[发明专利]基于深度神经网络的虚拟货币优化方法

权利要求书

1.基于深度神经网络的虚拟货币优化方法，其特征在于，包括以下步骤：

1)对游戏货币系统进行数据采集和挖掘；

2)采用增强学习的方法对高频数据对应的用户的购买行为进行深度学习；

3)根据深度学习结果，制定游戏货币发放的增速减速策略。

2.根据权利要求1所述的基于深度神经网络的虚拟货币优化方法，其特征在于，所述步骤1)中，对游戏货币系统进行数据采集包括：

1-1)用户画像，包括用户年龄、性别、工作、收入情况；

1-2)每一次用户购买的历史记录；

1-3)用户购买时的上下文数据，包括社交好友购买记录、游戏进行状态、全局货币化属性。

3.根据权利要求1所述的基于深度神经网络的虚拟货币优化方法，其特征在于，所述步骤1)中，进行数据挖掘是指，首先得到所有用户购买的历史数据，然后对每个用户购买行为进行统计，然后对用户按照购买频率进行排序，得到高频数据对应的用户。

4.根据权利要求2所述的基于深度神经网络的虚拟货币优化方法，其特征在于，所述步骤1)中，对于用户数据不完善的情况，对用户进行建模，提取信息完善的用户的特征信息，进行机器学习，利用机器学习结果对数据不完善用户的未知信息进行预测。

5.根据权利要求1所述的基于深度神经网络的虚拟货币优化方法，其特征在于，所述步骤2)中，进行深度学习，具体过程如下：

首先定义Q-learning中的状态和动作，状态就是游戏的整体货币化情况以及每个人的购买状况，动作就是是否继续购买，如果购买，那么就得到一个difference，通过这个difference对状态和动作的函数Q(s,a)进行更新：

Q(s,a):＝Q(s,a)+α[difference]

其中，Q(s,a)代表Q-learning里面对状态和动作的建模，s为状态，a为动作，α为增强学习中的折扣因子，difference为一次增强学习结果；

然后将Q(s,a)函数参数化为深度神经网络，来用神经网络来逼近这个复杂函数，

神经网络的更新如下：

w:＝w+α[difference]Q(s,a)

其中，w为神经网络权值。

6.根据权利要求1所述的基于深度神经网络的虚拟货币优化方法，其特征在于，所述步骤3)中，根据深度学习结果，当用户在游戏的某个时间点购买行为增强，则增加货币供应量，反之，减少货币供应量。