一种数据分析方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111522722B CN111522722B CN202010253781.0A CN202010253781A CN111522722B CN 111522722 B CN111522722 B CN 111522722B CN 202010253781 A CN202010253781 A CN 202010253781A CN 111522722 B CN111522722 B CN 111522722B
- Authority
- CN
- China
- Prior art keywords
- player
- data
- attribute
- analysis method
- game
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000007405 data analysis Methods 0.000 title claims abstract description 33
- 238000012549 training Methods 0.000 claims description 44
- 238000013145 classification model Methods 0.000 claims description 41
- 230000006399 behavior Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- 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
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/50—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers
- A63F2300/55—Details of game data or player data management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Debugging And Monitoring (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例涉及数据处理领域,公开了一种数据分析方法、电子设备及存储介质。本申请的部分实施例中,数据分析方法包括:获取玩家在云游戏中的操作数据;玩家的操作数据通过捕捉玩家在视频播放器内的操作行为得到,视频播放器用于播放云游戏的游戏界面;对玩家的操作数据进行分析,确定玩家的操作属性,玩家的操作属性指示玩家的操作习惯。该实施例中,使得能够评估玩家的操作属性,为玩家提供更符合玩家操作习惯的服务。
Description
技术领域
本发明实施例涉及数据处理领域,特别涉及一种数据分析方法、电子设备及存储介质。
背景技术
目前,在用户许可下,搜集用户数据的维度在于用户的年龄、性别、经常玩的游戏品类等数据。
然而,发明人发现现有技术中至少存在如下问题:用户数据搜集的维度较少,不利于更好地分析用户,为用户提供更适合的服务。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施方式的目的在于提供一种数据分析方法、电子设备及存储介质,使得能够评估玩家的操作属性,为玩家提供更符合玩家操作习惯的服务。
为解决上述技术问题,本发明的实施方式提供了一种数据分析方法,包括以下步骤:获取玩家在云游戏中的操作数据;玩家的操作数据通过捕捉玩家在视频播放器内的操作行为得到,视频播放器用于播放云游戏的游戏界面;对玩家的操作数据进行分析,确定玩家的操作属性,玩家的操作属性指示玩家的操作习惯。
本发明的实施方式还提供了一种电子设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上述实施方式提及的数据分析方法。
本发明的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述实施方式提及的数据分析方法。
本发明实施方式相对于现有技术而言,电子设备基于玩家在云游戏中的操作数据,分析玩家的操作属性,以评估玩家的操作习惯,使得电子设备能够为玩家提供更符合玩家的操作习惯的服务。除此之外,电子设备通过捕捉玩家在视频播放器内的操作行为得到玩家的操作数据,无需获取游戏方的授权,对游戏无侵入性,降低了操作难度。
另外,在对玩家的操作数据进行分析,确定玩家的操作属性之后,还包括:根据玩家的操作属性,以及云游戏平台中玩家未启动过的云游戏的属性,确定与玩家匹配的云游戏;将匹配的云游戏的游戏信息发送至玩家登录的终端。该实现中,基于玩家操作习惯为玩家推荐游戏,使得推荐的游戏更符合玩家的操作习惯,提高了玩家的游戏体验。
另外,在对玩家的操作数据进行分析,确定玩家的操作属性之后,还包括:响应于队友匹配请求,至少根据玩家的操作属性和除玩家以外的其他玩家的操作属性,为玩家匹配队友。该实施例中,基于各玩家的操作属性进行队友匹配,使得玩家更适应游戏,增加游戏的趣味性和合理性。
另外,对玩家的操作数据进行分析,确定玩家的操作属性,包括:将玩家的操作数据输入预先训练得到的分类模型中;其中,分类模型为基于第一训练数据库训练得到的用于指示操作数据和操作属性的对应关系的模型;第一训练数据库中包括操作数据样本,以及各操作数据样本对应的操作属性;根据分类模型的输出,确定玩家的操作属性。
另外,若分类模型的输出指示分类失败,还包括:反馈玩家的操作数据至管理端;根据管理端监测的输入数据,确定玩家的操作属性;将玩家的操作数据和玩家的操作属性记录在第二训练数据库中;基于第二训练数据库,重新训练分类模型;或者,基于第一训练数据库和第二训练数据库,重新训练分类模型。该实现中,及时更新分类模型,提高了分类模型的准确性。
另外,在基于第二训练数据库,重新训练分类模型;或者,基于第一训练数据库和第二训练数据库,重新训练分类模型之前,数据分析方法还包括:确定第二训练数据库的数据量大于第一预设值;或者,确定距离上一次训练分类模型的时间大于第二预设值。
另外,操作行为包括点击行为和/或滑动操作行为,操作属性包括走位类属性、技能类属性、防御类属性和攻击类属性中的任意组合。
另外,数据分析方法应用于云游戏平台;获取玩家在云游戏中的操作数据,包括:获取玩家在各类操作系统对应的操作平台中体验过的云游戏对应的玩家的操作数据。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明的第一实施方式的数据分析方法的流程图;
图2是本发明的第二实施方式的数据分析方法的流程图;
图3是本发明的第三实施方式的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
除非上下文明确要求,否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
在本发明公开的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明公开的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本发明的第一实施方式涉及一种数据分析方法,应用于电子设备,例如,应用于云游戏平台的服务器。如图1所示,数据分析方法包括:
步骤101:获取玩家在云游戏中的操作数据。
具体地说,玩家的操作数据通过捕捉玩家在视频播放器内的操作行为得到,视频播放器用于播放云游戏的游戏界面。
云游戏平台对所有游戏的操控过程包括:电子设备记录捕捉得到的视频播放器内玩家的操作,将玩家的操作上传至云端,云端将玩家的操作与游戏操控界面映射后去控制游戏。本实施方式中,将这些与游戏相对应的操作行为按玩家维度记录保存下来。即云游戏的游戏场景,要求玩家在传输下行的视频流上进行游戏的操作,电子设备将玩家的操作行为记录下来并传输至云端服务器端,云端服务器进行玩家操作的处理后,将操作完成后的结果再以视频流的形式不断传输给玩家,这样完成云游戏的流程。在这个过程中,电子设备搜集玩家在多个游戏中的操作行为,系统在进行了玩家的操作行为的记录上传之后,可以将这个玩家的操作行为保存下来,作为玩家的一个特征维度。例如,以某一云游戏为例,游戏的操作面板分为左侧的方向区域和右侧的技能区域(根据玩家左右手的偏向,这个左右区域可能会互换),电子设备捕捉玩家在方向区域的滑动操作行为,在技能区域捕捉玩家的点击行为,并记录下来,作为玩家的操作数据。
需要说明的是,电子设备在获取玩家的操作数据前,需要先获取玩家的授权,在玩家允许的情况下,再记录玩家的操作数据。
步骤102:对玩家的操作数据进行分析,确定玩家的操作属性。
具体地说,玩家的操作属性指示玩家的操作习惯。电子设备对玩家的操作数据进行AI大数据分析,根据分析结果,确定玩家的操作属性。
在一个实施例中,操作行为包括点击行为和/或滑动操作行为,操作属性包括走位类属性、技能类属性、防御类属性和攻击类属性中的任意组合。
在一个实施例中,在对玩家的操作数据进行分析,确定玩家的操作属性之后,电子设备根据玩家的操作属性,以及云游戏平台中玩家未启动过的云游戏的属性,确定与玩家匹配的云游戏;将匹配的云游戏的游戏信息发送至玩家登录的终端。例如,操作属性包括走位类属性和技能类属性,云游戏的属性包括技能操作属性和走位操作属性。电子设备分析后得出该玩家是走位更熟练(走位类属性)还是操作更流畅(技能类属性),在得到该维度的数据之后,可以在为该玩家推荐云游戏的过程中,给技能类属性的玩家推荐更多技能操作类型(技能操作类型)的游戏,给走位类属性的玩家推荐一些位置倾向性(走位操作属性)的游戏,实现依据用户的操作特征进维度进行的游戏推荐。
值得一提的是,基于玩家操作习惯为玩家推荐游戏,使得推荐的游戏更符合玩家的操作习惯,提高了玩家的游戏体验。
在一个实施例中,在对玩家的操作数据进行分析,确定玩家的操作属性之后,电子设备响应于队友匹配请求,至少根据玩家的操作属性和除玩家以外的其他玩家的操作属性,为玩家匹配队友。例如,电子设备在队友匹配时,除了游戏人物特性的匹配(如输出、防御的匹配),还能进行技术类属性的玩家或者走位类属性的玩家的匹配,优化匹配算法,让游戏更加友好,增加游戏的趣味性和合理性。
值得一提的是,基于各玩家的操作属性进行队友匹配,使得玩家更适应游戏,增加游戏的趣味性和合理性。
在一个实施例中,所述数据分析方法应用于云游戏平台。电子设备获取玩家在云游戏中的操作数据,包括:获取所述玩家在各类操作系统对应的操作平台中体验过的云游戏对应的所述玩家的操作数据。具体地说,由于玩家可能在各种类型的操作系统的终端登录云游戏,电子设备获取为各类操作系统设置的操作平台中的玩家的操作数据,丰富了数据的来源及维度,使得分析结果更为准确。
需要说明的是,本领域技术人员可以理解,实际应用中,还可以基于玩家的操作属性,为玩家提供其他的服务,本实施方式仅为举例说明,不一一列举。
需要说明的是,以上仅为举例说明,并不对本发明的技术方案构成限定。
与现有技术相比,本实施方式中提供的数据分析方法,电子设备基于玩家在云游戏中的操作数据,分析玩家的操作属性,以评估玩家的操作习惯,使得电子设备能够为玩家提供更符合玩家的操作习惯的服务。除此之外,电子设备通过捕捉玩家在视频播放器内的操作行为得到玩家的操作数据,无需获取游戏方的授权,对游戏无侵入性,降低了操作难度。
本发明的第二实施方式涉及一种数据分析方法,本实施方式是对第一实施方式的举例说明,具体说明了电子设备对操作数据的分析过程。
具体的说,如图2所示,在本实施方式中,包含步骤201至步骤203,其中,步骤201分别与第一实施方式中的步骤101大致相同,此处不再赘述。下面主要介绍不同之处:
步骤201:获取玩家在云游戏中的操作数据。
步骤202:将玩家的操作数据输入预先训练得到的分类模型中。
具体地说,分类模型为基于第一训练数据库训练得到的用于指示操作数据和操作属性的对应关系的模型;第一训练数据库中包括操作数据样本,以及各操作数据样本对应的操作属性。
在一个实施例中,分类模型为深度学习网络模型。电子设备可以预先采集多个已授权的玩家的操作数据样本,将这些操作数据样本展示给管理人员,管理人员对这些操作数据样本进行标注,即确定各操作数据样本的标签,该标签指示操作数据样本对应的操作属性。电子设备将这些操作数据样本和操作数据样本对应的标签存储值第一训练数据库,并基于第一训练数据库,对初始的深度学习网络模型进行训练,并将训练后的深度学习网络模型作为分类模型。
需要说明的是,本领域技术人员可以理解,实际应用中,分类模型还可以是其他类型的模型,本实施方式仅为举例说明,实际应用中,可以根据需要选择分类模型的模型类型。
步骤203:根据分类模型的输出,确定玩家的操作属性。
具体地说,若分类模型的输出指示该操作数据对应某一操作属性的概率大于阈值,则将该操作属性作为玩家的操作属性,若分类模型的输出指示该操作数据对应某一操作属性的概率不大于阈值,则认为分类失败。
在一个实施例中,若分类模型的输出指示分类失败,还包括:反馈玩家的操作数据至管理端;根据管理端监测的输入数据,确定玩家的操作属性;将玩家的操作数据和玩家的操作属性记录在第二训练数据库中;基于第二训练数据库,重新训练分类模型;或者,基于第一训练数据库和第二训练数据库,重新训练分类模型。例如,电子设备将分类失败的操作数据发送至管理端,管理端显示分类失败的操作数据,提示管理员对分类失败的操作数据进行标注。管理员基于显示的分类失败的操作数据,确定分类失败的操作数据对应的操作属性,并输入管理端。管理端将用户输入的操作属性发送至电子设备,电子设备基于接收到的信息,将用户输入的操作属性作为该操作数据对应的操作属性。
需要说明的是,电子设备可以根据第二训练数据库中的数据量的大小,有选择地基于第二训练数据库,或者,第一训练数据库和第二训练数据库,对分类模型进行训练,本实施方式不限制重新训练分类模型的数据库。
值得一提的是,电子设备基于分类失败的操作数据,及时更新分类模型,提高了分类模型的准确性。
在一个实施例中,电子设备在基于第二训练数据库,重新训练分类模型;或者,基于第一训练数据库和第二训练数据库,重新训练分类模型之前,先确定第二训练数据库的数据量大于第一预设值;或者,确定距离上一次训练分类模型的时间大于第二预设值。
需要说明的是,本领域技术人员可以理解,实际应用中,第一预设值和第二预设值可以根据需要设置,例如,将第一预设值设置为大于1G的任意数值,第二预设值设置为大于7天的任意时间长度,本实施方式不限制第一预设值和第二预设值的具体取值。
值得一提的是,在第二训练数据库的数据量大于第一预设值;或者,距离上一次训练分类模型的时间大于第二预设值的情况下,电子设备再对分类模型进行更新,避免频繁更新导致资源浪费。
需要说明的是,以上仅为举例说明,并不对本发明的技术方案构成限定。
与现有技术相比,本实施方式中提供的数据分析方法,电子设备基于玩家在云游戏中的操作数据,分析玩家的操作属性,以评估玩家的操作习惯,使得电子设备能够为玩家提供更符合玩家的操作习惯的服务。除此之外,电子设备通过捕捉玩家在视频播放器内的操作行为得到玩家的操作数据,无需获取游戏方的授权,对游戏无侵入性,降低了操作难度。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明的第三实施方式涉及一种电子设备,如图3所示,包括:至少一个处理器301;以及,与至少一个处理器301通信连接的存储器302;其中,存储器302存储有可被至少一个处理器301执行的指令,指令被至少一个处理器301执行,以使至少一个处理器301能够执行如上述实施方式提及的数据分析方法。
该电子设备包括:一个或多个处理器301以及存储器302,图3中以一个处理器301为例。处理器301、存储器302可以通过总线或者其他方式连接,图3中以通过总线连接为例。存储器302作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述数据分析方法。
存储器302可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储选项列表等。此外,存储器302可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中,存储器302可选包括相对于处理器301远程设置的存储器,这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器302中,当被一个或者多个处理器301执行时,执行上述任意方法实施方式中的数据分析方法。
上述产品可执行本申请实施方式所提供的方法,具备执行方法相应的功能模块和有益效果,未在本实施方式中详尽描述的技术细节,可参见本申请实施方式所提供的方法。
本发明的第四实施方式涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (10)
1.一种数据分析方法,其特征在于,包括:
获取玩家在云游戏中的操作数据;所述玩家的操作数据通过捕捉所述玩家在视频播放器内的操作行为得到,所述视频播放器用于播放云游戏的游戏界面;其中,所述操作行为包括点击行为和/或滑动操作行为;云游戏平台对所有游戏的操控过程包括:电子设备记录捕捉得到的所述视频播放器内玩家的操作,将所述玩家的操作上传至云端,所述云端将所述玩家的操作与游戏操控界面映射后去控制游戏;
对所述玩家的操作数据进行分析,确定所述玩家的操作属性,所述玩家的操作属性指示所述玩家的操作习惯。
2.根据权利要求1所述的数据分析方法,其特征在于,在所述对所述玩家的操作数据进行分析,确定所述玩家的操作属性之后,还包括:
根据所述玩家的操作属性,以及云游戏平台中所述玩家未启动过的云游戏的属性,确定与所述玩家匹配的云游戏;
将所述匹配的云游戏的游戏信息发送至所述玩家登录的终端。
3.根据权利要求1所述的数据分析方法,其特征在于,在所述对所述玩家的操作数据进行分析,确定所述玩家的操作属性之后,还包括:
响应于队友匹配请求,至少根据所述玩家的操作属性和除所述玩家以外的其他玩家的操作属性,为所述玩家匹配队友。
4.根据权利要求1至3中任一项所述的数据分析方法,其特征在于,所述对所述玩家的操作数据进行分析,确定所述玩家的操作属性,包括:
将所述玩家的操作数据输入预先训练得到的分类模型中;其中,所述分类模型为基于第一训练数据库训练得到的用于指示操作数据和操作属性的对应关系的模型;所述第一训练数据库中包括操作数据样本,以及各所述操作数据样本对应的操作属性;
根据所述分类模型的输出,确定所述玩家的操作属性。
5.根据权利要求4所述的数据分析方法,其特征在于,若所述分类模型的输出指示分类失败,还包括:
反馈所述玩家的操作数据至管理端;
根据所述管理端监测的输入数据,确定所述玩家的操作属性;
将所述玩家的操作数据和所述玩家的操作属性记录在第二训练数据库中;
基于所述第二训练数据库,重新训练所述分类模型;或者,基于所述第一训练数据库和所述第二训练数据库,重新训练所述分类模型。
6.根据权利要求5所述的数据分析方法,其特征在于,在所述基于所述第二训练数据库,重新训练所述分类模型;或者,基于所述第一训练数据库和所述第二训练数据库,重新训练所述分类模型之前,所述数据分析方法还包括:
确定所述第二训练数据库的数据量大于第一预设值;或者,
确定距离上一次训练所述分类模型的时间大于第二预设值。
7.根据权利要求1所述的数据分析方法,其特征在于,所述操作属性包括走位类属性、技能类属性、防御类属性和攻击类属性中的任意组合。
8.根据权利要求1至3中任一项所述的数据分析方法,其特征在于,所述数据分析方法应用于云游戏平台;
所述获取玩家在云游戏中的操作数据,包括:
获取所述玩家在各类操作系统对应的操作平台中体验过的云游戏对应的所述玩家的操作数据。
9.一种电子设备,其特征在于,包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至8中任一项所述的数据分析方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010253781.0A CN111522722B (zh) | 2020-04-02 | 2020-04-02 | 一种数据分析方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010253781.0A CN111522722B (zh) | 2020-04-02 | 2020-04-02 | 一种数据分析方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111522722A CN111522722A (zh) | 2020-08-11 |
CN111522722B true CN111522722B (zh) | 2023-11-21 |
Family
ID=71902592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010253781.0A Active CN111522722B (zh) | 2020-04-02 | 2020-04-02 | 一种数据分析方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111522722B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131426B (zh) * | 2020-09-25 | 2023-09-22 | 腾讯科技(深圳)有限公司 | 游戏教学视频推荐方法、装置、电子设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020416A (zh) * | 2011-09-26 | 2013-04-03 | 北京千橡网景科技发展有限公司 | 用于多用户联网游戏的好友推荐的方法和设备 |
CN108905201A (zh) * | 2018-07-13 | 2018-11-30 | 上海斐讯数据通信技术有限公司 | 一种模拟操作的游戏算法系统及方法 |
CN110721475A (zh) * | 2019-09-09 | 2020-01-24 | 福建省天奕网络科技有限公司 | 一种游戏角色的推荐方法及终端 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7614955B2 (en) * | 2004-03-01 | 2009-11-10 | Microsoft Corporation | Method for online game matchmaking using play style information |
-
2020
- 2020-04-02 CN CN202010253781.0A patent/CN111522722B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020416A (zh) * | 2011-09-26 | 2013-04-03 | 北京千橡网景科技发展有限公司 | 用于多用户联网游戏的好友推荐的方法和设备 |
CN108905201A (zh) * | 2018-07-13 | 2018-11-30 | 上海斐讯数据通信技术有限公司 | 一种模拟操作的游戏算法系统及方法 |
CN110721475A (zh) * | 2019-09-09 | 2020-01-24 | 福建省天奕网络科技有限公司 | 一种游戏角色的推荐方法及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN111522722A (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vastel et al. | Fp-stalker: Tracking browser fingerprint evolutions | |
CN110020422B (zh) | 特征词的确定方法、装置和服务器 | |
CN110012060B (zh) | 移动终端的信息推送方法、装置、存储介质和服务器 | |
CN110941738B (zh) | 推荐方法、装置、电子设备及计算机可读存储介质 | |
CN110222975A (zh) | 一种流失用户分析方法、装置、电子设备及存储介质 | |
CN110175291B (zh) | 基于相似度计算的手游推荐方法、存储介质、设备及系统 | |
CN111479129B (zh) | 直播封面的确定方法、装置、服务器、介质及系统 | |
El-Nasr et al. | Game data science | |
CN108304853B (zh) | 游戏相关度的获取方法、装置、存储介质和电子装置 | |
US9245035B2 (en) | Information processing system, information processing method, program, and non-transitory information storage medium | |
CN111107423A (zh) | 一种视频业务播放卡顿的识别方法和装置 | |
CN112995690B (zh) | 直播内容品类识别方法、装置、电子设备和可读存储介质 | |
CN108579095A (zh) | 游戏中的社交关系推荐方法、装置和计算机可读存储介质 | |
CN107335220A (zh) | 一种消极用户的识别方法、装置及服务器 | |
CN111522722B (zh) | 一种数据分析方法、电子设备及存储介质 | |
CN111177725B (zh) | 一种检测恶意刷点击操作的方法、装置、设备及存储介质 | |
CN109165347B (zh) | 数据推送方法和装置、存储介质及电子装置 | |
EP2743882A1 (en) | Unified social graph | |
CN103577541B (zh) | 应用程序的排名欺诈检测方法和排名欺诈检测系统 | |
US20220387897A1 (en) | Systems and methods for video streaming analysis | |
CN112464102A (zh) | 一种应用程序的推荐方法 | |
CN112090088A (zh) | 游戏数据处理方法及相关设备 | |
CN112507214B (zh) | 基于用户名的数据处理方法、装置、设备及介质 | |
CN105868252A (zh) | 用户行为数据的处理方法和装置 | |
CN114548263A (zh) | 标注数据的校验方法、装置、计算机设备及存储介质 |
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 |