CN113304482A - 应用于云计算的云游戏玩家画像处理方法、服务器及介质 - Google Patents
应用于云计算的云游戏玩家画像处理方法、服务器及介质 Download PDFInfo
- Publication number
- CN113304482A CN113304482A CN202110597723.4A CN202110597723A CN113304482A CN 113304482 A CN113304482 A CN 113304482A CN 202110597723 A CN202110597723 A CN 202110597723A CN 113304482 A CN113304482 A CN 113304482A
- Authority
- CN
- China
- Prior art keywords
- event
- target
- game scenario
- training
- network
- 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.)
- Withdrawn
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
- A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
- A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
-
- 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
- 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
- A63F2300/5546—Details of game data or player data management using player registration data, e.g. identification, account, preferences, game history
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及云计算和云游戏技术领域,涉及应用于云计算的云游戏玩家画像处理方法、服务器及介质,先基于目标游戏剧情事件对应的历史游戏剧情事件内容和优化指示内容自适应地获取目标游戏剧情事件对应的目标解析情况,然后基于目标解析情况自适应地得到目标玩家画像图谱在目标游戏剧情事件中的全局优化情况。基于上述技术方案,能够实现对玩家画像图谱的自适应优化,玩家画像图谱的优化过程无需进行手动操作和调试,有助于提高对游戏剧情事件中的玩家画像图谱进行优化的效率,确保得到的玩家画像图谱的优化情况的具有较高的可靠性。如此,能够实现对玩家画像图谱的缺失校正和噪声去除,以确保游戏剧情事件中的玩家画像图谱的质量和可信度。
Description
技术领域
本申请实施例涉及云计算和云游戏技术领域,具体涉及一种应用于云计算的云游戏玩家画像处理方法、服务器及介质。
背景技术
随着云计算的发展,各类业务处理和交互也逐渐云端化。云游戏作为云时代其中一个产物,能够给玩家带来更加酷炫的游戏体验,同时可以有效减少玩家的游戏投入成本。
现目前,各大游戏服务商为了确保玩家存留率,通常会根据玩家画像进行游戏功能和游戏服务的优化。因此,玩家画像的质量好坏几乎直接决定游戏的相关服务功能优化的针对性。然而在实际的云游戏运行过程中,玩家画像的质量难以得到保证,且针对玩家画像的优化技术也存在效率低下的问题。
发明内容
有鉴于此,本申请实施例提供了一种应用于云计算的云游戏玩家画像处理方法、服务器及介质。
本申请实施例提供了一种应用于云计算的云游戏玩家画像处理方法,应用于云计算服务器,包括:
获取目标玩家画像图谱对应的目标游戏剧情事件、所述目标游戏剧情事件对应的历史游戏剧情事件内容以及所述目标游戏剧情事件对应的优化指示内容,所述优化指示内容基于所述目标玩家画像图谱在所述目标游戏剧情事件中的分治优化情况确定;
调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况,所述目标解析情况用于表达所述目标游戏剧情事件中的各个游戏操作项目的目标类型,任一游戏操作项目的目标类型用于表达所述任一游戏操作项目属于所述目标玩家画像图谱或者所述任一游戏操作项目不属于所述目标玩家画像图谱;
基于所述目标解析情况,在所述目标游戏剧情事件中对所述目标玩家画像图谱进行优化,得到所述目标玩家画像图谱在所述目标游戏剧情事件中的全局优化情况。
可选的,所述调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况,包括:
调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容的拼接内容,依次执行第一参考数量次事件挖掘处理,得到所述目标游戏剧情事件对应的第一目标事件特征;
基于所述第一目标事件特征对应的目标事件加权特征,依次执行所述第一参考数量次特征扩展处理,得到所述目标游戏剧情事件对应的第二目标事件特征;
对所述第二目标事件特征进行目标加权处理,得到所述目标游戏剧情事件对应的目标解析情况。
可选的,所述第一参考数量次为三次,任一次事件挖掘处理包括一次加权处理和一次去冗余处理;所述基于所述历史游戏剧情事件内容和所述优化指示内容的拼接内容,依次执行第一参考数量次事件挖掘处理,得到所述目标游戏剧情事件对应的第一目标事件特征,包括:
对所述历史游戏剧情事件内容和所述优化指示内容的拼接内容进行第一加权处理,得到所述目标游戏剧情事件对应的第一事件加权特征;
对所述第一事件加权特征进行第一去冗余处理,得到所述目标游戏剧情事件对应的第一去冗余事件特征;
对所述第一去冗余事件特征进行第二加权处理,得到所述目标游戏剧情事件对应的第二事件加权特征;
对所述第二事件加权特征进行第二去冗余处理,得到所述目标游戏剧情事件对应的第二去冗余事件特征;
对所述第二去冗余事件特征进行第三加权处理,得到所述目标游戏剧情事件对应的第三事件加权特征;
对所述第三事件加权特征进行第三去冗余处理,得到所述目标游戏剧情事件对应的第一目标事件特征。
可选的,任一次特征扩展处理包括一次逆向加权处理和一次加权处理;所述基于所述第一目标事件特征对应的目标事件加权特征,依次执行所述第一参考数量次特征扩展处理,得到所述目标游戏剧情事件对应的第二目标事件特征,包括:
对所述第一目标事件特征对应的目标事件加权特征进行第一逆向加权处理,得到所述目标游戏剧情事件对应的第一事件扩展特征;
对所述第一事件扩展特征和所述第三事件加权特征的事件拼接特征进行第四加权处理,得到所述目标游戏剧情事件对应的第***加权特征;
对所述第***加权特征进行第二逆向加权处理,得到所述目标游戏剧情事件对应的第二事件扩展特征;
对所述第二事件扩展特征和所述第二事件加权特征的事件拼接特征进行第五加权处理,得到所述目标游戏剧情事件对应的第五事件加权特征;
对所述第五事件加权特征进行第三逆向加权处理,得到所述目标游戏剧情事件对应的第三事件扩展特征;
对所述第三事件扩展特征和所述第一事件加权特征的事件拼接特征进行第六加权处理,得到所述目标游戏剧情事件对应的第二目标事件特征。
可选的,所述调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况之后,所述方法还包括:
调用目标识别网络,基于所述历史游戏剧情事件内容和所述目标解析情况,获取目标优化可信度信息。
可选的,所述目标识别网络包括依次连接的一个或多个加权子网、一个或多个分类子网和一个可信度检测子网;所述调用目标识别网络,基于所述历史游戏剧情事件内容和所述目标解析情况,获取目标优化可信度信息,包括:
将所述历史游戏剧情事件内容和所述目标解析情况传入所述目标识别网络中的第一个加权子网进行处理,得到所述第一个加权子网输出的识别事件特征;
从第二个加权子网开始,将上一个加权子网输出的识别事件特征传入下一个加权子网进行处理,得到下一个加权子网输出的识别事件特征;
将最后一个加权子网输出的识别事件特征传入第一个分类子网进行处理,得到所述第一个分类子网输出的分类事件特征;
从第二个分类子网开始,将上一个分类子网输出的分类事件特征传入下一个分类子网进行处理,得到下一个分类子网输出的分类事件特征;
将最后一个分类子网输出的分类事件特征传入所述可信度检测子网进行处理,得到所述可信度检测子网输出的所述目标优化可信度信息。
可选的,所述调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况之前,所述方法还包括:
获取一个或多个训练游戏剧情事件、所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况;
基于所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况对初始解析网络进行网络训练,得到所述目标解析网络。
可选的,所述调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况之前,所述方法还包括:
获取一个或多个训练游戏剧情事件、所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况;
基于所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况对初始解析网络和初始识别网络进行干扰训练,得到所述目标解析网络和所述目标识别网络;
相应的,所述基于所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况对初始解析网络和初始识别网络进行干扰训练,得到所述目标解析网络和所述目标识别网络,包括:
调用所述初始解析网络,基于所述一个或多个训练游戏剧情事件中的第一训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第一训练游戏剧情事件对应的优化指示训练内容,获取所述第一训练游戏剧情事件对应的检测解析情况;
调用所述初始识别网络,基于所述第一训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第一训练游戏剧情事件对应的检测解析情况,获取第一优化可信度信息;
基于所述第一训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第一训练游戏剧情事件对应的基准解析情况,获取第二优化可信度信息;基于所述第一优化可信度信息和所述第二优化可信度信息,确定第一网络性能评价;
基于所述第一网络性能评价改进所述初始识别网络的网络参量;
响应于所述初始识别网络的网络参量的改进过程符合第一完成条件,得到第一识别网络;
调用所述初始解析网络,基于所述一个或多个第一训练游戏剧情事件中的第二训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第二训练游戏剧情事件对应的优化指示训练内容,获取所述第二训练游戏剧情事件对应的检测解析情况;
调用所述第一识别网络,基于所述第二训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第二训练游戏剧情事件对应的检测解析情况,获取第三优化可信度信息;
基于所述第三优化可信度信息、所述第二训练游戏剧情事件对应的检测解析情况和所述第二训练游戏剧情事件对应的基准解析情况,确定第二网络性能评价;
基于所述第二网络性能评价改进所述初始解析网络的网络参量;
响应于所述初始解析网络的网络参量的改进过程符合第二完成条件,得到第一解析网络;
响应于干扰训练过程不符合目标完成条件,继续对所述第一识别网络和所述第一解析网络进行干扰训练,直至干扰训练过程符合所述目标完成条件,得到所述目标识别网络和所述目标解析网络。
本申请实施例还提供了一种云计算服务器,包括处理器、通信总线和存储器;所述处理器和所述存储器通过所述通信总线通信,所述处理器从所述存储器中读取计算机程序并运行,以执行上述的方法。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序在运行时实现上述的方法。
相较于现有技术,本申请实施例提供的应用于云计算的云游戏玩家画像处理方法、服务器及介质具有以下技术效果:在本申请实施例中,先基于目标游戏剧情事件对应的历史游戏剧情事件内容和优化指示内容自适应地获取目标游戏剧情事件对应的目标解析情况,然后基于目标解析情况自适应地得到目标玩家画像图谱在目标游戏剧情事件中的全局优化情况。基于上述技术方案,能够实现对玩家画像图谱的自适应优化,玩家画像图谱的优化过程无需进行手动操作和调试,有助于提高对游戏剧情事件中的玩家画像图谱进行优化的效率,确保得到的玩家画像图谱的优化情况的具有较高的可靠性。如此,能够实现对玩家画像图谱的缺失校正和噪声去除,以确保游戏剧情事件中的玩家画像图谱的质量和可信度。
在后面的描述中,将部分地陈述其他的特征。在检查后面内容和附图时,本领域的技术人员将部分地发现这些特征,或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面,当前申请中的特征可以被实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例所提供的一种云计算服务器的方框示意图。
图2为本申请实施例所提供的一种应用于云计算的云游戏玩家画像处理方法的流程图。
图3为本申请实施例所提供的一种应用于云计算的云游戏玩家画像处理装置的框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本申请的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
图1示出了本申请实施例所提供的一种云计算服务器10的方框示意图。本申请实施例中的云计算服务器10可以为具有数据存储、传输、处理功能的服务端,如图1所示,云计算服务器10包括:存储器11、处理器12、通信总线13和应用于云计算的云游戏玩家画像处理装置20。
存储器11、处理器12和通信总线13之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有应用于云计算的云游戏玩家画像处理装置20,所述应用于云计算的云游戏玩家画像处理装置20包括至少一个可以软件或固件(firmware)的形式储存于所述存储器11中的软件功能模块,所述处理器12通过运行存储在存储器11内的软件程序以及模块,例如本申请实施例中的应用于云计算的云游戏玩家画像处理装置20,从而执行各种功能应用以及数据处理,即实现本申请实施例中的应用于云计算的云游戏玩家画像处理方法。
其中,所述存储器11可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器11用于存储程序,所述处理器12在接收到执行指令后,执行所述程序。
所述处理器12可能是一种集成电路芯片,具有数据的处理能力。上述的处理器12可以是通用处理器,包括中央处理器 (Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
通信总线13用于通过网络建立云计算服务器10与其他通信终端设备之间的通信连接,实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解,图1所示的结构仅为示意,云计算服务器10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序在运行时实现上述的方法。
图2示出了本申请实施例所提供的一种应用于云计算的云游戏玩家画像处理的流程图。所述方法有关的流程所定义的方法步骤应用于云计算服务器10,可以由所述处理器12实现,所述方法包括以下S21-S23。
S21、获取目标玩家画像图谱对应的目标游戏剧情事件、所述目标游戏剧情事件对应的历史游戏剧情事件内容以及所述目标游戏剧情事件对应的优化指示内容。
在本申请实施例中,所述优化指示内容基于所述目标玩家画像图谱在所述目标游戏剧情事件中的分治优化情况确定。
例如,目标画像玩家图谱可以是玩家画像知识库或者知识图谱,用以对玩家画像信息进行可视化层面的关联和存储,便于后续对游戏玩家画像进行大数据挖掘分析。进一步地,目标游戏剧情事件可以对应于不同的游戏场景或者游戏副本。相应的,历史游戏剧情事件内容可以理解为原始的游戏剧情事件内容。
此外,优化指示内容可以理解为图谱优化过程中的参考数据,而分治优化情况可以理解为局部优化结果。分治处理的基本思想是将一个规模为n的问题分解为m个规模较小的子问题,这些子问题相互独立且与原问题性质相同,求出子问题的解,便可得到原问题的解。本申请实施例通过结合分治处理,能够提高目标玩家画像图谱的优化效率和质量。
S22、调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况。
在本申请实施例中,所述目标解析情况用于表达所述目标游戏剧情事件中的各个游戏操作项目的目标类型,任一游戏操作项目的目标类型用于表达所述任一游戏操作项目属于所述目标玩家画像图谱或者所述任一游戏操作项目不属于所述目标玩家画像图谱。
例如,游戏操作项目可以是不同的游戏功能,比如打怪、PK等。目标解析网络可以是基于人工智能的机器学习模型。基于此,上述S22所描述的调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况,可以包括以下S221-S223所描述的技术方案。
S221、调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容的拼接内容,依次执行第一参考数量次事件挖掘处理,得到所述目标游戏剧情事件对应的第一目标事件特征。
例如,所述历史游戏剧情事件内容和所述优化指示内容的拼接内容可以理解为所述历史游戏剧情事件内容和所述优化指示内容的的融合内容。事件特征可以从不同角度对目标游戏剧情事件进行描述,相应的,事件特征可以是特征向量或者特征图。
在一些可能的实施例中,所述第一参考数量次可以为三次,任一次事件挖掘处理包括一次加权处理和一次去冗余处理。基于此,上述S221所描述的基于所述历史游戏剧情事件内容和所述优化指示内容的拼接内容,依次执行第一参考数量次事件挖掘处理,得到所述目标游戏剧情事件对应的第一目标事件特征,可以包括以下S2211-S2216。
S2211、对所述历史游戏剧情事件内容和所述优化指示内容的拼接内容进行第一加权处理,得到所述目标游戏剧情事件对应的第一事件加权特征。
S2212、对所述第一事件加权特征进行第一去冗余处理,得到所述目标游戏剧情事件对应的第一去冗余事件特征。
S2213、对所述第一去冗余事件特征进行第二加权处理,得到所述目标游戏剧情事件对应的第二事件加权特征。
S2214、对所述第二事件加权特征进行第二去冗余处理,得到所述目标游戏剧情事件对应的第二去冗余事件特征。
S2215、对所述第二去冗余事件特征进行第三加权处理,得到所述目标游戏剧情事件对应的第三事件加权特征。
S2216、对所述第三事件加权特征进行第三去冗余处理,得到所述目标游戏剧情事件对应的第一目标事件特征。
可以理解的是,通过上述的层次化加权处理和去冗余处理,能够在确保第一目标事件特征的特征识别度前提下尽可能减少第一目标事件特征的特征维度数,从而节约云计算服务器的资源开销。
S222、基于所述第一目标事件特征对应的目标事件加权特征,依次执行所述第一参考数量次特征扩展处理,得到所述目标游戏剧情事件对应的第二目标事件特征。
例如,目标事件加权特征可以理解为卷积特征,特征扩展处理可以理解为上采样处理。相应的,第二目标事件特征的特征维度数大于第一目标事件特征的特征维度数。
在一些示例中,任一次特征扩展处理包括一次逆向加权处理和一次加权处理。基于此,上述S222所描述的基于所述第一目标事件特征对应的目标事件加权特征,依次执行所述第一参考数量次特征扩展处理,得到所述目标游戏剧情事件对应的第二目标事件特征,可以包括以下S2221-S2226。
S2221、对所述第一目标事件特征对应的目标事件加权特征进行第一逆向加权处理,得到所述目标游戏剧情事件对应的第一事件扩展特征。
S2222、对所述第一事件扩展特征和所述第三事件加权特征的事件拼接特征进行第四加权处理,得到所述目标游戏剧情事件对应的第***加权特征。
S2223、对所述第***加权特征进行第二逆向加权处理,得到所述目标游戏剧情事件对应的第二事件扩展特征。
S2224、对所述第二事件扩展特征和所述第二事件加权特征的事件拼接特征进行第五加权处理,得到所述目标游戏剧情事件对应的第五事件加权特征。
S2225、对所述第五事件加权特征进行第三逆向加权处理,得到所述目标游戏剧情事件对应的第三事件扩展特征。
S2226、对所述第三事件扩展特征和所述第一事件加权特征的事件拼接特征进行第六加权处理,得到所述目标游戏剧情事件对应的第二目标事件特征。
可以理解的是,通过上述S2221-S2226,能够进行层次化的逆向加权处理和加权处理,从而可以确保第二目标事件特征的特征全面性的前提下尽可能减少第二目标事件特征的特征维度数,这样可以节约云计算服务器的资源开销。
S223、对所述第二目标事件特征进行目标加权处理,得到所述目标游戏剧情事件对应的目标解析情况。
例如,目标加权处理可以理解为目标卷积处理,这样可以确保目标解析情况的完整性和精确性。
可以理解,通过上述S221-S223,能够通过层次化的特征处理确保得到的目标解析情况的完整性和准确性。
在一些可能的实施例中,在S22所描述的调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况之后,该方法还可以包括以下技术方案:调用目标识别网络,基于所述历史游戏剧情事件内容和所述目标解析情况,获取目标优化可信度信息。
其中,优化可信度信息可以是玩家画像图谱在优化过程中的置信度信息。
在相关的实施例中,所述目标识别网络包括依次连接的一个或多个加权子网、一个或多个分类子网和一个可信度检测子网。基于此,上述步骤所描述的调用目标识别网络,基于所述历史游戏剧情事件内容和所述目标解析情况,获取目标优化可信度信息,可以包括以下技术方案:将所述历史游戏剧情事件内容和所述目标解析情况传入所述目标识别网络中的第一个加权子网进行处理,得到所述第一个加权子网输出的识别事件特征;从第二个加权子网开始,将上一个加权子网输出的识别事件特征传入下一个加权子网进行处理,得到下一个加权子网输出的识别事件特征;将最后一个加权子网输出的识别事件特征传入第一个分类子网进行处理,得到所述第一个分类子网输出的分类事件特征;从第二个分类子网开始,将上一个分类子网输出的分类事件特征传入下一个分类子网进行处理,得到下一个分类子网输出的分类事件特征;将最后一个分类子网输出的分类事件特征传入所述可信度检测子网进行处理,得到所述可信度检测子网输出的所述目标优化可信度信息。
如此设计,通过结合不同的子网进行可信度分析,能够准确确定出目标优化可信度信息。
在另外的一些可选的实施例中,在S22所描述的调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况之前,该方法还可以包括以下内容:获取一个或多个训练游戏剧情事件、所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况;基于所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况对初始解析网络进行网络训练,得到所述目标解析网络。
对于一些可能的实施例而言,S22所描述的调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况之前,该方法还可以包括:获取一个或多个训练游戏剧情事件、所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况;基于所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况对初始解析网络和初始识别网络进行干扰训练,得到所述目标解析网络和所述目标识别网络。
进一步地,上述步骤所描述的基于所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况对初始解析网络和初始识别网络进行干扰训练,得到所述目标解析网络和所述目标识别网络,可以包括以下S2001-S2011。
S2001、调用所述初始解析网络,基于所述一个或多个训练游戏剧情事件中的第一训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第一训练游戏剧情事件对应的优化指示训练内容,获取所述第一训练游戏剧情事件对应的检测解析情况。
S2002、调用所述初始识别网络,基于所述第一训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第一训练游戏剧情事件对应的检测解析情况,获取第一优化可信度信息。
S2003、基于所述第一训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第一训练游戏剧情事件对应的基准解析情况,获取第二优化可信度信息;基于所述第一优化可信度信息和所述第二优化可信度信息,确定第一网络性能评价。
S2004、基于所述第一网络性能评价改进所述初始识别网络的网络参量。
S2005、响应于所述初始识别网络的网络参量的改进过程符合第一完成条件,得到第一识别网络。
S2006、调用所述初始解析网络,基于所述一个或多个第一训练游戏剧情事件中的第二训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第二训练游戏剧情事件对应的优化指示训练内容,获取所述第二训练游戏剧情事件对应的检测解析情况。
S2007、调用所述第一识别网络,基于所述第二训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第二训练游戏剧情事件对应的检测解析情况,获取第三优化可信度信息。
S2008、基于所述第三优化可信度信息、所述第二训练游戏剧情事件对应的检测解析情况和所述第二训练游戏剧情事件对应的基准解析情况,确定第二网络性能评价。
S2009、基于所述第二网络性能评价改进所述初始解析网络的网络参量。
S2010、响应于所述初始解析网络的网络参量的改进过程符合第二完成条件,得到第一解析网络。
S2011、响应于干扰训练过程不符合目标完成条件,继续对所述第一识别网络和所述第一解析网络进行干扰训练,直至干扰训练过程符合所述目标完成条件,得到所述目标识别网络和所述目标解析网络。
在上述S2001-S2011中,干扰训练可以理解为对抗训练,网络性能评价可以理解为损失函数,网络参量可以是模型参数。相应的,目标完成条件可以是预测准确率达到设定值,亦或者配合预测结果输出耗时所设置的条件。这样一来,可以确保所述目标识别网络和所述目标解析网络的运行性能。
S23、基于所述目标解析情况,在所述目标游戏剧情事件中对所述目标玩家画像图谱进行优化,得到所述目标玩家画像图谱在所述目标游戏剧情事件中的全局优化情况。
例如,对目标玩家画像图谱进行优化可以是对出现问题的图谱元素或者图谱要素进行修复,比如修复缺失的图谱标签,又比如修复存在错误或者逻辑矛盾的图谱有向连边等。此外,还可以对目标玩家画像图谱中的相关噪声信息进行去除,以确保游戏剧情事件中的玩家画像图谱的质量和可信度。
在一些选择性的实施例中,所述目标玩家画像图谱为目标图数据集,所述目标游戏剧情事件从包含所述目标图数据集的动态游戏剧情事件中获取得到。
在一些选择性的实施例中,所述任一游戏操作项目的目标类型用于表达所述任一游戏操作项目属于所述目标图数据集或者所述任一游戏操作项目不属于所述目标图数据集。基于此,S23所描述的基于所述目标解析情况,在所述目标游戏剧情事件中对所述目标玩家画像图谱进行优化,得到所述目标玩家画像图谱在所述目标游戏剧情事件中的全局优化情况,可以包括以下内容:基于所述目标解析情况,在所述目标游戏剧情事件中的各个游戏操作项目中确定属于所述目标图数据集的目标游戏操作项目;基于所述目标游戏操作项目,在所述目标游戏剧情事件中定位出所述目标图数据集的图单元以及所述目标图数据集的图单元之间的关联情况,得到目标定位情况;基于所述目标定位情况,获取所述目标图数据集在所述目标游戏剧情事件中的全局优化情况。进一步地,目标定位情况可以是针对图单元的标记结果,如此设计,能够基于精准化定位的图单元实现全局优化情况的准确确定。
在一些选择性的实施例中,所述目标游戏剧情事件为初始游戏剧情事件中与所述目标玩家画像图谱对应的起始分治游戏剧情事件。基于此,在上述S23所描述的基于所述目标解析情况,在所述目标游戏剧情事件中对所述目标玩家画像图谱进行优化,得到所述目标玩家画像图谱在所述目标游戏剧情事件中的全局优化情况之后,该方法还可以包括S251-S253。
S251、响应于所述目标玩家画像图谱在所述目标游戏剧情事件中的全局优化情况不符合优化完成条件,基于所述目标玩家画像图谱在所述目标游戏剧情事件中的全局优化情况,在所述初始游戏剧情事件中获取与所述目标玩家画像图谱对应的下一个分治游戏剧情事件。
例如,分治游戏剧情事件可以是拆分之后的游戏剧情事件。进一步地,优化完成条件可以是图谱的错误率或者噪声率低于设定值。
S252、获取所述目标玩家画像图谱在所述下一个分治游戏剧情事件中的全局优化情况。
S253、响应于所述目标玩家画像图谱在所述下一个分治游戏剧情事件中的全局优化情况符合所述优化完成条件,基于已获取的所述目标玩家画像图谱在各个分治游戏剧情事件中的全局优化情况,获取所述目标玩家画像图谱在所述初始游戏剧情事件中的全局优化情况。
可以理解的是,通过上述S251-S253,能够通过分治游戏剧情事件对目标玩家画像图谱的优化情况进行分析,从而确保目标玩家画像图谱的全局优化情况的可信度。
本申请实施例提供的技术方案至少带来如下有益效果:在本申请实施例中,先基于目标游戏剧情事件对应的历史游戏剧情事件内容和优化指示内容自适应地获取目标游戏剧情事件对应的目标解析情况,然后基于目标解析情况自适应地得到目标玩家画像图谱在目标游戏剧情事件中的全局优化情况。基于上述技术方案,能够实现对玩家画像图谱的自适应优化,玩家画像图谱的优化过程无需进行手动操作和调试,有助于提高对游戏剧情事件中的玩家画像图谱进行优化的效率,确保得到的玩家画像图谱的优化情况的具有较高的可靠性。如此,能够实现对玩家画像图谱的缺失校正和噪声去除,以确保游戏剧情事件中的玩家画像图谱的质量和可信度。
基于上述同样的发明构思,还提供了一种应用于云计算的云游戏玩家画像处理装置20,应用于云计算服务器10,所述装置包括:
获取模块21,用于获取目标玩家画像图谱对应的目标游戏剧情事件、所述目标游戏剧情事件对应的历史游戏剧情事件内容以及所述目标游戏剧情事件对应的优化指示内容,所述优化指示内容基于所述目标玩家画像图谱在所述目标游戏剧情事件中的分治优化情况确定;
调用模块22,用于调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况,所述目标解析情况用于表达所述目标游戏剧情事件中的各个游戏操作项目的目标类型,任一游戏操作项目的目标类型用于表达所述任一游戏操作项目属于所述目标玩家画像图谱或者所述任一游戏操作项目不属于所述目标玩家画像图谱;
优化模块23,用于基于所述目标解析情况,在所述目标游戏剧情事件中对所述目标玩家画像图谱进行优化,得到所述目标玩家画像图谱在所述目标游戏剧情事件中的全局优化情况。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、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。在这点上,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,所述模块、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方式中,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,两个连续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,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,云计算服务器10,或者网络设备等)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-Only Memory)、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。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种应用于云计算的云游戏玩家画像处理方法,其特征在于,所述方法包括:
获取目标玩家画像图谱对应的目标游戏剧情事件、所述目标游戏剧情事件对应的历史游戏剧情事件内容以及所述目标游戏剧情事件对应的优化指示内容,所述优化指示内容基于所述目标玩家画像图谱在所述目标游戏剧情事件中的分治优化情况确定;
调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况,所述目标解析情况用于表达所述目标游戏剧情事件中的各个游戏操作项目的目标类型,任一游戏操作项目的目标类型用于表达所述任一游戏操作项目属于所述目标玩家画像图谱或者所述任一游戏操作项目不属于所述目标玩家画像图谱;
基于所述目标解析情况,在所述目标游戏剧情事件中对所述目标玩家画像图谱进行优化,得到所述目标玩家画像图谱在所述目标游戏剧情事件中的全局优化情况。
2.根据权利要求1所述的方法,其特征在于,所述调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况,包括:
调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容的拼接内容,依次执行第一参考数量次事件挖掘处理,得到所述目标游戏剧情事件对应的第一目标事件特征;
基于所述第一目标事件特征对应的目标事件加权特征,依次执行所述第一参考数量次特征扩展处理,得到所述目标游戏剧情事件对应的第二目标事件特征;
对所述第二目标事件特征进行目标加权处理,得到所述目标游戏剧情事件对应的目标解析情况。
3.根据权利要求2所述的方法,其特征在于,所述第一参考数量次为三次,任一次事件挖掘处理包括一次加权处理和一次去冗余处理;所述基于所述历史游戏剧情事件内容和所述优化指示内容的拼接内容,依次执行第一参考数量次事件挖掘处理,得到所述目标游戏剧情事件对应的第一目标事件特征,包括:
对所述历史游戏剧情事件内容和所述优化指示内容的拼接内容进行第一加权处理,得到所述目标游戏剧情事件对应的第一事件加权特征;
对所述第一事件加权特征进行第一去冗余处理,得到所述目标游戏剧情事件对应的第一去冗余事件特征;
对所述第一去冗余事件特征进行第二加权处理,得到所述目标游戏剧情事件对应的第二事件加权特征;
对所述第二事件加权特征进行第二去冗余处理,得到所述目标游戏剧情事件对应的第二去冗余事件特征;
对所述第二去冗余事件特征进行第三加权处理,得到所述目标游戏剧情事件对应的第三事件加权特征;
对所述第三事件加权特征进行第三去冗余处理,得到所述目标游戏剧情事件对应的第一目标事件特征。
4.根据权利要求3所述的方法,其特征在于,任一次特征扩展处理包括一次逆向加权处理和一次加权处理;所述基于所述第一目标事件特征对应的目标事件加权特征,依次执行所述第一参考数量次特征扩展处理,得到所述目标游戏剧情事件对应的第二目标事件特征,包括:
对所述第一目标事件特征对应的目标事件加权特征进行第一逆向加权处理,得到所述目标游戏剧情事件对应的第一事件扩展特征;
对所述第一事件扩展特征和所述第三事件加权特征的事件拼接特征进行第四加权处理,得到所述目标游戏剧情事件对应的第***加权特征;
对所述第***加权特征进行第二逆向加权处理,得到所述目标游戏剧情事件对应的第二事件扩展特征;
对所述第二事件扩展特征和所述第二事件加权特征的事件拼接特征进行第五加权处理,得到所述目标游戏剧情事件对应的第五事件加权特征;
对所述第五事件加权特征进行第三逆向加权处理,得到所述目标游戏剧情事件对应的第三事件扩展特征;
对所述第三事件扩展特征和所述第一事件加权特征的事件拼接特征进行第六加权处理,得到所述目标游戏剧情事件对应的第二目标事件特征。
5.根据权利要求1-4任一所述的方法,其特征在于,所述调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况之后,所述方法还包括:
调用目标识别网络,基于所述历史游戏剧情事件内容和所述目标解析情况,获取目标优化可信度信息。
6.根据权利要求5所述的方法,其特征在于,所述目标识别网络包括依次连接的一个或多个加权子网、一个或多个分类子网和一个可信度检测子网;所述调用目标识别网络,基于所述历史游戏剧情事件内容和所述目标解析情况,获取目标优化可信度信息,包括:
将所述历史游戏剧情事件内容和所述目标解析情况传入所述目标识别网络中的第一个加权子网进行处理,得到所述第一个加权子网输出的识别事件特征;
从第二个加权子网开始,将上一个加权子网输出的识别事件特征传入下一个加权子网进行处理,得到下一个加权子网输出的识别事件特征;
将最后一个加权子网输出的识别事件特征传入第一个分类子网进行处理,得到所述第一个分类子网输出的分类事件特征;
从第二个分类子网开始,将上一个分类子网输出的分类事件特征传入下一个分类子网进行处理,得到下一个分类子网输出的分类事件特征;
将最后一个分类子网输出的分类事件特征传入所述可信度检测子网进行处理,得到所述可信度检测子网输出的所述目标优化可信度信息。
7.根据权利要求1-4任一所述的方法,其特征在于,所述调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况之前,所述方法还包括:
获取一个或多个训练游戏剧情事件、所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况;
基于所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况对初始解析网络进行网络训练,得到所述目标解析网络。
8.根据权利要求5所述的方法,其特征在于,所述调用目标解析网络,基于所述历史游戏剧情事件内容和所述优化指示内容,获取所述目标游戏剧情事件对应的目标解析情况之前,所述方法还包括:
获取一个或多个训练游戏剧情事件、所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况;
基于所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况对初始解析网络和初始识别网络进行干扰训练,得到所述目标解析网络和所述目标识别网络;
相应的,所述基于所述一个或多个训练游戏剧情事件分别对应的历史训练游戏剧情事件内容、所述一个或多个训练游戏剧情事件分别对应的优化指示训练内容以及所述一个或多个训练游戏剧情事件分别对应的基准解析情况对初始解析网络和初始识别网络进行干扰训练,得到所述目标解析网络和所述目标识别网络,包括:
调用所述初始解析网络,基于所述一个或多个训练游戏剧情事件中的第一训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第一训练游戏剧情事件对应的优化指示训练内容,获取所述第一训练游戏剧情事件对应的检测解析情况;
调用所述初始识别网络,基于所述第一训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第一训练游戏剧情事件对应的检测解析情况,获取第一优化可信度信息;
基于所述第一训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第一训练游戏剧情事件对应的基准解析情况,获取第二优化可信度信息;基于所述第一优化可信度信息和所述第二优化可信度信息,确定第一网络性能评价;
基于所述第一网络性能评价改进所述初始识别网络的网络参量;
响应于所述初始识别网络的网络参量的改进过程符合第一完成条件,得到第一识别网络;
调用所述初始解析网络,基于所述一个或多个第一训练游戏剧情事件中的第二训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第二训练游戏剧情事件对应的优化指示训练内容,获取所述第二训练游戏剧情事件对应的检测解析情况;
调用所述第一识别网络,基于所述第二训练游戏剧情事件对应的历史训练游戏剧情事件内容和所述第二训练游戏剧情事件对应的检测解析情况,获取第三优化可信度信息;
基于所述第三优化可信度信息、所述第二训练游戏剧情事件对应的检测解析情况和所述第二训练游戏剧情事件对应的基准解析情况,确定第二网络性能评价;
基于所述第二网络性能评价改进所述初始解析网络的网络参量;
响应于所述初始解析网络的网络参量的改进过程符合第二完成条件,得到第一解析网络;
响应于干扰训练过程不符合目标完成条件,继续对所述第一识别网络和所述第一解析网络进行干扰训练,直至干扰训练过程符合所述目标完成条件,得到所述目标识别网络和所述目标解析网络。
9.一种云计算服务器,其特征在于,包括处理器、通信总线和存储器;所述处理器和所述存储器通过所述通信总线通信,所述处理器从所述存储器中读取计算机程序并运行,以执行权利要求1-8任一项所述的方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序在运行时实现权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110597723.4A CN113304482A (zh) | 2021-05-31 | 2021-05-31 | 应用于云计算的云游戏玩家画像处理方法、服务器及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110597723.4A CN113304482A (zh) | 2021-05-31 | 2021-05-31 | 应用于云计算的云游戏玩家画像处理方法、服务器及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113304482A true CN113304482A (zh) | 2021-08-27 |
Family
ID=77376247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110597723.4A Withdrawn CN113304482A (zh) | 2021-05-31 | 2021-05-31 | 应用于云计算的云游戏玩家画像处理方法、服务器及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113304482A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116049893A (zh) * | 2023-02-17 | 2023-05-02 | 何宁 | 一种应对云服务的敏感软件大数据处理方法及服务器 |
-
2021
- 2021-05-31 CN CN202110597723.4A patent/CN113304482A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116049893A (zh) * | 2023-02-17 | 2023-05-02 | 何宁 | 一种应对云服务的敏感软件大数据处理方法及服务器 |
CN116049893B (zh) * | 2023-02-17 | 2023-12-22 | 飞渡航天科技有限公司 | 一种应对云服务的敏感软件大数据处理方法及服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112348765A (zh) | 数据增强方法、装置、计算机可读存储介质及终端设备 | |
CN114139209B (zh) | 一种应用于业务用户大数据的信息防窃取方法及*** | |
US20220207714A1 (en) | Product defect detection method, computing device, and storage medium | |
CN110909804B (zh) | 基站异常数据的检测方法、装置、服务器和存储介质 | |
CN114338413A (zh) | 网络中设备的拓扑关系的确定方法、装置以及存储介质 | |
CN113304482A (zh) | 应用于云计算的云游戏玩家画像处理方法、服务器及介质 | |
CN115118627A (zh) | 一种临时限速服务器测试方法及装置 | |
CN112163019B (zh) | 基于区块链的可信电子批记录处理方法及区块链服务平台 | |
CN104112056B (zh) | 数据处理的故障检测方法和*** | |
CN112862730A (zh) | 点云特征增强方法、装置、计算机设备和存储介质 | |
CN112801156B (zh) | 用于人工智能机器学习的业务大数据采集方法及服务器 | |
CN114240654A (zh) | 基于交易链路的性能能力透视方法、***、设备及可读存储介质 | |
CN115587017A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN110347699B (zh) | 确定身份证相关实体活跃度的方法及装置 | |
CN111385342B (zh) | 一种物联网行业识别方法、装置、电子设备及存储介质 | |
CN114022049B (zh) | 一种基于云计算的智慧业务信息风险处理方法及*** | |
CN110647473A (zh) | 自动化回归测试的抗干扰方法、装置、计算机设备及存储介质 | |
CN110955595A (zh) | 问题修复方法、装置、电子设备及计算机可读存储介质 | |
CN115280374A (zh) | 标注方法和装置 | |
CN113448746B (zh) | 配置处理方法、配置平台及相关设备 | |
CN115190110B (zh) | 一种地理位置确定方法和装置 | |
CN118094450B (zh) | 一种故障预警方法及相关设备 | |
CN111143644A (zh) | 物联网设备的识别方法及装置 | |
CN112242951B (zh) | 一种虚拟网映射方法和装置 | |
CN113823082B (zh) | 导航数据处理方法、装置、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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210827 |
|
WW01 | Invention patent application withdrawn after publication |