本技術(shù)涉及人工智能，尤其涉及一種基于人工智能的游戲推薦方法和裝置。

背景技術(shù)：

1、隨著計(jì)算機(jī)硬件和軟件的發(fā)展與人們生活水平的提高，電子游戲成為了大多數(shù)人的娛樂(lè)方式，也為社會(huì)帶來(lái)了許多經(jīng)濟(jì)價(jià)值和文化價(jià)值，游戲行業(yè)蓬勃發(fā)展，推薦系統(tǒng)是解決信息過(guò)載的自動(dòng)化預(yù)選技術(shù)，目前主流的方法是制定游戲熱門(mén)榜供玩家選擇自己喜歡的游戲，現(xiàn)有技術(shù)中，各大游戲平臺(tái)和應(yīng)用商店的游戲推薦都是通過(guò)大數(shù)據(jù)進(jìn)行推薦，但是這些游戲并不一定符合所有人的娛樂(lè)需求，因此需要關(guān)注游戲本身的同時(shí)還要關(guān)注玩家本身的需求。

2、而且這些通過(guò)大數(shù)據(jù)篩選被推薦的游戲并沒(méi)有達(dá)到很好的電子游戲推薦效果，造成了推薦資源的浪費(fèi)，并且，當(dāng)前的游戲推薦即使需要基于用戶自身的推薦，也需要用戶玩家自身親自體驗(yàn)后才能得出結(jié)論，對(duì)玩家的流程過(guò)于繁瑣，為此，我們提出了一種基于人工智能的游戲推薦方法，通過(guò)模擬仿真畫(huà)像貼近玩家的情況，向玩家推薦最符合其需求的游戲。

技術(shù)實(shí)現(xiàn)思路

1、為實(shí)現(xiàn)上述目的，本技術(shù)提供如下技術(shù)方案：

2、根據(jù)本發(fā)明第一方面，本發(fā)明請(qǐng)求保護(hù)一種基于人工智能的游戲推薦方法，包括以下步驟：

3、依據(jù)用戶畫(huà)像數(shù)據(jù)庫(kù)選擇目標(biāo)用戶畫(huà)像相關(guān)的第一待推薦樣本，所述第一待推薦樣本包括用戶畫(huà)像元數(shù)據(jù)以及所述用戶畫(huà)像元數(shù)據(jù)關(guān)聯(lián)的社交網(wǎng)絡(luò)特征信息和應(yīng)用程序數(shù)據(jù)；

4、依據(jù)第一待推薦樣本建立目標(biāo)用戶畫(huà)像的仿真模型，在仿真模型中運(yùn)行參考游戲，選擇參考游戲關(guān)聯(lián)的用戶反饋信息和游戲運(yùn)行收益；

5、建立人工智能分析模型，依據(jù)人工智能分析模型對(duì)用戶反饋信息和游戲運(yùn)行收益進(jìn)行深度學(xué)習(xí)和實(shí)驗(yàn)測(cè)試，采集參考游戲與目標(biāo)用戶畫(huà)像之間的匹配度；

6、對(duì)各個(gè)參考游戲與目標(biāo)用戶畫(huà)像之間的匹配度進(jìn)行染色體變異操作，計(jì)算出各個(gè)參考游戲的染色體變異值，將各個(gè)參考游戲的染色體變異值的平均值作為當(dāng)前目標(biāo)用戶畫(huà)像關(guān)聯(lián)的游戲評(píng)價(jià)值；

7、通過(guò)改變所述第一待推薦樣本，統(tǒng)計(jì)不同第一待推薦樣本的目標(biāo)用戶畫(huà)像關(guān)聯(lián)的游戲粘度和游戲留存時(shí)長(zhǎng)；依據(jù)游戲粘度和游戲留存時(shí)長(zhǎng)獲得目標(biāo)游戲，依據(jù)游戲評(píng)價(jià)值統(tǒng)計(jì)目標(biāo)游戲的總評(píng)價(jià)值，依據(jù)總評(píng)價(jià)值表征游戲推薦效果。

8、進(jìn)一步地，所述第一待推薦樣本的采集邏輯：

9、從用戶畫(huà)像數(shù)據(jù)庫(kù)中采集目標(biāo)用戶畫(huà)像關(guān)聯(lián)的用戶畫(huà)像元數(shù)據(jù)；將所述用戶畫(huà)像元數(shù)據(jù)存儲(chǔ)在關(guān)聯(lián)的應(yīng)用平臺(tái)節(jié)點(diǎn)上；所述用戶畫(huà)像元數(shù)據(jù)包括應(yīng)用平臺(tái)類型、應(yīng)用平臺(tái)類型編碼與真實(shí)用戶關(guān)聯(lián)信息；

10、依據(jù)預(yù)設(shè)規(guī)則單元確定所述用戶畫(huà)像元數(shù)據(jù)的空間大??；根據(jù)所述用戶畫(huà)像元數(shù)據(jù)的空間大小進(jìn)行過(guò)濾，將所述用戶畫(huà)像元數(shù)據(jù)存儲(chǔ)在應(yīng)用平臺(tái)節(jié)點(diǎn)關(guān)聯(lián)的應(yīng)用平臺(tái)子節(jié)點(diǎn)和備用應(yīng)用平臺(tái)子節(jié)點(diǎn)上；

11、若空間大小小于預(yù)設(shè)空間大小閾值的所述用戶畫(huà)像元數(shù)據(jù)作為候選畫(huà)像，將候選畫(huà)像進(jìn)行匯集歸類；

12、若空間大小大于等于預(yù)設(shè)空間大小閾值的所述用戶畫(huà)像元數(shù)據(jù)作為第一目標(biāo)，并將所述第一目標(biāo)關(guān)聯(lián)的社交網(wǎng)絡(luò)特征信息和應(yīng)用程序數(shù)據(jù)標(biāo)記為第一待推薦樣本；

13、社交網(wǎng)絡(luò)特征信息包括對(duì)話文本語(yǔ)義信息、對(duì)話實(shí)時(shí)環(huán)境信息、好友因素、社交網(wǎng)絡(luò)訪問(wèn)數(shù)據(jù)：

14、應(yīng)用程序數(shù)據(jù)包括應(yīng)用程序界面布局信息、應(yīng)用程序類型信息和應(yīng)用程序平臺(tái)信息。

15、進(jìn)一步地，所述參考游戲的運(yùn)行邏輯為：

16、采集仿真模型關(guān)聯(lián)運(yùn)行等級(jí)要求，依據(jù)運(yùn)行等級(jí)要求選擇當(dāng)前仿真模型關(guān)聯(lián)的應(yīng)用平臺(tái)訪問(wèn)時(shí)長(zhǎng)以及游戲運(yùn)行時(shí)長(zhǎng)；

17、根據(jù)應(yīng)用平臺(tái)訪問(wèn)時(shí)長(zhǎng)和游戲運(yùn)行時(shí)長(zhǎng)進(jìn)行模糊分析，依據(jù)模糊區(qū)間過(guò)濾出參考游戲；

18、依據(jù)參考游戲?qū)δ繕?biāo)用戶畫(huà)像進(jìn)行游戲運(yùn)行采集關(guān)聯(lián)的用戶反饋信息和游戲運(yùn)行收益；

19、所述用戶反饋信息包括對(duì)話情感極性信息、擴(kuò)展包購(gòu)買(mǎi)金額數(shù)據(jù)、在線時(shí)長(zhǎng)數(shù)據(jù)、日常生活變化數(shù)據(jù)、未來(lái)規(guī)劃信息和生物特征數(shù)據(jù)：

20、所述游戲運(yùn)行收益包括游戲金額數(shù)據(jù)、擴(kuò)展包購(gòu)買(mǎi)信息、游戲與日常生活的結(jié)合信息、游戲卸載信息、游戲場(chǎng)景情感極性信息和游戲評(píng)分信息。

21、進(jìn)一步地，所述人工智能分析模型的學(xué)習(xí)實(shí)驗(yàn)測(cè)試邏輯為：

22、歷史樣本集包括依據(jù)目標(biāo)用戶畫(huà)像的所有參考游戲和對(duì)目標(biāo)用戶畫(huà)像的推薦效果的匹配度；

23、將60%的歷史樣本集作為指標(biāo)實(shí)驗(yàn)測(cè)試集，40%的歷史樣本集作為指標(biāo)運(yùn)行集，建立人工智能分析模型；

24、將指標(biāo)實(shí)驗(yàn)測(cè)試集輸入所述人工智能分析模型進(jìn)行實(shí)驗(yàn)測(cè)試，以得到參考游戲與目標(biāo)用戶畫(huà)像之間的匹配度為輸出，以實(shí)際匹配度為評(píng)估目標(biāo)，以最小化所有輸出與評(píng)估目標(biāo)之間的評(píng)估置信度之和作為實(shí)驗(yàn)測(cè)試目標(biāo)；其中，評(píng)估置信度的計(jì)算公式為：，其中，為參考游戲的編號(hào)，為第個(gè)參考游戲關(guān)聯(lián)的評(píng)估匹配度，為第個(gè)參考游戲關(guān)聯(lián)的實(shí)際匹配度，為評(píng)估置信度；利用指標(biāo)運(yùn)行集對(duì)所述人工智能分析模型進(jìn)行運(yùn)行，直至評(píng)估置信度之和達(dá)到收斂時(shí)停止實(shí)驗(yàn)測(cè)試。

25、進(jìn)一步地，所述當(dāng)前目標(biāo)用戶畫(huà)像關(guān)聯(lián)的游戲評(píng)價(jià)值的采集邏輯為：

26、通過(guò)人工智能分析模型分析后，可獲得參考游戲關(guān)聯(lián)的評(píng)估匹配度，所述匹配度介于0到1之間的數(shù)值，其中：1表示完全匹配，0表示不匹配；

27、確定影響匹配度權(quán)重的權(quán)重關(guān)聯(lián)要素并分配一個(gè)染色體變異因子；將每個(gè)參考游戲的匹配度與相應(yīng)的染色體變異因子相乘，得到各個(gè)參考游戲的染色體變異值；

28、將各個(gè)參考游戲的染色體變異值進(jìn)行平均計(jì)算，得到當(dāng)前目標(biāo)用戶畫(huà)像關(guān)聯(lián)的游戲評(píng)價(jià)值。

29、進(jìn)一步地，所述染色體變異因子的采集邏輯為：

30、實(shí)際資料收集；

31、數(shù)據(jù)統(tǒng)計(jì)分析，采用遺傳算法的方法過(guò)濾場(chǎng)景決策相關(guān)的染色體變異關(guān)聯(lián)要素；

32、對(duì)染色體變異關(guān)聯(lián)要素進(jìn)行適應(yīng)度函數(shù)定義，確定染色體變異關(guān)聯(lián)要素及關(guān)聯(lián)于各個(gè)染色體變異關(guān)聯(lián)要素的染色體變異因子。

33、進(jìn)一步地，所述目標(biāo)游戲的采集邏輯：

34、所述游戲粘度用于表示不同測(cè)試場(chǎng)景下，每個(gè)參考游戲的運(yùn)行結(jié)果高于粘度評(píng)價(jià)值的總次數(shù)；

35、所述游戲留存時(shí)長(zhǎng)用于表示固定的測(cè)試場(chǎng)景下不同的游戲組合中參考游戲出現(xiàn)的頻率；

36、結(jié)合游戲粘度和留存時(shí)長(zhǎng)的分析結(jié)果，將游戲粘度大于預(yù)設(shè)的游戲粘度閾值，且所述游戲留存時(shí)長(zhǎng)大于預(yù)設(shè)的游戲留存時(shí)長(zhǎng)閾值中關(guān)聯(lián)的參考游戲標(biāo)記為目標(biāo)游戲。

37、根據(jù)本發(fā)明第二方面，本發(fā)明請(qǐng)求保護(hù)一種基于人工智能的游戲推薦裝置，其依據(jù)所述的一種基于人工智能的游戲推薦方法實(shí)現(xiàn)，包括應(yīng)用平臺(tái)數(shù)據(jù)接收單元、仿真模型操作單元、人工智能數(shù)據(jù)分析單元、目標(biāo)游戲評(píng)價(jià)單元和游戲推薦評(píng)價(jià)單元，上述各個(gè)單元通過(guò)有線和/或無(wú)線連接的方式連接，實(shí)現(xiàn)各個(gè)單元間的數(shù)據(jù)傳輸；

38、應(yīng)用平臺(tái)數(shù)據(jù)接收單元，依據(jù)用戶畫(huà)像數(shù)據(jù)庫(kù)選擇目標(biāo)用戶畫(huà)像相關(guān)的第一待推薦樣本，所述第一待推薦樣本包括用戶畫(huà)像元數(shù)據(jù)以及所述用戶畫(huà)像元數(shù)據(jù)關(guān)聯(lián)的社交網(wǎng)絡(luò)特征信息和應(yīng)用程序數(shù)據(jù)；

39、仿真模型操作單元，依據(jù)第一待推薦樣本建立目標(biāo)用戶畫(huà)像的仿真模型，在仿真模型中運(yùn)行參考游戲，選擇參考游戲關(guān)聯(lián)的用戶反饋信息和游戲運(yùn)行收益；

40、人工智能數(shù)據(jù)分析單元，建立人工智能分析模型，依據(jù)人工智能分析模型對(duì)用戶反饋信息和游戲運(yùn)行收益進(jìn)行深度學(xué)習(xí)和實(shí)驗(yàn)測(cè)試，采集參考游戲與目標(biāo)用戶畫(huà)像之間的匹配度；

41、游戲評(píng)價(jià)單元，對(duì)各個(gè)參考游戲與目標(biāo)用戶畫(huà)像之間的匹配度進(jìn)行染色體變異操作，計(jì)算出各個(gè)參考游戲的染色體變異值，將各個(gè)參考游戲的染色體變異值的平均值作為當(dāng)前目標(biāo)用戶畫(huà)像關(guān)聯(lián)的游戲評(píng)價(jià)值；

42、游戲推薦評(píng)價(jià)單元，通過(guò)改變所述第一待推薦樣本，統(tǒng)計(jì)不同第一待推薦樣本的目標(biāo)用戶畫(huà)像關(guān)聯(lián)的游戲粘度和游戲留存時(shí)長(zhǎng)；依據(jù)游戲粘度和游戲留存時(shí)長(zhǎng)獲得目標(biāo)游戲，依據(jù)游戲評(píng)價(jià)值統(tǒng)計(jì)目標(biāo)游戲的總評(píng)價(jià)值，依據(jù)總評(píng)價(jià)值表征游戲推薦效果。

43、本發(fā)明起到的有益效果在于：

44、1.本發(fā)明可以為游戲研發(fā)提供有力支持，幫助研究人員快速過(guò)濾出具有潛力的參考游戲，并評(píng)估其在實(shí)際應(yīng)用中的效果和安全性。

45、2.本發(fā)明可以為實(shí)際玩家提供個(gè)性化推薦方案的參考依據(jù)，提高推薦效果和真實(shí)用戶滿意度。

46、3.本發(fā)明通過(guò)模擬仿真畫(huà)像貼近玩家的情況，向玩家推薦最符合其需求的游戲，簡(jiǎn)化用戶的冗余工作量。