CN105354597B - 一种游戏物品的分类方法及装置 - Google Patents

一种游戏物品的分类方法及装置 Download PDF

Info

Publication number
CN105354597B
CN105354597B CN201510760504.8A CN201510760504A CN105354597B CN 105354597 B CN105354597 B CN 105354597B CN 201510760504 A CN201510760504 A CN 201510760504A CN 105354597 B CN105354597 B CN 105354597B
Authority
CN
China
Prior art keywords
attribute
property name
value
game articles
type
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
Application number
CN201510760504.8A
Other languages
English (en)
Other versions
CN105354597A (zh
Inventor
杜鑫
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.)
Netease Hangzhou Network Co Ltd
Original Assignee
Netease Hangzhou Network 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 Netease Hangzhou Network Co Ltd filed Critical Netease Hangzhou Network Co Ltd
Priority to CN201510760504.8A priority Critical patent/CN105354597B/zh
Publication of CN105354597A publication Critical patent/CN105354597A/zh
Application granted granted Critical
Publication of CN105354597B publication Critical patent/CN105354597B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种游戏物品的分类方法及装置。所述游戏物品的分类方法包括:获取待分类的游戏物品的属性集合;所述属性集合包含M个属性信息,M≥1;分别从每个属性信息中提取出属性名称和属性值,获得M个属性名称和M个对应的属性值;从预置的属性类型表中查询获得每个属性名称所属的属性类型,并根据所述属性名称所属的属性类型,对所述属性名称对应的属性值进行映射处理;根据预先训练好的模型对处理后的所有属性值进行分析,获得所述游戏物品所属的类型。采用本发明实施例,有效提高游戏物品分类的准确性。

Description

一种游戏物品的分类方法及装置
技术领域
本发明涉及计算机技术领域,尤其涉及一种游戏物品的分类方法及装置。
背景技术
机器学习是最近20多年兴起的一门多领域交叉学科,涉及概率论,统计学,逼近论,凸分析,算法复杂度理论等几门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法,即从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。机器学习已经有了十分广泛的应用,例如:数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测***欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等。
在对游戏物品进行分类的方法中也用到了机器学习的技术,该方法包括:对游戏物品数据进行预处理,将处理好的游戏物品数据分为训练集和测试集,使用训练集进行训练,并使用测试集对训练结果进行验证,直到达到预期效果。其中,现有技术对游戏物品数据进行预处理的方法有数据归一化和数据白化。
发明内容
背景技术中提及的预处理方法虽然能够实现对游戏物品数据的预处理,但游戏物品数据具备很多特点和约束,采用现有的预处理方法会影响游戏物品分类的准确性。例如,游戏物品具有很多下限确定,上限不确定的数值属性,若采用现有技术中的预处理方法将最大值当做上限来处理的话,会导致处理后的大部分游戏物品数据非常小,从而降低游戏物品分类的准确率。
本发明实施例提出一种游戏物品的分类方法及装置,能够有效提高游戏物品分类的准确性。
本发明实施例提供一种游戏物品的分类方法,包括:
获取待分类的游戏物品的属性集合;所述属性集合包含M个属性信息,M≥1;
分别从每个属性信息中提取出属性名称和属性值,获得M个属性名称和M个对应的属性值;
从预置的属性类型表中查询获得每个属性名称所属的属性类型;
根据每个所述属性名称所属的属性类型对应的映射算法对所述属性名称对应的属性值进行映射处理;其中,不同的属性类型对应不同的映射算法;
根据预先训练好的模型对处理后的所有属性值进行分析,获得所述游戏物品所属的类型。
进一步地,所述分别从每个属性信息中提取出属性名称和属性值,获得M个属性名称和M个对应的属性值,具体包括:
分别从每个属性信息中提取出文字信息作为属性名称,并从所述属性信息中提取出数值作为属性值,获得M个属性名称和M个对应的属性值。
进一步地,在所述从预置的属性类型表中查询获得每个属性名称所属的属性类型之前,还包括:
判断获取的所述M个属性名称是否包含了所述属性类型表中的每个属性名称;
若否,则获取所述属性类型表中所述M个属性名称未包含的属性名称,设置所述未包含的属性名称对应的属性值为0,并将所述未包含的属性名称和对应的属性值添加到所述游戏物品的属性集合中。
进一步地,所述根据每个所述属性名称所属的属性类型对应的映射算法对所述属性名称对应的属性值进行映射处理,具体包括:
若所述属性名称属于第一属性类型,则采用第一映射算法对所述属性名称对应的属性值进行映射处理;其中,所述第一映射算法为S=1-1/(x+MAX_S/2);
若所述属性名称属于第二属性类型,采用第二映射算法对所述属性名称对应的属性值进行映射处理;其中,所述第二映射算法为S=x/MAX_S;
其中,所述第一属性类型是指属性名称对应的属性值属于下限确定、上限不确定的类型,所述第二属性是指属性名称对应的属性值属于上下限均确定的类型,x为属性值,MAX_S为阈值,S为处理后的属性值。
进一步地,在所述获取待分类的游戏物品的属性集合之前,还包括:
逐一判断预置的每个属性名称对应的阈值是否大于预设值;若是,则判定所述属性名称属于第一属性类型;若否,则判定所述属性名称属于第二属性类型;
将所述每个属性名称及其所属的属性类型的对应关系保存到所述属性类型表中。
进一步地,在所述逐一判断预置的每个属性名称对应的阈值是否大于预设值之前,还包括:
获取待训练的N个游戏物品样本的属性信息;其中,每个游戏物品样本均具有P个属性信息;N≥1;P≥1;
遍历所述N个游戏物品样本的属性信息,逐一判断每个游戏物品样本的每个属性名称是否存在于预置的属性阈值表中;其中,所述属性阈值表是记载每个属性名称及其阈值的对应关系的信息表;
若所述游戏物品样本的所述属性名称存在于所述属性阈值表中,则判断所述游戏物品样本的所述属性名称对应的属性值是否大于所述属性阈值表中所述属性名称对应的阈值;若大于,则将所述属性阈值表中所述属性名称的阈值修改为所述属性值;
若所述游戏物品样本的所述属性名称不存在于所述属性阈值表中,则将所述游戏物品样本的所述属性名称和对应的属性值添加到所述属性阈值表中,并将所述属性值作为所述属性名称对应的阈值。
相应地,本发明实施例还提供一种游戏物品的分类装置,包括:
属性集合获取模块,用于获取待分类的游戏物品的属性集合;所述属性集合包含M个属性信息,M≥1;
提取模块,用于分别从每个属性信息中提取出属性名称和属性值,获得M个属性名称和M个对应的属性值;
属性类型获取模块,用于从预置的属性类型表中查询获得每个属性名称所属的属性类型;
处理模块,用于根据每个所述属性名称所属的属性类型对应的映射算法对所述属性名称对应的属性值进行映射处理;其中,不同的属性类型对应不同的映射算法;以及,
类型获取模块,用于根据预先训练好的模型对处理后的所有属性值进行分析,获得所述游戏物品所属的类型。
进一步地,所述提取模块具体用于分别从每个属性信息中提取出文字信息作为属性名称,并从所述属性信息中提取出数值作为属性值,获得M个属性名称和M个对应的属性值。
进一步地,所述游戏物品的分类装置还包括:
判断模块,用于判断获取的所述M个属性名称是否包含了所述属性类型表中的每个属性名称;以及,
添加模块,用于在判断模块判断获取的所述M个属性名称未包含所述属性类型表中的每个属性名称时,则获取所述属性类型表中所述M个属性名称未包含的属性名称,设置所述未包含的属性名称对应的属性值为0,并将所述未包含的属性名称和对应的属性值添加到所述游戏物品的属性集合中。
进一步地,所述处理模块具体包括:
第一处理单元,用于若所述属性名称属于第一属性类型,则采用第一映射算法对所述属性名称对应的属性值进行映射处理;其中,所述第一映射算法为S=1-1/(x+MAX_S/2);以及,
第二处理单元,用于若所述属性名称属于第二属性类型,采用第二映射算法对所述属性名称对应的属性值进行映射处理;其中,所述第二映射算法为S=x/MAX_S;
其中,所述第一属性类型是指属性名称对应的属性值属于下限确定、上限不确定的类型,所述第二属性是指属性名称对应的属性值属于上下限均确定的类型,x为属性值,MAX_S为阈值,S为处理后的属性值。
进一步地,所述游戏物品的分类装置还包括:
阈值判断模块,用于逐一判断预置的每个属性名称对应的阈值是否大于预设值;若是,则判定所述属性名称属于第一属性类型;若否,则判定所述属性名称属于第二属性类型;以及,
保存模块,用于将所述每个属性名称及其所属的属性类型的对应关系保存到所述属性类型表中。
进一步地,所述游戏物品的分类装置还包括:
信息获取模块,用于获取待训练的N个游戏物品样本的属性信息;其中,每个游戏物品样本均具有P个属性信息;N≥1;P≥1;
遍历模块,用于遍历所述N个游戏物品样本的属性信息,逐一判断每个游戏物品样本的每个属性名称是否存在于预置的属性阈值表中;其中,所述属性阈值表是记载每个属性名称及其阈值的对应关系的信息表;
阈值修改模块,用于若所述游戏物品样本的所述属性名称存在于所述属性阈值表中,则判断所述游戏物品样本的所述属性名称对应的属性值是否大于所述属性阈值表中所述属性名称对应的阈值;若大于,则将所述属性阈值表中所述属性名称的阈值修改为所述属性值;以及,
属性添加模块,用于若所述游戏物品样本的所述属性名称不存在于所述属性阈值表中,则将所述游戏物品样本的所述属性名称和对应的属性值添加到所述属性阈值表中,并将所述属性值作为所述属性名称对应的阈值。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的游戏物品的分类方法及装置,能够根据游戏物品的每个属性名称所属的属性类型,对该属性名称对应的属性值进行相应的映射处理,再将处理后的属性值进行分析以获取游戏物品所属的类型,以提高游戏物品分类的准确率;在获取游戏物品的属性信息后,提取属性信息中的文字信息作为属性名称,提取属性信息中的数值作为属性值,以适用于具有文本属性的游戏物品;通过比较属性名称对应的阈值与预设值的大小,实现对属性名称的分类,并对不同类型的属性名称对应的属性值采用不同的映射算法进行处理,适用于游戏物品中下限确定、上限不确定的数值属性,提高游戏物品分类的准确率。
附图说明
图1是本发明提供的游戏物品的分类方法的一个实施例的流程示意图;
图2是本发明提供的游戏物品的分类方法中步骤S3的一个实施例的流程示意图;
图3是本发明提供的游戏物品的分类装置的一个实施例的结构示意图;
图4是本发明提供的游戏物品的分类装置中处理模块的一个实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,本发明提供的游戏物品的分类方法的一个实施例的流程示意图,包括:
S1、获取待分类的游戏物品的属性集合;所述属性集合包含M个属性信息,M≥1;
S2、分别从每个属性信息中提取出属性名称和属性值,获得M个属性名称和M个对应的属性值;
S3、从预置的属性类型表中查询获得每个属性名称所属的属性类型,并根据所述属性名称所属的属性类型,对所述属性名称对应的属性值进行映射处理;
S4、根据预先训练好的模型对处理后的所有属性值进行分析,获得所述游戏物品所属的类型。
需要说明的是,一个游戏物品一般具有M个属性信息,每个属性信息中均可提取出一个属性名称和一个对应的属性值。在对游戏物品进行分类时,需先对游戏物品M个属性信息中提取出的属性值进行预处理。从预先配置好的属性类型表中查询获得每个属性名称所属的属性类型,并根据每个属性名称所属的属性类型对其对应的属性值进行相应的映射处理,从而将每个属性值映射到所需的数值区域中。其中,属性类型表是记载每个属性名称与其所属的属性类型的对应关系表。在预处理完成后,将处理后的所有属性值输入预先训练好的模型以进行分析计算,分析计算完成后该模型输出的数据即为该游戏物品所属的类型。对属性值进行分类预处理后再输入模型进行分析计算,提高游戏物品分类的准确率。
进一步地,所述分别从每个属性信息中提取出属性名称和属性值,获得M个属性名称和M个对应的属性值,具体包括:
分别从每个属性信息中提取出文字信息作为属性名称,并从所述属性信息中提取出数值作为属性值,获得M个属性名称和M个对应的属性值。
需要说明的是,每个属性信息有文字信息和数值组成,提取属性信息中的文字信息作为该属性信息的属性名称,提取属性信息中的数值作为该属性信息的属性值。例如,属性信息为“攻击力=177”,则提取出的属性名称为“攻击力”,提取出的属性值为“177”。另外,对于具有文本属性的属性信息,在提取属性信息中的数值作为属性值后,将属性信息中数值的位置替换为预设的符号,与该属性信息中的文字信息一起作为属性名称。例如,具有文本属性的属性信息为“特效=增加技能漫天飘雪13级”,提取出的属性值为“13”,将“13”的位置替换为预设的符号“%d”后,提取出的属性名称为“特效_增加技能漫天飘雪%d级”。
进一步地,在所述从预置的属性类型表中查询获得每个属性名称所属的属性类型之前,还包括:
判断获取的所述M个属性名称是否包含了所述属性类型表中的每个属性名称;
若否,则获取所述属性类型表中所述M个属性名称未包含的属性名称,设置所述未包含的属性名称对应的属性值为0,并将所述未包含的属性名称和对应的属性值添加到所述游戏物品的属性集合中。
需要说明的是,每个游戏物品所具有的属性名称不完全相同,但在对每个游戏物品进行分类时,需对所有游戏物品涵盖的属性名称进行考虑。因此,在获取游戏物品的M个属性名称后,需先判断该M个属性名称是否涵盖了所有游戏物品所具有的属性名称,即预置的属性类型表中的所有属性名称。若是,则可直接对该游戏物品的属性值进行处理,若否,则需将属性类型表中M个属性名称不具有的属性名称添加到该游戏物品的属性集合中,并设置这些不具有的属性名称在属性集合中所对应的属性值为0。
进一步地,如图2所示,所述从预置的属性类型表中查询获得每个属性名称所属的属性类型,并根据所述属性名称所属的属性类型,对所述属性名称对应的属性值进行映射处理,具体包括:
S31、从预置的属性类型表中查询获得每个属性名称所属的属性类型;
S32、若所述属性名称属于第一属性类型,则采用第一映射算法对所述属性名称对应的属性值进行映射处理;其中,所述第一映射算法为S=1-1/(x+MAX_S/2);
S33、若所述属性名称属于第二属性类型,采用第二映射算法对所述属性名称对应的属性值进行映射处理;其中,所述第二映射算法为S=x/MAX_S;
其中,x为属性值,MAX_S为阈值,S为处理后的属性值。
需要说明的是,属性类型表中将各个属性名称分为两类,根据属性名称即可从属性类型表中查询获得该属性名称所属的类型。若属性名称属于第一属性类型,则说明该属性名称对应的属性值属于下限确定、上限不确定的类型,对该属性值采用第一映射算法进行映射处理。若属性名称属于第二属性类型,则说明该属性名称对应的属性值属于上下限均确定的类型,对该属性值采用第二映射算法进行映射处理。对不同类型的属性名称所对应的属性值采用不同的映射算法来处理,提高游戏物品分类的准确率。
进一步地,在所述获取待分类的游戏物品的属性集合之前,还包括:
逐一判断预置的每个属性名称对应的阈值是否大于预设值;若是,则判定所述属性名称属于第一属性类型;若否,则判定所述属性名称属于第二属性类型;
将所述每个属性名称及其所属的属性类型的对应关系保存到所述属性类型表中。
需要说明的是,每个属性名称所属的属性类型是通过比较该属性名称对应的阈值与预设值的大小来确定的。其中,预设值的取值范围一般为10万~10亿之间。若属性名称对应的阈值大于或等于预设值,则说明该属性名称对应的属性值属于下限确定、上限不确定的类型,即该属性名称属于第一属性类型;若属性名称对应的阈值小于预设值,则说明该属性名称对应的属性值属于上下限均确定的类型,即该属性名称属于第二属性类型。获取每个属性名称所述的属性类型后,将每个属性名称及其所属的属性类型的对应关系保存到属性类型表中,便于对待分类的游戏物品的属性信息进行预处理。
进一步地,在所述逐一判断预置的每个属性名称对应的阈值是否大于预设值之前,还包括:
获取待训练的N个游戏物品样本的属性信息;其中,每个游戏物品样本均具有P个属性信息;N≥1;P≥1;
遍历所述N个游戏物品样本的属性信息,逐一判断每个游戏物品样本的每个属性名称是否存在于预置的属性阈值表中;其中,所述属性阈值表是记载每个属性名称及其阈值的对应关系的信息表;
若所述游戏物品样本的所述属性名称存在于所述属性阈值表中,则判断所述游戏物品样本的所述属性名称对应的属性值是否大于所述属性阈值表中所述属性名称对应的阈值;若大于,则将所述属性阈值表中所述属性名称的阈值修改为所述属性值;
若所述游戏物品样本的所述属性名称不存在于所述属性阈值表中,则将所述游戏物品样本的所述属性名称和对应的属性值添加到所述属性阈值表中,并将所述属性值作为所述属性名称对应的阈值。
需要说明的是,在对游戏物品进行分类前,选取N个游戏物品样本的属性信息来进行训练。优选地,N个游戏物品样本的属性信息中包含的属性名称涵盖所有游戏物品所具有的属性名称。遍历N个游戏物品样本,对于每个游戏物品样本,遍历P个属性信息。对于每个游戏物品样本中的每个属性信息,提取出属性名称和对应的属性值,并判断该属性名称是否存在于预先配置的属性阈值表中,若存在,则判断该属性名称对应的属性值是否大于属性阈值表中该属性名称对应的阈值,若大于,则将属性阈值表中该属性名称对应的阈值更新为该属性名称对应的属性值,若小于或等于,则无需对属性阈值表进行处理;若不存在,则将该属性名称添加到属性阈值表中,并将该属性名称在属性阈值表中对应的阈值设置为该属性名称对应的属性值。通过对获取的N个游戏物品样本的属性信息进行训练后,属性阈值表中涵盖N个游戏物品样本的属性信息中的每个属性名称及对应的最大属性值,其中,最大属性值即为该属性名称对应的阈值,以便根据每个属性名称对应的阈值对该属性名称进行分类。
本发明实施例提供的游戏物品的分类方法,能够根据游戏物品的每个属性名称所属的属性类型,对该属性名称对应的属性值进行相应的映射处理,再将处理后的属性值进行分析以获取游戏物品所属的类型,以提高游戏物品分类的准确率;在获取游戏物品的属性信息后,提取属性信息中的文字信息作为属性名称,提取属性信息中的数值作为属性值,以适用于具有文本属性的游戏物品;通过比较属性名称对应的阈值与预设值的大小,实现对属性名称的分类,并对不同类型的属性名称对应的属性值采用不同的映射算法进行处理,适用于游戏物品中下限确定、上限不确定的数值属性,提高游戏物品分类的准确率。
相应的,本发明还提供一种游戏物品的分类装置,能够实现上述实施例中的游戏物品的分类方法的所有流程。
参见图3,是本发明提供的游戏物品的分类装置的一个实施例的结构示意图,包括:
属性集合获取模块1,用于获取待分类的游戏物品的属性集合;所述属性集合包含M个属性信息,M≥1;
提取模块2,用于分别从每个属性信息中提取出属性名称和属性值,获得M个属性名称和M个对应的属性值;
处理模块3,用于从预置的属性类型表中查询获得每个属性名称所属的属性类型,并根据所述属性名称所属的属性类型,对所述属性名称对应的属性值进行映射处理;以及,
类型获取模块4,用于根据预先训练好的模型对处理后的所有属性值进行分析,获得所述游戏物品所属的类型。
进一步地,所述提取模块具体用于分别从每个属性信息中提取出文字信息作为属性名称,并从所述属性信息中提取出数值作为属性值,获得M个属性名称和M个对应的属性值。
进一步地,所述游戏物品的分类装置还包括:
判断模块,用于判断获取的所述M个属性名称是否包含了所述属性类型表中的每个属性名称;以及,
添加模块,用于在判断模块判断获取的所述M个属性名称未包含所述属性类型表中的每个属性名称时,则获取所述属性类型表中所述M个属性名称未包含的属性名称,设置所述未包含的属性名称对应的属性值为0,并将所述未包含的属性名称和对应的属性值添加到所述游戏物品的属性集合中。
进一步地,如图4所示,所述处理模块具体包括:
属性类型获取单元31,用于从预置的属性类型表中查询获得每个属性名称所属的属性类型;
第一处理单元32,用于若所述属性名称属于第一属性类型,则采用第一映射算法对所述属性名称对应的属性值进行映射处理;其中,所述第一映射算法为S=1-1/(x+MAX_S/2);以及,
第二处理单元33,用于若所述属性名称属于第二属性类型,采用第二映射算法对所述属性名称对应的属性值进行映射处理;其中,所述第二映射算法为S=x/MAX_S;
其中,第一属性类型是指所述属性名称对应的属性值属于下限确定、上限不确定的类型,第二属性是指所述属性名称对应的属性值属于上下限均确定的类型,x为属性值,MAX_S为阈值,S为处理后的属性值。
进一步地,所述游戏物品的分类装置还包括:
阈值判断模块,用于逐一判断预置的每个属性名称对应的阈值是否大于预设值;若是,则判定所述属性名称属于第一属性类型;若否,则判定所述属性名称属于第二属性类型;以及,
保存模块,用于将所述每个属性名称及其所属的属性类型的对应关系保存到所述属性类型表中。
进一步地,所述游戏物品的分类装置还包括:
信息获取模块,用于获取待训练的N个游戏物品样本的属性信息;其中,每个游戏物品样本均具有P个属性信息;N≥1;P≥1;
遍历模块,用于遍历所述N个游戏物品样本的属性信息,逐一判断每个游戏物品样本的每个属性名称是否存在于预置的属性阈值表中;其中,所述属性阈值表是记载每个属性名称及其阈值的对应关系的信息表;
阈值修改模块,用于若所述游戏物品样本的所述属性名称存在于所述属性阈值表中,则判断所述游戏物品样本的所述属性名称对应的属性值是否大于所述属性阈值表中所述属性名称对应的阈值;若大于,则将所述属性阈值表中所述属性名称的阈值修改为所述属性值;以及,
属性添加模块,用于若所述游戏物品样本的所述属性名称不存在于所述属性阈值表中,则将所述游戏物品样本的所述属性名称和对应的属性值添加到所述属性阈值表中,并将所述属性值作为所述属性名称对应的阈值。
本发明实施例提供的游戏物品的分类装置,能够根据游戏物品的每个属性名称所属的属性类型,对该属性名称对应的属性值进行相应的映射处理,再将处理后的属性值进行分析以获取游戏物品所属的类型,以提高游戏物品分类的准确率;在获取游戏物品的属性信息后,提取属性信息中的文字信息作为属性名称,提取属性信息中的数值作为属性值,以适用于具有文本属性的游戏物品;通过比较属性名称对应的阈值与预设值的大小,实现对属性名称的分类,并对不同类型的属性名称对应的属性值采用不同的映射算法进行处理,适用于游戏物品中下限确定、上限不确定的数值属性,提高游戏物品分类的准确率。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。

Claims (12)

1.一种游戏物品的分类方法,其特征在于,包括:
获取待分类的游戏物品的属性集合;所述属性集合包含M个属性信息,M≥1;
分别从每个属性信息中提取出属性名称和属性值,获得M个属性名称和M个对应的属性值;
从预置的属性类型表中查询获得每个属性名称所属的属性类型;
根据每个所述属性名称所属的属性类型对应的映射算法对所述属性名称对应的属性值进行映射处理;其中,不同的属性类型对应不同的映射算法;
根据预先训练好的模型对处理后的所有属性值进行分析,获得所述游戏物品所属的类型。
2.如权利要求1所述的游戏物品的分类方法,其特征在于,所述分别从每个属性信息中提取出属性名称和属性值,获得M个属性名称和M个对应的属性值,具体包括:
分别从每个属性信息中提取出文字信息作为属性名称,并从所述属性信息中提取出数值作为属性值,获得M个属性名称和M个对应的属性值。
3.如权利要求1所述的游戏物品的分类方法,其特征在于,在所述从预置的属性类型表中查询获得每个属性名称所属的属性类型之前,还包括:
判断获取的所述M个属性名称是否包含了所述属性类型表中的每个属性名称;
若否,则获取所述属性类型表中所述M个属性名称未包含的属性名称,设置所述未包含的属性名称对应的属性值为0,并将所述未包含的属性名称和对应的属性值添加到所述游戏物品的属性集合中。
4.如权利要求1至3任一项所述的游戏物品的分类方法,其特征在于,所述根据每个所述属性名称所属的属性类型对应的映射算法对所述属性名称对应的属性值进行映射处理,具体包括:
若所述属性名称属于第一属性类型,则采用第一映射算法对所述属性名称对应的属性值进行映射处理;其中,所述第一映射算法为S=1-1/(x+MAX_S/2);
若所述属性名称属于第二属性类型,则采用第二映射算法对所述属性名称对应的属性值进行映射处理;其中,所述第二映射算法为S=x/MAX_S;
其中,所述第一属性类型是指属性名称对应的属性值属于下限确定、上限不确定的类型,所述第二属性是指属性名称对应的属性值属于上下限均确定的类型,x为属性值,MAX_S为阈值,S为处理后的属性值。
5.如权利要求4所述的游戏物品的分类方法,其特征在于,在所述获取待分类的游戏物品的属性集合之前,还包括:
逐一判断预置的每个属性名称对应的阈值是否大于预设值;若是,则判定所述属性名称属于第一属性类型;若否,则判定所述属性名称属于第二属性类型;
将所述每个属性名称及其所属的属性类型的对应关系保存到所述属性类型表中。
6.如权利要求5所述的游戏物品的分类方法,其特征在于,在所述逐一判断预置的每个属性名称对应的阈值是否大于预设值之前,还包括:
获取待训练的N个游戏物品样本的属性信息;其中,每个游戏物品样本均具有P个属性信息;N≥1;P≥1;
遍历所述N个游戏物品样本的属性信息,逐一判断每个游戏物品样本的每个属性名称是否存在于预置的属性阈值表中;其中,所述属性阈值表是记载每个属性名称及其阈值的对应关系的信息表;
若所述游戏物品样本的所述属性名称存在于所述属性阈值表中,则判断所述游戏物品样本的所述属性名称对应的属性值是否大于所述属性阈值表中所述属性名称对应的阈值;若大于,则将所述属性阈值表中所述属性名称的阈值修改为所述属性值;
若所述游戏物品样本的所述属性名称不存在于所述属性阈值表中,则将所述游戏物品样本的所述属性名称和对应的属性值添加到所述属性阈值表中,并将所述属性值作为所述属性名称对应的阈值。
7.一种游戏物品的分类装置,其特征在于,包括:
属性集合获取模块,用于获取待分类的游戏物品的属性集合;所述属性集合包含M个属性信息,M≥1;
提取模块,用于分别从每个属性信息中提取出属性名称和属性值,获得M个属性名称和M个对应的属性值;
属性类型获取模块,用于从预置的属性类型表中查询获得每个属性名称所属的属性类型;
处理模块,用于根据每个所述属性名称所属的属性类型对应的映射算法对所述属性名称对应的属性值进行映射处理;其中,不同的属性类型对应不同的映射算法;以及,
类型获取模块,用于根据预先训练好的模型对处理后的所有属性值进行分析,获得所述游戏物品所属的类型。
8.如权利要求7所述的游戏物品的分类装置,其特征在于,所述提取模块具体用于分别从每个属性信息中提取出文字信息作为属性名称,并从所述属性信息中提取出数值作为属性值,获得M个属性名称和M个对应的属性值。
9.如权利要求7所述的游戏物品的分类装置,其特征在于,所述游戏物品的分类装置还包括:
判断模块,用于判断获取的所述M个属性名称是否包含了所述属性类型表中的每个属性名称;以及,
添加模块,用于在判断模块判断获取的所述M个属性名称未包含所述属性类型表中的每个属性名称时,获取所述属性类型表中所述M个属性名称未包含的属性名称,设置所述未包含的属性名称对应的属性值为0,并将所述未包含的属性名称和对应的属性值添加到所述游戏物品的属性集合中。
10.如权利要求7至9任一项所述的游戏物品的分类装置,其特征在于,所述处理模块具体包括:
第一处理单元,用于若所述属性名称属于第一属性类型,则采用第一映射算法对所述属性名称对应的属性值进行映射处理;其中,所述第一映射算法为S=1-1/(x+MAX_S/2);以及,
第二处理单元,用于若所述属性名称属于第二属性类型,则采用第二映射算法对所述属性名称对应的属性值进行映射处理;其中,所述第二映射算法为S=x/MAX_S;
其中,所述第一属性类型是指属性名称对应的属性值属于下限确定、上限不确定的类型,所述第二属性是指属性名称对应的属性值属于上下限均确定的类型,x为属性值,MAX_S为阈值,S为处理后的属性值。
11.如权利要求10所述的游戏物品的分类装置,其特征在于,所述游戏物品的分类装置还包括:
阈值判断模块,用于逐一判断预置的每个属性名称对应的阈值是否大于预设值;若是,则判定所述属性名称属于第一属性类型;若否,则判定所述属性名称属于第二属性类型;以及,
保存模块,用于将所述每个属性名称及其所属的属性类型的对应关系保存到所述属性类型表中。
12.如权利要求11所述的游戏物品的分类装置,其特征在于,所述游戏物品的分类装置还包括:
信息获取模块,用于获取待训练的N个游戏物品样本的属性信息;其中,每个游戏物品样本均具有P个属性信息;N≥1;P≥1;
遍历模块,用于遍历所述N个游戏物品样本的属性信息,逐一判断每个游戏物品样本的每个属性名称是否存在于预置的属性阈值表中;其中,所述属性阈值表是记载每个属性名称及其阈值的对应关系的信息表;
阈值修改模块,用于若所述游戏物品样本的所述属性名称存在于所述属性阈值表中,则判断所述游戏物品样本的所述属性名称对应的属性值是否大于所述属性阈值表中所述属性名称对应的阈值;若大于,则将所述属性阈值表中所述属性名称的阈值修改为所述属性值;以及,
属性添加模块,用于若所述游戏物品样本的所述属性名称不存在于所述属性阈值表中,则将所述游戏物品样本的所述属性名称和对应的属性值添加到所述属性阈值表中,并将所述属性值作为所述属性名称对应的阈值。
CN201510760504.8A 2015-11-10 2015-11-10 一种游戏物品的分类方法及装置 Active CN105354597B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510760504.8A CN105354597B (zh) 2015-11-10 2015-11-10 一种游戏物品的分类方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510760504.8A CN105354597B (zh) 2015-11-10 2015-11-10 一种游戏物品的分类方法及装置

Publications (2)

Publication Number Publication Date
CN105354597A CN105354597A (zh) 2016-02-24
CN105354597B true CN105354597B (zh) 2019-03-19

Family

ID=55330564

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510760504.8A Active CN105354597B (zh) 2015-11-10 2015-11-10 一种游戏物品的分类方法及装置

Country Status (1)

Country Link
CN (1) CN105354597B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110502674B (zh) * 2019-08-27 2020-08-18 云汉芯城(上海)互联网科技股份有限公司 一种基于bom选型的类别校验方法、装置
CN111858962B (zh) * 2020-07-27 2023-04-07 腾讯科技(成都)有限公司 数据处理方法、装置及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103577989A (zh) * 2012-07-30 2014-02-12 阿里巴巴集团控股有限公司 一种基于产品识别的信息分类方法及信息分类***
CN103699694A (zh) * 2014-01-13 2014-04-02 联想(北京)有限公司 一种数据处理方法和装置
CN103744920A (zh) * 2013-12-27 2014-04-23 苏州大学 一种商品属性名值对抽取方法及***
CN104484461A (zh) * 2014-12-29 2015-04-01 北京奇虎科技有限公司 一种基于百科数据对实体进行分类的方法及***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060080274A1 (en) * 2004-10-12 2006-04-13 Pricegrabber.Com, Llc Dynamic product association

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103577989A (zh) * 2012-07-30 2014-02-12 阿里巴巴集团控股有限公司 一种基于产品识别的信息分类方法及信息分类***
CN103744920A (zh) * 2013-12-27 2014-04-23 苏州大学 一种商品属性名值对抽取方法及***
CN103699694A (zh) * 2014-01-13 2014-04-02 联想(北京)有限公司 一种数据处理方法和装置
CN104484461A (zh) * 2014-12-29 2015-04-01 北京奇虎科技有限公司 一种基于百科数据对实体进行分类的方法及***

Also Published As

Publication number Publication date
CN105354597A (zh) 2016-02-24

Similar Documents

Publication Publication Date Title
CN103632168B (zh) 一种机器学习中的分类器集成方法
CN105389480B (zh) 多类不平衡基因组学数据迭代集成特征选择方法及***
CN105095238B (zh) 用于检测欺诈交易的决策树生成方法
CN102945366B (zh) 一种人脸识别的方法及装置
CN107153789A (zh) 利用随机森林分类器实时检测安卓恶意软件的方法
CN103559175B (zh) 一种基于聚类的垃圾邮件过滤***及方法
CN109492549A (zh) 一种训练样本集处理、模型训练方法及***
CN103336766A (zh) 短文本垃圾识别以及建模方法和装置
CN103838754B (zh) 信息搜索装置及方法
CN106843941B (zh) 信息处理方法、装置和计算机设备
CN108363717B (zh) 一种数据安全级别的识别检测方法及装置
CN105389486B (zh) 一种基于鼠标行为的认证方法
CN105574544A (zh) 一种数据处理方法和装置
CN101980211A (zh) 一种机器学习模型及其建立方法
CN109218223A (zh) 一种基于主动学习的鲁棒性网络流量分类方法及***
CN101980210A (zh) 一种标的词分类分级方法及***
CN106778851B (zh) 基于手机取证数据的社交关系预测***及其方法
CN107145778A (zh) 一种入侵检测方法及装置
CN113516228A (zh) 一种基于深度神经网络的网络异常检测方法
CN105354597B (zh) 一种游戏物品的分类方法及装置
CN106529470A (zh) 一种基于多级深度卷积神经网络的手势识别方法
CN108229011A (zh) 一种页岩岩相发育主控因素判断方法、设备及存储设备
CN104850862B (zh) 一种基于单位代价收益敏感决策树的分类方法
CN110301892A (zh) 一种基于静脉识别的检测方法及相关产品
CN104331664B (zh) 一种在取证场景下自动分析未知恶意程序特征的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant