[发明专利]一种游戏智能评级方法与系统

说明书

本发明涉及一种游戏智能评级方法及系统，所述方法包括以下步骤：采集已上线游戏在上线前的数值数据和文本数据；提取已上线游戏在上线前的数值特征和文本特征并进行特征处理；根据特征处理后已上线游戏在上线前的数值特征、文本特征和已上线游戏的级别标签，建立并训练最优随机森林算法模型；采集未上线游戏的数值数据和文本数据；提取未上线游戏的数值特征和文本特征并进行特征处理；根据最优随机森林算法模型，输入特征处理后未上线游戏的数值特征和文本特征，预测未上线游戏的游戏级别。本发明的游戏智能评级方法及系统具有评级准确，且不受人为主观因素影响的优点。

技术领域

本发明涉及游戏评级领域，特别是涉及一种游戏智能评级方法及系统。

背景技术

游戏产业是技术与内容高度融合的领域。随着经济发展，VR/AR等新技术及硬件的迭代更新与全球范围内恩格尔系数的降低，赋予游戏产业新的巨大的发展潜力与商机。在游戏产业链中，游戏平台运营商是连接游戏开发商与用户的重要一环。游戏平台运营商根据游戏评级的高低，制定运营策略，分配资源，以期投入成本与分成回报成正比，最大化利润。

然而，现有的游戏评级方法，通常是游戏平台运营商的评测人员基于自身的认知与经验，对游戏的主观判断，因此，游戏评级结果会受到游戏评测小组的主观意识、认知水平、经验多寡与人员流动等人为因素的干扰，导致评级准确率浮动较大，最终对游戏平台运营商产生不利影响。

发明内容

基于此，本发明的目的在于，提供一种游戏智能评级方法及系统，其具有评级准确，且不受人为主观因素影响的优点。

一种游戏智能评级方法，其特征在于，包括以下步骤：

采集已上线游戏在上线前的数值数据和文本数据，其中，所述数值数据为该已上线游戏自身参数，所述文本数据包括短文本数据和长文本数据；

提取已上线游戏在上线前的数值特征和文本特征并进行特征处理，其中，所述文本特征包括短文本特征和长文本特征；

根据特征处理后已上线游戏在上线前的数值特征、文本特征和已上线游戏的游戏级别标签，建立并训练最优随机森林算法模型，其中，所述游戏级别标签为：根据已上线游戏上线后一段时间内的受欢迎程度和盈利能力设立的游戏级别；

采集未上线游戏的数值数据和文本数据；

提取未上线游戏的数值特征和文本特征并进行特征处理；

根据所述的最优随机森林算法模型，输入特征处理后未上线游戏的数值特征和文本特征，预测未上线游戏的游戏级别。

一种游戏智能评级系统，其特征在于，包括：

已上线游戏定级模块，所述已上线游戏定级模块基于游戏级别的定义，完成已上线游戏的游戏级别标签；

数据采集及特征提取模块，所述数据采集及特征提取模块采集已上线游戏在上线前的数值数据、文本数据和未上线游戏的数值数据、文本数据，提取相应的数值特征、文本特征并进行特征处理；

随机森林训练模块，所述随机森林训练模块基于已上线游戏在上线前的数值特征、文本特征和游戏级别标签，建立并训练最优随机森林算法模型；

未上线游戏评级模块，所述未上线游戏评级模块基于最优随机森林算法模型和未上线游戏的数值特征和文本特征，对未上线游戏进行预测评级。

本发明所述的一种游戏智能评级方法及系统，利用已上线游戏在上线前的数值数据、文本数据和游戏级别标签，建立并训练随机森林算法模型；基于最优模型和未上线游戏的数值数据、文本数据，实现对未上线游戏级别的预测。该方法与系统是基于机器学习的游戏评级机制，使游戏评级不受评测小组的主观意识、认知水平、经验多寡与人员流动等人为干扰因素影响，为游戏平台运营商制定合理运营策略提供决策支持。