数据处理方法、装置及可读存储介质与流程

1.本发明涉及数据处理技术领域，尤其涉及一种数据处理方法、装置及可读存储介质。


背景技术：

2.当前，用户在玩游戏的过程中，不同用户之间只能通过简单的视频、音频或者文字的形式进行游戏互动，不同用户之间缺乏交互属性或者社交属性较强的游戏互动方式，导致用户之间在游戏过程中的游戏互动性较差。


技术实现要素：

3.本发明的主要目的在于提供一种数据处理方法、装置及可读存储介质，旨在提高玩家在游戏中的游戏互动性。
4.为实现上述目的，本发明提供一种数据处理方法，所述数据处理方法包括：
5.获取目标用户的历史交互数据，并根据所述历史交互数据确定推荐用户；
6.获取所述目标用户的任务特征数据以及所述推荐用户的游戏特征数据；
7.根据所述任务特征数据以及所述游戏特征数据确定所述推荐用户的推送数据，并向所述推荐用户推送所述推送数据；
8.获取所述推荐用户对所述推送数据的数据处理结果，并根据所述数据处理结果更新所述目标用户的游戏数据。
9.可选地，所述根据所述历史交互数据确定推荐用户的步骤包括：
10.获取所述目标用户与所述目标用户的关联用户之间的交互关系；
11.根据所述历史交互数据以及所述交互关系确定所述目标用户与所述关联用户的交互关系值；
12.根据所述交互关系值对所述关联用户进行排序；
13.在排序后的所述关联用户中确定所述推荐用户。
14.可选地，所述根据所述交互关系值对所述关联用户进行排序的步骤之前，还包括：
15.确定所述关联用户相对于所述目标用户的游戏权重；
16.根据所述游戏权重更新所述目标用户与所述关联用户的交互关系值；
17.其中，所述根据所述交互关系值对所述关联用户进行排序的步骤包括：
18.根据更新后的所述交互关系值对所述关联用户进行排序。
19.可选地，所述根据所述任务特征数据以及所述游戏特征数据确定所述推荐用户的推送数据的步骤包括：
20.根据所述游戏特征数据以及所述任务特征数据确定用户任务标签；
21.根据所述推荐用户、所述用户任务标签以及游戏任务生成标签矩阵；
22.根据所述标签矩阵确定所述推荐用户的推送数据。
23.可选地，所述根据所述标签矩阵确定所述推荐用户的推送数据的步骤包括：
24.根据所述标签矩阵确定所述推荐用户的待推送数据；
25.确定所述推荐用户与所述待推送数据之间的匹配度；
26.根据所述匹配度在所述待推送数据中确定所述推荐用户的推送数据
27.可选地，所述根据所述数据处理结果更新所述目标用户的游戏数据的步骤包括：
28.在所述数据处理结果为预设处理结果时，获取所述推荐用户处理所述推送数据的历史频次；
29.根据所述历史频次确定所述推荐用户处理所述推送数据的游戏收益；
30.根据所述游戏收益更新所述目标用户的游戏数据。
31.可选地，所述根据所述历史频次确定所述推荐用户处理所述推送数据的游戏收益的步骤包括：
32.获取所述历史频次与所述游戏收益的映射关系；
33.根据所述历史频次以及所述映射关系确定所述推荐用户处理所述推送数据的游戏收益。
34.此外，为实现上述目的，本发明还提供一种数据处理装置，所述数据处理装置包括：
35.检测模块，用于获取目标用户的历史交互数据，并根据所述历史交互数据确定推荐用户；
36.获取模块，用于获取所述目标用户的任务特征数据以及所述推荐用户的游戏特征数据；
37.确定模块，用于根据所述任务特征数据以及所述游戏特征数据确定所述推荐用户的推送数据，并向所述推荐用户推送所述推送数据；
38.更新模块，用于获取所述推荐用户对所述推送数据的数据处理结果，并根据所述数据处理结果更新所述目标用户的游戏数据。
39.此外，为实现上述目的，本发明还提供一种数据处理装置，所述数据处理装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据处理程序，所述数据处理程序被所述处理器执行时实现上述任一项所述的数据处理方法的步骤。
40.此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有数据处理程序，所述数据处理程序被处理器执行时实现上述任一项所述的数据处理方法的步骤。
41.本发明提出了一种数据处理方法、装置及可读存储介质，通过获取目标用户的历史交互数据，并根据历史交互数据确定推荐用户，获取目标用户的任务特征数据以及推荐用户的游戏特征数据，根据任务特征数据以及游戏特征数据确定推荐用户的推送数据，并向推荐用户推送推送数据，获取推荐用户对推送数据的数据处理结果，并根据数据处理结果更新目标用户的游戏数据。本方案可以实现在游戏过程中用户之间进行数据推送，某一个用户将需要处理的数据推送给其他用户处理，并接收其他用户的数据处理结果，根据其他用户的数据处理结果来更新自己的游戏数据，增强了用户之间在游戏过程中的游戏互动性。
附图说明
42.图1是本发明实施例方案涉及的数据处理装置的硬件架构示意图；
43.图2是本发明数据处理方法的第一实施例的流程示意图；
44.图3是本发明数据处理方法的第二实施例的流程示意图；
45.图4是本发明数据处理方法的第三实施例的流程示意图；
46.图5是本发明实施例方案涉及的数据处理装置的模块结构示意图。
47.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
48.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
49.作为一种实现方案，请参照图1，图1是本发明实施例方案涉及的数据处理装置的硬件架构示意图，如图1所示，该数据处理装置可以包括处理器101，例如cpu，存储器102，通信总线103，其中，通信总线103用于实现这些模块之间的连接通信。
50.存储器102可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。如图1所示，作为一种可读存储介质的存储器102中可以包括数据处理程序；而处理器101可以用于调用存储器102中存储的数据处理程序，并执行以下操作：
51.获取目标用户的历史交互数据，并根据所述历史交互数据确定推荐用户；
52.获取所述目标用户的任务特征数据以及所述推荐用户的游戏特征数据；
53.根据所述任务特征数据以及所述游戏特征数据确定所述推荐用户的推送数据，并向所述推荐用户推送所述推送数据；
54.获取所述推荐用户对所述推送数据的数据处理结果，并根据所述数据处理结果更新所述目标用户的游戏数据。
55.进一步地，处理器101可以用于调用存储器102中存储的数据处理程序，并执行以下操作：
56.获取所述目标用户与所述目标用户的关联用户之间的交互关系；
57.根据所述历史交互数据以及所述交互关系确定所述目标用户与所述关联用户的交互关系值；
58.根据所述交互关系值对所述关联用户进行排序；
59.在排序后的所述关联用户中确定所述推荐用户。
60.进一步地，处理器101可以用于调用存储器102中存储的数据处理程序，并执行以下操作：
61.确定所述关联用户相对于所述目标用户的游戏权重；
62.根据所述游戏权重更新所述目标用户与所述关联用户的交互关系值；
63.其中，所述根据所述交互关系值对所述关联用户进行排序的步骤包括：
64.根据更新后的所述交互关系值对所述关联用户进行排序。
65.进一步地，处理器101可以用于调用存储器102中存储的数据处理程序，并执行以下操作：
66.根据所述游戏特征数据以及所述任务特征数据确定用户任务标签；
67.根据所述推荐用户、所述用户任务标签以及游戏任务生成标签矩阵；
68.根据所述标签矩阵确定所述推荐用户的推送数据。
69.进一步地，处理器101可以用于调用存储器102中存储的数据处理程序，并执行以下操作：
70.根据所述标签矩阵确定所述推荐用户的待推送数据；
71.确定所述推荐用户与所述待推送数据之间的匹配度；
72.根据所述匹配度在所述待推送数据中确定所述推荐用户的推送数据。
73.进一步地，处理器101可以用于调用存储器102中存储的数据处理程序，并执行以下操作：
74.在所述数据处理结果为预设处理结果时，获取所述推荐用户处理所述推送数据的历史频次；
75.根据所述历史频次确定所述推荐用户处理所述推送数据的游戏收益；
76.根据所述游戏收益更新所述目标用户的游戏数据。
77.进一步地，处理器101可以用于调用存储器102中存储的数据处理程序，并执行以下操作：
78.获取所述历史频次与所述游戏收益的映射关系；
79.根据所述历史频次以及所述映射关系确定所述推荐用户处理所述推送数据的游戏收益。
80.当前，用户在玩游戏的过程中，不同用户之间只能通过简单的视频、音频或者文字的形式进行游戏互动，不同用户之间缺乏交互属性或者社交属性较强的游戏互动方式，导致用户之间在游戏过程中的游戏互动性较差，例如，用户在游戏闯关过程中，战斗力或能量值不足时，用户无法通过向游戏好友寻求帮助来提高战斗力或能量值，以帮助玩家顺利闯关。
81.基于上述现有技术存在的问题，本发明提出一种数据处理方法，通过实现在游戏过程中用户之间进行数据推送，某一个用户将需要处理的数据推送给其他用户处理，并接收其他用户的数据处理结果，根据其他用户的数据处理结果来更新自己的游戏数据，从而增强用户之间在游戏过程中的游戏互动性。下面将通过具体的实施例对本发明提出的数据处理方法作进一步的解释说明。
82.请参照图2，图2是本发明数据处理方法的第一实施例的流程示意图，所述数据处理方法包括：
83.步骤s10，获取目标用户的历史交互数据，并根据所述历史交互数据确定推荐用户；
84.步骤s20，获取所述目标用户的任务特征数据以及所述推荐用户的游戏特征数据；
85.步骤s30，根据所述任务特征数据以及所述游戏特征数据确定所述推荐用户的推送数据，并向所述推荐用户推送所述推送数据；
86.步骤s40，获取所述推荐用户对所述推送数据的数据处理结果，并根据所述数据处理结果更新所述目标用户的游戏数据。
87.在本实施例中，数据处理方法的执行主体为数据处理装置，可选地，数据处理装置可以是服务器，例如云服务器，数据处装置也可以是终端设备，例如台式计算机等固定终
端，或者智能手机，笔记本电脑以及平板电脑等移动终端。在其他实施例中，数据处理装置也可以是能够执行本技术数据处理方法的其他设备，本实施例对此不作限定。
88.在本实施例中，数据处理装置可以获取目标用户的历史交互数据，其中，目标用户的历史交互数据是指目标用户与目标用户的每个关联用户之间的历史交互数据。关联用户可以是目标用户的游戏好友，在特定场景下也可以是目标用户的非游戏好友，目标用户与目标用户的每个关联用户之间的历史交互数据可以包括但不限于单位时间内目标用户与关联用户的交互时长、交互频次以及关联用户的助力值等。
89.可选地，数据处理装置在获取目标用户的历史交互数据之前，判断是否检测到预设触发指令，预设触发指令可以是用户在玩游戏的过程中遇到闯关困难时所触发的邀请好友助力的指令。例如，用户在游戏过程中遇到闯关困难时，数据处理装置可以以弹窗的方式提醒用户是否邀请游戏好友助力闯关，当用户点击邀请时即检测到预设触发指令。数据处理装置在检测到预设触发指令后，获取目标用户的历史交互数据。
90.数据处理装置在获取到目标用户的历史交互数据后，可以根据历史交互数据确定推荐用户。可选地，推荐用户可以是最终确定的助力目标用户闯关的游戏好友或者非游戏好友。
91.可选地，数据处理装置可以获取目标用户与目标用户的关联用户之间的交互关系，根据历史交互数据以及交互关系确定目标用户与关联用户的交互关系值，根据交互关系值对关联用户进行排序，在排序后的关联用户中确定推荐用户。
92.具体地，数据处理装置可以预先基于历史交互数据建立目标用户与关联用户的交互关系r(f,t,h)，交互关系的建立过程如下：
[0093][0094]
0≤w1,w2,w3≤1,w1 w2 w3＝1
[0095]
其中f为单位时间内目标用户与关联用户的交互频次；t为单位时间内目标用户与关联用户的交互时长；h为单位时间内关联用户的助力值；wg,g∈{1,2,3}是模型训练常量。
[0096]
令一个标准统计周期为t(单位可以是小时、天等)，在n个统计周期内与m个关联用户的交互关系值为：
[0097]rij
＝r(f
ij
,t
ij
,h
ij
),i∈{1,2,....m},j∈{1,2,...n}
[0098]
其中,f
ij
为与第i个关联用户的第j周期的交互频次，t
ij
为交互时长，h
ij
助力值，r
ij
表示与第i个关联用户的第j周期的交互关系值。
[0099]
构造推荐用户选取函数：
[0100][0101]
xi＝ri(fi,ti,hi)
[0102]
xi＝ri(fi,ti,hi)
[0103]
其中，xi也即ri(fi,ti,hi)表示与某个关联用户第i个周期的交互关系值；βa》0,a∈{0，1,2}是训练值；最后计算0≤f(zc)≤1,c∈{1,2,...m}，设置0《φ《1，当f(zc)≥φ,c∈{1,2,..m}时，认为满足推荐用户的集合。从筛选的集合c中从大到小对交互关系值进行排序，以对关联用户进行排序，然后在排序后的关联用户中确定推荐用户。
[0104]
可选地，可以将交互关系值较大的预设数量的关联用户作为推荐用户。预设数量可以根据实际需要确定，本实施例对此不作限定。
[0105]
可选地，数据处理装置根据历史交互数据以及交互关系确定目标用户与关联用户的交互关系值后，可以确定关联用户相对于目标用户的游戏权重，根据游戏权重更新目标用户与关联用户的交互关系值，进而根据更新后的交互关系值对关联用户进行排序，在排序后的关联用户中确定推荐用户。
[0106]
具体地，数据处理装置根据历史交互数据以及交互关系确定目标用户与关联用户的交互关系值后，可以通过游戏权重的限制条件参数(包括关联用户的助力时间限制、助力次数限制等)或者优选加分参数(包括新关联用户等)确定每个关联用户相对于目标用户的游戏权重，根据游戏权重更新目标用户与关联用户的交互关系值，进而根据更新后的交互关系值对关联用户进行排序，在排序后的关联用户中确定推荐用户。可选地，可以在排序后的关联用户中选取排在前面的预设数量的关联用户作为推荐用户。
[0107]
在本实施例中，数据处理装置在确定推荐用户后，可以获取目标用户的任务特征数据以及推荐用户的游戏特征数据，其中，任务特征数据是指目标用户的游戏任务(目标用户需要推荐用户助力的任务)的特征数据。任务特征数据可以包括但不限于任务环境(在线/离线)、任务时长(任务本身时长、完成时间范围)、任务难易程度、任务完成基本条件、任务类型(游戏技能类、游戏体验类、交互类、拉新类等)等描述任务特性的数据；推荐用户的游戏特征数据可以包括但不限于推荐用户的注册时间、游戏时长(总时长、近期总时长(月、周等)、游戏日平均时长、游戏习惯时段、游戏频次等)、游戏等级、游戏技能使用数据(道具、技巧、人物、皮肤等游戏相关的内容)、游戏功能使用数据(交互、购买等各类功能)等。
[0108]
在本实施例中，数据处理装置在获取到任务特征数据以及游戏特征数据后，可以根据任务特征数据以及游戏特征数据确定推荐用户的推送数据，并向推荐用户推送推送数据。可选地，推送数据可以是目标用户需要推荐用户助力完成的游戏任务对应的数据。推荐用户处理推送数据后，将推送数据的数据处理结果发送至数据处理装置，数据处理装置获取推荐用户对推送数据的数据处理结果，并根据数据处理结果更新目标用户的游戏数据，可选地，目标用户关联的游戏数据可以是目标用户游戏中的战斗力或者能量值等数据。
[0109]
可选地，目标用户的游戏数据更新后，目标用户可以根据更新后的游戏数据消除闯关困难，助力目标用户继续闯关。
[0110]
本实施例提供的技术方案中，通过获取目标用户的历史交互数据，并根据历史交互数据确定推荐用户，获取目标用户的任务特征数据以及推荐用户的游戏特征数据，根据任务特征数据以及游戏特征数据确定推荐用户的推送数据，并向推荐用户推送推送数据，获取推荐用户对推送数据的数据处理结果，并根据数据处理结果更新目标用户的游戏数据。本方案可以实现在游戏过程中用户之间进行数据推送，某一个用户将需要处理的数据
推送给其他用户处理，并接收其他用户的数据处理结果，根据其他用户的数据处理结果来更新自己的游戏数据，增强了用户之间在游戏过程中的游戏互动性。
[0111]
请参照图3，图3是本发明数据处理方法的第二实施例的流程示意图，基于第一实施例，上述s30的步骤包括：
[0112]
步骤s31，根据所述游戏特征数据以及所述任务特征数据确定用户任务标签；
[0113]
步骤s32，根据所述推荐用户、所述用户任务标签以及游戏任务生成标签矩阵；
[0114]
步骤s33，根据所述标签矩阵确定所述推荐用户的推送数据，并向所述推荐用户推送所述推送数据。
[0115]
在本实施例中，数据处理装置在获取到任务特征数据以及游戏特征数据后，可以对任务特征数据以及游戏特征数据进行分析，根据分析结果建立用户任务标签。数据处理装置在建立推荐用户的用户任务标签后，可以生成推荐用户、用户任务标签以及游戏任务之间的标签矩阵，标签矩阵表征推荐用户、用户任务标签以及游戏任务之间的关联关系，标签矩阵是一个形如《推荐用户，用户任务标签，游戏任务》的三维矩阵。数据处理装置在生成标签矩阵后，可以根据标签矩阵确定推荐用户的推送数据。
[0116]
可选地，数据处理装置可以根据标签矩阵确定推荐用户的待推送数据，并确定推荐用户与待推送数据之间的匹配度，然后对匹配度进行排序，根据排序结果确定推荐用户的推送数据。
[0117]
具体地，数据处理装置可以构造推荐用户与待推送数据的匹配度函数，该匹配度函数表示具体某一推荐用户在统计周期内与某一待推送数据的匹配度。匹配度函数如下所示：
[0118][0119]
w4 w5＝1,0≤w4,w5≤1
[0120]
其中，h为该推荐用户处理待推送数据的难度值，t为该推荐用户处理待推送数据的时间，取k个周期内样本数据(hk,tk),k∈{1,2,...k}，该wi是模型训练值，h表示处理某一待推送数据的难度值，t表示处理某一待推送数据的平均耗时，若确定的推荐用户的数量有l个，推荐用户对应的待推送数据有p个，那么s
ef
(h,t)表示第e个推荐用户与第f个待推送数据的匹配度。然后对匹配度进行排序，根据排序结果确定推荐用户的推送数据。
[0121]
本实施例提供的技术方案中，根据游戏特征数据以及任务特征数据确定用户任务标签，根据推荐用户、用户任务标签以及游戏任务生成标签矩阵，根据标签矩阵确定推荐用户的推送数据。本方案通过建立标签矩阵确定推荐用户的推送数据的方式相对于传统的随机分配推送数据的方式，推荐用户与推送数据的匹配度更高，数据推送更加合理。
[0122]
请参照图4，图4是本发明数据处理方法的第三实施例的流程示意图，基于第一实施例，上述s40的步骤包括：
[0123]
步骤s41，获取所述推荐用户对所述推送数据的数据处理结果，在所述数据处理结果为预设处理结果时，获取所述推荐用户处理所述推送数据的历史频次；
[0124]
步骤s42，根据所述历史频次确定所述推荐用户处理所述推送数据的游戏收益；
[0125]
步骤s43，根据所述游戏收益更新所述目标用户的游戏数据。
[0126]
在本实施例中，数据处理装置将推荐用户的推送数据发送至推荐用户后，推荐用户接收推送数据，并通过推荐用户的数据处理装置对推送数据进行处理，推荐用户处理完推送数据后，可以通过推荐用户的数据处理装置将推送数据的处理结果发送至目标用户的数据处理装置。其中，数据处理结果包括数据处理成功以及数据处理失败。
[0127]
数据处理装置可以获取推荐用户对推送数据的数据处理结果，在数据处理结果为预设处理结果时，获取推荐用户处理推送数据的历史频次。根据历史频次确定推荐用户处理推送数据的游戏收益，根据游戏收益更新目标用户的游戏数据。可选地，预设处理结果可以是数据处理成功，游戏收益可以是推荐用户处理推送数据所产生的战斗力、能量值或者游戏奖励(如金币、积分等)。
[0128]
可选地，数据处理装置在获取到推荐用户处理推送数据的历史频次后，获取历史频次与游戏收益的映射关系，根据历史频次以及映射关系确定推荐用户处理推送数据的游戏收益。
[0129]
需要说明的是，如果一个推荐用户同时接收到多个推送数据，推荐用户可以根据推送数据的特征选择一个进行处理，也可以按顺序依次处理。
[0130]
具体地，推荐用户接收推送数据并对推送数据处理成功后，可以对目标用户进行助力。目标用户的推送数据的集合t＝(t1,t2,...tq)，其中ts是每个推送数据的分值，q是推送数据的数量。令推荐用户的总人数为d，f
mn
,m,n∈{1,2,...d}为推荐用户m帮助目标用户n处理推送数据的历史频次，那么：
[0131][0132]
为所有推荐用户处理推送数据的历史频次，其中对角线元素可以忽略(m＝n表示目标用户不能帮助自己)。当m与n不是关联用户时，那么f
mn
＝0，构造助力函数：
[0133]
v≤d，
[0134]
该函数表示第l个目标用户对于所有推荐用户(有v个推荐用户)的助力函数，那么第s个推送数据(分值ts)发送给好友l处理成功后，产生的游戏收益：
[0135]
v≤d
[0136]
推荐用户产生的游戏收益通过后台系统计算并记录，用于后续的推荐模型数据计算。
[0137]
可选地，数据处理装置可以根据多个推荐用户处理推送数据所产生的游戏收益确定游戏收益的累加值，根据累加值更新目标用户的游戏数据，进而根据更新的游戏数据消除闯关困难，助力目标用户继续闯关。
[0138]
本实施例提供的技术方案中，通过获取推荐用户对推送数据的数据处理结果，在
数据处理结果为预设处理结果时，获取推荐用户处理推送数据的历史频次，根据历史频次确定推荐用户处理推送数据的游戏收益，根据游戏收益更新目标用户的游戏数据。本方案可以计算出推荐用户处理推送数据后所产生的游戏收益，利用游戏收益更新目标用户的游戏数据，进而助力目标用户消除闯关困难，提高了用户之间在游戏过程中的游戏互动性。
[0139]
为了更清楚的说明本发明数据处理方法的发明构思，下面通过一个具体的应用场景对本发明数据处理方法进行举例说明：
[0140]
假设数据处理装置为智能手机，用户a在用智能手机玩游戏的过程中，由于游戏的战斗力或者能量值不足导致闯关困难时，智能手机进行弹窗提醒，提醒用户a当前战斗力或者能量值不足，暂无法闯关，并询问用户a是否邀请游戏好友助力闯关。当用户点击邀请时，智能手机通过计算分析确定并显示助力用户a闯关的游戏好友，例如助力用户a闯关的游戏好友为用户b、用户c以及用户d，智能手机在确定助力用户a闯关的游戏好友(用户b、用户c以及用户d)后，分别向用户b、用户c以及用户d分配游戏任务，并将游戏任务分别发送至用户b、用户c以及用户d的智能手机。用户b、用户c以及用户d在接收到用户a发送的游戏任务后，可以接受游戏任务也可以拒绝游戏任务，用户b、用户c以及用户d在接受游戏任务后，需要按要求完成被分配的游戏任务，当用户b、用户c以及用户d完成被分配的游戏任务后，生成任务处理结果，并通过智能手机将任务处理结果发送至用户a的智能手机，用户a的智能手机在接收到任务处理结果后，判断任务处理结果是任务处理成功还是任务处理失败，在确定任务处理结果是任务处理成功时，计算该任务处理结果所产生的能量值或者战斗力，用户a的智能手机累加用户b、用户c以及用户d对应的任务处理结果所产生的能量值或者战斗力，根据累加后的能量值或者战斗力更新用户a的闯关状态，例如用户a可以根据累加后的能量值或者战斗力消除闯关困难，从而顺利闯关，实现游戏好友的助力闯关，提高用户之间在游戏过程中的游戏互动性。
[0141]
基于上述实施例，请参照图5，本发明还提供了一种数据处理装置，所述数据处理装置包括：
[0142]
检测模块100，用于获取目标用户的历史交互数据，并根据所述历史交互数据确定推荐用户；
[0143]
获取模块200，用于获取所述目标用户的任务特征数据以及所述推荐用户的游戏特征数据；
[0144]
确定模块300，用于根据所述任务特征数据以及所述游戏特征数据确定所述推荐用户的推送数据，并向所述推荐用户推送所述推送数据；
[0145]
更新模块400，用于获取所述推荐用户对所述推送数据的数据处理结果，并根据所述数据处理结果更新所述目标用户的游戏数据。
[0146]
基于上述实施例，本发明还提供了一种数据处理装置，上述数据处理装置可以包括存储器、处理器及存储在上述存储器上并可在上述处理器上运行的数据处理程序，上述处理器执行上述数据处理程序时，实现如上述任一实施例所述的数据处理方法的步骤。
[0147]
基于上述实施例，本发明还提供一种可读存储介质，其上存储有数据处理程序，上述数据处理程序被处理器执行时实现如上述任一实施例所述的数据处理方法的步骤。
[0148]
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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0149]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0150]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是智能电视、手机、计算机等)执行本发明各个实施例所述的方法。
[0151]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。