CN105389396A - 游戏社交推荐方法及装置 - Google Patents
游戏社交推荐方法及装置 Download PDFInfo
- Publication number
- CN105389396A CN105389396A CN201510971686.3A CN201510971686A CN105389396A CN 105389396 A CN105389396 A CN 105389396A CN 201510971686 A CN201510971686 A CN 201510971686A CN 105389396 A CN105389396 A CN 105389396A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- game
- social
- information
- 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
Classifications
-
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种游戏社交推荐方法及装置,其中,游戏社交推荐方法包括:通过数据挖掘得到多个用户的用户数据以及游戏记录数据,游戏记录数据包括用户参与游戏信息;针对多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户;根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户。本方案根据用户相关的社交关系进行游戏推荐,实现了游戏的智能推荐,提高了游戏推荐效果,优化了游戏推荐方式。
Description
技术领域
本发明涉及互联网技术领域,具体涉及一种游戏社交推荐方法及装置。
背景技术
随着人们娱乐需求的不断提高,越来越多的人们喜欢在空余时间玩游戏。为了使用户能够及时了解到最新游戏,并促进用户参与游戏,游戏运营商会通过消息推送等各种方式向用户推荐游戏。
然而,在现有技术中,例如游戏运营商通过游戏平台或游戏中心等游戏网页向所有用户推荐的游戏都是相同的,并没有综合考虑到用户的兴趣爱好,因此,在大多数情况下,被推荐的游戏并不是用户所感兴趣的游戏,从而并没有得到良好的游戏推荐效果,造成了推荐资源的浪费。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的游戏社交推荐方法及装置,根据用户相关的社交关系进行游戏推荐,实现了游戏的智能推荐,提高了游戏推荐效果。
根据本发明的一个方面,提供了一种游戏社交推荐方法,该方法包括:
通过数据挖掘得到多个用户的用户数据以及游戏记录数据,游戏记录数据包括用户参与游戏信息;
针对多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户;
根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户。
根据本发明的另一方面,提供了一种游戏社交推荐装置,该装置包括:
数据获取模块,适于通过数据挖掘得到多个用户的用户数据以及游戏记录数据,游戏记录数据包括用户参与游戏信息;
匹配模块,适于针对多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户;
推荐模块,适于根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户。
根据本发明提供的技术方案,通过数据挖掘得到多个用户的用户数据以及游戏记录数据,然后针对多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户,最后根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户。本发明提供的技术方案根据用户相关的社交关系进行游戏推荐,从而使所推荐的游戏更加适合用户,实现了游戏的智能推荐,提高了游戏推荐效果,优化了游戏推荐方式。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的游戏社交推荐方法的流程示意图;
图2示出了根据本发明另一个实施例的游戏社交推荐方法的流程示意图;
图3示出了根据本发明一个实施例的游戏社交推荐装置的功能结构示意图;
图4示出了根据本发明另一个实施例的游戏社交推荐装置的功能结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的游戏社交推荐方法的流程示意图,如图1所示,该方法包括如下步骤:
步骤S100,通过数据挖掘得到多个用户的用户数据以及游戏记录数据,游戏记录数据包括用户参与游戏信息。
在步骤S100中,通过大数据分析、数据打点等方式进行数据挖掘,得到多个用户的用户数据以及游戏记录数据,其中,游戏记录数据包括用户参与游戏信息,也就是说,根据某个用户的游戏记录数据,可以获知该用户参与游戏信息,比如,可获知该用户参与了哪些游戏以及所参与的这些游戏的其它相关信息。
步骤S101,针对多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户。
在步骤S100得到了多个用户的用户数据以及游戏记录数据之后,步骤S101就可针对多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,然后根据匹配结果,得到该用户的社交用户,其中,该用户的社交用户为与该用户有相关的社交关系的用户,例如,该用户的社交用户为与该用户具有相同或相似的兴趣爱好的用户,该用户的社交用户不一定为与该用户已建立朋友关系或好友关系的用户。
步骤S102,根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户。
在步骤S101得到了该用户的社交用户之后,在步骤S102中,根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户,由于该用户的社交用户为与该用户有相关的社交关系的用户,将社交用户参与的游戏推荐给该用户,有助于使所推荐的游戏更加适合该用户。
根据本实施例提供的游戏社交推荐方法,通过数据挖掘得到多个用户的用户数据以及游戏记录数据,然后针对多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户,最后根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户。本发明提供的技术方案根据用户相关的社交关系进行游戏推荐,从而使所推荐的游戏更加适合用户,实现了游戏的智能推荐,提高了游戏推荐效果,优化了游戏推荐方式。
图2示出了根据本发明另一个实施例的游戏社交推荐方法的流程示意图,如图2所示,该方法包括如下步骤:
步骤S200,通过数据挖掘得到多个用户的用户特征信息、用户喜好信息、用户付费信息以及游戏记录数据。
在步骤S200中,通过大数据分析、数据打点等方式进行数据挖掘,得到多个用户的用户特征信息、用户喜好信息以及用户付费信息等用户数据以及游戏记录数据。
具体地,用户特征信息包括:用户固有特征以及用户来源渠道;用户喜好信息包括:用户浏览喜好信息、用户点击喜好信息以及用户活跃度信息;用户付费信息包括:用户付费记录信息以及用户付费潜力信息。其中,用户固有特征包括:用户性别、用户年龄以及用户星座等特征。
另外,为了全面分析用户的游戏喜好,用户喜好信息还可包括:游戏类型喜好信息、游戏题材特色喜好信息、游戏美术风格喜好信息、游戏画面喜好信息、游戏战斗方式喜好信息、游戏人物设定喜好信息、游戏IP喜好信息、游戏级别喜好信息、游戏开发商喜好信息、游戏视角喜好信息、游戏音效喜好信息、游戏大小喜好信息和游戏内创建角色喜好信息等。比如,有的用户喜欢动作类游戏,则该用户的游戏类型喜好信息可以记录动作类游戏;有的用户喜欢宫廷题材的游戏,则该用户的游戏题材特色喜好信息可以记录宫廷题材游戏;有的用户喜欢竞技战斗的游戏,则该用户的游戏战斗方式喜好信息可以记录竞技战斗。以上仅为举例,本发明中用户喜好信息包括但不仅限于上述具体信息。
为了全面了解用户的游戏状况,游戏记录数据除了包括用户参与游戏信息,还可包括用户游戏等级信息。具体地,根据某个用户的游戏记录数据,不仅可以获知该用户参与了哪些游戏,还可获知该用户在每个游戏中的游戏等级,例如,根据用户1的游戏记录数据可知,用户1参与了游戏1、游戏2以及游戏3,其中,游戏1的游戏等级为等级1,游戏2的游戏等级为等级3,游戏3的游戏等级为等级5。
步骤S201,针对多个用户中的其中一个用户,根据预设的至少一个匹配指标,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度。
具体地,为了使多个用户中的其中一个用户的用户数据与多个用户中其它用户的用户数据能够进行有效匹配,不仅预先设置了至少一个匹配指标,而且还为每个匹配指标预先设置了相对应的权重,因此,针对多个用户中的其中一个用户,根据预设的至少一个匹配指标以及预设的每个匹配指标相对应的权重,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度。
步骤S202,根据匹配度,得到该用户的社交用户。
具体地,两个用户的用户数据的匹配度高可代表这两个用户的相关信息相似,具有相关的社交关系,例如,两个用户的用户数据的匹配度高可表示这两个用户在游戏方面具有相同或相似的兴趣爱好,因此,可从多个用户的其它用户中选取出匹配度较高的用户作为该用户的社交用户。
另外,本方法还可从多个用户中得到达人用户,具体通过步骤S203实现。
步骤S203,根据多个用户的用户特征信息、用户喜好信息、用户付费信息以及游戏记录数据,得到达人用户。
根据多个用户的用户特征信息、用户喜好信息、用户付费信息等用户数据以及游戏记录数据,可分析出哪些用户是游戏达人,从而得到达人用户。
另外,步骤S203也可以在步骤S200之后、步骤S201之前执行。
步骤S204,根据社交用户的游戏记录数据以及达人用户的游戏记录数据,将社交用户所参与的游戏以及达人用户所参与的游戏推荐给该用户。
在得到社交用户与达人用户之后,在步骤S204中,根据社交用户的游戏记录数据以及达人用户的游戏记录数据,将社交用户所参与的游戏以及达人用户所参与的游戏推荐给该用户,从而不仅有助于使所推荐的游戏更加适合该用户,还可以使达人用户发挥出达人效应,促进该用户参与游戏。
根据本实施例提供的游戏社交推荐方法,通过数据挖掘得到多个用户的用户数据以及游戏记录数据,接着针对多个用户中的其中一个用户,根据预设的至少一个匹配指标,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度,并根据匹配度,得到该用户的社交用户,然后根据多个用户的用户数据以及游戏记录数据,得到达人用户,最后将社交用户所参与的游戏以及达人用户所参与的游戏推荐给该用户。本发明提供的技术方案不仅根据用户相关的社交关系进行游戏推荐,还推荐了达人用户所参与的游戏,从而使所推荐的游戏更加适合用户,实现了游戏的智能推荐,并通过达人用户的达人效应进一步提高了游戏推荐效果,优化了游戏推荐方式。
图3示出了根据本发明一个实施例的游戏社交推荐装置的功能结构示意图,如图3所示,该装置包括:数据获取模块301、匹配模块302和推荐模块303。
数据获取模块301适于:通过数据挖掘得到多个用户的用户数据以及游戏记录数据,游戏记录数据包括用户参与游戏信息。
数据获取模块301通过大数据分析、数据打点等方式进行数据挖掘,得到多个用户的用户数据以及游戏记录数据,其中,游戏记录数据包括用户参与游戏信息,也就是说,根据某个用户的游戏记录数据,可以获知该用户参与游戏信息,比如,可获知该用户参与了哪些游戏以及所参与的这些游戏的其它相关信息。
匹配模块302适于:针对多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户。
在数据获取模块301得到了多个用户的用户数据以及游戏记录数据之后,匹配模块302针对多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,然后根据匹配结果,得到该用户的社交用户,其中,该用户的社交用户为与该用户有相关的社交关系的用户,例如,该用户的社交用户为与该用户具有相同或相似兴趣爱好的用户,该用户的社交用户不一定为与该用户已建立朋友关系或好友关系的用户。
推荐模块303适于:根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户。
在匹配模块302得到了该用户的社交用户之后,推荐模块303根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户,由于该用户的社交用户为与该用户有相关的社交关系的用户,将社交用户参与的游戏推荐给该用户,有助于使所推荐的游戏更加适合该用户。
根据本实施例提供的游戏社交推荐装置,数据获取模块通过数据挖掘得到多个用户的用户数据以及游戏记录数据,然后匹配模块针对多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户,最后推荐模块根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户。本发明提供的技术方案根据用户相关的社交关系进行游戏推荐,从而使所推荐的游戏更加适合用户,实现了游戏的智能推荐,提高了游戏推荐效果,优化了游戏推荐方式。
图4示出了根据本发明另一个实施例的游戏社交推荐装置的功能结构示意图,如图4所示,该装置包括:数据获取模块401、匹配模块402、确定模块403和推荐模块404。
数据获取模块401适于:通过数据挖掘得到多个用户的用户特征信息、用户喜好信息、用户付费信息以及游戏记录数据,其中,游戏记录数据包括用户参与游戏信息。
数据获取模块401通过大数据分析、数据打点等方式进行数据挖掘,得到多个用户的用户特征信息、用户喜好信息以及用户付费信息等用户数据以及游戏记录数据。
具体地,用户特征信息包括:用户固有特征以及用户来源渠道;用户喜好信息包括:用户浏览喜好信息、用户点击喜好信息以及用户活跃度信息;用户付费信息包括:用户付费记录信息以及用户付费潜力信息。其中,用户固有特征包括:用户性别、用户年龄以及用户星座等特征。另外,为了全面分析用户的游戏喜好,数据获取模块401得到的用户喜好信息还可包括:游戏类型喜好信息、游戏题材特色喜好信息、游戏美术风格喜好信息、游戏画面喜好信息、游戏战斗方式喜好信息、游戏人物设定喜好信息、游戏IP喜好信息、游戏级别喜好信息、游戏开发商喜好信息、游戏视角喜好信息、游戏音效喜好信息、游戏大小喜好信息和游戏内创建角色喜好信息等。比如,有的用户喜欢动作类游戏,则该用户的游戏类型喜好信息可以记录动作类游戏;有的用户喜欢宫廷题材的游戏,则该用户的游戏题材特色喜好信息可以记录宫廷题材游戏;有的用户喜欢竞技战斗的游戏,则该用户的游戏战斗方式喜好信息可以记录竞技战斗。以上仅为举例,本发明中用户喜好信息包括但不仅限于上述具体信息。
为了全面了解用户的游戏状况,游戏记录数据除了包括用户参与游戏信息,还可包括用户游戏等级信息。具体地,根据某个用户的游戏记录数据,不仅可以获知该用户参与了哪些游戏,还可获知该用户在每个游戏中的游戏等级。
匹配模块402适于:针对多个用户中的其中一个用户,根据预设的至少一个匹配指标,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度;根据匹配度,得到该用户的社交用户。
具体地,为了使多个用户中的其中一个用户的用户数据与多个用户中其它用户的用户数据能够进行有效匹配,不仅预先设置了至少一个匹配指标,而且还为每个匹配指标预先设置了相对应的权重,因此,匹配模块402进一步适于:针对多个用户中的其中一个用户,根据预设的至少一个匹配指标以及预设的每个匹配指标相对应的权重,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度。
确定模块403适于:根据多个用户的用户数据以及游戏记录数据,得到达人用户。
确定模块403根据多个用户的用户特征信息、用户喜好信息、用户付费信息等用户数据以及游戏记录数据,可分析出哪些用户是游戏达人,从而得到达人用户。
推荐模块404适于:根据社交用户的游戏记录数据以及达人用户的游戏记录数据,将社交用户所参与的游戏以及达人用户所参与的游戏推荐给该用户。
在匹配模块402和确定模块403得到社交用户与达人用户之后,推荐模块404根据社交用户的游戏记录数据以及达人用户的游戏记录数据,将社交用户所参与的游戏以及达人用户所参与的游戏推荐给该用户,从而不仅有助于使所推荐的游戏更加适合该用户,还可以使达人用户发挥出达人效应,促进该用户参与游戏。
根据本实施例提供的游戏社交推荐装置,数据获取模块通过数据挖掘得到多个用户的用户数据以及游戏记录数据,接着匹配模块针对多个用户中的其中一个用户,根据预设的至少一个匹配指标,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度,并根据匹配度,得到该用户的社交用户,确定模块根据多个用户的用户数据以及游戏记录数据,得到达人用户,最后推荐模块将社交用户所参与的游戏以及达人用户所参与的游戏推荐给该用户。本发明提供的技术方案不仅根据用户相关的社交关系进行游戏推荐,还推荐了达人用户所参与的游戏,从而使所推荐的游戏更加适合用户,实现了游戏的智能推荐,并通过达人用户的达人效应进一步提高了游戏推荐效果,优化了游戏推荐方式。
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明公开了:
A1、一种游戏社交推荐方法,包括:
通过数据挖掘得到多个用户的用户数据以及游戏记录数据,所述游戏记录数据包括用户参与游戏信息;
针对所述多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户;
根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户。
A2、根据A1所述的方法,通过数据挖掘得到多个用户的用户数据进一步包括:通过数据挖掘得到多个用户的用户特征信息、用户喜好信息以及用户付费信息。
A3、根据A2所述的方法,所述用户特征信息包括:用户固有特征以及用户来源渠道;
所述用户喜好信息包括:用户浏览喜好信息、用户点击喜好信息以及用户活跃度信息;
所述用户付费信息包括:用户付费记录信息以及用户付费潜力信息;
所述游戏记录数据还包括:用户游戏等级信息。
A4、根据A1-A3任一项所述的方法,针对所述多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户进一步包括:
针对所述多个用户中的其中一个用户,根据预设的至少一个匹配指标,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度;
根据所述匹配度,得到该用户的社交用户。
A5、根据A4所述的方法,针对所述多个用户中的其中一个用户,根据预设的至少一个匹配指标,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度进一步包括:
针对所述多个用户中的其中一个用户,根据预设的至少一个匹配指标以及预设的每个匹配指标相对应的权重,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度。
A6、根据A1-A5任一项所述的方法,在根据社交用户的游戏记录数据,将社交用户所参与的游戏推荐给该用户之前,所述方法还包括:
根据多个用户的用户数据以及游戏记录数据,得到达人用户。
A7、根据A6所述的方法,根据社交用户的游戏记录数据,将社交用户所参与的游戏推荐给该用户进一步包括:
根据社交用户的游戏记录数据以及达人用户的游戏记录数据,将社交用户所参与的游戏以及达人用户所参与的游戏推荐给该用户。
B8、一种游戏社交推荐装置,包括:
数据获取模块,适于通过数据挖掘得到多个用户的用户数据以及游戏记录数据,所述游戏记录数据包括用户参与游戏信息;
匹配模块,适于针对所述多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户;
推荐模块,适于根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户。
B9、根据B8所述的装置,所述数据获取模块进一步适于:通过数据挖掘得到多个用户的用户特征信息、用户喜好信息以及用户付费信息。
B10、根据B9所述的装置,所述用户特征信息包括:用户固有特征以及用户来源渠道;
所述用户喜好信息包括:用户浏览喜好信息、用户点击喜好信息以及用户活跃度信息;
所述用户付费信息包括:用户付费记录信息以及用户付费潜力信息;
所述游戏记录数据还包括:用户游戏等级信息。
B11、根据B8-B10任一项所述的装置,所述匹配模块进一步适于:
针对所述多个用户中的其中一个用户,根据预设的至少一个匹配指标,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度;
根据所述匹配度,得到该用户的社交用户。
B12、根据B11所述的装置,所述匹配模块进一步适于:
针对所述多个用户中的其中一个用户,根据预设的至少一个匹配指标以及预设的每个匹配指标相对应的权重,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度。
B13、根据B8-B12任一项所述的装置,所述装置还包括:
确定模块,适于根据多个用户的用户数据以及游戏记录数据,得到达人用户。
B14、根据B13所述的装置,所述推荐模块进一步适于:
根据社交用户的游戏记录数据以及达人用户的游戏记录数据,将社交用户所参与的游戏以及达人用户所参与的游戏推荐给该用户。
Claims (10)
1.一种游戏社交推荐方法,包括:
通过数据挖掘得到多个用户的用户数据以及游戏记录数据,所述游戏记录数据包括用户参与游戏信息;
针对所述多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户;
根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户。
2.根据权利要求1所述的方法,通过数据挖掘得到多个用户的用户数据进一步包括:通过数据挖掘得到多个用户的用户特征信息、用户喜好信息以及用户付费信息。
3.根据权利要求2所述的方法,所述用户特征信息包括:用户固有特征以及用户来源渠道;
所述用户喜好信息包括:用户浏览喜好信息、用户点击喜好信息以及用户活跃度信息;
所述用户付费信息包括:用户付费记录信息以及用户付费潜力信息;
所述游戏记录数据还包括:用户游戏等级信息。
4.根据权利要求1-3任一项所述的方法,针对所述多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户进一步包括:
针对所述多个用户中的其中一个用户,根据预设的至少一个匹配指标,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度;
根据所述匹配度,得到该用户的社交用户。
5.根据权利要求4所述的方法,针对所述多个用户中的其中一个用户,根据预设的至少一个匹配指标,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度进一步包括:
针对所述多个用户中的其中一个用户,根据预设的至少一个匹配指标以及预设的每个匹配指标相对应的权重,将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,确定该用户的用户数据与多个用户中其它用户的用户数据的匹配度。
6.根据权利要求1-5任一项所述的方法,在根据社交用户的游戏记录数据,将社交用户所参与的游戏推荐给该用户之前,所述方法还包括:
根据多个用户的用户数据以及游戏记录数据,得到达人用户。
7.根据权利要求6所述的方法,根据社交用户的游戏记录数据,将社交用户所参与的游戏推荐给该用户进一步包括:
根据社交用户的游戏记录数据以及达人用户的游戏记录数据,将社交用户所参与的游戏以及达人用户所参与的游戏推荐给该用户。
8.一种游戏社交推荐装置,包括:
数据获取模块,适于通过数据挖掘得到多个用户的用户数据以及游戏记录数据,所述游戏记录数据包括用户参与游戏信息;
匹配模块,适于针对所述多个用户中的其中一个用户,通过将该用户的用户数据与多个用户中其它用户的用户数据进行匹配,得到该用户的社交用户;
推荐模块,适于根据社交用户的游戏记录数据,将社交用户参与的游戏推荐给该用户。
9.根据权利要求8所述的装置,所述数据获取模块进一步适于:通过数据挖掘得到多个用户的用户特征信息、用户喜好信息以及用户付费信息。
10.根据权利要求9所述的装置,所述用户特征信息包括:用户固有特征以及用户来源渠道;
所述用户喜好信息包括:用户浏览喜好信息、用户点击喜好信息以及用户活跃度信息;
所述用户付费信息包括:用户付费记录信息以及用户付费潜力信息;
所述游戏记录数据还包括:用户游戏等级信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510971686.3A CN105389396A (zh) | 2015-12-22 | 2015-12-22 | 游戏社交推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510971686.3A CN105389396A (zh) | 2015-12-22 | 2015-12-22 | 游戏社交推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105389396A true CN105389396A (zh) | 2016-03-09 |
Family
ID=55421686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510971686.3A Pending CN105389396A (zh) | 2015-12-22 | 2015-12-22 | 游戏社交推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105389396A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106055566A (zh) * | 2016-05-19 | 2016-10-26 | 华南理工大学 | 面向移动广告用户的***推荐方法 |
CN107194814A (zh) * | 2016-03-15 | 2017-09-22 | 阿里巴巴集团控股有限公司 | 推荐用户的方法和装置 |
CN108744524A (zh) * | 2018-04-10 | 2018-11-06 | 浙江工业大学 | 一种适用于认知训练平台的推荐方法 |
CN111375200A (zh) * | 2018-12-28 | 2020-07-07 | 广州市百果园网络科技有限公司 | 智能配置游戏资源方法、***及计算机存储介质、设备 |
CN111659125A (zh) * | 2019-03-06 | 2020-09-15 | 北京柏林互动科技有限公司 | 基于游戏的好友推荐方法、装置及计算机可读存储介质 |
CN117112911A (zh) * | 2023-10-22 | 2023-11-24 | 成都亚度克升科技有限公司 | 基于大数据分析和人工智能的软件推荐方法和*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034774A (zh) * | 2011-10-10 | 2013-04-10 | 北京千橡网景科技发展有限公司 | 基于社交网络为用户推荐游戏的方法和设备 |
CN103353920A (zh) * | 2013-05-31 | 2013-10-16 | 北京百度网讯科技有限公司 | 基于社交网络推荐游戏的方法和装置 |
CN103488714A (zh) * | 2013-09-11 | 2014-01-01 | 杭州东信北邮信息技术有限公司 | 一种基于社交网络的图书推荐方法和*** |
-
2015
- 2015-12-22 CN CN201510971686.3A patent/CN105389396A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034774A (zh) * | 2011-10-10 | 2013-04-10 | 北京千橡网景科技发展有限公司 | 基于社交网络为用户推荐游戏的方法和设备 |
CN103353920A (zh) * | 2013-05-31 | 2013-10-16 | 北京百度网讯科技有限公司 | 基于社交网络推荐游戏的方法和装置 |
CN103488714A (zh) * | 2013-09-11 | 2014-01-01 | 杭州东信北邮信息技术有限公司 | 一种基于社交网络的图书推荐方法和*** |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194814A (zh) * | 2016-03-15 | 2017-09-22 | 阿里巴巴集团控股有限公司 | 推荐用户的方法和装置 |
CN106055566A (zh) * | 2016-05-19 | 2016-10-26 | 华南理工大学 | 面向移动广告用户的***推荐方法 |
CN106055566B (zh) * | 2016-05-19 | 2019-06-18 | 华南理工大学 | 面向移动广告用户的***推荐方法 |
CN108744524A (zh) * | 2018-04-10 | 2018-11-06 | 浙江工业大学 | 一种适用于认知训练平台的推荐方法 |
CN108744524B (zh) * | 2018-04-10 | 2021-10-15 | 浙江工业大学 | 一种适用于认知训练平台的推荐方法 |
CN111375200A (zh) * | 2018-12-28 | 2020-07-07 | 广州市百果园网络科技有限公司 | 智能配置游戏资源方法、***及计算机存储介质、设备 |
CN111375200B (zh) * | 2018-12-28 | 2021-05-28 | 广州市百果园网络科技有限公司 | 智能配置游戏资源方法、***及计算机存储介质、设备 |
CN111659125A (zh) * | 2019-03-06 | 2020-09-15 | 北京柏林互动科技有限公司 | 基于游戏的好友推荐方法、装置及计算机可读存储介质 |
CN111659125B (zh) * | 2019-03-06 | 2023-08-18 | 北京柏林互动科技有限公司 | 基于游戏的好友推荐方法、装置及计算机可读存储介质 |
CN117112911A (zh) * | 2023-10-22 | 2023-11-24 | 成都亚度克升科技有限公司 | 基于大数据分析和人工智能的软件推荐方法和*** |
CN117112911B (zh) * | 2023-10-22 | 2024-03-22 | 成都亚度克升科技有限公司 | 基于大数据分析和人工智能的软件推荐方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105389396A (zh) | 游戏社交推荐方法及装置 | |
US10693981B2 (en) | Provisioning personalized content recommendations | |
CN105477860A (zh) | 游戏活动推荐方法及装置 | |
CN105574110A (zh) | 游戏智能推荐方法及装置 | |
Jordan | Information politics: liberation and exploitation in the digital society | |
KR101571443B1 (ko) | 동영상 동시발생 통계에 기반한 동영상 추천 | |
CN106231362B (zh) | 一种基于主播节目的信息推荐方法、电子设备及服务器 | |
US20190151758A1 (en) | Unique virtual entity creation based on real world data sources | |
US9864951B1 (en) | Randomized latent feature learning | |
CN106294831B (zh) | 一种信息推荐方法及电子设备 | |
US10206003B1 (en) | Identifying media channels that have a high likelihood of multiple consumptions by one or more users | |
JP2014528133A (ja) | ソーシャル・ネットワーキング・システム上の構造化オブジェクトおよびアクション | |
CN105617657A (zh) | 游戏智能推荐方法及装置 | |
US20130090163A1 (en) | System and method of generating customized recommendations and settings | |
US11893049B2 (en) | Recommendation of search suggestions | |
KR20160113685A (ko) | 콘텐츠 추천 방법, 장치 및 시스템 | |
US20160381158A1 (en) | Automatic Invitation Delivery System | |
JP2015534657A (ja) | ゲームを中心とした関係を示すグラフに基づいて、ゲームの推奨を提供するシステム及び方法 | |
KR102661495B1 (ko) | 맞춤화된 보완 미디어 콘텐츠의 동적 통합 | |
CN111737449B (zh) | 相似问题的确定方法和装置、存储介质及电子装置 | |
CN111523050B (zh) | 内容推荐方法、服务器及存储介质 | |
CN111581521A (zh) | 群组成员的推荐方法、装置、服务器、存储介质及*** | |
CN109033190A (zh) | 一种推荐信息的推送方法、装置及设备 | |
CN104579709A (zh) | 数据对象共享的方法和***、及电子设备 | |
CN109190042A (zh) | 一种应用推荐方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160309 |
|
RJ01 | Rejection of invention patent application after publication |