[發明專利]一種游戲推薦方法、裝置、設備及介質

有效

• 申請號: 201910147604.1
• 申請日: 2019-02-27
• 公開（公告）號: CN109908590B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 葛莉;范倩怡;盧麗花
• 申請（專利權）人: 廣州華多網絡科技有限公司
• 主分類號: A63F13/79
• 分類號: A63F13/79;A63F13/798
• 代理公司: 北京晉德允升知識產權代理有限公司 11623
• 代理人: 王戈

本發明公開了一種游戲推薦方法、裝置、設備及介質，屬于計算機領域。所述方法包括：獲取用戶的行為數據；基于所述用戶的行為數據，根據游戲需求度模型，獲取指標權重；基于所述指標權重，根據游戲需求度計算模型，獲得所述用戶對游戲的需求度；基于所述用戶對游戲的需求度，生成對應的游戲推薦橫幅，并在應用程序的用戶界面中顯示所述游戲推薦橫幅。本說明書實施例提供的方法，能夠深入挖掘用戶對游戲的需求規律，實現對用戶集中度較高、游戲款數較少的情形下的個性化推薦，達到較為精準的游戲推薦，從而提升用戶體驗。

技術領域

本說明書涉及計算機領域，尤其涉及一種游戲推薦方法、裝置、設備及介質。

背景技術

隨著互聯網的發展，流量入口之爭日益白熱化。橫幅(Banner)作為一個重要的流量入口，出現在不同終端產品的用戶界面中，橫幅的主要作用之一是作為推薦彈窗，進行信息推送或信息推薦。一般情況下，進行信息推送或推薦往往依賴用戶偏好予以實施。

由于用戶對產品內容的偏好存在個體差異及群體共性，為增強推薦的針對性，目前普遍采用個性化推薦技術進行用戶偏好的挖掘。通過個性化推薦技術著重解決了用戶對長尾內容的偏好，推薦的內容也較為豐富，適用于“五花八門”的多樣化需求的用戶，但該個性化推薦技術并不適用于用戶集中度較高、對長尾內容需求偏低的應用場景。

因此，需要一種新的推薦方法，能夠滿足用戶集中度較高、對長尾內容需求偏低的應用場景。

發明內容

本說明書實施例提供一種游戲推薦方法、裝置、設備及介質，用于解決現有個性化推薦技術僅著重解決用戶對長尾內容的偏好，推薦內容雖較為豐富，適用于多樣化需求的用戶，但不適用于用戶集中度較高、對長尾內容需求偏低應用場景的問題。

為解決上述技術問題，本說明書實施例是這樣實現的：

本說明書實施例提供的一種游戲推薦方法，包括：

獲取用戶的行為數據，其中，所述行為數據是所述用戶進行游戲操作相關的數據；

基于所述用戶的行為數據，根據游戲需求度模型，獲取指標權重，其中，所述指標權重為所述用戶的行為數據的權重；

基于所述指標權重，根據游戲需求度計算模型，獲得所述用戶對游戲的需求度，其中，所述游戲需求度計算模型是計算所述用戶對游戲需求度的模型；

基于所述用戶對游戲的需求度，生成對應的游戲推薦橫幅，并在應用程序的用戶界面中顯示所述游戲推薦橫幅。

優選地，所述行為數據包括用戶屬性、游戲屬性及游戲行為屬性；

其中，

所述用戶屬性包括用戶注冊時間、用戶性別、用戶年齡中的任何一種或多種；

所述游戲屬性包括游戲玩法類型、游戲日活躍用戶級別中的任何一種或多種；

所述游戲行為屬性包括用戶玩游戲的累計局數、用戶玩游戲的最后一日與游戲推薦日的間隔天數及最后一日玩游戲的局數，其中，所述最后一日為用戶最后玩游戲所在的日期，所述游戲推薦日為向用戶推薦該游戲的日期。

優選地，所述游戲需求度模型是基于機器學習預先獲得的需求度模型，其中，所述游戲需求度模型包括：游戲第一需求度模型和游戲第二需求度模型。

優選地，所述游戲第一需求度模型是根據預設天數，獲取多個用戶的老游戲行為數據，以所述老游戲行為數據包括的用戶屬性、游戲屬性及游戲行為屬性指標為特征向量，以所述老游戲行為數據采集日的次日玩所述老游戲的人數占比為預設目標，建立的游戲第一需求度模型；

所述游戲第二需求度模型是根據預設天數，獲取多個用戶的老游戲行為數據，以所述老游戲行為數據包括的用戶屬性及游戲屬性指標為特征向量，以所述老游戲行為數據采集日的次日玩新游戲的人數占比為預設目標，建立的游戲第二需求度模型。