[发明专利]多玩家视频游戏匹配优化

说明书

本文呈现的系统的实施方案可以识别待包括在匹配计划中的用户。可以生成参数模型，以预测一组用户的保留时间。可以从等待用户的队列中选择潜在用户队列、一组队友和/或对手。可以将该组队友和/或对手的用户信息提供至参数模型，以生成预测的保留时间。如果预测的保留时间满足预定阈值，则可以批准该组队友和/或对手。有利地，通过基于保留率创建匹配计划，相比于现有的多玩家匹配系统，可以提高多个用户的参与和/或保留程度。

背景技术

软件开发者通常期望他们的软件使用户尽可能长久地参与。用户参与软件的时间越长，软件越有可能成功。关于视频游戏，用户的参与时长与软件的成功之间的关系尤其如此。用户玩特定视频游戏的时间越长，用户享受该游戏的可能性越大，因此用户继续玩该游戏的可能性越大。

参与的原则并不限于单玩家游戏，并且还可以应用于多玩家视频游戏。向用户提供令人享受的多玩家体验的视频游戏较可能使用户再次玩这些视频游戏。相反，向用户提供不佳的多玩家体验的视频游戏不太可能维持高数量的用户。因此，视频游戏开发的挑战之一在于提供一种确保或提高令人享受的多玩家体验的几率的机制。

发明内容

本公开内容的系统、方法和设备各自具有若干创新方面，它们中没有一个单独诠释本文公开的所有期望属性。在附图和下文描述中阐明了本说明书描述的主题的一种或多种实施方式的细节。

在某些实施方案中，公开了一种计算机实施的方法，该方法可以由下述交互计算系统实施，该交互计算系统配置有特定的计算机可执行指令，用以至少从等待玩视频游戏的实例的用户队列中选择多个用户。视频游戏的实例的至少第一部分可以在用户队列中的至少一个用户的用户计算设备上执行，而视频游戏的实例的第二部分可以在所述交互计算系统上执行。对于所述多个用户中的每个用户，该方法可以包括访问与对应用户相关联的一组输入数据。该组输入数据可以包括与该对应用户同视频游戏的交互相关联的用户交互数据。另外，该方法可以包括：至少部分地基于所述多个用户中的每个用户的一组输入数据来确定所述多个用户中的每个用户的预测保留(retention，留存)率。预测保留率可以指示所述多个用户中的每个用户将玩该视频游戏的时间的量。此外，该方法可以包括确定所述多个用户的预测保留率是否满足保留阈值。响应于预测保留率满足保留阈值，该方法可以包括：以所述多个用户作为所述视频游戏的实例的玩家开始所述视频游戏的实例。

在一些实施方案中，响应于预测保留率不满足保留阈值，该计算机实施的方法还包括从等待玩所述视频游戏的实例的玩家队列中选择新的多个用户。此外，所述多个用户中的至少一个用户可以包括在该新的多个用户中。在一些情况下，所述多个用户包括包含在所述用户队列中的用户子组。此外，所述多个用户可以是基于一个或多个选择准则选择的。选择准则可以包括下述中的一个或多个：用户在队列中的时长；用户的地理位置；用户包含在黑名单中；距宿留所述视频游戏的实例的第二部分的交互计算系统的主机服务器的地理距离；或者距主机服务器的网络距离。

对于一些实施方案，确定所述多个用户中的每个用户的预测保留率可以包括：对于所述多个用户中的每个用户，将所述一组输入数据提供至参数函数。参数函数可以是至少部分地基于机器学习算法生成的。此外，该方法可以包括至少部分地基于参数函数的输出来确定所述多个用户中的每个用户的预测保留率。在一些情况下，生成参数函数可以包括至少访问训练输入数据。训练输入数据与玩所述视频游戏的第二多个用户相关联。此外，该方法可以包括访问所述第二多个用户的一组输出数据。所述输出数据可以与所述第二多个用户的保留率相关联。另外，该方法可以包括：使用机器学习算法、至少部分基于所述一组输入数据和所述一组输出数据来确定参数函数。此外，该方法可以包括至少部分地基于下述中的一个或多个将不利因素(penalty，不利、惩罚)与参数函数相关联：参数函数中包括的变量的数量；与参数函数相关联的数学算法的复杂度；或者参数函数的输出相比于所述输出数据的准确度。在一些情况下，该方法可以包括：至少部分地基于与多个参数函数中的至少一些参数函数相关联的不利值(penalty value，惩罚值)从多个参数函数中选择参数函数。