[发明专利]游戏商品推荐方法、装置及电子设备

说明书

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。

技术领域

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

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。

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

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。

本申请实施例提供一种游戏商品推荐方法，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。

进一步的，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。

进一步的，在本申请实施例中，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。

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。

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：

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。

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：

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。

进一步的，在本申请实施例中，还包括：