(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202011384767.0
(22)申请日 2020.11.30
(71)申请人 广州三七互娱科技有限公司
地址 510000 广东省广州市天河区黄埔大
道中666号1801室（仅限办公）
(72)发明人 刘舟　徐键滨　吴梓辉　徐雅　
王理平　
(74)专利代理机构 广州三环专利商标代理有限
公司 44202
代理人 陈志明
(51)Int.Cl.
G06Q  30/06(2012.01)
A63F  13/792(2014.01)
(54)发明名称
游戏商品推荐方法、装置及电子设备
(57)摘要
本申请公开了一种游戏商品推荐方法、装置
及电子设备，所述方法包括：获取用户的付费特
征数据；对所述付费特征数据进行对数归一化处
理，获取所述付费特征数据的特征概率值；根据
所述特征概率值在预设区间中所处的区间段，确
定所述付费特征数据对应的偏好标签，以根据所
述偏好标签向所述用户发送对应的商品推荐信
息。权利要求书2页  说明书10页  附图4页CN 112446764 A 2021.03.05
C N  112446764
A
1.一种游戏商品推荐方法，其特征在于，包括：
获取用户的付费特征数据；
对所述付费特征数据进行对数归一化处理，获取所述付费特征数据的特征概率值；
根据所述特征概率值在预设区间中所处的区间段，确定所述付费特征数据对应的偏好标签，以根据所述偏好标签向所述用户发送对应的商品推荐信息。
2.根据权利要求1所述的游戏商品推荐方法，其特征在于，所述获取用户的付费特征数据，包括：
获取所述用户针对各商品的消费数据；
根据各商品的预设权重，获取所述用户的付费特征数据。
3.根据权利要求2所述的游戏商品推荐方法，其特征在于，还包括：
根据所述消费数据与预设消费数据的数值差，确定所述预设权重，其中，所述数值差与所述预设权重正相关。
4.根据权利要求2所述的游戏商品推荐方法，其特征在于，所述消费数据从多个与服务器关联的应用中获取。
5.根据权利要求1或3所述的游戏商品推荐方法，其特征在于，所述对所述付费特征数据进行对数归一化处理，获取所述付费特征数据的特征概率值，包括：
对所述付费特征数据和预设特征数据进行对数变换，获取所述付费特征数据的第一特征值和所述预设特征数据的第二特征值；
根据所述第一特征值和所述第二特征值，对所述付费特征数据进行归一化处理，获取所述付费特征数据在所述预设区间内的特征概率值。
6.根据权利要求5所述的游戏商品推荐方法，其特征在于，所述对所述付费特征数据和预设特征数据进行对数变换，获取所述付费特征数据的第一特征值和所述预设特征数据的第二特征值，包括：
根据N＝log L(1+(S sum)/2)对所述付费特征数据做对数变换，获取所述付费特征数据的第一特征值；以及，
根据N’＝log L(1+(S sum’)/2)对预设特征数据做对数变换，获取所述预设特征数据的第二特征值，其中，N表示所述第一特征概率值，N’表示第二特征概率值，S sum表示所述付费特征数据，S sum’表示所述预设特征数据，L为预设底数。
7.根据权利要求1所述的游戏商品推荐方法，其特征在于，还包括：
将所述付费特征数据与所述偏好标签相关联。
8.一种游戏商品推荐装置，其特征在于，包括：
数据获取模块，用于获取用户的付费特征数据；
数据处理模块，用于对所述付费特征数据进行对数归一化处理，获取所述付费特征数据的特征概率值；
商品推荐模块，用于根据所述特征概率值在预设区间中所处的区间段，确定所述付费特征数据对应的偏好标签，以根据所述偏好标签向所述用户发送对应的商品推荐信息。
9.根据权利要求8所述的游戏商品推荐装置，其特征在于，所述数据获取模块具体用于：
获取所述用户针对各商品的消费数据；
根据各商品的预设权重，获取所述用户的付费特征数据。
10.根据权利要求9所述的游戏商品推荐装置，其特征在于，所述数据获取模块具体用于：
根据所述消费数据与预设消费数据的数值差，确定所述预设权重，其中，所述数值差与所述预设权重正相关。
11.根据权利要求8或10所述的游戏商品推荐装置，其特征在于，所述数据处理模块具体用于：
对所述付费特征数据和预设特征数据进行对数变换，获取所述付费特征数据的第一特征值和所述预设特
征数据的第二特征值；
根据所述第一特征值和所述第二特征值，对所述付费特征数据进行归一化处理，获取所述付费特征数据在所述预设区间内的特征概率值。
12.根据权利要求11所述的游戏商品推荐装置，其特征在于，所述数据处理模块具体用于：
根据N＝log L(1+(S sum)/2)对所述付费特征数据做对数变换，获取所述付费特征数据的第一特征值；以及，
根据N’＝log L(1+(S sum’)/2)对预设特征数据做对数变换，获取所述预设特征数据的第二特征值，其中，N表示所述第一特征概率值，N’表示第二特征概率值，S sum表示所述付费特征数据，S sum’表示所述预设特征数据，L为预设底数。
13.一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的游戏商品推荐方法。
游戏商品推荐方法、装置及电子设备
技术领域
[0001]本申请涉及计算机技术领域，特别涉及一种游戏商品推荐方法、装置及电子设备。
背景技术
[0002]随着互联网的发展，可向用户推荐的服务也逐渐增多。而为了满足用户需求，在某些领域，如游戏领域中，通常需要根据用户的商品偏好来制定相应的服务以满足用户需求，因此需要对用户进行商品偏好预测，以根据不同的偏好习惯为用户推荐对应的虚拟物品，提高用户体验。
[0003]现有在针对用户的偏好预测，是通过获取用户的付费特征进行聚类，根据聚类结果预测用户对某个种类商品的偏好程度，从而根据预测的偏好程度推荐相应的虚拟物品。但在实际应用中，由于聚类方式是根据两个数据之间的距离进行聚类，且偏好预测时其偏好程度值无上限，因此当用户数量较大，且某个用户的付费特征较高时，会导致整体聚类后的偏好预测只呈现两个极性的结果，使得对用户偏好预测结果的偏量较高，从而出现向用户推荐的游戏商品与用户当前的实际情况不符，进而导致用户体验较差。
发明内容
[0004]本申请的目的在于至少解决现有技术中存在的技术问题之一，提供一种游戏商品推荐方法、装置以及电子设备，提高游戏商品推荐的准确性，以提高用户体验。
[0005]本申请实施例提供一种游戏商品推荐方法，包括：电子游戏的利与弊
[0006]获取用户的付费特征数据；
[0007]对所述付费特征数据进行对数归一化处理，获取所述付费特征数据的特征概率值；
[0008]根据所述特征概率值在预设区间中所处的区间段，确定所述付费特征数据对应的偏好标签，以根据所述偏好标签向所述用户发送对应的商品推荐信息。
[0009]进一步的，所述获取用户的付费特征数据，包括：
[0010]获取所述用户针对各商品的消费数据；
[0011]根据各商品的预设权重，获取所述用户的付费特征数据。
[0012]进一步的，在本申请实施例中，还包括：
[0013]根据所述消费数据与预设消费数据的数值差，确定所述预设权重，其中，所述数值差与所述预设权重正相关。
[0014]进一步的，所述消费数据从多个与服务器关联的应用中获取。
[0015]进一步的，所述对所述付费特征数据进行对数归一化处理，获取所述付费特征数据的特征概率值，包括：
[0016]对所述付费特征数据和预设特征数据进行对数变换，获取所述付费特征数据的第一特征值和所述预设特征数据的第二特征值；
[0017]根据所述第一特征值和所述第二特征值，对所述付费特征数据进行归一化处理，
获取所述付费特征数据在所述预设区间内的特征概率值。
[0018]进一步的，所述对所述付费特征数据和预设特征数据进行对数变换，获取所述付费特征数据的第一特征值和所述预设特征数据的第二特征值，包括：
[0019]根据N＝log L(1+(S sum)/2)对所述付费特征数据做对数变换，获取所述付费特征数据的第一特征值；以及，
[0020]根据N’＝log L(1+(S sum’)/2)对预设特征数据做对数变换，获取所述预设特征数据的第二特征值，其中，N表示所述第一特征概率值，N’表示第二特征概率值，S sum表示所述付费特征数据，S sum’表示所述预设特征数据，L为预设底数。
[0021]进一步的，在本申请实施例中，还包括：
[0022]将所述付费特征数据与所述偏好标签相关联。
[0023]进一步的，在本申请实施例中，还提供了一种游戏商品推荐装置，包括：
[0024]数据获取模块，用于获取用户的付费特征数据；
[0025]数据处理模块，用于对所述付费特征数据进行对数归一化处理，获取所述付费特征数据的特征概率值；
[0026]商品推荐模块，用于根据所述特征概率值在预设区间中所处的区间段，确定所述付费特征数据对应的偏好标签，以根据所述偏好标签向所述用户发送对应的商品推荐信息。
[0027]进一步的，所述数据获取模块具体用于：
[0028]获取所述用户针对各商品的消费数据；
[0029]根据各商品的预设权重，获取所述用户的付费特征数据。
[0030]进一步的，所述数据获取模块具体用于：
[0031]根据所述消费数据与预设消费数据的数值差，确定所述预设权重，其中，所述数值差与所述预设
权重正相关。
[0032]进一步的，所述数据处理模块具体用于：
[0033]对所述付费特征数据和预设特征数据进行对数变换，获取所述付费特征数据的第一特征值和所述预设特征数据的第二特征值；
[0034]根据所述第一特征值和所述第二特征值，对所述付费特征数据进行归一化处理，获取所述付费特征数据在所述预设区间内的特征概率值。
[0035]进一步的，所述数据处理模块具体用于：
[0036]根据N＝log L(1+(S sum)/2)对所述付费特征数据做对数变换，获取所述付费特征数据的第一特征值；以及，
[0037]根据N’＝log L(1+(S sum’)/2)对预设特征数据做对数变换，获取所述预设特征数据的第二特征值，其中，N表示所述第一特征概率值，N’表示第二特征概率值，S sum表示所述付费特征数据，S sum’表示所述预设特征数据，L为预设底数。
[0038]进一步的，本申请实施例提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例所述的游戏商品推荐方法。
[0039]进一步的，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上述实施例所述