大数据云游戏的操作数据处理方法、服务器及存储介质与流程

本申请实施例涉及大数据和云游戏技术领域，具体涉及一种大数据云游戏的操作数据处理方法、服务器及存储介质。

背景技术：

云游戏是基于云计算技术而形成的新型游戏模式。依附于云游戏，大部分的游戏逻辑和渲染都可以在云游戏服务器端运行，然后再通过云游戏服务器把压缩的游戏内容传给客户端，这样客户端玩家无需配置性能较高的计算机。

相较于传统游戏模式，云游戏摆脱了对硬件的依赖。对云游戏服务器来说，仅仅需要提高云游戏服务器性能而不需要研发新主机，对客户端玩家来说，可以得到更高的画质而不用购买高性能的计算机。因此，云游戏的应用范围越来越广泛。

在云游戏的实际应用过程中，为了实现游戏更新升级，需要对游戏玩家的游戏需求进行分析。而进行游戏需求分析的其中一个环节则是识别游戏玩家的游戏行为意图内容，然而相关技术在识别游戏行为意图内容时存在效率低下的问题。

技术实现要素：

有鉴于此，本申请实施例提供了一种大数据云游戏的操作数据处理方法、服务器及存储介质。

本申请实施例提供了一种大数据云游戏的操作数据处理方法，应用于云游戏服务器，包括：

获取针对目标云游戏事件的游戏操作数据集，所述游戏操作数据集包括至少两条游戏操作数据；

获得所述游戏操作数据集中的各条游戏操作数据与所述目标云游戏事件之间的匹配度；

根据所述各条游戏操作数据对应的匹配度，以及所述各条游戏操作数据的操作行为描述，对所述各条游戏操作数据进行整理，得到相应的游戏操作数据队列；

基于所述游戏操作数据队列生成针对所述目标云游戏事件的目标行为意图内容队列，所述目标行为意图内容队列包括至少两个目标行为意图内容片段。

在可选的实施例中，所述根据所述各条游戏操作数据对应的匹配度，以及所述各条游戏操作数据的操作行为描述，对所述各条游戏操作数据进行整理，得到相应的游戏操作数据队列，具体包括：

根据所述各条游戏操作数据对应的匹配度，以及所述各条游戏操作数据的操作行为描述，对所述各条游戏操作数据进行分治，得到至少两个游戏操作数据子集；

对各个游戏操作数据子集进行整理，并分别对所述各个游戏操作数据子集中的各条游戏操作数据进行整理，得到所述游戏操作数据队列。

在可选的实施例中，

所述根据所述各条游戏操作数据对应的匹配度，以及所述各条游戏操作数据的操作行为描述，对所述各条游戏操作数据进行分治，得到至少两个游戏操作数据子集，具体包括：

分别根据所述各条游戏操作数据对应的匹配度，对所述各条游戏操作数据的操作行为描述进行融合，得到所述各条游戏操作数据的热点操作行为描述；

根据所述各条游戏操作数据的热点操作行为描述对所述各条游戏操作数据进行特征分析，得到至少两个游戏操作数据子集；

相应的，所述对各个游戏操作数据子集进行整理，并分别对所述各个游戏操作数据子集中的各条游戏操作数据进行整理，得到所述游戏操作数据队列，具体包括：

根据各个游戏操作数据子集所包含的游戏操作数据的数量，对所述各个游戏操作数据子集进行整理；

针对所述各个游戏操作数据子集，分别实施以下步骤：根据所述游戏操作数据子集中各条游戏操作数据的操作行为描述与所述游戏操作数据子集的相关情况，对所述游戏操作数据子集中的各条游戏操作数据进行整理；基于所述各个游戏操作数据子集之间的整理结果，以及所述各个游戏操作数据子集中各条游戏操作数据的整理结果，生成所述游戏操作数据队列。

在可选的实施例中，

所述获得所述游戏操作数据集中的各条游戏操作数据与所述目标云游戏事件之间的匹配度，具体包括：分别将所述各条游戏操作数据输入事先完成训练的行为意图内容识别网络中，基于所述事先完成训练的行为意图内容识别网络中的操作事件层面的热点检测层对所述各条游戏操作数据进行匹配度检测，获得所述热点检测层输出的所述各条游戏操作数据对应的匹配度；

所述根据所述各条游戏操作数据对应的匹配度，以及所述各条游戏操作数据的操作行为描述，对所述各条游戏操作数据进行整理，得到相应的游戏操作数据队列，具体包括：分别将所述各条游戏操作数据，以及所述各条游戏操作数据对应的匹配度输入所述事先完成训练的行为意图内容识别网络中的特征分析整理层，基于所述特征分析整理层对所述各条游戏操作数据进行特征分析和整理，获得所述特征分析整理层输出的片段层面的第一合成操作数据，所述第一合成操作数据中的各个游戏操作数据片段组合形成所述游戏操作数据队列；

所述基于所述游戏操作数据队列生成针对所述目标云游戏事件的目标行为意图内容队列，具体包括：将所述合成操作数据输入所述事先完成训练的行为意图内容识别网络中的行为意图内容层，基于所述行为意图内容层进行关注匹配度检测，获得所述行为意图内容层输出的所述目标行为意图内容队列；其中，所述事先完成训练的行为意图内容识别网络是根据网络模型训练集训练得到的，所述网络模型训练集中的样本训练数据包括已携带关联性内容的样本游戏操作数据，所述关联性内容表示所述样本游戏操作数据与样本云游戏事件是否关联。

在可选的实施例中，所述分别将所述各条游戏操作数据输入事先完成训练的行为意图内容识别网络中，基于所述事先完成训练的行为意图内容识别网络中的操作事件层面的热点检测层，获得所述热点检测层输出的各条样本游戏操作数据对应的匹配度，具体包括：

分别将所述各条游戏操作数据输入所述热点检测层，基于所述热点检测层中的操作事件映射单元将所述各条游戏操作数据映射至设定空间，得到所述各条游戏操作数据的操作内容；

通过连续性特征提取将所述各条游戏操作数据的操作内容分别处理为对应的操作习惯表达内容；

基于所述热点检测层，分别提取所述各条游戏操作数据的操作习惯表达内容与除该条游戏操作数据之外的其他游戏操作数据的操作习惯表达内容之间的关注特征；

基于所述各条游戏操作数据对应的关注特征获得所述各条游戏操作数据与所述目标云游戏事件之间的匹配度。

在可选的实施例中，所述基于所述特征分析整理层对所述各条游戏操作数据进行特征分析并整理，获得所述特征分析整理层输出的片段层面的第一合成操作数据，具体包括：

基于所述事先完成训练的行为意图内容识别网络中的特征分析整理层，将所述各条游戏操作数据映射至设定空间得到所述各条游戏操作数据对应的片段数据队列；

通过线性数据挖掘处理对所述各条游戏操作数据对应的片段数据队列进行操作轨迹提取，得到所述各条游戏操作数据的可视化轨迹数据；

分别根据所述各条游戏操作数据对应的匹配度，对所述各条游戏操作数据的可视化轨迹数据进行融合，得到所述各条游戏操作数据的热点可视化轨迹数据；

基于所述各条游戏操作数据的热点可视化轨迹数据进行特征分析，得到至少两个游戏操作数据子集；

将全部游戏操作数据子集进行整理，并将每个游戏操作数据子集中的各条游戏操作数据进行整理后，将各条游戏操作数据的热点可视化轨迹数据合成并进行片段层面处理得到所述第一合成操作数据。

在可选的实施例中，所述将所述第一合成操作数据输入所述事先完成训练的行为意图内容识别网络中的行为意图内容层，基于所述行为意图内容层进行关注匹配度检测，获得所述行为意图内容层输出的所述目标行为意图内容队列，具体包括：

采用重复累积处理方式，依次生成所述目标行为意图内容队列中的各个行为意图内容片段，所述目标行为意图内容队列中的一个行为意图内容至少包括一个行为意图内容片段；

其中，在一轮重复累积处理过程中，实施以下步骤：

将上一轮输出的目标行为意图内容片段输入所述行为意图内容层，其中，第一轮输入所述行为意图内容层的为事先配置的原始参考片段；

通过关注策略分析所述上一轮输出的目标行为意图内容片段和所述样本队列中的各个游戏操作数据片段的注意力指数，其中，所述注意力指数表示所述游戏操作数据片段与所述上一轮输出的行为意图内容片段之间的关注度；

将所述注意力指数和所述游戏操作数据队列中的游戏操作数据片段的操作习惯表达内容队列进行融合，并输入到长短期记忆神经网络中，获得本轮输出的所述游戏操作数据队列的目标可视化轨迹数据；

基于所述上一轮输出的目标行为意图内容片段以及所述目标可视化轨迹数据，生成本轮输出的目标行为意图内容片段。

在可选的实施例中，

在所述通过关注策略分析上一轮输出的目标行为意图内容片段和所述样本队列中的各个游戏操作数据片段的注意力指数之前，还包括：

将本轮选取的目标游戏操作数据子集以及所述目标游戏操作数据子集的关联子集作为显性的游戏操作数据子集，将其他的游戏操作数据子集作为边缘的游戏操作数据子集，其中每次选取的目标游戏操作数据子集是基于各个游戏操作数据子集之间的顺序确定的；

为所述游戏操作数据队列中位于显性的游戏操作数据子集中的游戏操作数据片段添加第一注意力描述，为所述游戏操作数据队列中位于边缘的游戏操作数据子集中的游戏操作数据片段添加第二注意力描述，得到所述样本队列中的各个游戏操作数据片段对应的第一注意力操作习惯表达内容；

以及为所述上一轮输出的目标行为意图内容片段添加所述第一注意力描述，得到对应的第二注意力操作习惯表达内容；

所述通过关注策略分析所述上一轮输出的目标行为意图内容片段和所述样本队列中的各个游戏操作数据片段的注意力指数，具体包括：

利用所述样本队列中的各个游戏操作数据片段对应的第一注意力数据与上一轮输出的目标行为意图内容片段对应的第二注意力操作习惯表达内容，基于关注策略分析所述上一轮输出的目标行为意图内容片段与所述样本队列中的各个游戏操作数据片段的注意力指数。

本申请实施例还提供了一种云游戏服务器，包括处理器、通信总线和存储器；所述处理器和所述存储器通过所述通信总线通信，所述处理器从所述存储器中读取计算机程序并运行，以执行上述的方法。

本申请实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。

相较于现有技术，本申请实施例提供的大数据云游戏的操作数据处理方法、服务器及存储介质具有以下技术效果：由于本申请实施例中给出了一种基于一组游戏操作数据生成行为意图内容队列的方法，能够基于各条游戏操作数据与目标云游戏事件之间的匹配度，以及各条游戏操作数据的操作行为描述，对这一组游戏操作数据进行整理，进而基于有序的游戏操作数据队列，自动化、智能化地生成针对该目标云游戏事件的一组有序的行为意图内容。基于本申请实施例中的方法可以自动化、智能化地生成更加完整实际的游戏行为意图内容队列，能够帮助游戏开发端快速、准确地了解游戏玩家的游戏需求，减少了游戏开发端大量分析游戏操作数据所耗费的时间，有效提高行为意图内容的生成效率，并能够确保行为意图内容的质量。此外，采用上述方案所生成的行为意图内容存在一定的排序，因而能够便于游戏开发端快速、准确地获取相关内容。

在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例所提供的一种云游戏服务器的方框示意图。

图2为本申请实施例所提供的一种大数据云游戏的操作数据处理方法的流程图。

图3为本申请实施例所提供的一种大数据云游戏的操作数据处理装置的框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本申请的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

图1示出了本申请实施例所提供的一种云游戏服务器10的方框示意图。本申请实施例中的云游戏服务器10可以为具有数据存储、传输、处理功能的服务端，如图1所示，云游戏服务器10包括：存储器11、处理器12、通信总线13和大数据云游戏的操作数据处理装置20。

存储器11、处理器12和通信总线13之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有大数据云游戏的操作数据处理装置20，所述大数据云游戏的操作数据处理装置20包括至少一个可以软件或固件（firmware）的形式储存于所述存储器11中的软件功能模块，所述处理器12通过运行存储在存储器11内的软件程序以及模块，例如本申请实施例中的大数据云游戏的操作数据处理装置20，从而执行各种功能应用以及数据处理，即实现本申请实施例中的大数据云游戏的操作数据处理方法。

其中，所述存储器11可以是，但不限于，随机存取存储器（randomaccessmemory，ram），只读存储器（readonlymemory，rom），可编程只读存储器（programmableread-onlymemory，prom），可擦除只读存储器（erasableprogrammableread-onlymemory，eprom），电可擦除只读存储器（electricerasableprogrammableread-onlymemory，eeprom）等。其中，存储器11用于存储程序，所述处理器12在接收到执行指令后，执行所述程序。

所述处理器12可能是一种集成电路芯片，具有数据的处理能力。上述的处理器12可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等。可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

通信总线13用于通过网络建立云游戏服务器10与其他通信终端设备之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。

可以理解，图1所示的结构仅为示意，云游戏服务器10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

本申请实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。

图2示出了本申请实施例所提供的一种大数据云游戏的操作数据处理的流程图。所述方法有关的流程所定义的方法步骤应用于云游戏服务器10，可以由所述处理器12实现，所述方法包括以下s21-s24。

s21、获取针对目标云游戏事件的游戏操作数据集。

在本申请实施例中，所述游戏操作数据集包括至少两条游戏操作数据。目标云游戏事件可以是不同云游戏类型对应的游戏事件，比如多人策略对抗游戏事件、射击游戏事件、养成游戏事件、网络游戏事件、角色扮演游戏事件等。游戏操作数据集包括的至少两条游戏操作数据可以按照时间先后顺序进行统计。

s22、获得所述游戏操作数据集中的各条游戏操作数据与所述目标云游戏事件之间的匹配度。

在本申请实施例中，所述游戏操作数据集中的各条游戏操作数据与所述目标云游戏事件之间的匹配度可以理解为相关度，比如可以用个相关性系数在描述上述匹配度。

s23、根据所述各条游戏操作数据对应的匹配度，以及所述各条游戏操作数据的操作行为描述，对所述各条游戏操作数据进行整理，得到相应的游戏操作数据队列。

在本申请实施例中，操作行为描述可以是操作行为特征，比如可以通过特征向量或者特征图的形式进行表达。对所述各条游戏操作数据进行整理可以理解为对对所述各条游戏操作数据进行排序，得到游戏操作数据队列（序列）。

在一些可能的实施例中，s23所描述的根据所述各条游戏操作数据对应的匹配度，以及所述各条游戏操作数据的操作行为描述，对所述各条游戏操作数据进行整理，得到相应的游戏操作数据队列，具体可以包括以下s231和s232。

s231、根据所述各条游戏操作数据对应的匹配度，以及所述各条游戏操作数据的操作行为描述，对所述各条游戏操作数据进行分治，得到至少两个游戏操作数据子集。

进一步地，s231所描述的根据所述各条游戏操作数据对应的匹配度，以及所述各条游戏操作数据的操作行为描述，对所述各条游戏操作数据进行分治，得到至少两个游戏操作数据子集，可以包括以下实施方式：分别根据所述各条游戏操作数据对应的匹配度，对所述各条游戏操作数据的操作行为描述进行融合，得到所述各条游戏操作数据的热点操作行为描述；根据所述各条游戏操作数据的热点操作行为描述对所述各条游戏操作数据进行特征分析，得到至少两个游戏操作数据子集。比如，可以将各条游戏操作数据的操作行为描述进行加权，从而确保特征分析（聚类）时的准确性，进而保证游戏操作数据子集不会出现遗漏。

s232、对各个游戏操作数据子集进行整理，并分别对所述各个游戏操作数据子集中的各条游戏操作数据进行整理，得到所述游戏操作数据队列。

在一些可能的实施例中，s232所描述的对各个游戏操作数据子集进行整理，并分别对所述各个游戏操作数据子集中的各条游戏操作数据进行整理，得到所述游戏操作数据队列，可以包括以下技术方案：根据各个游戏操作数据子集所包含的游戏操作数据的数量，对所述各个游戏操作数据子集进行整理；针对所述各个游戏操作数据子集，分别实施以下步骤：根据所述游戏操作数据子集中各条游戏操作数据的操作行为描述与所述游戏操作数据子集的相关情况（关联程度），对所述游戏操作数据子集中的各条游戏操作数据进行整理；基于所述各个游戏操作数据子集之间的整理结果，以及所述各个游戏操作数据子集中各条游戏操作数据的整理结果，生成所述游戏操作数据队列。如此设计，能够对各个游戏操作数据子集进行独立分析，从而避免遗漏个别的游戏操作数据子集，进而确保生成的游戏操作数据队列的完整性和质量。

s24、基于所述游戏操作数据队列生成针对所述目标云游戏事件的目标行为意图内容队列。

在本申请实施例中，所述目标行为意图内容队列包括至少两个目标行为意图内容片段。相应的，目标行为意图内容片段包括游戏玩家的相关意图需求或者倾向需求，通过不同的目标行为意图内容片段能够进行相关的游戏玩家需求分析，从而实现对游戏产品的更新、升级和优化。

在另外的一些可独立实施的实施例中，s22所描述的获得所述游戏操作数据集中的各条游戏操作数据与所述目标云游戏事件之间的匹配度，可以通过以下实施例a实现：分别将所述各条游戏操作数据输入事先完成训练的行为意图内容识别网络中，基于所述事先完成训练的行为意图内容识别网络中的操作事件层面的热点检测层对所述各条游戏操作数据进行匹配度检测，获得所述热点检测层输出的所述各条游戏操作数据对应的匹配度。

在实施例a中，行为意图内容识别网络可以是卷积神经网络、深度学习神经网络或者长短期记忆神经网络。进一步地，热点检测层可以是具有分类功能的功能网络层，用于进行实时且精准的匹配度检测。

进一步地，在上述实施例a中，分别将所述各条游戏操作数据输入事先完成训练的行为意图内容识别网络中，基于所述事先完成训练的行为意图内容识别网络中的操作事件层面的热点检测层，获得所述热点检测层输出的各条样本游戏操作数据对应的匹配度，可以包括以下步骤a1-步骤a4。

步骤a1、分别将所述各条游戏操作数据输入所述热点检测层，基于所述热点检测层中的操作事件映射单元将所述各条游戏操作数据映射至设定空间，得到所述各条游戏操作数据的操作内容。

例如，操作事件映射单元用于对各条游戏操作数据进行规范化处理，从而确保操作内容的格式一致性。

步骤a2、通过连续性特征提取将所述各条游戏操作数据的操作内容分别处理为对应的操作习惯表达内容。

可以理解的是，操作习惯表达内容可以通过文本字符形式记录。

步骤a3、基于所述热点检测层，分别提取所述各条游戏操作数据的操作习惯表达内容与除该条游戏操作数据之外的其他游戏操作数据的操作习惯表达内容之间的关注特征。

可以理解的是，关注特征为注意力特征。

步骤a4、基于所述各条游戏操作数据对应的关注特征获得所述各条游戏操作数据与所述目标云游戏事件之间的匹配度。

可以理解，通过实施上述步骤a1-步骤a4，能够将各条游戏操作数据对应的关注特征考虑在内，从而精准地确定出所述各条游戏操作数据与所述目标云游戏事件之间的匹配度。

在上述实施例a的基础上，s23所描述的根据所述各条游戏操作数据对应的匹配度，以及所述各条游戏操作数据的操作行为描述，对所述各条游戏操作数据进行整理，得到相应的游戏操作数据队列，可以通过以下实施例b实现：分别将所述各条游戏操作数据，以及所述各条游戏操作数据对应的匹配度输入所述事先完成训练的行为意图内容识别网络中的特征分析整理层，基于所述特征分析整理层对所述各条游戏操作数据进行特征分析和整理，获得所述特征分析整理层输出的片段层面的第一合成操作数据，所述第一合成操作数据中的各个游戏操作数据片段组合形成所述游戏操作数据队列。

在实施例b中，特征分析整理层可以用于进行特征聚类和排序，从而确保输出的片段层面的第一合成操作数据的完整性和有序性。

在上述实施例b中，基于所述特征分析整理层对所述各条游戏操作数据进行特征分析并整理，获得所述特征分析整理层输出的片段层面的第一合成操作数据，可以包括以下步骤b1-步骤b5。

步骤b1、基于所述事先完成训练的行为意图内容识别网络中的特征分析整理层，将所述各条游戏操作数据映射至设定空间得到所述各条游戏操作数据对应的片段数据队列；

步骤b2、通过线性数据挖掘处理对所述各条游戏操作数据对应的片段数据队列进行操作轨迹提取，得到所述各条游戏操作数据的可视化轨迹数据。

例如，线性数据挖掘处理可以是基于图形化层面的轨迹挖掘算法，用于保证可视化轨迹数据的平滑性和连续性。

步骤b3、分别根据所述各条游戏操作数据对应的匹配度，对所述各条游戏操作数据的可视化轨迹数据进行融合，得到所述各条游戏操作数据的热点可视化轨迹数据。

比如可以对所述各条游戏操作数据的可视化轨迹数据进行拼接，从而得到所述各条游戏操作数据的热点可视化轨迹数据。

步骤b4、基于所述各条游戏操作数据的热点可视化轨迹数据进行特征分析，得到至少两个游戏操作数据子集；

步骤b5、将全部游戏操作数据子集进行整理，并将每个游戏操作数据子集中的各条游戏操作数据进行整理后，将各条游戏操作数据的热点可视化轨迹数据合成并进行片段层面处理得到所述第一合成操作数据。

如此设计，基于上述步骤b1-步骤b5，能够从可视化轨迹层面出发进行特征分析和聚类，从而实现对游戏操作数据子集的整理，进而实现对相关游戏操作数据的整理，以确保片段层面处理得到的第一合成操作数据的数据质量不会出现较大程度的波动，这样可以保证第一合成操作数据的可用性。

在上述实施例c的基础上，s24所描述的基于所述游戏操作数据队列生成针对所述目标云游戏事件的目标行为意图内容队列，可以通过以下实施例c实现：将所述合成操作数据输入所述事先完成训练的行为意图内容识别网络中的行为意图内容层，基于所述行为意图内容层进行关注匹配度检测，获得所述行为意图内容层输出的所述目标行为意图内容队列。

在实施例c中，所述事先完成训练的行为意图内容识别网络是根据网络模型训练集训练得到的，所述网络模型训练集中的样本训练数据包括已携带关联性内容的样本游戏操作数据，所述关联性内容表示所述样本游戏操作数据与样本云游戏事件是否关联。如此一来，可以通过行为意图内容层精准地分析和识别出目标行为意图内容片段，从而确保目标行为意图内容队列的完整性和质量，便于后续基于目标行为意图内容队列进行游戏玩家需求分析。

在上述实施例c中，将所述第一合成操作数据输入所述事先完成训练的行为意图内容识别网络中的行为意图内容层，基于所述行为意图内容层进行关注匹配度检测，获得所述行为意图内容层输出的所述目标行为意图内容队列，可以包括以下技术方案：采用重复累积处理方式，依次生成所述目标行为意图内容队列中的各个行为意图内容片段，所述目标行为意图内容队列中的一个行为意图内容至少包括一个行为意图内容片段；其中，在一轮重复累积处理过程中，实施以下步骤：将上一轮输出的目标行为意图内容片段输入所述行为意图内容层，其中，第一轮输入所述行为意图内容层的为事先配置的原始参考片段；通过关注策略分析所述上一轮输出的目标行为意图内容片段和所述样本队列中的各个游戏操作数据片段的注意力指数，其中，所述注意力指数表示所述游戏操作数据片段与所述上一轮输出的行为意图内容片段之间的关注度；将所述注意力指数和所述游戏操作数据队列中的游戏操作数据片段的操作习惯表达内容队列进行融合，并输入到长短期记忆神经网络中，获得本轮输出的所述游戏操作数据队列的目标可视化轨迹数据；基于所述上一轮输出的目标行为意图内容片段以及所述目标可视化轨迹数据，生成本轮输出的目标行为意图内容片段。

例如，重复累积处理可以理解为循环迭代，关注策略可以是注意力机制。如此设计，能够对不同的行为意图内容片段进行独立处理分析，从而避免行为意图内容片段在处理分析过程中出现遗漏，进而保证目标行为意图内容队列的完整性。

在一些可选的实施例中，在所述通过关注策略分析上一轮输出的目标行为意图内容片段和所述样本队列中的各个游戏操作数据片段的注意力指数之前，还可以包括以下实施例c1：将本轮选取的目标游戏操作数据子集以及所述目标游戏操作数据子集的关联子集作为显性的游戏操作数据子集，将其他的游戏操作数据子集作为边缘的游戏操作数据子集，其中每次选取的目标游戏操作数据子集是基于各个游戏操作数据子集之间的顺序确定的；为所述游戏操作数据队列中位于显性的游戏操作数据子集中的游戏操作数据片段添加第一注意力描述，为所述游戏操作数据队列中位于边缘的游戏操作数据子集中的游戏操作数据片段添加第二注意力描述，得到所述样本队列中的各个游戏操作数据片段对应的第一注意力操作习惯表达内容；以及为所述上一轮输出的目标行为意图内容片段添加所述第一注意力描述，得到对应的第二注意力操作习惯表达内容。

在上述实施例c1的基础上，通过关注策略分析所述上一轮输出的目标行为意图内容片段和所述样本队列中的各个游戏操作数据片段的注意力指数，可以包括以下技术方案：利用所述样本队列中的各个游戏操作数据片段对应的第一注意力数据与上一轮输出的目标行为意图内容片段对应的第二注意力操作习惯表达内容，基于关注策略分析所述上一轮输出的目标行为意图内容片段与所述样本队列中的各个游戏操作数据片段的注意力指数。如此设计，可以确保注意力指数的准确性和时效性。

在一些选择性的实施例中，上述内容所描述的行为意图内容识别网络，可以通过如下过程训练得到：获取针对至少一个样本云游戏事件的所述网络模型训练集；根据所述网络模型训练集中的样本训练数据，对初始的行为意图内容识别网络执行重复累积处理训练，以获得所述事先完成训练的行为意图内容识别网络。

相应的，每一轮重复累积处理训练过程包括以下操作：从所述网络模型训练集中选取针对同一样本云游戏事件的一组样本训练数据，分别将选取的各个样本训练数据包含的样本游戏操作数据输入所述初始的行为意图内容识别网络中的操作事件层面的热点检测层，获得所述热点检测层输出的各条样本游戏操作数据对应的匹配度。

进一步地，基于所述各条样本游戏操作数据对应的匹配度与对应的关联性内容之间的差异情况，生成第一网络性能指标；以及分别将选取的各个样本训练数据中的样本游戏操作数据，以及所述各条样本游戏操作数据对应的匹配度输入所述初始的行为意图内容识别网络中的特征分析整理层，基于所述特征分析整理层对所述各条样本游戏操作数据进行特征分析，获得至少两个游戏操作数据子集；基于所述特征分析整理层对各个游戏操作数据子集进行整理，获得所述特征分析整理层输出的片段层面的第二合成操作数据；将所述第二合成操作数据输入所述初始的行为意图内容识别网络中的行为意图内容层，基于所述行为意图内容层进行关注匹配度检测，获得所述行为意图内容层输出的一组测试行为意图内容队列，所述测试行为意图内容队列包括至少两个测试行为意图内容片段；基于所述测试行为意图内容队列中的测试行为意图内容片段与实际行为意图内容队列中的实际行为意图内容片段的全局差异情况，生成第二网络性能指标；以及，基于各个游戏操作数据子集中游戏操作数据片段的关注度，生成第三网络性能指标。

最后，根据所述第一网络性能指标，所述第二网络性能指标和所述第三网络性能指标，对所述初始的行为意图内容识别网络进行参量改进。

可以理解，第一网络性能指标反映所述各条样本游戏操作数据对应的匹配度与对应的关联性内容之间的差异情况，第二网络性能指标反映所述测试行为意图内容队列中的测试行为意图内容片段与实际行为意图内容队列中的实际行为意图内容片段的全局差异情况，第三网络性能指标反映各个游戏操作数据子集中游戏操作数据片段的关注度，而不同的网络性能指标可以理解为不同的损失函数。如此，可以从不同角度实现行为意图内容识别网络的损失分析，从而在进行模型参数调整和优化时尽可能将不同角度的损失考虑在内，以确保行为意图内容识别网络能够尽可能应用到不同的云游戏场景中。

在一些选择性的实施例中，上述步骤所描述的基于所述测试行为意图内容队列中的测试行为意图内容片段与实际行为意图内容队列中的实际行为意图内容片段的全局差异情况，生成第二网络性能指标，可以包括以下内容：对于任意一个测试行为意图内容片段，基于所述测试行为意图内容片段在预设的行为意图内容片段集中的全局可能性描述，以及所述测试行为意图内容片段在所述游戏操作数据集中的全局可能性描述，确定所述测试行为意图内容队列中的测试行为意图内容片段与实际行为意图内容队列中的实际行为意图内容片段的全局差异情况；基于确定的全局差异情况生成所述第二网络性能指标。在本申请实施例中，全局差异情况可以理解为分布误差。如此，通过考虑全局可能性描述（分布概率），能够尽可能准确地生成第二网络性能指标。

综上，由于本申请实施例中给出了一种基于一组游戏操作数据生成行为意图内容队列的方法，能够基于各条游戏操作数据与目标云游戏事件之间的匹配度，以及各条游戏操作数据的操作行为描述，对这一组游戏操作数据进行整理，进而基于有序的游戏操作数据队列，自动化、智能化地生成针对该目标云游戏事件的一组有序的行为意图内容。基于本申请实施例中的方法可以自动化、智能化地生成更加完整实际的游戏行为意图内容队列，能够帮助游戏开发端快速、准确地了解游戏玩家的游戏需求，减少了游戏开发端大量分析游戏操作数据所耗费的时间，有效提高行为意图内容的生成效率，并能够确保行为意图内容的质量。此外，采用上述方案所生成的行为意图内容存在一定的排序，因而能够便于游戏开发端快速、准确地获取相关内容。

基于上述同样的发明构思，还提供了一种大数据云游戏的操作数据处理装置20，应用于云游戏服务器10，所述装置包括：

数据获取模块21，用于获取针对目标云游戏事件的游戏操作数据集，所述游戏操作数据集包括至少两条游戏操作数据；

匹配分析模块22，用于获得所述游戏操作数据集中的各条游戏操作数据与所述目标云游戏事件之间的匹配度；

数据整理模块23，用于根据所述各条游戏操作数据对应的匹配度，以及所述各条游戏操作数据的操作行为描述，对所述各条游戏操作数据进行整理，得到相应的游戏操作数据队列；

意图分析模块24，用于基于所述游戏操作数据队列生成针对所述目标云游戏事件的目标行为意图内容队列，所述目标行为意图内容队列包括至少两个目标行为意图内容片段。

在本申请实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，云游戏服务器10，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-onlymemory）、随机存取存储器（ram，randomaccessmemory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。