[发明专利]关键用户识别方法、装置、可读存储介质和计算机设备有效

专利信息
申请号: 202010092848.7 申请日: 2020-02-14
公开(公告)号: CN113268589B 公开(公告)日: 2023-09-22
发明(设计)人: 金诚;刘筱叶;蔡红云;何峰;姚亮 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/35 分类号: G06F16/35;G06F16/36
代理公司: 华进联合专利商标代理有限公司 44224 代理人: 毛丹
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 关键 用户 识别 方法 装置 可读 存储 介质 计算机 设备
【权利要求书】:

1.一种关键用户识别方法,包括:

根据数据库中游戏玩家的活跃数据,提取出所述游戏玩家的活跃维度的特征;

根据数据库中所述游戏玩家的社交数据,提取出所述游戏玩家的社交维度的特征;

根据游戏知识图谱对各游戏进行特征提取,获得各游戏的游戏特征;所述游戏知识图谱是用于表示各游戏与游戏品类、开发商之间关系的数据结构,所述游戏特征是游戏维度的特征;

根据所述游戏玩家的活跃维度的特征、社交维度的特征和各游戏的游戏特征进行特征交叉组合,获得所述游戏玩家多维度交叉后的组合特征;

根据所述游戏玩家的活跃维度的特征、社交维度的特征、及多维度交叉后的组合特征进行聚类分析,获得所述游戏玩家在预设维度的用户画像;所述预设维度分别为所述活跃维度、所述社交维度和所述游戏维度,以及所述活跃维度、所述社交维度和所述游戏维度之间的组合维度;

当接收到的识别条件中提供了种子用户时,获取所述种子用户在预设维度的用户画像;根据所述种子用户在预设维度的用户画像,确定关注维度和关注维度对应的用户画像;根据所述关注维度和关注维度对应的用户画像从所述游戏玩家中确定和种子用户具有相似用户画像的用户作为关键用户;所述关注维度是在识别关键用户时,侧重于所述游戏玩家在所述预设维度中的至少一个维度。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

根据接收到的识别条件,确定识别关键用户的关注维度;

获取所述游戏玩家在关注维度的用户画像;

根据所述接收到的识别条件和所述游戏玩家在关注维度的用户画像对所述游戏玩家进行过滤得到关键用户。

3.根据权利要求2所述的方法,其特征在于,所述根据所述接收到的识别条件和所述游戏玩家在关注维度的用户画像对所述游戏玩家进行过滤得到关键用户的步骤,包括:

根据所述接收到的识别条件和所述游戏玩家在所述关注维度的用户画像对所述游戏玩家进行过滤,从所述游戏玩家中过滤得到预选用户;

根据所述预选用户在预设维度的用户画像分析出所述预选用户玩目标游戏的概率,将所述预选用户中玩目标游戏的概率大于预设值的用户确定为关键用户。

4.根据权利要求1所述的方法,其特征在于,所述方法还包括:

当接收到的识别条件中提供了种子用户时,根据所述游戏玩家的社交特征,在所有游戏玩家中筛选出与所述种子用户是好友关系的用户;

根据所述游戏玩家与所述种子用户的总亲密值达到预设值,确定关键用户。

5.根据权利要求1所述的方法,其特征在于,所述根据所述游戏玩家的活跃维度的特征、社交维度的特征、及多维度交叉后的组合特征进行聚类分析,获得所述游戏玩家在预设维度的用户画像的步骤,包括:

根据所述游戏玩家的活跃维度的特征、社交维度的特征、及多维度交叉后的组合特征分别进行聚类分析,获得所述游戏玩家在各维度的用户画像;

根据所述游戏玩家的活跃维度的特征,获取所述游戏玩家登录过的游戏的游戏特征;

根据所述游戏玩家过的游戏的游戏特征进行聚类,获得所述游戏玩家的游戏偏好画像。

6.所述权利要求1所述的方法,其特征在于,所述方法还包括:

采用图嵌入方法和图表示学习方法对所述游戏玩家的社交维度的特征进行处理,获得所述游戏玩家的网络嵌入特征;

增加所述游戏玩家的网络嵌入特征作为所述游戏玩家的社交维度的特征。

7.所述权利要求1所述的方法,其特征在于,所述根据游戏知识图谱对各游戏进行特征提取,获得各游戏的游戏特征的步骤,包括以下任意一种以上:

第一种:根据多个子系统维度构建各游戏的n维向量,获取各游戏的游戏特征;

第二种:根据各游戏的游戏知识图谱,将各游戏表示成基于网络嵌入的向量,获得各游戏的游戏特征;

第三种:通过相关的相似性计算方法,找到并排序当前游戏的相似游戏,获得各游戏的游戏特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010092848.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top