[發明專利]用于防沉迷系統的基于隨機森林的自訓練學習系統及方法

有效

• 申請號: 201810974270.0
• 申請日: 2018-08-24
• 公開（公告）號: CN109284776B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 駱源;徐彬;方品;應臣浩
• 申請（專利權）人: 小沃科技有限公司;上海交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 龐紅芳

1.一種用于防沉迷系統的基于隨機森林的自訓練學習方法，其特征在于，所述用于防沉迷系統的基于隨機森林的自訓練學習方法包括：

對至少一個已標記的游戲特征序列進行PCA訓練獲得游戲特征序列訓練集；

基于隨機森林的分類器對未標記的游戲特征序列進行識別，將置信度最高的未標記的游戲特征序列添加到所述游戲特征序列訓練集；

重新對所述游戲特征序列訓練集的數據進行PCA訓練，直至達到預設循環次數或所述游戲特征序列訓練集不再增大；

利用所述游戲特征序列訓練集對輸入的測試游戲特征序列進行識別；

所述基于隨機森林的分類器對未標記的游戲特征序列進行識別，將置信度最高的未標記的游戲特征序列添加到所述游戲特征序列訓練集的一種實現方式包括：

利用隨機森林的分類器來計算每個未標記的游戲特征序列的假標記，形成屬于某一類的假標記集；

從所述假標記集中選取一個與所述某一類同類的有標記的游戲特征序列距離最近的未標記的游戲特征序列；

將該距離最近的所述未標記的游戲特征序列添加到所述游戲特征序列訓練集。

2.根據權利要求1所述的用于防沉迷系統的基于隨機森林的自訓練學習方法，其特征在于，所述用于防沉迷系統的基于隨機森林的自訓練學習方法還包括：

對輸入的游戲序列數據進行提取，分別獲取所述已標記的游戲特征序列和所述未標記的游戲特征序列。

3.根據權利要求1或2所述的用于防沉迷系統的基于隨機森林的自訓練學習方法，其特征在于，所述游戲序列數據的游戲特征至少包括游戲時間和游戲金額。

4.根據權利要求1所述的用于防沉迷系統的基于隨機森林的自訓練學習方法，其特征在于，所述隨機森林的分類器的一種形式為：

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

其中，C^(t)為分類器的輸出分類結果，D_L為標記的游戲特征序列訓練集，DecisionTree為子決策樹，N為子決策樹的個數，RandomForest為隨機森林算法。

5.一種用于防沉迷系統的基于隨機森林的自訓練學習系統，其特征在于，所述用于防沉迷系統的基于隨機森林的自訓練學習系統包括：

PCA訓練模塊，用于對至少一個已標記的游戲特征序列進行PCA訓練獲得游戲特征序列訓練集；

識別模塊，用于基于隨機森林的分類器對未標記的游戲特征序列進行識別，將置信度最高的未標記的游戲特征序列添加到所述游戲特征序列訓練集；訓練集模塊重新對所述游戲特征序列訓練集的數據進行PCA訓練，直至達到預設循環次數或所述游戲特征序列訓練集不再增大；

測試模塊，用于利用所述游戲特征序列訓練集對輸入的測試游戲特征序列進行識別；

所述識別模塊包括：

標記單元，用于利用隨機森林的分類器來計算每個未標記的游戲特征序列的假標記，形成屬于某一類的假標記集；

選取單元，用于從所述假標記集中選取一個與所述某一類同類的有標記的游戲特征序列距離最近的未標記的游戲特征序列；

添加單元，用于將該距離最近的所述未標記的游戲特征序列添加到所述游戲特征序列訓練集。

6.根據權利要求5所述的用于防沉迷系統的基于隨機森林的自訓練學習系統，其特征在于，所述用于防沉迷系統的基于隨機森林的自訓練學習系統還包括：

特征提取模塊，用于對輸入的游戲序列數據進行提取，分別獲取所述已標記的游戲特征序列和所述未標記的游戲特征序列。

7.根據權利要求5或6所述的用于防沉迷系統的基于隨機森林的自訓練學習系統，其特征在于，所述游戲序列數據的游戲特征至少包括游戲時間和游戲金額。

8.根據權利要求5所述的用于防沉迷系統的基于隨機森林的自訓練學習系統，其特征在于：所述隨機森林的分類器的一種形式為：

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

其中，C^(t)為分類器的輸出分類結果，D_L為標記的游戲特征序列訓練集，DecisionTree為子決策樹，N為子決策樹的個數，RandomForest為隨機森林算法。