[发明专利]用于防沉迷系统的基于随机森林的自训练学习系统及方法

说明书

本发明提供一种用于防沉迷系统的基于随机森林的自训练学习系统及方法，所述方法包括：对至少一个已标记的游戏特征序列进行PCA训练获得游戏特征序列训练集；基于随机森林的分类器对未标记的游戏特征序列进行识别，将置信度最高的未标记的游戏特征序列添加到所述游戏特征序列训练集；重新对所述游戏特征序列训练集的数据进行PCA训练，直至达到预设循环次数或所述游戏特征序列训练集不再增大；利用所述游戏特征序列训练集对输入的测试游戏特征序列进行识别。本发明提供的基于随机森林的自学习方法，用于解决防沉迷系统中大量游戏序列数据无标记的问题，通过利用大量的未标记游戏序列数据和少量的标记游戏序列数据共同构建更好的分类器。

技术领域

本发明涉及机器学习技术领域，特别是涉及一种用于防沉迷系统的基于随机森林的自训练学习系统及方法。

背景技术

游戏防沉迷系统的意义是众所周知的：旨在解决未成年人沉迷网络游戏的现状，让未成年人无法依赖长时间的在线来获得游戏内个人能力的增长和报偿值的增加，有效控制未成年人使用者的在线时间，改变不利于未成年人身心健康的不良游戏习惯。

由此看来，防沉迷系统的研究和开发工作迫在眉睫。而目前针对防沉迷系统的研究工作还较少，该领域还处于发展初期。

发明内容

为了解决上述的以及其他潜在的技术问题，本发明的实施例提供了一种用于防沉迷系统的基于随机森林的自训练学习方法，所述用于防沉迷系统的基于随机森林的自训练学习方法包括：对至少一个已标记的游戏特征序列进行PCA训练获得游戏特征序列训练集；基于随机森林的分类器对未标记的游戏特征序列进行识别，将置信度最高的未标记的游戏特征序列添加到所述游戏特征序列训练集；重新对所述游戏特征序列训练集的数据进行PCA训练，直至达到预设循环次数或所述游戏特征序列训练集不再增大；利用所述游戏特征序列训练集对输入的测试游戏特征序列进行识别。

于本发明的一实施例中，所述用于防沉迷系统的基于随机森林的自训练学习方法还包括：对输入的游戏序列数据进行提取，分别获取所述已标记的游戏特征序列和所述未标记的游戏特征序列。

于本发明的一实施例中，所述游戏序列数据的游戏特征至少包括游戏时间和游戏金额。

于本发明的一实施例中，所述基于随机森林的分类器对未标记的游戏特征序列进行识别，将置信度最高的未标记的游戏特征序列添加到所述游戏特征序列训练集的一种实现方式包括：利用随机森林的分类器来计算每个未标记的游戏特征序列的假标记，形成属于某一类的假标记集；从所述假标记集中选取一个与所述某一类同类的有标记的游戏特征序列距离最近的未标记的游戏特征序列；将该距离最近的所述未标记的游戏特征序列添加到所述游戏特征序列训练集。

于本发明的一实施例中，所述随机森林的分类器的一种形式为：

C^(t)＝RandomForest(D_L,DecisionTree,N)；

其中，C^(t)为分类器的输出分类结果，D_L为标记的游戏特征序列训练集，DecisionTree为子决策树，N为子决策树的个数，RandomForest为随机森林算法。

本发明的实施例还提供一种用于防沉迷系统的基于随机森林的自训练学习系统，所述用于防沉迷系统的基于随机森林的自训练学习系统包括：PCA训练模块，用于对至少一个已标记的游戏特征序列进行PCA训练获得游戏特征序列训练集；识别模块，用于基于随机森林的分类器对未标记的游戏特征序列进行识别，将置信度最高的未标记的游戏特征序列添加到所述游戏特征序列训练集；所述训练集模块重新对所述游戏特征序列训练集的数据进行PCA训练，直至达到预设循环次数或所述游戏特征序列训练集不再增大；测试模块，用于利用所述游戏特征序列训练集对输入的测试游戏特征序列进行识别。