CN114082190A - 基于时间关联规则的游戏道具包设置方法和系统 - Google Patents

Abstract

本申请涉及一种基于时间关联规则的游戏道具包设置方法和系统，其中，该方法包括：对用户分级别购买统计表中的原始数据记录进行预处理，得到每个级别的预设数据集，统计预设数据集中所有序列集的一项序列的支持度，删除一项序列中支持度小于预设阈值的非频繁一项序列得到频繁一项序列，将非频繁一项序列从预设数据集中删除得到预设序列集，根据频繁一项序列和预设序列集递归搜索得到频繁序列集，根据频繁序列集中的数据来进行游戏道具包设置，通过本申请，解决了不同游戏用户群体的道具包推送不精准的问题，实现了基于游戏用户在前后不同时间段内连续的道具购买记录,准确地生成相应的游戏道具包推荐，有效提高了不同游戏用户群体的游玩体验。

Description

基于时间关联规则的游戏道具包设置方法和系统

技术领域

本申请涉及智能推荐技术领域，特别是涉及基于时间关联规则的游戏道具包设置方法和系统。

背景技术

随着游戏行业的不断发展，电子游戏这一休闲娱乐方式也逐渐被人们所接受，游戏玩家数量的急遽增加，特别是付费玩家基数的不断扩大，游戏开发者希望能够有针对性地为不同用户群体制定合适的道具包推送，以进一步提高用户的游戏体验。

目前，随着游戏复杂度的增加导致游戏内数据量激增，传统的道具推荐方法在面对大量数据时，由于数据噪音多和数据代码臃肿等因素，使得不能准确的针对不同用户群体进行合适的游戏道具推荐。

针对相关技术中不同游戏用户群体的道具包推送不精准的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种基于时间关联规则的游戏道具包设置方法和系统，以至少解决相关技术中不同游戏用户群体的道具包推送不精准的问题。

第一方面，本申请实施例提供了一种基于时间关联规则的游戏道具包设置方法，所述方法包括：

对用户分级别购买统计表中的原始数据记录进行预处理，得到每个级别的预设数据集；

统计所述预设数据集中所有序列集的一项序列的支持度，删除所述一项序列中支持度小于预设阈值的非频繁一项序列，得到频繁一项序列；

将所述非频繁一项序列从所述预设数据集中删除，得到预设序列集；

根据所述频繁一项序列和所述预设序列集，递归搜索得到频繁序列集；

根据所述频繁序列集中的数据来进行游戏道具包设置。

在其中一些实施例中，根据所述频繁一项序列和所述预设序列集，递归搜索得到频繁序列集包括：

逐个根据所述频繁一项序列，在所述预设序列集中处理得到各个频繁一项序列对应的后缀；

统计所述后缀中所有序列集的一项序列的支持度，根据所述支持度选出频繁后缀序列；

逐个将频繁一项序列和对应的频繁后缀序列进行组合得到频繁二项序列，递归搜索得到所有频繁一项序列对应的频繁序列集。

在其中一些实施例中，统计所述预设数据集中所有序列集的一项序列的支持度包括：

在所述预设数据集中，统计每个一项序列出现在所有序列集中的次数

根据所述一项序列出现的次数和所述序列集的个数，计算得到所述一项序列的支持度。

在其中一些实施例中，在对用户分级别购买统计表中的原始数据记录进行预处理之前，所述方法还包括：

根据用户分级别购买统计表中的达到当前级别日期设置预设时间；

读取游戏服务端数据库中的所述用户分级别购买统计表在预设时间内的原始数据记录。

在其中一些实施例中，根据所述频繁序列集中的数据来进行游戏道具包设置包括：

将所述频繁序列集输出到游戏服务端数据库的游戏道具频繁序列表中；

根据游戏道具频繁序列表中的数据来进行游戏道具包设置。

第二方面，本申请实施例提供了一种基于时间关联规则的游戏道具包设置系统，所述系统包括预处理模块、计算模块和设置模块；

所述预处理模块对用户分级别购买统计表中的原始数据记录进行预处理，得到每个级别的预设数据集；

所述计算模块统计所述预设数据集中所有序列集的一项序列的支持度，删除所述一项序列中支持度小于预设阈值的非频繁一项序列，得到频繁一项序列；

所述计算模块将所述非频繁一项序列从所述预设数据集中删除，得到预设序列集；

所述计算模块根据所述频繁一项序列和所述预设序列集，递归搜索得到频繁序列集；

所述设置模块根据所述频繁序列集中的数据来进行游戏道具包设置。

在其中一些实施例中，所述计算模块根据所述频繁一项序列和所述预设序列集，递归搜索得到频繁序列集包括：

所述计算模块逐个根据所述频繁一项序列，在所述预设序列集中处理得到各个频繁一项序列对应的后缀；

所述计算模块统计所述后缀中所有序列集的一项序列的支持度，根据所述支持度选出频繁后缀序列；

所述计算模块逐个将频繁一项序列和对应的频繁后缀序列进行组合得到频繁二项序列，递归搜索得到所有频繁一项序列对应的频繁序列集。

在其中一些实施例中，所述计算模块统计所述预设数据集中所有序列集的一项序列的支持度包括：

所述计算模块在所述预设数据集中，统计每个一项序列出现在所有序列集中的次数

所述计算模块根据所述一项序列出现的次数和所述序列集的个数，计算得到所述一项序列的支持度。

在其中一些实施例中，所述系统还包括数据库操作模块；

在所述预处理模块对用户分级别购买统计表中的原始数据记录进行预处理之前，还包括：

所述数据库操作模块根据用户分级别购买统计表中的达到当前级别日期设置预设时间；

所述数据库操作模块读取游戏服务端数据库中的所述用户分级别购买统计表在预设时间内的原始数据记录。

在其中一些实施例中，所述系统还包括数据库操作模块；

所述设置模块根据所述频繁序列集中的数据来进行游戏道具包设置包括：

所述数据库操作模块将所述频繁序列集输出到游戏服务端数据库的游戏道具频繁序列表中；

所述设置模块根据游戏道具频繁序列表中的数据来进行游戏道具包设置。

相比于相关技术，本申请实施例提供的基于时间关联规则的游戏道具包设置方法和系统，通过对用户分级别购买统计表中的原始数据记录进行预处理，得到每个级别的预设数据集，统计预设数据集中所有序列集的一项序列的支持度，删除一项序列中支持度小于预设阈值的非频繁一项序列得到频繁一项序列，将非频繁一项序列从预设数据集中删除得到预设序列集，根据频繁一项序列和预设序列集递归搜索得到频繁序列集，根据频繁序列集中的数据来进行游戏道具包设置，解决了不同游戏用户群体的道具包推送不精准的问题，实现了基于游戏用户在前后不同时间段内连续的道具购买记录,准确地生成相应的游戏道具包推荐，有效提高了不同游戏用户群体的游玩体验。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的基于时间关联规则的游戏道具包设置方法的步骤流程图；

图2是频繁序列集递归搜索的步骤流程图；

图3是根据本申请实施例的基于时间关联规则的游戏道具包设置系统的结构框图；

图4是该游戏道具包设置系统的另一结构框图；

图5是根据本申请实施例的电子设备的内部结构示意图。

附图说明：31、预处理模块；32计算模块；33、设置模块；34、数据库操作模块。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

以下实施例可基于挖掘频繁序列集的算法模型来实现，该算法模型包括PrefixSpan算法。PrefixSpan算法不同于Apriori算法或FP Tree算法，前者挖掘的序列数据中的序列由若干数据项组成，这些项有时间上的先后关系；后两者挖掘的项集数据由若干数据项组成，这些项没有时间上的先后关系。举例如下，表1是Apriori算法或FP Tree算法挖掘的项集数据，表2是PrefixSpan算法挖掘的序列数据。

表1

TID	itemsets
		1	a,b,d
2	a,c,d
		3	a,d,e
4	b,e,f

表2

如表1所示，第一个项集{a，b，d}，由三个数据项组成，且没有时间上的先后关系，只需按一定规则排列，譬如英文字母的排列顺序。而表2中所示的序列数据，第一个序列<a(abc)(ac)d(cf)>,它由a,abc,ac,d,cf共5个子序列组成，并且这些子序列有时间上的先后关系。对于多于一个项的子序列要加上括号，以便和其他的子序列分开。同时子序列内部是不区分先后顺序的，可以按一定规则排列。

PrefixSpan算法流程的算法流程如下：

输入：序列数据集D，支持度阈值

输出：所有满足支持度要求的频繁序列集

1)找出所有长度为1的前缀和对应的投影数据库

2)对长度为1的前缀进行计数，将支持度低于阈值α的前缀对应的项从数据集S删除，同时得到所有的频繁1项序列，len＝1.

3)对于每个长度为i满足支持度要求的前缀进行递归挖掘：

a)找出前缀所对应的投影数据库(后缀)。若投影数据库为空，则递归返回。

b)统计对应投影数据库中各个单项的支持度计数。若所有单项的支持度计数都低于支持度阈值，则递归返回。

c)将满足支持度阈值的各个单项和当前的前缀进行合并，得到若干新的前缀。

d)令len＝len+1，前缀为合并单项后的各个前缀，分别递归执行第3步。

本申请实施例提供了一种基于时间关联规则的游戏道具包设置方法，图1是根据本申请实施例的基于时间关联规则的游戏道具包设置方法的步骤流程图，如图1所示，该方法包括以下步骤：

步骤S102，对用户分级别购买统计表中的原始数据记录进行预处理，得到每个级别的预设数据集；

具体地，游戏服务端数据库中包含用户分级别购买统计表，其中，该表中的每条记录包含维度[用户id，达到当前级别日期，下一级别，购买道具序列字符串]；对用户分级别购买统计表中的原始数据记录进行预处理，得到每个级别的预设数据集，预设数据集中的每条记录包含维度[用户id，下一级别，购买道具哈希集]，其中，若下一级别为2，代表预设数据集D2，表示从1级到2级的用户到的游戏道具购买记录，若下一级别为3，代表预设数据集D3，表示从2级到3级的用户到的游戏道具购买记录，以此类推。

步骤S104，统计预设数据集中所有序列集的一项序列的支持度，删除一项序列中支持度小于预设阈值的非频繁一项序列，得到频繁一项序列；

具体地，统计预设数据集中所有序列集的一项序列(每个道具)的支持度,对于任一一项序列,如果支持度小于预设阈值,则该一项序列为非频繁一项序列，将非频繁一项序列从一项序列中删除，得到频繁一项序列。如预设阈值为50％，序列集中一项序列<a>的支持度为100％，一项序列<b>的支持度为50％，一项序列<c>的支持度为100％，一项序列<d>的支持度为25％，则非频繁一项序列为<d>，频繁一项序列分别为<a>，<b>和<c>。

步骤S106，将非频繁一项序列从预设数据集中删除，得到预设序列集；

具体地，若预设数据集中的序列集分别为<abbcc>，<accd>，<abbbc>，<ac>，非频繁一项序列为<d>，将非频繁一项序列从预设数据集中删除，得到预设序列集分别为<abbcc>，<acc>，<abbbc>，<ac>。

步骤S108，根据频繁一项序列和预设序列集，递归搜索得到频繁序列集；

步骤S110，根据频繁序列集中的数据来进行游戏道具包设置。

具体地，如某个15级用户的近期的道具购买序列为ab,而15级对应的频繁序列集中以ab为前缀的最大频繁序列为abcde,则可将其中ab去掉,序列剩余部分cde作为游戏道具包的内容进行设置。

通过本申请实施例中的步骤S102至步骤S110，解决了不同游戏用户群体的道具包推送不精准的问题，实现了基于游戏用户在前后不同时间段内连续的道具购买记录,准确地生成相应的游戏道具包推荐，有效提高了不同游戏用户群体的游玩体验。

在其中一些实施例中，图2是频繁序列集递归搜索的步骤流程图，如图2所示，步骤S108，根据频繁一项序列和预设序列集，递归搜索得到频繁序列集包括以下步骤：

步骤S202，逐个根据频繁一项序列，在预设序列集中处理得到各个频繁一项序列对应的后缀；

具体地，若频繁一项序列包括<a>，<b>，<c>，<d>，<e>和<f>，预设序列集包括<a(abc)(ac)d(cf)>，<(ad)c(bc)(ae)>，<(ef)(ab)(df)cb>，<e(af)cbc>，得到频繁一项序列<a>的后缀为<(abc)(ac)d(cf)>，<(_d)c(bc)(ae)>，<(_b)(df)cb>，<(_f)cbc>；频繁一项序列<b>的后缀为<(_c)(ac)d(cf)>，<(_c)(ae)>，<(df)cb>，<c>；频繁一项序列<c>的后缀为<(ac)d(cf)>，<(bc)(ae)>，<b>，<bc>；频繁一项序列<d>的后缀为<(cf)>，<c(bc)(ae)>，<(_f)cb>；频繁一项序列<e>的后缀为<(_f)(ab)(df)cb>，<(af)cbc>；频繁一项序列<f>的后缀为<(ab)(df)cb>，<cbc>。

步骤S204，统计后缀中所有序列集的一项序列的支持度，根据支持度选出频繁后缀序列；

具体地，统计频繁一项序列<d>的后缀<(cf)>，<c(bc)(ae)>，<(_f)cb>中一项序列的支持度，得到各个一项序列的支持度a:25％，b:50％，c:75％，d:0，e:25％，f:25％，_f:25％，若预设阈值为50％，则<b>，<c>为频繁一项序列<d>的频繁后缀序列。同理可算出频繁一项序列<a>，<b>，<c>，<e>和<f>的频繁后缀序列

步骤S206，逐个将频繁一项序列和对应的频繁后缀序列进行组合得到频繁二项序列，递归搜索得到所有频繁一项序列对应的频繁序列集。

具体地，将频繁一项序列<d>和对应的频繁后缀序列<b>，<c>进行组合，得到频繁二项序列<db>和<dc>；

再递归搜索<d>的频繁三项序列，具体为在预设序列集<a(abc)(ac)d(cf)>，<(ad)c(bc)(ae)>，<(ef)(ab)(df)cb>和<e(af)cbc>中计算得到频繁二项序列<db>的后缀为<_c(ae)>，其中，_c，a和e支持度均小于预设阈值；频繁二项序列<dc>的后缀为<_f>,<(bc)(ae)>,<b>，其中，b:50％,a:25％,c:25％,e:25％,_f:25％，。故<d>的频繁三项序列为<dcb>；

再递归搜索<d>的频繁四项序列，在预设序列集计算得到频繁三项序列<dcb>的后缀为<(_c)ae>，其中，_c，a和e支持度均小于预设阈值。故不能产生<d>的频繁四项序列，最终得到频繁一项序列<d>对应的频繁序列集包括<d>，<db>，<dc>和<dcb>。同理可得到频繁一项序列<a>，<b>，<c>，<e>和<f>的频繁序列集。

在其中一些实施例中，步骤S104，统计预设数据集中所有序列集的一项序列的支持度包括：

在预设数据集中，统计每个一项序列出现在所有序列集中的次数

根据一项序列出现的次数和序列集的个数，计算得到一项序列的支持度。

具体地，若预设数据集包括序列集<a(abc)(ac)d(cf)>，<(ad)c(bc)(ae)>，<(ef)(ab)(df)cb>和<e(af)cbc>，则一项序列<a>出现的次数为a:4，b:4，c:4，d:3，e:,3，f:3，g:1；

根据一项序列出现的次数和序列集的个数，计算得到一项序列的支持度为a:100％，b:100％，c:100％，d:75％，e:75％，f:75％，g:25％。

在其中一些实施例中，在步骤S102，对用户分级别购买统计表中的原始数据记录进行预处理之前，方法还包括：

根据用户分级别购买统计表中的达到当前级别日期设置预设时间；

读取游戏服务端数据库中的用户分级别购买统计表在预设时间内的原始数据记录。

具体地，用户分级别购买统计表中的记录包含维度[用户id,达到当前级别日期,下一级别,购买道具序列字符串]，根据其中的“达到当前级别日期”设置预设时间，一般可以设置达到当前级别日期的最近一年；

读取游戏服务端数据库中的用户分级别购买统计表，在达到当前级别日期的最近一年内的原始数据记录。

在其中一些实施例中，步骤S110，根据频繁序列集中的数据来进行游戏道具包设置包括：

将频繁序列集输出到游戏服务端数据库的游戏道具频繁序列表中其中，游戏道具频繁序列表中的记录包含维度[当天日期,下一级别,频繁序列字符串]；

根据游戏道具频繁序列表中的数据来进行游戏道具包设置。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例提供了一种基于时间关联规则的游戏道具包设置系统，图3是根据本申请实施例的基于时间关联规则的游戏道具包设置系统的结构框图，该系统包括预处理模块31、计算模块32和设置模块33；

预处理模块31对用户分级别购买统计表中的原始数据记录进行预处理，得到每个级别的预设数据集；

计算模块32统计预设数据集中所有序列集的一项序列的支持度，删除一项序列中支持度小于预设阈值的非频繁一项序列，得到频繁一项序列；

计算模块32将非频繁一项序列从预设数据集中删除，得到预设序列集；

计算模块32根据频繁一项序列和预设序列集，递归搜索得到频繁序列集；

设置模块33根据频繁序列集中的数据来进行游戏道具包设置。

通过本申请实施例中的预处理模块31、计算模块32和设置模块33，解决了不同游戏用户群体的道具包推送不精准的问题，实现了基于游戏用户在前后不同时间段内连续的道具购买记录,准确地生成相应的游戏道具包推荐，有效提高了不同游戏用户群体的游玩体验。

在其中一些实施例中，计算模块32根据频繁一项序列和预设序列集，递归搜索得到频繁序列集包括：

计算模块32逐个根据频繁一项序列，在预设序列集中处理得到各个频繁一项序列对应的后缀；

计算模块32统计后缀中所有序列集的一项序列的支持度，根据支持度选出频繁后缀序列；

计算模块32逐个将频繁一项序列和对应的频繁后缀序列进行组合得到频繁二项序列，递归搜索得到所有频繁一项序列对应的频繁序列集。

在其中一些实施例中，计算模块32统计预设数据集中所有序列集的一项序列的支持度包括：

计算模块32在预设数据集中，统计每个一项序列出现在所有序列集中的次数

计算模块32根据一项序列出现的次数和序列集的个数，计算得到一项序列的支持度。

在其中一些实施例中，图4是该游戏道具包设置系统的另一结构框图，如图4所示，该系统还包括数据库操作模块34；

在预处理模块31对用户分级别购买统计表中的原始数据记录进行预处理之前还包括：

数据库操作模块34根据用户分级别购买统计表中的达到当前级别日期设置预设时间；

数据库操作模块34读取游戏服务端数据库中的用户分级别购买统计表在预设时间内的原始数据记录。

在其中一些实施例中，设置模块33根据频繁序列集中的数据来进行游戏道具包设置包括：

数据库操作模块34将频繁序列集输出到游戏服务端数据库的游戏道具频繁序列表中；

设置模块33根据游戏道具频繁序列表中的数据来进行游戏道具包设置。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于时间关联规则的游戏道具包设置方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

在一个实施例中，图5是根据本申请实施例的电子设备的内部结构示意图，如图5所示，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图5所示。该电子设备包括通过内部总线连接的处理器、网络接口、内存储器和非易失性存储器，其中，该非易失性存储器存储有操作系统、计算机程序和数据库。处理器用于提供计算和控制能力，网络接口用于与外部的终端通过网络连接通信，内存储器用于为操作系统和计算机程序的运行提供环境，计算机程序被处理器执行时以实现一种基于时间关联规则的游戏道具包设置方法，数据库用于存储数据。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于时间关联规则的游戏道具包设置方法，其特征在于，所述方法包括：

对用户分级别购买统计表中的原始数据记录进行预处理，得到每个级别的预设数据集；

统计所述预设数据集中所有序列集的一项序列的支持度，删除所述一项序列中支持度小于预设阈值的非频繁一项序列，得到频繁一项序列；

将所述非频繁一项序列从所述预设数据集中删除，得到预设序列集；

根据所述频繁一项序列和所述预设序列集，递归搜索得到频繁序列集；

根据所述频繁序列集中的数据来进行游戏道具包设置。

2.根据权利要求1所述的方法，其特征在于，根据所述频繁一项序列和所述预设序列集，递归搜索得到频繁序列集包括：

逐个根据所述频繁一项序列，在所述预设序列集中处理得到各个频繁一项序列对应的后缀；

统计所述后缀中所有序列集的一项序列的支持度，根据所述支持度选出频繁后缀序列；

逐个将频繁一项序列和对应的频繁后缀序列进行组合得到频繁二项序列，递归搜索得到所有频繁一项序列对应的频繁序列集。

3.根据权利要求1所述的方法，其特征在于，统计所述预设数据集中所有序列集的一项序列的支持度包括：

在所述预设数据集中，统计每个一项序列出现在所有序列集中的次数

根据所述一项序列出现的次数和所述序列集的个数，计算得到所述一项序列的支持度。

4.根据权利要求1所述的方法，其特征在于，在对用户分级别购买统计表中的原始数据记录进行预处理之前，所述方法还包括：

根据用户分级别购买统计表中的达到当前级别日期设置预设时间；

读取游戏服务端数据库中的所述用户分级别购买统计表在预设时间内的原始数据记录。

5.根据权利要求1所述的方法，其特征在于，根据所述频繁序列集中的数据来进行游戏道具包设置包括：

将所述频繁序列集输出到游戏服务端数据库的游戏道具频繁序列表中；

根据游戏道具频繁序列表中的数据来进行游戏道具包设置。

6.一种基于时间关联规则的游戏道具包设置系统，其特征在于，所述系统包括预处理模块、计算模块和设置模块；

所述预处理模块对用户分级别购买统计表中的原始数据记录进行预处理，得到每个级别的预设数据集；

所述计算模块统计所述预设数据集中所有序列集的一项序列的支持度，删除所述一项序列中支持度小于预设阈值的非频繁一项序列，得到频繁一项序列；

所述计算模块将所述非频繁一项序列从所述预设数据集中删除，得到预设序列集；

所述计算模块根据所述频繁一项序列和所述预设序列集，递归搜索得到频繁序列集；

所述设置模块根据所述频繁序列集中的数据来进行游戏道具包设置。

7.根据权利要求6所述的系统，其特征在于，所述计算模块根据所述频繁一项序列和所述预设序列集，递归搜索得到频繁序列集包括：

所述计算模块逐个根据所述频繁一项序列，在所述预设序列集中处理得到各个频繁一项序列对应的后缀；

所述计算模块统计所述后缀中所有序列集的一项序列的支持度，根据所述支持度选出频繁后缀序列；

所述计算模块逐个将频繁一项序列和对应的频繁后缀序列进行组合得到频繁二项序列，递归搜索得到所有频繁一项序列对应的频繁序列集。

8.根据权利要求6所述的系统，其特征在于，所述计算模块统计所述预设数据集中所有序列集的一项序列的支持度包括：

所述计算模块在所述预设数据集中，统计每个一项序列出现在所有序列集中的次数

所述计算模块根据所述一项序列出现的次数和所述序列集的个数，计算得到所述一项序列的支持度。

9.根据权利要求6所述的系统，其特征在于，所述系统还包括数据库操作模块；

在所述预处理模块对用户分级别购买统计表中的原始数据记录进行预处理之前，还包括：

所述数据库操作模块根据用户分级别购买统计表中的达到当前级别日期设置预设时间；

所述数据库操作模块读取游戏服务端数据库中的所述用户分级别购买统计表在预设时间内的原始数据记录。

10.根据权利要求6所述的系统，其特征在于，所述系统还包括数据库操作模块；

所述设置模块根据所述频繁序列集中的数据来进行游戏道具包设置包括：

所述数据库操作模块将所述频繁序列集输出到游戏服务端数据库的游戏道具频繁序列表中；

所述设置模块根据游戏道具频繁序列表中的数据来进行游戏道具包设置。

Images