[发明专利]基于人工智能和大数据的异常标签分类方法及系统

说明书

本申请实施例提供一种基于人工智能和大数据的异常标签分类方法及系统，通过获取针对游戏客户终端的游戏角色的操作行为大数据信息，对操作行为大数据信息以及操作行为大数据信息对应的源特征域的操作行为大数据信息分别进行特征提取后，计算二者之间的差异操作行为特征，由此基于预设人工智能分类网络对差异操作行为特征进行分类，得到操作行为大数据信息对应的异常标签。如此，通过先确定更具有分类意义的差异操作行为特征，由此仅利用差异操作行为特征进行异常标签分类，相较于采用全量的操作行为特征进行标签分类的方式，可以极大减少计算量，提高实时分类效率，并且没有过多冗余噪声的特征的参与，可以进一步提高标签分类精度。

本申请是申请日为2020年10月10日、申请号为202011080568.0、发明名称为“基于人工智能和大数据的游戏数据识别方法及游戏云中心”的分案申请。

技术领域

本申请涉及云游戏技术领域，具体而言，涉及一种基于人工智能和大数据的异常标签分类方法及系统。

背景技术

随着近年来游戏产业、终端技术和网络带宽的高速发展，云计算技术的日趋成熟，云游戏也随之产生，用户的终端设备与云端高性能计算资源互联，使游戏不在局限于终端设备本身。对于游戏过程中的异常情况进行分析，可以作为度量游戏运营状态健康与否的一个关键指标。

随着人工智能的发展，应用人工智能技术对玩家操作过程中产生的数据进行分类，以游戏过程中的异常情况进行分析，成为常规的设计方案。然而传统方案中，通常是采用全量的操作行为特征进行标签分类的方式，由于全量的操作行为特征的数据量较大，并且存在冗余噪声的特征的参与，导致在进行标签分类时产生的计算量较大，实时分类效率较低，并且标签分类精度也会受到较大的影响。

发明内容

为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于人工智能和大数据的异常标签分类方法及系统，通过获取针对游戏客户终端的游戏角色的操作行为大数据信息，对操作行为大数据信息以及操作行为大数据信息对应的源特征域的操作行为大数据信息分别进行特征提取后，计算二者之间的差异操作行为特征，由此基于预设人工智能分类网络对差异操作行为特征进行分类，得到操作行为大数据信息对应的异常标签。如此，通过先确定更具有分类意义的差异操作行为特征，由此仅利用差异操作行为特征进行异常标签分类，相较于采用全量的操作行为特征进行标签分类的方式，可以极大减少计算量，提高实时分类效率，并且没有过多冗余噪声的特征的参与，可以进一步提高标签分类精度。

第一方面，本申请提供一种基于人工智能和大数据的游戏数据识别方法，应用于游戏云中心，所述游戏云中心与多个游戏客户终端通信连接，所述方法包括：

获取针对所述游戏客户终端的游戏角色的操作行为大数据信息，所述操作行为大数据信息为基于所述游戏角色的每个目标操作统计元素的统计操作行为对象进行相应的云计算数据统计后的大数据信息；

对所述操作行为大数据信息进行特征提取，得到所述操作行为大数据信息对应的第一操作行为特征，并对所述操作行为大数据信息对应的源特征域的操作行为大数据信息进行特征提取，得到对应的第二操作行为特征；

计算所述第一操作行为特征和所述第二操作行为特征之间的差异操作行为特征；

基于预设人工智能分类网络对所述差异操作行为特征进行分类，得到所述操作行为大数据信息对应的异常标签。

在第一方面的一种可能的实现方式中，所述对所述操作行为大数据信息进行特征提取，得到所述操作行为大数据信息对应的第一操作行为特征的步骤，包括：

从所述操作行为大数据信息中获得与预先定义的操作统计分段匹配的有效操作行为数据，确定与所述有效操作行为数据相匹配的操作互动统计数据；

根据所述操作互动统计数据以及与所述操作互动统计数据相对应的互动渲染表项数据生成对应的操作编码数据；

提取所述操作编码数据的操作编码序列，作为所述操作行为大数据信息对应的第一操作行为特征。