(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210884857.9 (22)申请日 2022.07.26 (71)申请人 赵文权 地址 213162 江苏省常州市武进区常武中 路常州科教城天鸿科技大厦B座806- 807室 (72)发明人 赵文权　 (74)专利代理 机构 北京恒和顿知识产权代理有 限公司 1 1014 专利代理师 林涛 (51)Int.Cl. A63F 13/79(2014.01) A63F 13/85(2014.01) G06F 16/9535(2019.01) G06K 9/62(2022.01) (54)发明名称 基于智能可视化的云游戏大数据挖掘方法 及系统 (57)摘要 本申请实施例公开了基于智能可视化的云 游戏大数据挖掘方法及系统， 通过 获得目标云游 戏交互大数据的第一原始行为偏好知识向量， 基 于所述第一原始行为偏好知识向量， 确定出所述 目标云游戏交互大数据的第一个性化兴趣关系 网， 基于所述第一个性化兴趣关系网， 对所述第 一原始行为偏好知识向量进行优化， 确定出完成 优化的第一原始行为偏好知识向量， 并基于所述 完成优化的第一原始行为偏好知识向量， 确定出 所述目标云游戏交互大数据的第一多元回归分 析关系网， 这样基于对个性化兴趣 数据的强化和 关注， 可以提升对所述目标云游戏交互大数据进 行行为数据区分归纳的精度和可信度。 权利要求书4页 说明书22页 附图1页 CN 115282606 A 2022.11.04 CN 115282606 A 1.一种基于智能可视化的云游戏大数据挖掘方法， 其特征在于， 应用于智能大数据系 统， 所述方法包括： 获得目标云游戏交互大数据的第 一原始行为偏好知识向量； 基于所述第 一原始行为偏 好知识向量， 确定出 所述目标云游戏交 互大数据的第一个性 化兴趣关系网； 基于所述第一个性化兴趣关系 网， 对所述第一原始行为偏好知识向量进行优化， 确定 出完成优化的第一原始行为偏好知识向量； 基于所述完成优化的第一原始行为偏好知识向 量， 确定出 所述目标云游戏交 互大数据的第一多元回归分析关系网。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述第一原始行为偏好知识向 量， 确定出 所述目标云游戏交 互大数据的第一个性 化兴趣关系网， 包括： 获得所述目标云游戏交 互大数据的第一用户体验反馈 字段； 基于所述第 一原始行为偏好知识向量， 以及所述目标云游戏交互大数据的第 一用户体 验反馈字段， 确定出 所述目标云游戏交 互大数据的第一个性 化兴趣关系网。 3.根据权利要求1所述的方法， 其特征在于， 所述基于所述第一个性化兴趣关系 网， 对 所述第一原始行为偏好知识向量进行优化， 确定出完成优化的第一原始行为偏好知识向 量， 包括： 基于所述第一个性化兴趣关系网， 确定U个第一活跃互动事件， 其中， U为大于1的 整数； 对所述第一原始行为偏好知识向量中， 所述U个第一活跃 互动事件的基础知识向量进 行优化， 确定出完成优化的第一原 始行为偏好知识向量； 其中， 所述基于所述第一个性化兴趣关系网， 确定U个第一活跃互动事件， 包括： 将所述 第一个性化兴趣关系网中匹配于个性化兴趣的可能性值最高的U个关系网成员， 确定为U个 第一活跃互动事 件； 其中， 所述对所述第一原始行为偏好知识向量中， 所述U个第一活跃互动事件的基础知 识向量进 行优化， 确定出完成优化的第一原始行为偏好知识向量， 包括： 基于所述第一原始 行为偏好知识向量， 确定出所述U个第一活跃互动事件的基础知识向量； 对所述U个第一活 跃互动事件的基础知识向量进行滑动滤波处理， 确定出所述U个第一活跃互动事件的 已优 化知识向量； 基于所述U个第一活跃 互动事件的已优化知识向量， 优化所述第一原始行为偏 好知识向量中所述U个第一活跃互动事件的基础知识向量， 确定出完成优化的第一原始行 为偏好知识向量。 4.根据权利要求1所述的方法， 其特征在于， 所述基于智能可视化的云游戏大数据挖掘 方法通过A I计算机模 型进行处理， 所述A I计算机模型包括X层回归分析子模 型， 其中， X为不 小于1的整 数； 所述X层回归分析子模 型中的任意一层回归分析子模 型包括第一模型算法单 元； 所述基于所述第 一原始行为偏好知识向量， 确定出所述目标云游戏交互大数据的第 一 个性化兴趣关系网， 包括： 对于所述X层回归分析子模型中的任意一层回归分析子模型， 将 所述目标云游戏交互大数据对应于该层回归分析子模型的第一原始行为偏好知识向量和 所述目标云游戏交互大数据的第一用户体验反馈字段传入该层回归分析子模型的第一模 型算法单元， 借助该层回归分析子模型的第一模型算法单元生成所述目标云游戏交互大数 据对应于该层回归分析子模型的第一个性 化兴趣关系网。 5.根据权利要求4所述的方法， 其特征在于， 在所述对于所述X层回归分析子模型中的 任意一层回归分析子模型， 将所述目标云游戏交互大数据对应于该层回归分析子模型的第权　利　要　求　书 1/4 页 2 CN 115282606 A 2一原始行为偏好知识向量和所述目标云游戏交互大数据的第一用户体验反馈字段传入该 层回归分析子模型的第一模型算法单 元之前， 所述方法还 包括： 获得云游戏交互大数据样本的兴趣关系网正例样本和所述云游戏交互大数据样本的 兴趣关系网负例样本； 通过该层回归分析子模型的第 一模型算法单元， 对所述云游戏交互大数据样本对应于 该层回归分析子模型的第二原始行为偏好知识向量和所述云游戏交互大数据样本的第二 用户体验反馈字段进 行处理， 确定出所述云游戏交互大数据样本对应于该层回归分析子模 型的第二个性化兴趣关系网和所述云游戏交互大数据样本对应于该层回归分析子模型的 非个性化兴趣关系网； 基于所述云游戏交互大数据样本对应于该层回归分析子模型的第二个性化兴趣关系 网、 所述云游戏交互大数据样本对应于该层回归分析子模型 的非个性化兴趣关系网、 所述 云游戏交互大数据样本的兴趣关系网正例样本和所述云游戏交互大数据样本的兴趣关系 网负例样本， 调试 所述AI计算机模型。 6.根据权利要求5所述的方法， 其特征在于， 所述通过该层回归分析子模型的第 一模型 算法单元， 对所述云游戏交互大数据样本对应于该层回归分析子模型的第二原始行为偏好 知识向量和所述云游戏交互大数据样本的第二用户体验反馈字段进行 处理， 确定出所述云 游戏交互大数据样本对应于该层回归分析子模型的第二个性化兴趣关系网和所述云游戏 交互大数据样本对应于该层回归分析子模型的非个性 化兴趣关系网， 包括： 通过该层回归分析子模型的第 一模型算法单元， 对所述云游戏交互大数据样本对应于 该层回归分析子模型的第二原始行为偏好知识向量和所述云游戏交互大数据样本的第二 用户体验反馈字段进 行处理， 确定出所述云游戏交互大数据样本对应于该层回归分析子模 型的个性 化兴趣向量； 基于所述云游戏交互大数据样本对应于该层回归分析子模型的个性化兴趣向量， 确定 出所述云游戏交 互大数据样本对应于该层回归分析子模型的第二个性 化兴趣关系网； 基于所述云游戏交互大数据样本对应于该层回归分析子模型的第二原始行为偏好知 识向量和所述云游戏交互大数据样本对应于该层回归分析子模型的个性化兴趣向量， 确定 出所述云游戏交 互大数据样本对应于该层回归分析子模型的非个性 化兴趣向量； 基于所述云游戏交互大数据样本对应于该层回归分析子模型的非个性化兴趣向量， 确 定出所述云游戏交 互大数据样本对应于该层回归分析子模型的非个性 化兴趣关系网。 7.根据权利要求6所述的方法， 其特征在于， 所述基于所述云游戏交互大数据样本对应 于该层回归分析子模型的非个性化兴趣向量， 确定出所述云游戏交互大数据样本对应于该 层回归分析子模型的非个性 化兴趣关系网， 包括： 获得所述云游戏交 互大数据样本对应于该层回归分析子模型的隐含兴趣知识向量； 基于所述云游戏交互大数据样本对应于该层回归分析子模型的非个性化兴趣向量， 以 及所述云游戏交互大数据样本对应于该层回归分析子模型的 隐含兴趣知识向量， 确定出所 述云游戏交 互大数据样本对应于该层回归分析子模型的非个性 化兴趣关系网。 8.根据权利要求7所述的方法， 其特征在于， 所述X层回归分析子模型中的任意一层回 归分析子模型包括第二模型算法单 元； 所述基于所述第一个性化兴趣关系 网， 对所述第一原始行为偏好知识向量进行优化，权　利　要　求　书 2/4 页 3 CN 115282606 A 3