[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

说明书

本发明提供一种基于孪生神经网络和GMM的游戏防沉迷判定系统及方法，所述方法包括：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；利用训练后的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，利用训练后的高斯混合模型计算待判定用户的游戏数据的特征向量的似然度，并根据似然度确定待判定用户是否为沉迷游戏的用户。本发明利用模型对用户是否沉迷与游戏进行判定。

技术领域

本发明涉及机器学习技术领域，特别是涉及一种基于孪生神经网络和GMM的游戏防沉迷判定系统及方法。

背景技术

游戏防沉迷系统旨在解决游戏用户沉迷网络游戏的现状，为了能有效判定游戏用户近期是否沉迷游戏，对沉迷于游戏的用户使用提醒和游戏限制等措施来改变部分游戏用户的不良游戏习惯。

2005年8月，新闻出版总署发布《网络游戏防沉迷系统开发标准》，要求国内7家大型网络游戏运营公司预备开发防沉迷系统。2006年3月，新闻出版总署发布《关于保护未成年人身心健康实施网络游戏防沉迷系统的通知》，决定于2007年4月15日起在中国推行网络游戏防沉迷系统。2007年7月16日，防沉迷系统全面实施，至今已超过十年。然而到2016年，没有设置防沉迷系统的游戏数量仍占到当年所有测评游戏数量的71％。

目前游戏防沉迷系统的主要技术瓶颈在于无法对沉迷行为做出准确且智能的判定。目前常用的判定方法通常是通过预设定的一个游戏时长或游戏内消费的阈值进行判定。这种方法缺少对用户的年龄，具体游戏时间，收入等的考虑，因此显得是呆板和不智能。缺少一种准确且智能的游戏沉迷判定方法也是阻碍众多游戏厂商开发游戏防沉迷系统的重要因素。

发明内容

为了解决上述的以及其他潜在的技术问题，本发明的实施例提供了一种基于孪生神经网络和GMM的游戏防沉迷判定方法，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。

于本发明的一实施例中，所述孪生神经网络模型具有两个相同结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。

于本发明的一实施例中，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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。