[发明专利]基于孪生神经网络和GMM的游戏防沉迷判定系统及方法

权利要求书

1.一种基于孪生神经网络和GMM的游戏防沉迷判定方法，其特征在于，所述基于孪生神经网络和GMM的游戏防沉迷判定方法包括：

利用孪生神经网络模型对游戏用户的游戏数据进行特征提取，并对不同类别的游戏用户的特征进行差异性学习训练，使得沉迷游戏用户的用户特征和未沉迷游戏用户的用户特征具有区别距离；

利用高斯混合模型对游戏用户的用户特征进行学习训练，学习沉迷游戏用户的用户特征和未沉迷游戏用户的用户特征的特征向量的概率分布；

利用学习训练后的所述孪生神经网络模型提取待判定用户的游戏数据的特征向量，利用学习训练后的所述高斯混合模型计算所述待判定用户的游戏数据的特征向量的似然度，并根据所述似然度确定待判定用户是否为沉迷游戏的用户。

2.根据权利要求1所述的基于孪生神经网络和GMM的游戏防沉迷判定方法，其特征在于，所述孪生神经网络模型具有两个相同网络结构的第一层神经网络和第二层神经网络；所述第一层神经网络和所述第二层神经网络分别输出游戏用户的特征向量，所述孪生神经网络模型的输出层输出所述第一层神经网络输出的游戏用户的特征向量与所述第二层神经网络输出的游戏用户的特征向量之间的绝对差值。

3.根据权利要求2所述的基于孪生神经网络和GMM的游戏防沉迷判定方法，其特征在于，所述利用孪生神经网络模型对游戏用户的游戏数据进行特征提取，并对不同类别的游戏用户的特征进行差异性学习训练中，每次选取两个游戏用户的特征向量，分别同时输入到所述第一层神经网络和所述第二层神经网络。

4.根据权利要求1所述的基于孪生神经网络和GMM的游戏防沉迷判定方法，其特征在于，所述利用学习训练后的所述高斯混合模型计算所述待判定用户的游戏数据的特征向量的似然度，并根据所述似然度确定待判定用户是否为沉迷游戏的用户的一种实现方式为：

将待判定用户的特征向量分别带入沉迷游戏用户的用户特征和未沉迷游戏用户的用户特征的特征向量的概率分布中计算似然度，取两个中 似然度大的作为判定是否为沉迷游戏的用户的待判定用户的分类标签。

5.根据权利要求1所述的基于孪生神经网络和GMM的游戏防沉迷判定方法，其特征在于，所述游戏数据至少包括游戏时长，游戏投入金钱，游戏在线时间以及用户年龄。

6.一种基于孪生神经网络和GMM的游戏防沉迷判定系统，其特征在于，所述基于孪生神经网络和GMM的游戏防沉迷判定系统包括：

孪生神经网络模型训练模块，用于利用孪生神经网络模型对游戏用户的游戏数据进行特征提取，并对不同类别的游戏用户的特征进行差异性学习训练，使得沉迷游戏用户的用户特征和未沉迷游戏用户的用户特征具有区别距离；

高斯混合模型训练模块，用于利用高斯混合模型对游戏用户的用户特征进行学习训练，学习沉迷游戏用户的用户特征和未沉迷游戏用户的用户特征的特征向量的概率分布；

判定模块，用于利用学习训练后的所述孪生神经网络模型提取待判定用户的游戏数据的特征向量，利用学习训练后的所述高斯混合模型计算所述待判定用户的游戏数据的特征向量的似然度，并根据所述似然度确定待判定用户是否为沉迷游戏的用户。

7.根据权利要求6所述的基于孪生神经网络和GMM的游戏防沉迷判定系统，其特征在于，所述孪生神经网络模型具有两个相同网络结构的第一层神经网络和第二层神经网络；所述第一层神经网络和所述第二层神经网络分别输出游戏用户的特征向量，所述孪生神经网络模型的输出层输出所述第一层神经网络输出的游戏用户的特征向量与所述第二层神经网络输出的游戏用户的特征向量之间的绝对差值。

8.根据权利要求7所述的基于孪生神经网络和GMM的游戏防沉迷判定系统，其特征在于，所述利用孪生神经网络模型对游戏用户的游戏数据进行特征提取，并对不同类别的游戏用户的特征进行差异性学习训练中，每次选取两个游戏用户的特征向量，分别同时输入到所述第一层神经网络和所述第二层神经网络。