CN112090088A - 游戏数据处理方法及相关设备 - Google Patents
游戏数据处理方法及相关设备 Download PDFInfo
- Publication number
- CN112090088A CN112090088A CN202010944237.0A CN202010944237A CN112090088A CN 112090088 A CN112090088 A CN 112090088A CN 202010944237 A CN202010944237 A CN 202010944237A CN 112090088 A CN112090088 A CN 112090088A
- Authority
- CN
- China
- Prior art keywords
- user
- operation data
- trigger
- type
- data
- 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.)
- Pending
Links
Images
Classifications
-
- 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
-
- 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
- A63F13/75—Enforcing rules, e.g. detecting foul play or generating lists of cheating players
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请的实施例提供了一种游戏数据处理方法及相关设备,包括:获取用户的操作数据,所述操作数据是根据所述用户在游戏应用的界面中对操作控件进行触发操作得到的;根据所述操作数据确定所述用户的操作行为特征,所述操作行为特征包括触发频率、操作势力区域和触发时间信息中的至少一项;通过分类模型根据所述操作行为特征识别所述用户对应的用户类型,所述用户类型指示了所对应用户所处的年龄段;所述分类模型是根据若干样本操作数据和所述样本操作数据对应的用户标签进行训练得到的;按照所述用户所属用户类型对应的控制策略在所述游戏应用中对所述用户进行控制,可以有效避免因用户年龄作假所导致在游戏应用中对用户误控制的情况。
Description
技术领域
本申请涉及计算机及通信技术领域,具体而言,涉及一种游戏数据处理方法及相关设备。
背景技术
为了防止未成年用户过渡沉溺于游戏,相关技术的游戏应用中,在用户进行注册时,需要用户输入年龄,游戏应用中存储所注册用户的年龄。在用户登录游戏应用后,根据所存储用户的年龄来判断用户是否为未成年人,如果是,则限制用户在游戏应用中的登录时长。
而相关技术中,用户,特别是未成年用户,为了避免在游戏应用中的登录时长被限制,在注册游戏应用时,可能进行年龄作假,导致所存储用户信息中的年龄与用户实际所处的年龄阶段不符。对应的,如果按照用户在游戏应用中用户信息中的年龄来在游戏应用中对用户进行控制,可能导致对用户进行误控制。
发明内容
本申请的实施例提供了游戏数据处理方法及相关设备,以解决相关技术中因注册游戏应用时所存在年龄作假导致在游戏应用中对用户进行误控制的问题。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种游戏数据处理方法,包括:获取用户的操作数据,所述操作数据是根据所述用户在游戏应用的界面中对操作控件进行触发操作得到的;根据所述操作数据确定所述用户的操作行为特征,所述操作行为特征包括触发频率、操作势力区域和触发时间信息中的至少一项;通过分类模型根据所述操作行为特征识别所述用户对应的用户类型,所述用户类型指示了所对应用户所处的年龄段;所述分类模型是根据若干样本操作数据和所述样本操作数据对应的用户标签进行训练得到的,所述用户标签用于指示所述样本操作数据所对应用户所处的年龄段;按照所述用户所属用户类型对应的控制策略在所述游戏应用中对所述用户进行控制。
根据本申请实施例的一个方面,提供了一种游戏数据处理方法,包括:显示游戏应用的界面;检测用户在所述界面中对操作控件进行的触发操作;显示结果确认界面,所述结果确认界面包括所述用户对应的用户类型,所述用户类型包括所述用户所处的年龄段;所述用户类型是通过分类模型根据所述触发操作对应的操作行为特征进行用户类型识别确定的,所述操作行为特征包括触发频率、操作势力区域和触发时间信息中的至少一项;所述分类模型是根据若干样本操作数据和所述样本操作数据对应的用户标签进行训练得到的,所述用户标签用于指示所述样本操作数据所对应用户所处的年龄段;在所述游戏应用中按照所述用户所属用户类型对应的控制策略对所述用户进行控制。
根据本申请实施例的一个方面,提供了一种游戏数据处理装置,包括:操作数据获取模块,用于获取用户的操作数据,所述操作数据是根据所述用户在游戏应用的界面中对操作控件进行触发操作得到的;操作行为特征生成模块,用于根据所述操作数据确定所述用户的操作行为特征,所述操作行为特征包括触发频率、操作势力区域和触发时间信息中的至少一项;识别模块,用于通过分类模型根据所述操作行为特征识别所述用户对应的用户类型,所述用户类型指示了所对应用户所处的年龄段;所述分类模型是根据若干样本操作数据和所述样本操作数据对应的用户标签进行训练得到的,所述用户标签用于指示所述样本操作数据所对应用户所处的年龄段;控制模块,用于按照所述用户所属用户类型对应的控制策略在所述游戏应用中对所述用户进行控制。
根据本申请实施例的一个方面,提供了一种游戏数据处理装置,包括:第一显示模块,用于显示游戏应用的界面;第一检测模块,用于检测用户在所述界面中对操作控件进行的触发操作;第二显示模块,用于显示结果确认界面,所述结果确认界面包括所述用户对应的用户类型,所述结果确认界面包括所述用户对应的用户类型,所述用户类型包括所述用户所处的年龄段;所述用户类型是通过分类模型根据所述触发操作对应的操作行为特征进行用户类型识别确定的,所述操作行为特征包括触发频率、操作势力区域和触发时间信息中的至少一项;所述分类模型是根据若干样本操作数据和所述样本操作数据对应的用户标签进行训练得到的,所述用户标签用于指示所述样本操作数据所对应用户所处的年龄段;在所述游戏应用中按照所述用户所属用户类型对应的控制策略对所述用户进行控制。
根据本申请实施例的一个方面,提供了一种电子设备,包括:处理器;存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如上所述的方法。
根据本申请实施例的一个方面,提供了一种计算机可读存储介质,其上存储有计算机可读指令,当所述计算机可读指令被处理器执行时,实现如上所述的方法。
在本申请的方案中,在根据用户在游戏应用的操作界面中对操作控件所进行的触发操作得到用户的操作数据的基础上,根据操作数据来确定用户的操作行为特征,由于用户的操作行为特征与用户的年龄存在一定的关联性,因此通过训练得到的分类模型来根据操作行为特征来识别指示用户所处年龄段的用户类型,然后再根据用户所属用户类型对应的控制策略对在游戏应用中进行针对性地控制。
由于是从反映用户对操作控件操作情况的操作数据中提取到的操作行为特征来识别指示用户所处年龄段的用户类型,然后按照用户类型所对应的控制策略在游戏应用中对用户进行控制,而不是直接利用用户注册游戏应用时所输入的年龄来对用户进行控制,可以有效避免出现因用户在注册游戏时年龄作假导致对用户进行误控制的情况。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图;
图2是根据一实施例示出的游戏数据处理方法的流程图;
图3是步骤240之前步骤在一实施例中的流程图;
图4是步骤230之前步骤在一实施例中的流程图;
图5是根据一具体实施例示出的难度增长曲线和正常成长曲线;
图6是根据本申请的另一实施例示出的一种游戏数据处理方法的流程图;
图7是图6对应实施例的步骤630之后步骤在一实施例中的流程图;
图8是根据一具体实施例示出的游戏数据处理方法的流程图;
图9示出了游戏应用中进行新手引导的界面示意图;
图10示出了指示进行操作技能测试的界面示意图;
图11示出了技能测试界面的示意图;
图12示出了进行技能操作区域检测的界面示意图;
图13示出了进行技能频率检测的界面示意图;
图14示出了服务器进行用户类型识别的流程图;
图15示出了结果确认界面的示意图;
图16示出了对用户进行难度提升提示的界面显示图;
图17是根据一实施例示出的游戏数据处理装置的框图;
图18是根据另一实施例示出的游戏数据处理装置的框图;
图19示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
如图1所示,系统架构可以包括终端110和服务器120,终端110与服务器120之间通过有线或者无线网络进行通信,终端110可以是智能手机、平板电脑、笔记本电脑、台式电脑等,在此不进行具体限定。
应该理解,图1中的终端110和服务器120的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端110和服务器120。比如服务器120可以是多个服务器组成的服务器集群等。
终端110中可运行游戏应用,服务端120为终端110中所运行游戏应用提供服务。终端110可显示游戏应用的界面,游戏应用的界面中包括可以进行触发操作的操作控件,基于该操作控件,用户可以与游戏应用进行交互,例如在游戏应用的虚拟场景中操控虚拟角色、释放技能等,当然,游戏应用中不同的界面所设置的操作控件的数量和操作控件的功能可能存在差异,在此不进行具体限定。
用户与游戏应用的交互是通过对界面中的操作控件进行触发操作实现的。用户对操作控件的触发操作可以是触摸、点击、滑动(例如向左、右、上、下、左上、右上、左下、右下等方向滑动)等。
在游戏应用中,用户对操作控件的触发操作对应生成相应的操作数据,该操作数据至少记录了所操作的操作控件的控件标识、操作控件被触发的时间等。通过操作数据可以反映用户的操作行为特征,该操作行为特征可以是触发操作控件的触发频率、触发操作控件的势力操作区域、触发时间信息(例如相邻两次触发操作的触发时间间隔、一次触发操作中在操作控件中的停留时间等)。
不同年龄阶段的用户,在反应速度、反应灵敏度上存在差异,而用户的在反应速度、反应灵敏度可以通过操作行为特征来体现。换言之,用户的操作行为特征与用户的年龄阶段存在一定的相关性,例如成年人触发操作控件更快和密集,未成年人触发操作控件更慢,间隔时间稍长。
基于该种相关性,提出了本申请的方案,基于用户对游戏应用的界面中的操作控件的触发操作所得到的操作行为特征在对用户进行用户类型识别,该用户类型可以是按照年龄段来进行分类的,即一用户类型对应于一年龄段,其中,每一用户类型所对应的年龄段可以根据实际需要进行设定,在此不进行具体限定。
在本申请的一种应用场景中,为了避免未成年用户过度沉溺于游戏,需要限制未成年用户的游戏时长,鉴于此,可以将用户类型可以包括未成年人和成年人,也就是说,基于本申请的方案来根据操作行为特征来识别用户是成年人还是未成年人,以对未成年人用户和成年人用户在游戏应用中进行针对性地控制。
在本申请的一实施例中,该游戏应用中识别用户类型的方法可以由客户端执行,即根据在客户端所检测到的触控操作后,生成操作数据,然后根据操作数据确定用户对应的操作行为特征,进而根据操作行为特征识别得到用户对应的用户类型。
在本申请的一些实施例中,该游戏应用中识别用户类型的方法可以由服务器执行,则在游戏应用的客户端中得到用户的操作数据后,将该操作数据上报到服务器,由服务器根据操作数据确定用户对应的操作行为特征,进而根据操作行为特征识别用户对应的用户类型。
在本申请的一些实施例中,在识别得到用户对应的用户类型后,还可以在游戏应用的客户端中显示结果确认界面,该结果确认界面中包括所识别得到用户的用户类型。
该结果确认界面可以包括用户对所识别到的用户类型进行确认的确认选项,如果触发该确认选项,则生成结果确认指令,进而,根据该结果确认指令可以将所识别到的用户类型添加到在该游戏应用中用户所对应的用户信息中。
在本申请的一些实施例中,由于通过根据用户的操作行为特征进行用户类型识别存在识别错误的可能性,为了避免因识别错误对该用户在游戏应用中受到限制,还可以在结果确认界面中设置二次识别选项,如果该二次识别选项被触发,可以启动进行人脸图像采集,基于所采集到的人脸图像再次进行用户类型识别,以通过基于人脸图像所识别到的用户类型对通过操作行为特征所识别到的用户类型进行修正。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图2是根据本申请的一个实施例示出的游戏数据处理方法的流程图,该游戏数据处理方法可以由具有计算处理功能的设备来执行,比如可以由图1中所示的终端或者服务器来执行。参照图2所示,该游戏应数据处理方法至少包括步骤210至步骤230,详细介绍如下。
步骤210,获取用户的操作数据,操作数据是根据用户在游戏应用的界面中对操作控件进行触发操作得到的。
如上所描述,针对游戏应用的界面中所设置操作控件的不同,对操作控件的触发操作可以是点击操作、触控操作、滑动操作、拖拽操作等,在此不进行具体限定。
游戏应用的客户端实时检测在界面中对操作控件进行的触发操作,然后对应生成操作记录,每一操作记录对应于对操作控件的一次触发操作。其中,操作记录中至少包括操作控件的控件标识,操作控件的被触发时间点、被触发区域,其中,被触发区域是指在所对应从触发操作中,操作控件上被触发对应操作的区域,被触发区域可以是点击操作所点击的位置,可以是触摸操作所触摸的区域,还可以是滑动操作或拖拽操作中持续触摸的区域。
在本申请的一些实施例中,针对通过滑动操作、拖拽操作触发的操作控件,操作记录中还可以包括操作控件的被释放时间点。在本申请的一些实施例中,操作记录中还可以包括客户端标识,通过该客户端标识来识别所登录的用户。
由于操作记录记录了所对应操作控件被触发的详细信息,因此,根据操作记录可以对应得到用户的操作数据。可以理解的是,用户的操作数据中记录了用户的多次触发操作的信息,以此来保证从操作数据中所确定用户的操作行为特征可以全面反映用户操作行为特点。
在本申请的一些实施例中,用户的操作数据可以是用户所对应若干操作记录的集合。
可选的,为了减少数据存储和处理压力,用户的操作数据还可以是从若干操作记录中所提取有效信息的集合,所提取的有效信息例如上文中所列举:控件标识、被触发时间点、被释放时间点、被触发区域、客户端标识等,在此不进行具体限定。
可以理解的是,游戏应用的界面可以是游戏应用中的设置界面,还可以是技能操作界面,其中,设置界面用于进行参数、功能等设置,技能操作界面用于用户操作虚拟场景中的虚拟角色、或者控制虚拟场景等。
在本申请的一些实施例中,由于用户在技能操作界面中进行的触发操作更集中和密集,其能更好地体现用户的操作行为特点。鉴于此,所用于识别用户类型的操作数据来源于在技能操作界面中对操作控件进行的触发操作。
也就是说,在技能操作界面中检测对操作控件进行的触发操作,然后对应得到对应于用户在技能操作界面中的操作数据。
在本申请的一些实施例中,用户的操作数据可以是根据对同一操作控件进行的多次触发操作得到的,以减少数据处理量。当然,用户的操作数据还可以是来源于对多个操作控件进行的多次触发操作,以保证该操作数据的全面性。
步骤220,根据操作数据确定用户的操作行为特征,操作行为特征包括触发频率、操作势力区域和触发时间信息中的至少一项。
如上所描述,鉴于不同年龄的用户在反应速度、反应灵敏度上的差异,导致用户的操作行为存在差异。在本申请的方案中,通过从操作行为特征来体现用户的操作行为的特征。
触发频率是指单位时间内操作控件的被触发次数。触发频率可以反映用户触发操作控件的速度,以此反应出用户的反应速度和反应灵敏度。触发频率可以是针对同一操作控件的触发频率,即单位时间内同一操作控件的被触发次数,也可以是针对同一界面中多个操作控件的触发频率,例如单位时间内一界面中全部操作控件的被触发次数等。
如上所描述,对操作控件所进行的触发操作是对应于触发区域的,该触发区域是指在操作控件所在界面中,触发物(例如用户的手指)与所显示接触控件的接触区域。操作势力区域,又称操作热点区域,是指用户所进行多次触发操作中针对触发控件的被触发区域合并形成的区域,换言之,将多次触发操作所对应的被触发区域的并集作为操作势力区域。
在本申请一些实施例中,还可以通过一封闭曲线将多次触发操作中的被触发区域进行包围,在封闭曲线所限定的范围最小或者尽可能小时,该封闭曲线所包围的区域即为操作势力区域,也可以说该封闭曲线为操作势力区域的边界线。
在本申请的一些实施例中,可以分别针对每一个操作控件进行操作势力区域确定。
触发时间信息可以是触发时间间隔和停留时间中的至少一项,其中触发时间间隔是指相邻两次触发操作的时间间隔,其中触发时间间隔所所对应相邻两次触发操作可以是针对同一操作控件前后进行的两次触发操作,也可以是针对两操作控件所进行的前后两次触发操作,在此不进行具体限定。停留时间是指一次触发操作中在操作控件上的停留时长。
在本申请的一些实施例中,触发频率可通过如下的过程确定:根据操作数据统计操作控件在设定时间段内的被触发次数;根据操作控件在设定时间段内的被触发次数,确定触发频率。
如上所描述,用户的操作数据包括用户多次触发操作中所分别对应的操作记录,该操作记录至少包括被触发时间点。由此,可以按照操作数据中操作记录的数目和操作记录中的被触发时间点来统计在设定时间段内的被触发次数。
其中,该设定时间段可以根据实际需要进行设定,在此不进行具体限定。在本申请的一些实施例中,该设定时间段也可以在统计过程中根据若干操作记录中的被触发时间点来灵活确定,举例来说,若从触发操作A1对应的操作记录开始进行操作次数统计,统计到触发操作An对应的操作记录,若触发操作A1对应的被触发时间点为t1,触发操作An对应的被触发时间点为tn,则该设定时间段可以为tn-t1。
在本申请的一些实施例中,为了保证所确定的触发频率是对应于用户快速连续触发操作,预先设定相邻间隔阈值,基于相邻两次触发操作的间隔时间不超过相邻间隔阈值的操作记录来确定触发频率,由此可以避免因在界面中因停留时间或者中断触发操作时间较长对所计算得到触发频率的影响。
举例来说,在开始进行被触发次数统计后,若一触发操作B与前一次触发操作的间隔时长超过设定时长,则利用在该触发操作B之前所统计到的被触发次数和对应的设定时间段来确定触发频率;当然,还可以重新从触发操作B所对应的被触发时间点重新开始进行被触发次数统计,以确定另一触发频率,然后基于所得到的多个触发频率来综合确定用户对应的触发频率,例如将所得到的多个触发频率进行平均处理。
在本申请的一些实施例中,触发时间间隔可通过如下的过程来确定:从操作数据中获取每次触发操作中操作控件的被触发时间点;根据每次触发操作中操作控件的被触发时间点,确定相邻两次触发操作的触发时间间隔。
在本申请的一些实施例中,停留时间可通过如下的过程来确定:从操作数据中获取每次触发操作中操作控件的被触发时间点和被释放时间点;根据每次触发操作中操作控件的被触发时间点和被释放时间点,确定在操作控件上的停留时间。
如上所描述,针对通过滑动操作户或者拖拽操作触发的操作控件,由于触发物(如用户的手指)需要在操作控件上停留一段时间来操作该操作控件,而针对该种操作控件的操作记录中除了记录了该操作控件的被触发时间点外,还记录了该操作控件的被释放时间点。由此,根据一操作记录中的被触发时间点和被释放时间点,将被释放时间点与被触发时间点相减即得到在所对应操作控件上的停留时间。
在本申请的一些实施例中,操作势力区域可通过如下的过程来确定:根据操作数据确定用户在每次触发操作中对操作控件的触发区域;将多次触发操作中对操作控件的触发区域进行合并,得到用户对应的操作势力区域。
将多次触发操作中对操作控件的触发区域进行合并,相当于确定多次触发操作中对操作控件的触发区域求并集,所得到多个触发区域的并集即为用户对应于该操作控件的操作势力区域。
在本申请的一些实施例中,该操作势力区域可以通过操作势力区域的边界的位置信息来表征,由此,该位置信息所指示边界围成的区域即为对饮的操作势力区域。
在本申请的一些实施例中,还可以通过一次触发操作中触发区域中的中心点来表征对应的触发区域,由此,为了确定操作势力区域,将多次触发操作中所分别对应的中心点进行区域拟合,所拟合得到的区域即为用户对应于该操作控件的操作势力区域。
步骤230,通过分类模型根据操作行为特征识别用户对应的用户类型,用户类型指示了所对应用户所处的年龄段;分类模型是根据若干样本操作数据和样本操作数据对应的用户标签进行训练得到的,用户标签用于指示样本操作数据所对应用户所处的年龄段。
在本申请的方案中,用户类型可以是根据年龄来划分的,一用户类型对应于一年龄段。其中,用户类型的数量可以根据实际需要进行设定,例如设定为未成年用户和成年用户。
如上所描述,操作行为特征反映了用户的反应速度、反应灵敏度,而用户的反应速度、反应灵敏度与用户的年龄存在一定的相关性,从而,可以根据操作行为特征来识别用户的用户类型,以此确定用户所处的年龄段。
在本申请的一些实施例中,分类模型可以是基于聚类算法构建的模型。其中聚类算法可以是K-均值聚类(K-Means)、均值漂移聚类(Mean-Shift聚类)、使用高斯混合模型的最大期望聚类、基于密度的噪声应用空间聚类、凝聚层次聚类等,在此不进行具体限定。
在通过样本操作数据和样本操作数据对应的用户标签训练得到分类模型后,该分类模型的各个聚类中心确定,每一聚类中心对应于一用户类型。
在将操作行为特征输入至分类模型后,该分类模型对该操作行为特征进行分类,以确定所输入操作行为特征所属的聚类中心,进而根据所确定的聚类中心输出用户对应的用户类型。
在本申请的一些实施例中,分类模型还可以是基于深度神经网络构建的模型,其中深度神经网络可以是卷积神经网络、循环神经网络、感知机等,在此不进行具体限定。
在通过样本操作数据和样本操作数据对应的用户标签进行有监督训练得到分类模型,该分类模型学习到了各用户类型所对应的操作行为特征,具备根据操作行为特征识别各用户类型的能力,因此,将操作行为特征输入至训练后的分类模型后,该分类模型可以对应根据操作行为特征确定用户对应的用户类型。
步骤240,按照用户所属用户类型对应的控制策略在游戏应用中对用户进行控制。
在本申请的方案中,为不同用户类型对应设定了对应的控制策略。其中,该控制策略可以是为了限制游戏登录时长而设定的控制策略。也可以是为了限制游戏过程中的音量而设定的控制策略。
在本申请的一些实施例中,为了避免未成年用户过度沉溺游戏,对未成年用户设定了为限制登录时长对应的控制策略,在控制策略可以是在达到设定的登录时长时,使用户退出游戏应用、或增加用户的游戏难度。
在本申请的一些实施例中,在游戏应用中用户一般会佩戴耳机听游戏应用中的配音,而用户对于音量的可接受程度与用户的年龄存在一定的关联关系。在此背景下,为了避免在游戏应用中用户设定的音量过大造成听力损伤,可以针对不同用户类型的用户设定音量上限阈值。从而,在游戏应用中,若检测到用户所在客户端中,音量超过所对应的上限阈值,则进行音量调整,避免音量过大的音量对用户的听力造成损伤。
在本申请的方案中,在根据用户在游戏应用的操作界面中对操作控件所进行的触发操作得到用户的操作数据的基础上,根据操作数据来确定用户的操作行为特征,由于用户的操作行为特征与用户的年龄存在一定的关联性,因此通过训练得到的分类模型来根据操作行为特征来识别指示用户所处年龄段的用户类型,然后再根据用户所属用户类型对应的控制策略对在游戏应用中进行针对性地控制。
由于是从反映用户对操作控件操作情况的操作数据中提取到的操作行为特征来识别指示用户所处年龄段的用户类型,然后按照用户类型所对应的控制策略在游戏应用中对用户进行控制,而不是直接利用用户注册游戏应用时所输入的年龄来对用户进行控制,可以有效避免出现因用户在注册游戏时年龄作假导致对用户进行误控制的情况。
而且,在分类模型通过若干样本操作数据和样本操作数据所对应的用户标签进行训练后,该分类模型学习到每一用户类型对应的操作行为特征,具有了根据用户的操作行为特征识别用户所对应用户类型的能力,因此,通过分类模型来识别用户对应的用户类型,可以保证所识别到用户类型的准确性。
在本申请的一些实施例中,如图3所示,步骤240之前,该方法还包括:
步骤310,获取用户的生物特征信息。
在本申请的一些实施例中,生物特征信息可以是人脸图像、语音、脉搏信息等,在此不进行具体限定。其中,人脸图像可以通过进行人脸图像采集得到;语音可以通过进行语音信号采集获得;脉搏信息可以通过对用户进行脉搏采集得到。
在本申请的一些实施例中,在所识别出用户的用户类型为指定用户类型时,执行步骤310,以通过所获取的生物特征信息再次进行用户类型识别;反之,若所识别出用户的用户类型不是指定用户类型,则不执行步骤310。
其中,指定用户类型可以是指定一用户类型,也可以指定多个用户类型作为指定用户类型,在此不进行具体限定。当然,在本申请的一些实施例中,还可以不限定指定用户类型,即针对所识别出的每一用户类型,均执行步骤310,以及后续的步骤再次进行用户类型识别。
步骤320,根据生物特征信息再次进行用户类型识别,得到用户对应的辅助识别类型。
辅助识别类型特指根据生物特征信息再次进行用户类型识别所得到的类型。
其中,辅助识别类型也是按照年龄段来进行划分的。在本申请的一些实施例中,各辅助识别类型所指示的年龄段可以是与分类模型包括的各用户类型所指示的年龄段相同,也可以不同,例如分类模型所包括的用户类型包括未成年人用户和成年人用户,而辅助识别类型包括A类型(对应的年龄段为0-10岁)、B类型(对应的年龄段为10-18岁)、C类型(对应的年龄段为18-25岁)和D类型(对应的年龄段为25岁以上)。
在本申请的一些实施例中,可以通过构建的神经网络模型来根据用户的生物特征信息进行用户类型识别。先通过样本数据和对应的标签来进行神经网络模型的训练,然后将训练后的神经网络模型用于进行用户类型识别。其中,神经网络模型可以是通过卷积神经网络、循环神经网络、长短时记忆神经网络等来构建的,在此不进行具体限定。
若是通过人脸图像来再次进行用户类型识别,对应的,神经网络模型的样本数据即所采集的若干样本人脸图像,对应的标签用于指示样本人脸图像所对应用户的年龄段。训练完成后的神经网络模型可以根据所采集的到人脸图像提取人脸特征,例如人脸中某一个器官、或者某几个器官的特征(器官例如眼睛、嘴、额头、脸颊等),通过所提取人脸中器官的特征来进行用户类型识别。
若是通过语音来再次进行用户类型识别,样本数据即采集的若干样本语音,对应的标签用于指示样本语音所对应用户的年龄段。训练完成后的神经网络可以根据所采集到的语音提取语音特征,以根据所提取的语音特征进行用户类型识别。
若是通过脉搏信息来再次进行用户类型识别,样本数据即采集的若干样本脉搏信息,对应的标签用于指示样本脉搏信息所对应用户的年龄段。
步骤330,根据辅助识别类型对分类模型所识别出的用户类型进行修正。
在本申请的一些实施例中,对根据操作行为特征所识别到的用户类型进行修正可以是将所识别得到的辅助识别类型作为用户对应的用户类型,也就是说,如果操作行为特征所识别到的用户类型与所识别出的辅助识别类型不一致,则将用户对应的用户类型确定为辅助识别类型;反之,如果二者一致,则将用户对应的用户类型确定为据操作行为特征所识别到的用户类型。
在本申请的一些实施例中,由于是按照用户所属用户类型对应的控制策略来在游戏应用中对用户进行控制,因此,为了进一步保证在游戏应用中对用户所执行控制策略的准确性,通过用户的生物特征信息再次进行用户类型识别,然后通过所识别出的辅助识别类型对分类模型所识别出的用户类型进行修正。
在本申请的一些实施例中,可能存在为用户采集到的操作数据并不能全面反映用户操作行为的情况,在此种情况下,分类模型根据从所采集到的操作数据中提取的操作行为特征所识别出的用户类型可能并不准确。因此,结合通过生物特征信息所识别出的辅助识别类型对分类模型所识别出的用户类型进行修正,可以保证所确定用户类型的准确性。
在本申请的一些实施例中,对根据操作行为特征所识别到的用户类型进行修正还可以是根据辅助识别类型和根据操作行为特征所识别到的用户类型综合确定用户的用户类型。
在本申请的一些实施例中,步骤330包括:确定辅助识别类型所指示的年龄段与分类模型所识别出用户类型所指示年龄段的交集,得到第一年龄段;根据第一年龄段中的上限年龄和下限年龄,确定第一年龄段的中值年龄;在分类模型所包括的若干用户类型中,将中值年龄与第一年龄段的中值年龄相等的年龄段所对应用户类型作为用户所属的用户类型。
第一年龄段的中值年龄是指第一年龄段所限定若干年龄的中值。
在本实施例中,将分类模型所包括的若干用户类型中中值年龄与第一年龄段中的中值年龄相等的年龄段所对应用户类型作为用户所属的用户类型,而第一年龄段是辅助识别类型所指示的年龄段与分类模型所识别出用户类型所指示年龄段的交集,相当于结合了通过用户的操作数据和用户的人脸图像两种方式来综合确定用户所属的年龄段,可以保证所确定用户所属用户类型的准确性,进而可以保证在游戏应用中对用户所执行控制策略的准确性。
在本申请的一些实施例中,如图4所示,步骤230之前,该方法还包括:
步骤410,获取训练数据,训练数据包括若干样本操作数据和样本操作数据对应的用户标签。
其中,样本操作数据是根据已知年龄用户对操作控件进行的触发操作得到的操作数据。样本操作数据对应的用户标签至少用于指示样本操作数据所来源用户所处的年龄段。
在本申请的一些实施例中,样本操作数据所对应的用户标签可以是根据该样本操作数据所来源的用户的年龄进行标注的,样本操作数据所对应的用户标签指示了所对应用户所属的用户类型,当然,用户标签所指示的用户类型是用户对应的真实的用户类型。
步骤420,根据样本操作数据确定所对应的操作行为特征。
其中,所确定样本操作数据对应的操作行为特征可以是上文中触发频率、操作势力区域和触发时间信息中的至少一项,在此不再赘述。
步骤430,根据样本操作数据对应的操作行为特征和样本操作数据对应的用户标签对分类模型进行训练。
在本申请的一些实施例中,分类模型是基于聚类算法构建的模型,上述步骤430包括:计算样本操作数据对应的操作行为特征与分类模型中各个聚类中心的距离;将最短距离所对应的聚类中心作为样本操作数据的目标聚类中心;若目标聚类中心所对应的用户类型与样本操作数据对应的用户标签所指示用户类型不一致,则调整分类模型的聚类中心。
在进行训练之前,按照用户类型的数量设定了分类模型中相同数量的聚类中心,即一用户类型对应一聚类中心,并对聚类中心进行了初始化,即初始确定了各个聚类中心。
在训练过程中,若样本操作数据的目标聚类中心所指示的用户类型与该样本操作数据所对应用户标签指示的用户类型不一致,则调整分类模型的聚类中心,然后按照上述的过程,重新计算样本操作数据所对应操作行为特征到调整后各聚类中心的距离,然后再次确定目标聚类中心,直至目标聚类中心所指示用户类型与样本操作数据所对应用户标签所指示的用户类型一致。
针对每一样本操作数据,均按照上述的过程对分类模型进行训练,直至分类模型达到收敛条件,其中收敛条件可以是设定迭代次数,即若训练过程中,模型的迭代次数达到设定迭代次数,则确定达到收敛条件,结束分类模型的训练。收敛条件还可以为分类模型设定的损失函数收敛,在训练过程,实时计算分类模型的损失函数的函数值,若所计算得到的函数值表明损失函数收敛,则确定分类模型达到收敛条件,结束分类模型的训练。
在本申请的一些实施例中,步骤240包括:若用户对应的用户类型是设定进行游戏时长控制的用户类型,则获取用户在监控周期中在游戏应用中的登录时长;若登录时长不低于设定的限制时长,则在游戏应用中对用户执行用户所属用户类型对应的控制策略。
其中,对于设定进行游戏时长控制的用户类型对应的控制策略可以是向用户进行下线提示、控制用户退出游戏应用、静默提升用户所进行游戏的难度等级、向用户推送益智玩法等。
在本申请的一些实施例中,先根据用户的历史对战数据确定历史对战数据中用户通关或者对战中获得胜利的游戏局中的最高难度等级游戏局。以该最高难度等级游戏局的难度等级作为基数,然后将预设的难度提升系数与作为基数的难度等级相乘得到目标难度等级。再按照目标难度等级来对用户进行控制。
在一实施例中,对于按照目标难度等级来对用户进行控制,若游戏应用中各个游戏场景配置了对应了难度等级,则选取难度等级为目标难度等级的游戏场景作为用户在游戏应用中的下一游戏场景。
在一实施例中,对于按照目标难度等级来对用户进行控制,若游戏应用中游戏场景中的难度等级可调整,例如可以通过调整增益技能在游戏场景中出现的概率、障碍物在游戏场景中出现的概率来调整所在游戏场景的难度等级,则将用户所在游戏场景中的难度等级调整为目标难度等级。在游戏场景中,预先配置了每一难度等级下增益技能在游戏局中的出现频率、障碍物在游戏场景中的出现频率。在将用户所在游戏场景的难度等级调整为目标难度等级后,按照目标难度等级对应的增益技能的出现频率和障碍物出现频率,控制增益技能和障碍物在用户所在游戏场景中出现。
在本申请的一些实施例中,对于对战类的游戏应用,还可以通过用户匹配操作等级低于用户的队友、匹配操作等级高于用户的对手来提升游戏难度。具体的,可以向根据用户在游戏应用中的用户信息确定用户对应的操作等级,然后,以用户的操作等级作为基数,确定队友操作等级和/或对手操作等级(其中,队友操作等级低于用户的操作等级,对手操作等级高于用户的操作等级);再按照队友操作等级为用户匹配队友、按照对手操作等级为用户匹配对手。
在本申请的一些实施例中,可以预先设定难度增长曲线和正常成长曲线,若用户对应的用户类型为设定进行游戏时长控制的用户类型,则按照难度增长曲线提升用户在游戏应用中的难度等级,反之,若用户对应的用户类型不是设定进行游戏时长控制的用户类型,则按照正常生长曲线提升用户在游戏应用中的关卡难度。其中难度增长曲线中难度等级提升的速度大于正常成长曲线中难度等级提升的速度,难度增长曲线和正常生长曲线以用户在游戏应用中的注册时长为横坐标,以难度等级为纵坐标。在用户的登录时长达到设定的限制时长后,在难度增长曲线中,按照用户在游戏应用中的注册时长确定对应的难度等级,并将所确定难度等级的游戏场景作为用户所要进入的游戏场景。图5是根据一具体实施例示出的难度增长曲线和正常成长曲线,如图5所示,横坐标为注册时长,纵坐标为难度等级,从图5中可以看出,随着游戏时间的延长,难度增长曲线与正常成长曲线的难度系数的差值越来愈大。由此,通过提升难度等级来使用户主动退出游戏。
在本申请的一些实施例中,步骤240之后,该方法还包括:获取用户在游戏应用中的用户信息;若用户信息所指示的用户类型与为用户所识别得到的用户类型不符,则根据所识别得到的用户类型更新用户对应的用户信息。
由此,将所识别到用户对应的用户类型更新到用户信息中,从而,在后续用户登录游戏应用后,可以根据用户信息中更新后的用户类型对用户进行游戏控制。所进行的游戏控制可以是上文所列举的预设的控制策略。
图6是根据本申请的另一实施例示出的一种游戏数据处理方法的流程图,该方法可以由图1所示的终端执行,如图6所示,该方法至少包括步骤610-630,具体说明如下。
步骤610,显示游戏应用的界面。
其中,所显示游戏应用的界面中包括可进行触发操作的操作控件。当然,所显示的操作控件的数量可以是一个也可以是多个,在此不进行具体限定。
步骤620,检测用户在界面中对操作控件进行的触发操作。
步骤630,显示结果确认界面,结果确认界面包括用户对应的用户类型,用户类型包括用户所处的年龄段;用户类型是通过分类模型根据触发操作对应的操作行为特征进行用户类型识别确定的,操作行为特征包括触发频率、操作势力区域和触发时间信息中的至少一项;分类模型是根据若干样本操作数据和样本操作数据对应的用户标签进行训练得到的,用户标签用于指示样本操作数据所对应用户所处的年龄段;按照用户所属用户类型对应的控制策略在游戏应用中对用户进行控制。
在本申请的一些实施例中,针对所识别出的每一用户类型,均显示结果确定界面。
在本申请的一些实施例中,还可以是针对目标用户类型进行结果确认界面的显示,换言之,若所识别出用户对应的用户类型为目标用户类型,则显示结果确认界面,反之,若所识别出用户对应的用户类型不是目标用户类型,则不显示结果确认界面。该目标用户类型可以是一个或者多个,具体可根据实际需要进行设定。
举例来说,若用户类型包括未成年用户和成年用户,假设目标用户类型为未成年用户,则在识别出用户对应的用户类型为未成年用户时,则显示结果确认界面,反之,则不显示结果确认界面。
在本申请的一些实施例中,如图7所示,步骤730之后,该方法还包括:
步骤710,检测在结果确认界面中触发的再次识别操作。
在结果确定界面中配置有用户触发再次识别操作的第一控件,若检测到第一控件上触发的操作,则确定检测到再次识别操作。
步骤720,根据再次识别操作,显示人脸图像采集界面,人脸采集界面用于呈现采集到的人脸图像。
也就是说,根据再次识别操作,一方面显示人脸图像采集界面,另一方面启动进行人脸图像采集,从而,在人脸图像采集界面中显示所采集到的人脸图像。所采集到的人脸图像用户再次进行用户类型识别。
步骤730,显示用户的目标识别结果,目标识别结果是根据人脸图像再次进行用户类型识别所得到的识别结果及结果确认界面中包含的用户类型共同确定的。
在本申请的一些实施例中,若根据人脸图像再次进行用户类型识别所得到的识别结果所指示用户类型(为便于描述,假设为第一用户类型)与结果确认界面中包含的用户类型(为便于描述,假设为第二用户类型)不一致,则确定用户的目标识别结果为指示用户类型为第一用户类型的结果;反之,若第一用户类型与第二用户类型一致,则确定用户的目标识别结果为指示用户类型为第二用户类型的结果。在本申请的一些实施例中,还可以参照上文图3相关实施例中的方法来确定用户的目标识别结果所指示的用户类型,在此不再赘述。
下面结合一具体实施例对本申请的方案进行进一步说明。
图8是根据一具体实施例示出的游戏数据处理方法的流程图。在本实施例中,用户类型包括未成年人和成年人,以通过用户的操作数据来识别用户为未成年人还是成年人。如图8所示,该方法包括:
步骤810,游戏应用中进行新手引导时,对用户进行操作技能测试,得到用户的操作数据。
在本实施例中,游戏应用中配合了技能测试界面,通过用户在该技能测试界面中对操作控件进行的触发操作来得到用户的操作数据。
具体的,在对新手玩家进行引导过程中,引导玩家进入技能操练界面进行操作技能测试。
图9中示出了游戏应用中进行新手引导的界面示意图,在用户触发图9中的“我是新手”选项后,游戏应用进行新手引导。通过进行新手引导使用户知晓游戏应用中所设置各个操作控件对应的功能,便于用户快速熟悉游戏应用中所设置的操作控件。
在新手引导完成后,显示图10所示的指示进行操作技能测试的界面。若用户点击“确认选择”则进入图11所示的技能测试界面。在技能测试界面中,通过用户触发操作技能测试界面中的操作控件实现操作数据的采集。然后对应按照本申请的方法来识别用户所属的用户类型。
在本实施例中,一方面,由于是在进行新手引导后在技能测试界面中采集用户的操作数据,换言之是在用户熟悉游戏应用中的操作控件后进行,因此保证了所采集到操作数据的有效性,避免因用户不熟悉操作控件导致所采集到的操作数据不能准确反映用户的操作行为特征;另一方面,由于是在新手引导后进行操作数据采集,表明此时所登录用户是游戏应用中的新用户,此时通过所采集的操作数据识别用户对应的用户类型,可以便于在用户正式参与到游戏场景中后按照用户类型对应的控制策略对用户进行针对性地控制,而且可以根据所识别出的用户类型确定用户在注册游戏应用时所填写的年龄是否存在作假的情况,若存在,对应将所识别出的用户类型更新到用户对应的用户信息中。
进入图11所示的技能测试界面后,用户可以在该技能测试界面中进入预先设定的技能操练局,在该技能操练局中,设定了用户仅可触发操作的特定技能,并配置了对应的操作控件。其中,图11a示出了技能测试界面中操作控件触发的示意图,如图11a所示,该技能测试界面中左侧的操作控件可以用于控制摇杆移动,右侧的操作控件可以用于进行攻击。图11b示出了在技能测试界面中进行特定技能操作提示的示意图,如图11b所示,显示“在技能操练局里,只操作特定技能,其他技能系统自动完成”这一提示信息。
由于在技能操练局里仅限定用户操作特定技能,即用户仅可以触发操作特定的操作控件,从而,可以仅针对特定的操作控件进行操作数据采集,使得操作数据的采集具有针对性,而且减少了操作数据采集的数据量。
在本实施例中,技能测试界面中所进行的技能测试包括技能操作区域检测和技能频率检测。其中,通过技能操作区域测试采集到用于确定用户针对操作控件的势力区域的第一操作数据,通过技能频率检测来采集用于确定用户针对操作控件的触发频率和触发时间信息的第二操作数据。
图12示出了进行技能操作区域检测的界面示意图,该界面中可触发操作的操作控件可以是图12中a和b所示的技能1-5所对应的操作控件中的任一个,或者其中任意多个。该界面中设有技能操作区域检测进度条,以提示技能操作区域检测的进度。在图12a中,技能操作区域检测进度条未达到满格的位置,表示仍处于技能操作区域检测中,在图12b中,技能操作区域检测进度条达到满格的位置,表示技能操作区域检测完成。
图13示出了进行技能频率检测的界面示意图,该界面中设有技能频率检测进度条,以提示技能频率检测的进度。在图13a中,技能频率检测进度条未达到满格的位置,表示仍处于技能频率检测中;在图13b中,技能频率检测进度条达到满格的位置,表示完成技能频率检测。
步骤820,根据用户的操作数据,通过分类模型对用户进行用户类型识别,得到识别结果。
图14示出了将操作数据上报至服务器并由服务器进行用户类型识别的流程图,如图14所示,在游戏应用的客户端中通过技能操作区域检测和技能频率检测得到对应的操作数据后,将所采集的到的操作数据上报到服务器。其中该操作数据中包含的信息可以包括被触发次数、触发时间间隔、触发区域、被触发时间点。然后服务器对应根据操作数据确定用户的操作行为特征,操作行为特征可以是触发频率、势力操作区域、触发时间信息中的至少一项。由服务器中的分类模型根据操作行为特征进行用户类型识别,得到用户的用户类型。如果识别确定用户对应的用户类型为未成年人,则将所识别到的用户类型反馈到游戏应用的客户端。
步骤830,若识别用户为未成年人,则在游戏应用的客户端显示结果确认界面,在结果确认界面中请求再次进行用户类型识别。
在服务器得到用户的识别结果后,将该识别结果返回到终端。
在本实施例中,如果识别用户为未成年人,则显示结果确认界面,而如果识别用户为成年人,则不显示结果确认界面。图15示出了结果确认界面的示意图,该结果确认界面中包括所识别得到用户对应的用户类型,如图15所示,所显示“经过测试,你是否为未成年人”指示了所识别出用户的用户类型为“未成年人”。
进一步的,如图15所示,结果确认界面中还包括“确认为未成年人”和“成年人面部识别”选项。
如果用户触发“确认为未成年人”这一选项,则该游戏应用的客户端根据所检测到的触发操作,生成结果确认指令,并将该结果确认指令上报到服务端,以使服务端根据该结果确认指令将所识别出用户对应的用户类型(未成年人)添加到用户对应的用户信息中。
如果用户触发“成年人面部识别”这一选项,则该游戏应用的客户端根据所检测到的触发操作,启动进行人脸图像采集,以通过所采集到的人脸图像再次进行用户类型识别,得到对应的识别结果。
在本实施例中,若通过人脸图像进行用户类型识别得到的识别结果与根据操作行为特征识别到的用户类型不一致,即通过人脸图像识别用户为成年人,则确定用户的目标用户类型为成年人,并将用户的目标用户类型更新到用户信息。
反之,如果通过人脸图像进行用户类型识别得到的识别结果与根据操作行为特征识别到的用户类型一致,即通过人脸图像识别用户为未成年人,则确定用户的目标用户类型为未成年人,并将用户的目标用户类型更新到用户信息。
在本实施例中,由于在游戏应用中限制未成年人用户的登录时长,因此为了避免因识别将实际为成年人的用户识别为未成年人用户导致该用户在游戏应用中的登录时长受限且影响该用户的游戏体验,因此,在通过操作数据识别到用户对应的用户类型后,进一步通过人脸图像再次进行用户类型识别,并根据两次的识别结果来确定用户的目标用户类型。
步骤840,针对未成年人,在监控用户的登录时长达到设定的限制时长时,在游戏应用中对用户执行预设的控制策略。
在本实施例中,为了避免未成年用户沉迷于游戏应用,在识别确定用户为未成年人后,对该用户进行登录时长监控。如果在第一监控周期内,该用户的登录时长达到设定的时长时,在游戏应用中对用户执行预设的控制策略。
其中,预设的控制策略可以是提升游戏难度等级,还可以是匹配游戏等级低于用户的队友。具体的,可以按照如图5中的难度增长曲线提升游戏难度等级。
进一步的,还可以在按照难度增长曲线提升游戏难度等级之前对用户进行提示。图16示出了对用户进行难度等级提升提示的界面显示图。若监控到在第一监控周期内,用户的登录时长达到设定的时长,显示图16a所示的提示信息,一方面提示用户的登录时长达到设定的时长,另一方面提示用户如果继续进行游戏,则进入难度大幅提升的死亡模式。如果用户确认继续进行游戏,则进入图16b中所示死亡模式的游戏界面中,对应进入死亡模式的游戏局中。
请继续参阅图8所示,在步骤820之前,该方法还包括对分类模型进行训练的步骤,即步骤850,步骤850包括训练数据采集和训练分类模型。其中,训练数据包括若干样本操作数据和样本操作数据所对应的用户标签。具体在本实施例中,样本操作数据包括来源于成年人用户的操作数据和来源于未成年人用户的操作数据。该样本操作数据可以是按照步骤810的过程在技能测试界面进行操作技能测试得到,所进行的操作技能测试与步骤810相同,包括技能操作区域检测和技能频率检测。
其中,样本操作数据所对应的用户标签通过该样本操作数据所对应用户的年龄来标注。
在本实施例中,预先选定测试用户,通过测试用户在技能测试界面进行操作技能测试所得到的样本操作数据对分类模型进行训练。然后记录所选定测试用户的基本信息。在本实施例中,可以按照图下表1所示,记录测试用户的测试用户ID、年龄和性别。
测试用户ID | 1 |
年龄 | 12 |
性别 | 女 |
测试用户ID | 2 |
年龄 | 44 |
性别 | 男 |
表1
在测试用户进行操作技能测试过程中,可以按照如下表2所示记录测试用户针对操作控件进行的触发操作和被触发时间点。
测试用户ID | 1 |
被触发时间点 | 时间t1 |
控件标识 | Action-1 |
表2
在测试用户进行操作技能测试过程中,可以按照如下表3所示记录测试用户在技能操作界面中针对操作控件的触发频率和触发时间间隔。
测试用户ID | 1 |
触发频率 | 4 |
触发时间间隔 | 0.3秒 |
表3
在测试用户进行操作技能测试过程中,可以按照如下表4所示记录测试用户在技能操作界面中针对操作控件的触发区域和触发操作的触发操作类型,其中触发操作类型包括点击、滑动、拖曳等。
测试用户ID | 1 |
触发操作类型 | 点击 |
触发区域 | 横坐标:XX纵坐标:XX |
表4
在本实施例中,分类模型是基于K-Means聚类算法构建的模型,通过上述表1中所记录的信息确定测试用户的用户标签,该用户标签包括指示测试用户为未成年人的标签和指示测试用户为成年人的标签。将上述表2-4中所记录的信息形成测试用户的样本操作数据。
然后基于得到的样本操作数据和样本操作数据所对应的用户标签对分类模型进行训练,从而确定分类模型的聚类中心。在本实施例中,由于用户类型包括未成年人和成年人,分类模型的聚类中心包括针对未成年人的聚类中心和针对成年人的聚类中心。下表5中示出了针对未成年人的聚类中心的信息(包括触发频率、触发时间间隔、操作势力区域)和针对成年人的聚类中心的信息(包括触发频率、触发时间间隔、操作势力区域)。
表5
由此,基于训练所确定分类模型的聚类中心,可以对应将待测用户的操作行为特征输入到分类模型后,可以对应确定所输入操作行为特征所属的聚类中心,以识别确定用户为未成年人或者成年人。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的方法。对于本申请装置实施例中未披露的细节,请参照本申请上述方法实施例。
图17是根据一实施例示出的游戏数据处理装置的框图,该游戏数据处理装置可以配置于图1所示的终端或者服务器中,如图17所示,该游戏数据处理装置包括:
操作数据获取模块1710,用于获取用户的操作数据,操作数据是根据用户在游戏应用的界面中对操作控件进行触发操作得到的。
操作行为特征确定模块1720,用于根据操作数据确定用户的操作行为特征,操作行为特征包括触发频率、操作势力区域和触发时间信息中的至少一项。
识别模块1730,用于通过分类模型根据操作行为特征识别用户对应的用户类型,用户类型指示了所对应用户所处的年龄段;分类模型是根据若干样本操作数据和样本操作数据对应的用户标签进行训练得到的,用户标签用于指示样本操作数据所对应用户所处的年龄段。
控制模块1740,用于按照用户所属用户类型对应的控制策略在游戏应用中对用户进行控制。
在本申请的一些实施例中,操作行为特征包括触发频率,操作行为特征确定模块1720被配置为:根据操作数据统计操作控件在设定时间段内的被触发次数;根据操作控件在设定时间段内的被触发次数,确定触发频率。
在本申请的一些实施例中,操作行为特征包括触发时间信息,触发时间信息包括触发时间间隔;基于前述方案,操作行为特征确定模块1820被配置为:从操作数据中获取每次触发操作中操作控件的被触发时间点;根据每次触发操作中操作控件的被触发时间点,确定相邻两次触发操作的触发时间间隔。
在本申请的一些实施例中,操作行为特征包括触发时间信息,触发时间信息包括停留时间;基于前述方案,操作行为特征确定模块1720被配置为:从操作数据中获取每次触发操作中操作控件的被触发时间点和被释放时间点;根据每次触发操作中操作控件的被触发时间点和被释放时间点,确定在操作控件上的停留时间。
在本申请的一些实施例中,操作行为特征包括操作势力区域,基于前述方案,操作行为特征确定模块1720被配置为:根据操作数据确定用户在每次触发操作中对操作控件的触发区域;将多次触发操作中对操作控件的触发区域进行合并,得到用户对应的操作势力区域。
在本申请的一些实施例中,基于前述方案,该游戏数据处理装置还包括:训练数据获取模块,用于获取训练数据,训练数据包括若干样本操作数据和样本操作数据对应的用户标签;第一确定模块,用于根据样本操作数据确定所对应的操作行为特征;训练模块,用于根据样本操作数据对应的操作行为特征和样本操作数据对应的用户标签对分类模型进行训练。
在本申请的一些实施例中,基于前述方案,分类模型是基于聚类算法构建的模型;训练模块包括:距离计算单元,用于计算样本操作数据对应的操作行为特征与分类模型中各个聚类中心的距离;目标聚类中心确定单元,用于将最短距离所对应的聚类中心作为样本操作数据的目标聚类中心;调整单元,用于若目标聚类中心所对应的用户类型与样本操作数据对应的用户标签所指示用户类型不一致,则调整分类模型的聚类中心。
在本申请的一些实施例中,基于前述方案,该游戏数据处理装置还包括:生物特征信息获取模块,用于获取用户的生物特征信息;再次识别模块,用于根据生物特征信息再次进行用户类型识别,得到用户对应的辅助识别类型;修正模块,用于根据辅助识别类型,对根据操作行为特征所识别到的用户类型进行修正。
在本申请的一些实施例中,基于前述方案,修正模块进一步被配置为:确定辅助识别类型所指示的年龄段与分类模型所识别出用户类型所指示年龄段的交集,得到第一年龄段;根据第一年龄段中的上限年龄和下限年龄,确定第一年龄段的中值年龄;在分类模型所包括的若干用户类型中,将中值年龄与第一年龄段的中值年龄相等的年龄段所对应用户类型作为用户所属的用户类型。
在本申请的一些实施例中,基于前述方案,控制模块1740包括:登录时长获取模块,用于若用户对应的用户类型是设定进行游戏时长控制的用户类型,则获取用户在监控周期中在游戏应用中的登录时长;控制模块,用于若登录时长不低于设定的限制时长,则在游戏应用中对用户执行用户所属用户类型对应的控制策略。
图18是根据另一实施例示出的游戏数据处理装置的框图,该游戏数据处理装置可以配置于图1所示的终端中,如图18所示,该游戏数据处理装置包括:
第一显示模块1810,用于显示游戏应用的界面。
第一检测模块1820,用于检测用户在界面中对操作控件进行的触发操作。
第二显示模块1830,用于显示结果确认界面,结果确认界面包括用户对应的用户类型,结果确认界面包括用户对应的用户类型,用户类型包括用户所处的年龄段;用户类型是通过分类模型根据触发操作对应的操作行为特征进行用户类型识别确定的,操作行为特征包括触发频率、操作势力区域和触发时间信息中的至少一项;分类模型是根据若干样本操作数据和样本操作数据对应的用户标签进行训练得到的,用户标签用于指示样本操作数据所对应用户所处的年龄段;按照用户所属用户类型对应的控制策略在游戏应用中对用户进行控制。
在本申请的一些实施例中,基于前述方案,该游戏数据处理装置还包括:第二检测模块,用于检测在结果确认界面中触发的再次识别操作;第三显示模块,用于根据再次识别操作,显示人脸图像采集界面,人脸采集界面用于呈现采集到的人脸图像;第四显示模块,用于显示用户的目标识别结果,目标识别结果是根据人脸图像再次进行用户类型识别所得到的识别结果及结果确认界面中包含的用户类型共同确定的。
图19示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图19示出的电子设备的计算机系统1900仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图19所示,计算机系统1900包括中央处理单元(Central Processing Unit,CPU)1901,其可以根据存储在只读存储器(Read-Only Memory,ROM)1902中的程序或者从存储部分1908加载到随机访问存储器(Random Access Memory,RAM)1903中的程序而执行各种适当的动作和处理,例如执行上述实施例中的方法。在RAM 1903中,还存储有系统操作所需的各种程序和数据。CPU 1901、ROM 1902以及RAM 1903通过总线1904彼此相连。输入/输出(Input/Output,I/O)接口1905也连接至总线1904。
以下部件连接至I/O接口1905:包括键盘、鼠标等的输入部分1906;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1907;包括硬盘等的存储部分1908;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1909。通信部分1909经由诸如因特网的网络执行通信处理。驱动器1910也根据需要连接至I/O接口1905。可拆卸介质1911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1910上,以便于从其上读出的计算机程序根据需要被安装入存储部分1908。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1909从网络上被下载和安装,和/或从可拆卸介质1911被安装。在该计算机程序被中央处理单元(CPU)1901执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读存储介质承载计算机可读存储指令,当该计算机可读存储指令被处理器执行时,实现上述实施例中的方法。
根据本申请的一个方面,还提供了一种电子设备,其包括:处理器;存储器,存储器上存储有计算机可读指令,计算机可读指令被处理器执行时,实现上述实施例中的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (15)
1.一种游戏数据处理方法,其特征在于,包括:
获取用户的操作数据,所述操作数据是根据所述用户在游戏应用的界面中对操作控件进行触发操作得到的;
根据所述操作数据确定所述用户的操作行为特征,所述操作行为特征包括触发频率、操作势力区域和触发时间信息中的至少一项;
通过分类模型根据所述操作行为特征识别所述用户对应的用户类型,所述用户类型指示了所对应用户所处的年龄段;所述分类模型是根据若干样本操作数据和所述样本操作数据对应的用户标签进行训练得到的,所述用户标签用于指示所述样本操作数据所对应用户所处的年龄段;
按照所述用户所属用户类型对应的控制策略在所述游戏应用中对所述用户进行控制。
2.根据权利要求1所述的方法,其特征在于,所述按照所识别出用户类型对应的控制策略在所述游戏应用中对所述用户进行控制之前,所述方法还包括:
获取所述用户的生物特征信息;
根据所述生物特征信息再次进行用户类型识别,得到所述用户对应的辅助识别类型;
根据所述辅助识别类型对所述分类模型所识别出的用户类型进行修正。
3.根据权利要求2所述的方法,其特征在于,所述根据所述辅助识别类型对所述分类模型所识别出的用户类型进行修正,包括:
确定所述辅助识别类型所指示的年龄段与所述分类模型所识别出用户类型所指示年龄段的交集,得到第一年龄段;
根据所述第一年龄段中的上限年龄和下限年龄,确定所述第一年龄段的中值年龄;
在所述分类模型所包括的若干用户类型中,将中值年龄与所述第一年龄段的中值年龄相等的年龄段所对应用户类型作为所述用户所属的用户类型。
4.根据权利要求1所述的方法,其特征在于,所述操作行为特征包括触发频率,所述根据所述操作数据确定所述用户的操作行为特征,包括:
根据所述操作数据统计所述操作控件在设定时间段内的被触发次数;
根据所述操作控件在设定时间段内的被触发次数,确定所述触发频率。
5.根据权利要求1所述的方法,其特征在于,所述操作行为特征包括触发时间信息,所述触发时间信息包括触发时间间隔;
所述根据所述操作数据确定所述用户的操作行为特征,包括:
从所述操作数据中获取每次触发操作中操作控件的被触发时间点;
根据每次触发操作中操作控件的被触发时间点,确定相邻两次触发操作的触发时间间隔。
6.根据权利要求1所述的方法,其特征在于,所述操作行为特征包括触发时间信息,所述触发时间信息包括停留时间;
所述根据所述操作数据确定所述用户的操作行为特征,包括:
从所述操作数据中获取每次触发操作中操作控件的被触发时间点和被释放时间点;
根据每次触发操作中操作控件的被触发时间点和被释放时间点,确定在所述操作控件上的停留时间。
7.根据权利要求1所述的方法,其特征在于,所述操作行为特征包括操作势力区域,所述根据所述操作数据确定所述用户的操作行为特征,包括:
根据所述操作数据确定所述用户在每次触发操作中对所述操作控件的触发区域;
将多次触发操作中对所述操作控件的触发区域进行合并,得到所述用户对应的操作势力区域。
8.根据权利要求1所述的方法,其特征在于,所述通过分类模型根据所述操作行为特征识别所述用户对应的用户类型之前,所述方法还包括:
获取训练数据,所述训练数据包括若干样本操作数据和所述样本操作数据对应的用户标签;
根据所述样本操作数据确定所对应的操作行为特征;
根据所述样本操作数据对应的操作行为特征和所述样本操作数据对应的用户标签对所述分类模型进行训练。
9.根据权利要求8所述的方法,其特征在于,所述分类模型是基于聚类算法构建的模型;
所述根据所述样本操作数据对应的操作行为特征和所述样本操作数据对应的用户标签对所述分类模型进行训练,包括:
计算所述样本操作数据对应的操作行为特征与所述分类模型中各个聚类中心的距离;
将最短距离所对应的聚类中心作为所述样本操作数据的目标聚类中心;
若所述目标聚类中心所对应的用户类型与所述样本操作数据对应的用户标签所指示用户类型不一致,则调整所述分类模型的聚类中心。
10.根据权利要求1所述的方法,其特征在于,所述按照所述用户所属用户类型对应的控制策略在所述游戏应用中对所述用户进行控制,包括:
若所述用户对应的用户类型是设定进行游戏时长控制的用户类型,则获取所述用户在监控周期中在所述游戏应用中的登录时长;
若所述登录时长不低于设定的限制时长,则在所述游戏应用中对所述用户执行所述用户所属用户类型对应的控制策略。
11.一种游戏数据处理方法,其特征在于,包括:
显示游戏应用的界面;
获取用户在所述界面中对操作控件进行的触发操作;
显示结果确认界面,所述结果确认界面包括所述用户对应的用户类型,所述用户类型用于指示所述用户所处的年龄段;所述用户类型是通过分类模型根据所述触发操作对应的操作行为特征进行用户类型识别确定的,所述操作行为特征包括触发频率、操作势力区域和触发时间信息中的至少一项;所述分类模型是根据若干样本操作数据和所述样本操作数据对应的用户标签进行训练得到的,所述用户标签用于指示所述样本操作数据所对应用户所处的年龄段;在所述游戏应用中按照所述用户所属用户类型对应的控制策略对所述用户进行控制。
12.根据权利要求11所述的方法,其特征在于,所述显示结果确认界面之后,所述方法还包括:
获取在所述结果确认界面中触发的再次识别操作;
根据所述再次识别操作,显示人脸图像采集界面,所述人脸采集界面用于呈现采集到的人脸图像;
显示所述用户的目标识别结果,所述目标识别结果是根据所述人脸图像再次进行用户类型识别所得到的识别结果及所述结果确认界面中包含的用户类型共同确定的。
13.一种游戏数据处理装置,其特征在于,包括:
操作数据获取模块,用于获取用户的操作数据,所述操作数据是根据所述用户在游戏应用的界面中对操作控件进行触发操作得到的;
操作行为特征确定模块,用于根据所述操作数据确定所述用户的操作行为特征,所述操作行为特征包括触发频率、操作势力区域和触发时间信息中的至少一项;
识别模块,用于通过分类模型根据所述操作行为特征识别所述用户对应的用户类型,所述用户类型指示了所对应用户所处的年龄段;所述分类模型是根据若干样本操作数据和所述样本操作数据对应的用户标签进行训练得到的,所述用户标签用于指示所述样本操作数据所对应用户所处的年龄段;
控制模块,用于按照所述用户所属用户类型对应的控制策略在所述游戏应用中对所述用户进行控制。
14.一种电子设备,其特征在于,包括:
处理器;
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如权利要求1至12中任一项所述的方法。
15.一种计算机可读存储介质,其上存储有计算机可读指令,其特征在于,当所述计算机可读指令被处理器执行时,实现如权利要求1至12中的任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010944237.0A CN112090088A (zh) | 2020-09-09 | 2020-09-09 | 游戏数据处理方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010944237.0A CN112090088A (zh) | 2020-09-09 | 2020-09-09 | 游戏数据处理方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112090088A true CN112090088A (zh) | 2020-12-18 |
Family
ID=73752286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010944237.0A Pending CN112090088A (zh) | 2020-09-09 | 2020-09-09 | 游戏数据处理方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112090088A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112737848A (zh) * | 2020-12-29 | 2021-04-30 | 青岛海尔科技有限公司 | 对象类型的确定方法、装置、存储介质及电子装置 |
CN113694533A (zh) * | 2021-09-06 | 2021-11-26 | 广州银汉科技有限公司 | 基于大数据的游戏关卡表现状态的游戏开发系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866749A (zh) * | 2015-03-30 | 2015-08-26 | 小米科技有限责任公司 | 操作响应方法及装置 |
CN107292158A (zh) * | 2017-07-31 | 2017-10-24 | 广东欧珀移动通信有限公司 | 移动终端及模式触发方法、计算机可读存储介质 |
CN108021908A (zh) * | 2017-12-27 | 2018-05-11 | 深圳云天励飞技术有限公司 | 人脸年龄段识别方法及装置、计算机装置及可读存储介质 |
CN110309641A (zh) * | 2019-07-05 | 2019-10-08 | 北京安云世纪科技有限公司 | 防沉迷方法、装置、存储介质及终端设备 |
KR102070732B1 (ko) * | 2018-03-30 | 2020-01-29 | 주식회사 더플랜지 | 모바일 장치 사용을 관리하기 위한 방법 및 이를 위한 모바일 장치 |
-
2020
- 2020-09-09 CN CN202010944237.0A patent/CN112090088A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866749A (zh) * | 2015-03-30 | 2015-08-26 | 小米科技有限责任公司 | 操作响应方法及装置 |
CN107292158A (zh) * | 2017-07-31 | 2017-10-24 | 广东欧珀移动通信有限公司 | 移动终端及模式触发方法、计算机可读存储介质 |
CN108021908A (zh) * | 2017-12-27 | 2018-05-11 | 深圳云天励飞技术有限公司 | 人脸年龄段识别方法及装置、计算机装置及可读存储介质 |
KR102070732B1 (ko) * | 2018-03-30 | 2020-01-29 | 주식회사 더플랜지 | 모바일 장치 사용을 관리하기 위한 방법 및 이를 위한 모바일 장치 |
CN110309641A (zh) * | 2019-07-05 | 2019-10-08 | 北京安云世纪科技有限公司 | 防沉迷方法、装置、存储介质及终端设备 |
Non-Patent Citations (2)
Title |
---|
游侠网: "《腾讯游戏"人脸识别"如何判断未成年?隐私如何保障》", 《HTTPS://WWW.TOUTIAO.COM/I6841790936993759758/?PREVENT_ACTIVATE=1&WID=1631694909406》 * |
陈新泉: "《聚类算法中的优化方法应用》", 《电子科技大学出版社》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112737848A (zh) * | 2020-12-29 | 2021-04-30 | 青岛海尔科技有限公司 | 对象类型的确定方法、装置、存储介质及电子装置 |
CN113694533A (zh) * | 2021-09-06 | 2021-11-26 | 广州银汉科技有限公司 | 基于大数据的游戏关卡表现状态的游戏开发系统 |
CN113694533B (zh) * | 2021-09-06 | 2022-06-14 | 广州银汉科技有限公司 | 基于大数据的游戏关卡表现状态的游戏开发系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11636351B2 (en) | Amplifying group intelligence by adaptive population optimization | |
WO2020181805A1 (zh) | 糖尿病的预测方法及装置、存储介质、计算机设备 | |
US7747044B2 (en) | Fusing multimodal biometrics with quality estimates via a bayesian belief network | |
CN109617910B (zh) | 漏洞风险评估方法、装置及存储介质、服务器 | |
CN105573899B (zh) | 基于用户行为检测的本地防游戏沉迷系统 | |
CN111686450B (zh) | 游戏的剧本生成及运行方法、装置、电子设备和存储介质 | |
CN111479129B (zh) | 直播封面的确定方法、装置、服务器、介质及系统 | |
US11151385B2 (en) | System and method for detecting deception in an audio-video response of a user | |
CN112090088A (zh) | 游戏数据处理方法及相关设备 | |
Li et al. | {Kalεido}:{Real-Time} privacy control for {Eye-Tracking} systems | |
CN110427923B (zh) | 婴幼儿吐奶行为识别方法、装置、计算机设备及存储介质 | |
Eggels et al. | Expected goals in soccer: Explaining match results using predictive analytics | |
US20210134319A1 (en) | System and method for passive subject specific monitoring | |
WO2020206172A1 (en) | Confidence evaluation to measure trust in behavioral health survey results | |
CN115170049A (zh) | 可信度评分方法、装置、电子设备、存储介质和程序产品 | |
US20220387897A1 (en) | Systems and methods for video streaming analysis | |
US10521728B2 (en) | Schema and method for deception detection | |
CN105589799B (zh) | 一种用户游戏行为的检测方法 | |
CN116739794A (zh) | 基于大数据及机器学习的用户个性化方案推荐方法及系统 | |
CN112163571B (zh) | 电子设备使用者的属性识别方法、装置、设备及存储介质 | |
CN111522722B (zh) | 一种数据分析方法、电子设备及存储介质 | |
CN114510617A (zh) | 在线课程学习行为确定方法及装置 | |
CN111090742B (zh) | 一种问答对的评价方法、装置、存储介质及设备 | |
US20110143838A1 (en) | Apparatus and method for game design evaluation | |
KR101277302B1 (ko) | 정신 운동 능력 개발 게임 제공 서버 및 방법 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40035458 Country of ref document: HK |