基于用户行为反馈的游戏指引数据处理方法及系统与流程

本发明涉及数据处理，尤其涉及一种基于用户行为反馈的游戏指引数据处理方法及系统。

背景技术：

1、开放世界游戏的出现，让大量的游戏风格从传统的线性情节游戏转向了更自由的开放世界的叙事方式，但开放世界的游戏往往包括有大量的游戏选择和故事线，如何有效和合理地根据用户的选择来组织游戏的情节展开成为了游戏研发技术较为关注的问题。现有技术在面对这一需求时，往往仅依靠游戏策划人员的前期工作来设置游戏的相关指引，但这一方式没有考虑到用户的实时操作的多样性，也使得游戏前期研发的成本极高。可见，现有技术存在缺陷，亟待解决。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种基于用户行为反馈的游戏指引数据处理方法及系统，能够提高游戏指引对于用户的指引效果，提高游戏的自由度以及用户的游戏体验，降低游戏研发成本。

2、为了解决上述技术问题，本发明第一方面公开了一种基于用户行为反馈的游戏指引数据处理方法，所述方法包括：

3、获取目标用户在第一游戏区域的当前动作组合以及所述第一游戏区域对应的游戏情节片段；

4、从历史数据库中确定出所述第一游戏区域和所述游戏情节片段对应的多个历史用户动作；

5、根据神经网络算法，预测所述当前动作组合以及每一所述历史用户动作对应的情节延展性参数；

6、根据所述情节延展性参数，和预设的动作上下文规则，从所述多个历史用户动作中筛选出所述当前动作组合对应的下一动作；所述下一动作用于展示给所述目标用户作为游戏指引。

7、作为一个可选的实施方式，在本发明第一方面中，所述从历史数据库中确定出所述第一游戏区域和所述游戏情节片段对应的多个历史用户动作，包括：

8、根据所述游戏情节片段对应的情节参数，以及参数匹配算法，从历史数据库中筛选出多个匹配游戏记录；每一所述匹配游戏记录包括有多个游戏动作和对应的记录区域和执行用户参数；

9、基于区域相似度算法，根据所述第一游戏区域和所述记录区域，从所述多个匹配游戏记录中筛选出最匹配的目标匹配记录；

10、基于参数相似度算法，根据所述目标用户的用户参数和所述执行用户参数，从所述目标匹配记录的多个游戏动作中确定出参数匹配的多个历史用户动作。

11、作为一个可选的实施方式，在本发明第一方面中，所述根据所述游戏情节片段对应的情节参数，以及参数匹配算法，从历史数据库中筛选出多个匹配游戏记录，包括：

12、对于历史数据库中的每一游戏记录，获取该游戏记录中所有游戏动作对应的发生情节对应的情节参数；所述情节参数包括情节属性、情节所在游戏进度、情节所在故事线类型和情节对应角色类型；

13、计算该游戏记录的所有所述情节参数与所述游戏情节片段的所述情节参数之间的参数相似度的平均值，得到该游戏记录对应的情节匹配参数；

14、对所有所述游戏记录根据所述情节匹配参数从大到小进行排序得到记录序列；

15、筛选出所述记录序列中前第一数量个的且所述情节匹配参数大于第一参数阈值的所有游戏记录，得到多个匹配游戏记录。

16、作为一个可选的实施方式，在本发明第一方面中，所述基于区域相似度算法，根据所述第一游戏区域和所述记录区域，从所述多个匹配游戏记录中筛选出最匹配的目标匹配记录，包括：

17、对于每一所述匹配游戏记录，计算该匹配游戏记录中每一游戏动作对应的记录区域与所述第一游戏区域之间的区域几何中心距离以及交集区域面积；

18、计算每一游戏动作对应的所述区域几何中心距离以及所述交集区域面积的乘积，得到每一游戏动作对应的区域参数；

19、计算该匹配游戏记录对应的所有游戏动作的所述区域参数的平均值，得到该匹配游戏记录对应的区域匹配参数；

20、将所有所述匹配游戏记录中所述区域匹配参数最高的游戏记录，确定为最匹配的目标匹配记录。

21、作为一个可选的实施方式，在本发明第一方面中，所述基于参数相似度算法，根据所述目标用户的用户参数和所述执行用户参数，从所述目标匹配记录的多个游戏动作中确定出参数匹配的多个历史用户动作，包括：

22、对于所述目标匹配记录中的每一游戏动作，计算该游戏动作对应的执行用户参数与所述目标用户的用户参数之间的参数向量距离；所述执行用户参数或所述用户参数包括用户年龄、用户游玩时长、用户注册时长、用户地区和用户性别；

23、对所述目标匹配记录中的所有游戏动作根据所述参数向量距离从大到小进行排序得到第一动作序列；

24、筛选出所述第一动作序列中前第二数量个的且所述参数向量距离大于第二参数阈值的所有游戏动作，得到参数匹配的多个历史用户动作。

25、作为一个可选的实施方式，在本发明第一方面中，所述根据神经网络算法，预测所述当前动作组合以及每一所述历史用户动作对应的情节延展性参数，包括：

26、从多个候选神经网络中，确定出所述游戏情节片段对应的训练好的情节延展性预测神经网络；所述情节延展性预测神经网络通过包括有所述游戏情节片段对应的多个训练动作集合和对应的故事线延展程度标注的训练数据集，以及梯度下降算法和损失函数进行迭代训练直至收敛得到；所述故事线延展程度标注用于表征对应的训练动作集合在所述游戏情节片段中执行后对应的故事线发展的长度、复杂度和趣味度；

27、将所述当前动作组合和每一所述历史用户动作分别组合作为一个输入数据集，输入至所述游戏情节片段对应的训练好的情节延展性预测神经网络，以得到所述当前动作组合和每一所述历史用户动作之间对应的情节延展性参数。

28、作为一个可选的实施方式，在本发明第一方面中，所述根据所述情节延展性参数，和预设的动作上下文规则，从所述多个历史用户动作中筛选出所述当前动作组合对应的下一动作，包括：

29、根据预设的动作上下文规则，计算所述当前动作组合和每一所述历史用户动作之间对应的连续执行合理概率；

30、对于每一所述历史用户动作，计算对应的所述连续执行合理概率和所述情节延展性参数的加权求和平均值，得到该历史用户动作对应的优先参数；其中，所述连续执行合理概率的权重大于所述情节延展性参数的权重，且所述连续执行合理概率的权重和所述当前动作组合内的动作数量成反比；

31、对所有所述历史用户动作根据所述优先参数从大到小进行排序得到第二动作序列；

32、筛选出所述第二动作序列中前第三数量个的且所述优先参数大于第三参数阈值的至少一个历史用户动作，得到所述当前动作组合对应的下一动作。

33、作为一个可选的实施方式，在本发明第一方面中，所述根据预设的动作上下文规则，计算所述当前动作组合和每一所述历史用户动作之间对应的连续执行合理概率，包括：

34、获取预设的动作上下文分析模型；所述动作上下文分析模型用于分析两个连续执行的特定游戏动作的动作参数之间所对应的执行连贯性和执行可能性；所述动作参数包括动作针对对象、动作类型、动作伤害效果、动作当前重复次数和动作执行角色；

35、对于每一所述历史用户动作，将该历史用户动作和所述当前动作组合中的至少两个动作输入至所述动作上下文分析模型，以得到该历史用户动作和所述至少两个动作之间的至少两个分析结果；所述分析结果包括所述执行连贯性和所述执行可能性；

36、计算所述至少两个分析结果中所有所述执行连贯性的连贯性平均值，和所述至少两个分析结果中所有所述执行可能性的可能性平均值；

37、计算所述连贯性平均值和所述可能性平均值的加权求和平均值，以得到该历史用户动作与所述当前动作组合之间的连续执行合理概率。

38、本发明实施例第二方面公开了一种基于用户行为反馈的游戏指引数据处理系统，所述系统包括：

39、获取模块，用于获取目标用户在第一游戏区域的当前动作组合以及所述第一游戏区域对应的游戏情节片段；

40、确定模块，用于从历史数据库中确定出所述第一游戏区域和所述游戏情节片段对应的多个历史用户动作；

41、预测模块，用于根据神经网络算法，预测所述当前动作组合以及每一所述历史用户动作对应的情节延展性参数；

42、筛选模块，用于根据所述情节延展性参数，和预设的动作上下文规则，从所述多个历史用户动作中筛选出所述当前动作组合对应的下一动作；所述下一动作用于展示给所述目标用户作为游戏指引。

43、作为一个可选的实施方式，在本发明第二方面中，所述确定模块从历史数据库中确定出所述第一游戏区域和所述游戏情节片段对应的多个历史用户动作的具体方式，包括：

44、根据所述游戏情节片段对应的情节参数，以及参数匹配算法，从历史数据库中筛选出多个匹配游戏记录；每一所述匹配游戏记录包括有多个游戏动作和对应的记录区域和执行用户参数；

45、基于区域相似度算法，根据所述第一游戏区域和所述记录区域，从所述多个匹配游戏记录中筛选出最匹配的目标匹配记录；

46、基于参数相似度算法，根据所述目标用户的用户参数和所述执行用户参数，从所述目标匹配记录的多个游戏动作中确定出参数匹配的多个历史用户动作。

47、作为一个可选的实施方式，在本发明第二方面中，所述确定模块根据所述游戏情节片段对应的情节参数，以及参数匹配算法，从历史数据库中筛选出多个匹配游戏记录的具体方式，包括：

48、对于历史数据库中的每一游戏记录，获取该游戏记录中所有游戏动作对应的发生情节对应的情节参数；所述情节参数包括情节属性、情节所在游戏进度、情节所在故事线类型和情节对应角色类型；

49、计算该游戏记录的所有所述情节参数与所述游戏情节片段的所述情节参数之间的参数相似度的平均值，得到该游戏记录对应的情节匹配参数；

50、对所有所述游戏记录根据所述情节匹配参数从大到小进行排序得到记录序列；

51、筛选出所述记录序列中前第一数量个的且所述情节匹配参数大于第一参数阈值的所有游戏记录，得到多个匹配游戏记录。

52、作为一个可选的实施方式，在本发明第二方面中，所述确定模块基于区域相似度算法，根据所述第一游戏区域和所述记录区域，从所述多个匹配游戏记录中筛选出最匹配的目标匹配记录的具体方式，包括：

53、对于每一所述匹配游戏记录，计算该匹配游戏记录中每一游戏动作对应的记录区域与所述第一游戏区域之间的区域几何中心距离以及交集区域面积；

54、计算每一游戏动作对应的所述区域几何中心距离以及所述交集区域面积的乘积，得到每一游戏动作对应的区域参数；

55、计算该匹配游戏记录对应的所有游戏动作的所述区域参数的平均值，得到该匹配游戏记录对应的区域匹配参数；

56、将所有所述匹配游戏记录中所述区域匹配参数最高的游戏记录，确定为最匹配的目标匹配记录。

57、作为一个可选的实施方式，在本发明第二方面中，所述确定模块基于参数相似度算法，根据所述目标用户的用户参数和所述执行用户参数，从所述目标匹配记录的多个游戏动作中确定出参数匹配的多个历史用户动作的具体方式，包括：

58、对于所述目标匹配记录中的每一游戏动作，计算该游戏动作对应的执行用户参数与所述目标用户的用户参数之间的参数向量距离；所述执行用户参数或所述用户参数包括用户年龄、用户游玩时长、用户注册时长、用户地区和用户性别；

59、对所述目标匹配记录中的所有游戏动作根据所述参数向量距离从大到小进行排序得到第一动作序列；

60、筛选出所述第一动作序列中前第二数量个的且所述参数向量距离大于第二参数阈值的所有游戏动作，得到参数匹配的多个历史用户动作。

61、作为一个可选的实施方式，在本发明第二方面中，所述预测模块根据神经网络算法，预测所述当前动作组合以及每一所述历史用户动作对应的情节延展性参数的具体方式，包括：

62、从多个候选神经网络中，确定出所述游戏情节片段对应的训练好的情节延展性预测神经网络；所述情节延展性预测神经网络通过包括有所述游戏情节片段对应的多个训练动作集合和对应的故事线延展程度标注的训练数据集，以及梯度下降算法和损失函数进行迭代训练直至收敛得到；所述故事线延展程度标注用于表征对应的训练动作集合在所述游戏情节片段中执行后对应的故事线发展的长度、复杂度和趣味度；

63、将所述当前动作组合和每一所述历史用户动作分别组合作为一个输入数据集，输入至所述游戏情节片段对应的训练好的情节延展性预测神经网络，以得到所述当前动作组合和每一所述历史用户动作之间对应的情节延展性参数。

64、作为一个可选的实施方式，在本发明第二方面中，所述筛选模块根据所述情节延展性参数，和预设的动作上下文规则，从所述多个历史用户动作中筛选出所述当前动作组合对应的下一动作的具体方式，包括：

65、根据预设的动作上下文规则，计算所述当前动作组合和每一所述历史用户动作之间对应的连续执行合理概率；

66、对于每一所述历史用户动作，计算对应的所述连续执行合理概率和所述情节延展性参数的加权求和平均值，得到该历史用户动作对应的优先参数；其中，所述连续执行合理概率的权重大于所述情节延展性参数的权重，且所述连续执行合理概率的权重和所述当前动作组合内的动作数量成反比；

67、对所有所述历史用户动作根据所述优先参数从大到小进行排序得到第二动作序列；

68、筛选出所述第二动作序列中前第三数量个的且所述优先参数大于第三参数阈值的至少一个历史用户动作，得到所述当前动作组合对应的下一动作。

69、作为一个可选的实施方式，在本发明第二方面中，所述筛选模块根据预设的动作上下文规则，计算所述当前动作组合和每一所述历史用户动作之间对应的连续执行合理概率的具体方式，包括：

70、获取预设的动作上下文分析模型；所述动作上下文分析模型用于分析两个连续执行的特定游戏动作的动作参数之间所对应的执行连贯性和执行可能性；所述动作参数包括动作针对对象、动作类型、动作伤害效果、动作当前重复次数和动作执行角色；

71、对于每一所述历史用户动作，将该历史用户动作和所述当前动作组合中的至少两个动作输入至所述动作上下文分析模型，以得到该历史用户动作和所述至少两个动作之间的至少两个分析结果；所述分析结果包括所述执行连贯性和所述执行可能性；

72、计算所述至少两个分析结果中所有所述执行连贯性的连贯性平均值，和所述至少两个分析结果中所有所述执行可能性的可能性平均值；

73、计算所述连贯性平均值和所述可能性平均值的加权求和平均值，以得到该历史用户动作与所述当前动作组合之间的连续执行合理概率。

74、本发明第三方面公开了另一种基于用户行为反馈的游戏指引数据处理系统，所述系统包括：

75、存储有可执行程序代码的存储器；

76、与所述存储器耦合的处理器；

77、所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于用户行为反馈的游戏指引数据处理方法中的部分或全部步骤。

78、本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于用户行为反馈的游戏指引数据处理方法中的部分或全部步骤。

79、与现有技术相比，本发明实施例具有以下有益效果：

80、本发明能够通过游戏情节片段确定出候选的历史用户动作，再通过神经网络算法确定出情节延展性参数来筛选得到能够获得更多故事线和更好的游玩体验的下一动作，从而能够提高游戏指引对于用户的指引效果，提高游戏的自由度以及用户的游戏体验，降低游戏研发成本。