本發(fā)明涉及網絡游戲技術領域，尤其涉及一種基于社交網絡推薦游戲的方法和裝置。

背景技術：
目前，隨著網絡游戲的不斷發(fā)展，通過諸如論壇、貼吧、社區(qū)等互動社交平臺為用戶推薦其潛在的感興趣游戲已越來越普遍。現(xiàn)有技術通常采用人工編輯或簡單地根據(jù)用戶常登陸的游戲貼吧的頻次排序向游戲用戶推薦游戲，而不能實時地結合在線多個玩家的游戲服務信息，包括游戲環(huán)境、玩家行為特征、社交網絡信息等進行游戲的推薦，也不能保證所推薦的游戲達到一定的采用率，推薦效果不佳。事實上，游戲用戶在參與貼吧游戲的情況下，其游戲愛好通常與游戲用戶參與的貼吧活動、參與當前游戲的其他玩家以及游戲用戶所參與過的其他游戲等方面的數(shù)據(jù)息息相關。因此，如果所推薦的游戲可以綜合上述多方面進行分析，有望可以提升所推薦游戲的采用率。但是，目前并沒有能夠綜合上述多方面的數(shù)據(jù)進行游戲推薦的技術方案。因此，希望可以提出一種用于解決上述問題的基于社交網絡推薦游戲的方法和裝置。

技術實現(xiàn)要素：
本發(fā)明的目的是提供一種用于解決上述問題的基于社交網絡推薦游戲的方法和裝置，可以有效根據(jù)游戲用戶的動態(tài)信息實時地推薦網絡游戲。根據(jù)本發(fā)明的一個方面，提供了一種基于社交網絡推薦游戲的方法，該方法包括：a)基于當前用戶的游戲賬戶，獲取當前用戶的多維信息；b)對所獲取的多維信息分別進行預處理，確定各維候選的推薦游戲；c)綜合所述各維候選的推薦游戲，對游戲信息進行歸一化和排序操作，確定最終推薦的游戲。根據(jù)本發(fā)明的另一個方面，還提供了一種基于社交網絡推薦游戲的裝置，包括：用戶信息獲取單元，用于基于當前用戶的游戲賬戶，獲取當前用戶的多維信息；候選游戲推薦單元，用于對所獲取的多維信息分別進行預處理，確定各維候選的推薦游戲；最終游戲推薦單元，用于綜合所述各維候選的推薦游戲，對游戲信息進行歸一化和排序操作，確定最終推薦的游戲。與現(xiàn)有技術相比，本發(fā)明具有以下優(yōu)點：1)本發(fā)明根據(jù)所獲取的多維信息對用戶所感興趣的游戲進行自動分析，解決了現(xiàn)有的游戲推薦過度依賴人工處理的問題；2)本發(fā)明結合用戶的多維信息，實時地為用戶推薦游戲，節(jié)省了游戲推薦所需計算的時間，提升了游戲推薦的效率；3)本發(fā)明提升了所推薦游戲的采用率，更有針對性地推薦相關聯(lián)的游戲給用戶。附圖說明通過閱讀參照以下附圖所作的對非限制性實施例所作的詳細描述，本發(fā)明的其它特征、目的和優(yōu)點將會變得更明顯：圖1為根據(jù)本發(fā)明一個優(yōu)選實施例的一種基于社交網絡推薦游戲的方法流程圖；圖2為根據(jù)本發(fā)明另一個優(yōu)選實施例的一種基于社交網絡推薦游戲的裝置的示意性框圖。具體實施方式下面結合附圖對本發(fā)明作進一步詳細描述。根據(jù)本發(fā)明的一個方面，提供了一種基于社交網絡推薦游戲的方法。需要說明的是，本發(fā)明下文所述的社區(qū)可以包括諸如天涯、貓撲等各類型，還可以包括如貼吧在內的其他社交平臺。請參考圖1，圖1為根據(jù)本發(fā)明一個優(yōu)選實施例的基于社交網絡推薦游戲的方法流程圖。如圖1所示，本發(fā)明所提供的推薦網絡游戲的方法包括：步驟S101，基于當前用戶的游戲賬戶，獲取當前用戶的多維信息。具體地，用戶第一次參與網絡游戲時，通常需要注冊游戲賬號并通過該賬號登陸游戲頁面。事實上，在注冊時，除游戲賬號外，用戶還填寫了諸如姓名、郵箱等其他注冊賬戶信息，在此，將所述所有注冊的賬戶信息簡稱為游戲賬戶。當用戶登陸特定游戲社區(qū)時，獲取該用戶的相關賬戶信息，諸如用戶編號（UID）、所進入的游戲社區(qū)的賬號（ID）等。在本實施例中，當捕捉到一個用戶編號出現(xiàn)在一個特定的游戲社區(qū)時，同時獲取該用戶的其他相關信息，例如獲取以下三個維度的信息：1）該用戶當前所訪問或參與的社區(qū)（以下簡稱為當前社區(qū)）和經常所參與的社區(qū)（即參與頻次排名靠前的N個社區(qū)，以下簡稱為TOPN社區(qū)），其中，用戶經常參與的社區(qū)表示該用戶的其他賬戶活躍度靠前的社區(qū)；2）該用戶玩過的其他游戲信息，如游戲標識號（GID）；3）該用戶的行為數(shù)據(jù)，包括用戶發(fā)帖的內容、活躍度等社區(qū)收集和統(tǒng)計的行為數(shù)據(jù)。步驟S102，對所獲取的多維信息分別進行預處理，確定各維候選的推薦游戲。具體地，根據(jù)所獲取的相關信息的分類進行不同的預處理，以上文所述的三個維度的信息為例，按照以下方式進行各維信息的預處理操作。針對第一維度的信息1）而言，獲取該用戶當前所訪問或參與的社區(qū)和經常所參與的社區(qū)信息后，進行的預處理包括：a1）獲取當前社區(qū)與TOPN社區(qū)的特征數(shù)據(jù)；具體地，所述特征數(shù)據(jù)包括社區(qū)的各種結構化的話題特征數(shù)據(jù)和各種結構化的氛圍特征數(shù)據(jù)，其中，話題特征數(shù)據(jù)包括如娛樂八卦、休閑活動等內容，氛圍特征數(shù)據(jù)如休閑、暴力、色情等氛圍描述性內容。a2）基于所獲取的社區(qū)特征數(shù)據(jù)，形成相應的特征向量并進行加權計算，得到加權特征向量；具體地，基于不同的特征數(shù)據(jù)，形成不同的特征向量。例如，基于當前社區(qū)的特征數(shù)據(jù)，形成特征向量a；基于TOPN社區(qū)的特征向量，形成特征向量集合b=（b１，b２，…bn）。進一步地，對上述特征向量a和特征向量集合b進行加權計算，得到加權特征向量。其中，加權計算可以使用以下公式：c=α*a+β*b上述公式中，c表示最終得到的加權特征向量，α、β表示加權系數(shù)。a3）獲取候選游戲的特征向量，通過計算所述加權特征向量和所述候選游戲的特征向量的相關度，得到第一候選的推薦游戲。進一步地，對于待推薦游戲（即候選游戲），獲取與其相關的數(shù)據(jù)并形成對應的特征向量g。更進一步地，計算上述加權特征向量c和候選游戲特征向量g的相關度，并按照相關度進行排序。優(yōu)選地，設定相關度的閾值，將相關度大于所述閾值的M個游戲作為第一候選的推薦游戲。針對第二維度的信息2）而言，獲取當前用戶所玩過的其他游戲信息后，進行的預處理包括：b1）獲取當前用戶玩過的歷史游戲信息，形成相應的向量；具體地，基于所獲取的該用戶玩過的其他游戲信息（即歷史游戲信息），形成對應的向量。如基于游戲標識號信息（GID）形成向量m。進一步地，獲取并統(tǒng)計該用戶在其他游戲上所玩的次數(shù)、時長、付費等數(shù)據(jù)，結合這些數(shù)據(jù)和已形成的向量m進行加權計算，得到加權向量m‘。需要說明的是，所述的歷史游戲信息也可以包括諸如用戶玩游戲的次數(shù)、時長和付費等數(shù)據(jù)。b2）獲取玩過所述歷史游戲的其他用戶的賬戶信息，結合所述賬戶信息和所述向量，得到其他用戶的相關向量并計算所述其他用戶和當前用戶的相關性值；具體地，對于當前用戶玩過的歷史游戲，進一步獲取玩過所述歷史游戲的其他用戶的賬戶信息，如用戶編號（UID），并獲取這些用戶編號所對應玩家玩過這些游戲的次數(shù)、時長、付費等數(shù)據(jù)，根據(jù)這些數(shù)據(jù)及上述加權向量m‘得到其他用戶的相關向量（如UID向量）及其他用戶和當前用戶的相關性值。b3）結合所述相關性值和當前用戶的歷史游戲信息，得到第二候選的推薦游戲。具體地，獲取當前用戶的歷史游戲信息（如當前用戶在其他游戲上所玩的次數(shù)、時長、付費等信息）及其他用戶和當前用戶的相關性值后，結合上述信息，確定第二候選的推薦游戲，如M個相關的第二候選的推薦游戲。針對第三維度的信息3）而言，獲取當前用戶的行為數(shù)據(jù)后，具體進行的預處理包括：c1）基于當前用戶的行為數(shù)據(jù)，形成當前用戶的行為數(shù)據(jù)向量；其中，所述行為數(shù)據(jù)向量包括諸如發(fā)帖話題、常登陸社區(qū)、活躍度等領域的數(shù)據(jù)。c2）獲取當前用戶所對應的歷史活躍社區(qū)信息以及參加所述歷史活躍社區(qū)的其他用戶的賬戶信息，并進一步獲取所述其他用戶的行為數(shù)據(jù)，形成所述其他用戶的行為數(shù)據(jù)向量；具體地，基于當前用戶的行為數(shù)據(jù)，從中統(tǒng)計和分析當前用戶經常登錄或參與的社區(qū)，即歷史活躍社區(qū)。進一步地，基于所分析得到的歷史活躍社區(qū)，統(tǒng)計和分析其他活躍在所述歷史活躍社區(qū)的用戶賬號（ID），并獲取該賬號對應用戶的行為數(shù)據(jù)，包括發(fā)帖話題、常登陸或瀏覽的社區(qū)、活躍度等信息。在獲取的這些行為數(shù)據(jù)的基礎上，形成所對應的其他用戶的行為數(shù)據(jù)向量；c3）計算所述當前用戶的行為數(shù)據(jù)向量與其他用戶的行為數(shù)據(jù)向量的相關性并排序，篩選出相關性排名靠前的用戶賬號；c4）獲取所述相關性排名靠前的用戶賬號對應的歷史游戲信息，結合所述歷史游戲信息和相關性排名，確定第三候選的推薦游戲。具體地，所述歷史游戲信息包括所述用戶賬戶經常登錄的游戲次數(shù)、時長、付費數(shù)據(jù)等。根據(jù)所述歷史游戲信息和相關性排名，從中優(yōu)選一定數(shù)量（諸如M）的相關游戲作為第三候選的推薦游戲。需要說明的是，上述對三個維度的數(shù)據(jù)進行預處理的順序并沒有區(qū)分先后，也即，對上述三個維度的數(shù)據(jù)進行預處理可以是同時，也可以按順序進行。步驟S103，綜合所述各維候選的推薦游戲，對游戲信息進行歸一化和排序操作，確定最終推薦的游戲。具體地，得到各維候選的推薦游戲后，對這些候選的推薦游戲的游戲信息進行歸一化和排序操作。例如，各維均確定出M個候選的推薦游戲，通過確定歸一化操作的相關系數(shù)，計算各候選推薦的游戲和當前用戶的賬號及當前用戶所在社區(qū)的相關性值，并根據(jù)計算結果進行排序，確定最終推薦的M個游戲。進一步地，將所述最終推薦的M個游戲主動推送到當前用戶的界面進行展示。優(yōu)選地，所述歸一化操作采用如下公式進行計算：y＝(x-MinValue)/(MaxValue-MinValue)其中，y表示最終得到的歸一化值，x代表歸一化前的數(shù)值，MaxValue代表所設定的最大值，MinValue代表所設定的最小值。需要說明的是，本領域的技術人員應當知曉，根據(jù)上述方法，本發(fā)明還可以在社區(qū)中為用戶推薦游戲以外的信息，如虛擬物品、實體物品（商品、票務、優(yōu)惠券等等）、資訊（醫(yī)院掛號、教育機構等領域的信息）等。具體地，為了簡明起見，對于其他信息的推薦，在此不再贅述。與現(xiàn)有技術相比，本發(fā)明所提供的基于社交網絡推薦游戲的方法具有以下優(yōu)點：1)根據(jù)游戲用戶的社交網絡信息實時地為其推薦游戲，更具有針對性；2)本發(fā)明提供的推薦方法提升了所推薦游戲的采納率。根據(jù)本發(fā)明的另一個方面，還提供了一種基于社交網絡推薦游戲的裝置。請參考圖2所示，圖2為根據(jù)本發(fā)明另一個優(yōu)選實施例的基于社交網絡推薦游戲的裝置示意性框圖。如圖2所示，該裝置包括：用戶信息獲取單元201，用于基于當前用戶的游戲賬戶，獲取當前用戶的多維信息；候選游戲推薦單元202，用于對所獲取的多維信息分別進行預處理，確定各維候選的推薦游戲；最終游戲推薦單元203，用于綜合所述各維候選的推薦游戲，對游戲信息進行歸一化和排序操作，確定最終推薦的游戲。下面，對本發(fā)明所提供的各單元的工作過程進行具體說明。具體地，用戶第一次參與網絡游戲時，通常需要注冊游戲賬號并通過該賬號登陸游戲頁面。事實上，在注冊時，除游戲賬號外，用戶還填寫了諸如姓名、郵箱等其他注冊賬戶信息，在此，將所述所有注冊的賬戶信息簡稱為游戲賬戶。當用戶登陸特定游戲社區(qū)時，由用戶信息獲取單元201獲取該用戶的相關賬戶信息，諸如用戶編號（UID）、所進入的游戲社區(qū)的賬號（ID）等。在本實施例中，當捕捉到一個用戶編號出現(xiàn)在一個特定的游戲社區(qū)時，同時獲取該用戶的其他相關信息，例如獲取以下三個維度的信息：1）該用戶當前所訪問或參與的社區(qū)（以下簡稱為當前社區(qū)）和經常所參與的社區(qū)（即參與頻次排名靠前的N個社區(qū)，以下簡稱為TOPN社區(qū)），其中，用戶經常參與的社區(qū)表示該用戶的其他賬戶活躍度靠前的社區(qū)；2）該用戶玩過的其他游戲信息，如游戲標識號（GID）；3）該用戶的行為數(shù)據(jù)，包括用戶發(fā)帖的內容、活躍度等社區(qū)收集和統(tǒng)計的行為數(shù)據(jù)。進一步地，由候選游戲推薦單元202根據(jù)信息的分類分別由不同模塊完成相應的預處理。以上文所述的三個維度的信息為例，由以下模塊按照以下方式進行各維信息的預處理操作。針對第一維度的信息1）而言，獲取該用戶當前所訪問或參與的社區(qū)和經常所參與的社區(qū)信息后，進行的預處理包括以下模塊：特征數(shù)據(jù)獲得模塊，用于獲取當前社區(qū)與TOPN社區(qū)的特征數(shù)據(jù)；特征向量形成模塊，基于所獲取的社區(qū)特征數(shù)據(jù)，形成相應的特征向量并進行加權計算，得到加權特征向量，并獲取候選游戲的特征向量；第一候選推薦游戲確定模塊，用于計算所述加權特征向量和所述候選游戲的特征向量的相關度，得到第一候選的推薦游戲。其中，各模塊的工作過程在此不再詳述，與上述方法相對應。針對第二維度的信息2）而言，獲取當前用戶所玩過的其他游戲信息后，進行的預處理包括以下模塊：向量形成模塊，用于獲取當前用戶玩過的歷史游戲信息，形成相應的向量；相關性計算模塊，用于獲取玩過所述歷史游戲的其他用戶的賬戶信息，結合所述賬戶信息和所述向量，得到其他用戶的相關向量并計算所述其他用戶和當前用戶的相關性值；第二候選推薦游戲確定模塊，用于結合所述相關性值和當前用戶的歷史游戲信息，得到第二候選的推薦游戲。其中，各模塊的工作過程在此不再詳述，與上述方法相對應。針對第三維度的信息3）而言，獲取當前用戶的行為數(shù)據(jù)后，具體進行的預處理包括以下模塊：行為向量形成模塊，基于當前用戶的行為數(shù)據(jù)，形成當前用戶的行為數(shù)據(jù)向量，以及，獲取當前用戶所對應的歷史活躍社區(qū)信息以及參加所述歷史活躍社區(qū)的其他用戶的賬戶信息，并進一步獲取所述其他用戶的行為數(shù)據(jù)，形成所述其他用戶的行為數(shù)據(jù)向量；行為相關性計算模塊，用于計算所述當前用戶的行為數(shù)據(jù)向量與其他用戶的行為數(shù)據(jù)向量的相關性并排序，篩選出相關性排名靠前的用戶賬號；第三候選推薦游戲確定模塊，用于獲取所述相關性排名靠前的用戶賬號對應的歷史游戲信息，結合所述歷史游戲信息和相關性排名，確定第三候選的推薦游戲。其中，各模塊的工作過程在此不再詳述，與上述方法相對應。得到各維候選的推薦游戲后，由最終游戲推薦單元203對這些候選的推薦游戲的游戲信息進行歸一化和排序操作。例如，各維均確定出M個候選的推薦游戲，由最終游戲推薦單元203確定歸一化操作的相關系數(shù)，計算各候選推薦的游戲和當前用戶的賬號及當前用戶所在社區(qū)的相關性值，并根據(jù)計算結果進行排序，確定最終推薦的M個游戲。進一步地，本裝置還包括游戲推送模塊，用于將所述最終推薦的游戲主動推送到當前用戶的界面進行展示。本發(fā)明所提供的基于社交網絡推薦游戲的裝置具有以下優(yōu)點：綜合游戲用戶的各方面社區(qū)信息，在合適的時間和合適的社區(qū)為當前用戶實時地推薦最合適的游戲，同時促進了社區(qū)流量和轉化率的提升。以上所揭露的僅為本發(fā)明的較佳實施例而已，當然不能以此來限定本發(fā)明之權利范圍，因此依本發(fā)明權利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。