基于云游戏行为大数据的游戏优化方法及云游戏AI系统与流程

基于云游戏行为大数据的游戏优化方法及云游戏ai系统
技术领域
1.本技术涉及云游戏技术领域，具体而言，涉及一种基于云游戏行为大数据的游戏优化方法及云游戏ai系统。


背景技术：

2.云游戏伴随着5g技术的脚步，有望成为游戏产业中的一个新风口。这一产业将重新优化玩家，游戏厂商，运营商，服务商之间的资源关系。相关技术中，如何针对广大游戏行为大数据中所产生的云游戏行为事件进行优化固件内容的加载，以不断提高云游戏的线上体验，是亟待解决的技术问题。


技术实现要素：

3.为了至少克服现有技术中的上述不足，本技术的目的在于提供一种基于云游戏行为大数据的游戏优化方法及云游戏ai系统。
4.第一方面，本技术提供一种基于云游戏行为大数据的游戏优化方法，应用于云游戏ai系统，所述方法包括：采集云游戏用户的当前游戏优化节点所对应的游戏行为大数据中的云游戏行为事件，对所述云游戏行为事件进行游戏偏好挖掘，获得所述云游戏行为事件对应的游戏偏好变量，依据所述游戏偏好变量确定所述云游戏行为事件的游戏偏好知识点；获取所述当前游戏优化节点的过往游戏优化节点信息，从所述过往游戏优化节点信息中获取与所述当前游戏优化节点所对应的过往游戏行为大数据以及过往优化内容数据，依据所述过往游戏行为大数据以及所述过往优化内容数据所对应的过往游戏体验反馈属性，确定所述当前游戏优化节点的游戏优化知识点；所述过往游戏行为大数据是依据所述当前游戏优化节点所关联的游戏任务中采集的过往游戏行为数据进行生成的，所述过往优化内容数据是依据所述当前游戏优化节点为所述过往游戏行为数据所加载的过往优化内容进行生成的；依据所述游戏偏好知识点以及所述游戏优化知识点，生成目标游戏体验反馈属性，从优化固件内容库中获取与所述目标游戏体验反馈属性存在联系的目标优化固件内容，将所述目标优化固件内容作为所述云游戏行为事件的第一关联优化固件内容加载到所述当前游戏优化节点。
5.譬如，所述方法还包括：获取针对云游戏用户的当前游戏优化节点进行游戏优化后上线的目标云游戏的游戏优化反馈大数据；对所述游戏优化反馈大数据进行挖掘，获得所述游戏优化反馈大数据对应的游戏优化路径的目标优化游戏优化实体序列；基于所述游戏优化反馈大数据对应的游戏优化路径的目标优化游戏优化实体序列生成对应的云游戏进阶优化计划。
6.譬如，所述对所述游戏优化反馈大数据进行挖掘，获得所述游戏优化反馈大数据对应的游戏优化路径的目标优化游戏优化实体序列的步骤，包括：依据所述游戏优化反馈大数据中各游戏优化路径的游戏优化实体之间的优化路由信息，将所述游戏优化反馈大数据转换为游戏优化知识图谱；依据所述游戏优化知识图谱分别建立前向知识图谱和后向知识图谱；所述前向知识图谱表征当前游戏优化路径被其它游戏优化实体进行主动勾联的勾联知识关系，所述后向知识图谱表征所述当前游戏优化路径对其它游戏优化实体进行主动勾联的勾联知识关系；在所述游戏优化知识图谱中分析各所述游戏优化路径与游戏投诉问题之间的问题勾联知识关系；依据所述问题勾联知识关系，对被问题勾联游戏优化路径的游戏优化实体进行优化权重处理；在所述游戏优化知识图谱中搜索匹配关键优化主题要求的游戏优化实体作为关键优化主题，依据以所述关键优化主题构成的关键优化链、所述前向知识图谱中的勾联知识关系和所述后向知识图谱中的勾联知识关系，对未进行优化权重处理的所述游戏优化路径的游戏优化实体分配优化权重参数，以获得目标优化游戏优化实体序列。
7.譬如，所述依据游戏优化反馈大数据中各游戏优化路径的游戏优化实体之间的优化路由信息，将所述游戏优化反馈大数据转换为游戏优化知识图谱，包括：如果确定各所述游戏优化路径的目标游戏优化实体之间的主题联系代价小于目标联系代价，则将各所述目标游戏优化实体进行聚合；基于各所述游戏优化路径的游戏优化实体之间的优化路由信息，获取各所述游戏优化路径的优化联系属性信息；依据所述优化联系属性信息生成包含各所述游戏优化路径的优化联系属性的游戏优化知识图谱。
8.譬如，所述依据所述游戏优化知识图谱分别建立前向知识图谱和后向知识图谱，包括：如果确定所述游戏优化知识图谱中的游戏优化路径之间存在相对勾联关系，则依据所述相对勾联关系，在初始前向知识图谱和初始后向知识图谱中添加游戏优化实体，以及与所述游戏优化实体相连的游戏优化路径；在添加游戏优化实体和游戏优化路径的所述初始前向知识图谱和所述初始后向知识图谱中，依据所述游戏优化路径的权重分别配置勾联知识关系，获得前向知识图谱和后向知识图谱。
9.譬如，所述依据所述问题勾联知识关系，对被问题勾联游戏优化路径的游戏优化实体进行优化权重处理，包括：当所述游戏优化知识图谱中相应游戏优化路径的游戏优化实体位于所述游戏投诉问题的前向范围时，将位于所述游戏投诉问题的前向范围的游戏优化实体更新为负优化权重参数；当所述游戏优化知识图谱中相应游戏优化路径位于所述游戏投诉问题的前向范围时，判断位于所述游戏投诉问题的前向范围的所述游戏优化路径的起始游戏优化实体或
终止游戏优化实体是否匹配目标要求；如果确定匹配所述目标要求，则将所述起始游戏优化实体或终止游戏优化实体更新为负优化权重参数。
10.6.根据权利要求2所述的基于云游戏优化的大数据挖掘方法，其特征在于，所述在所述游戏优化知识图谱中搜索匹配关键优化主题要求的游戏优化实体作为关键优化主题，包括：在所述游戏优化知识图谱中搜索处于优化交叉部分处的游戏优化实体，并将搜索的所述游戏优化实体作为关键优化主题；在所述游戏优化知识图谱中搜索游戏优化强度为第二目标强度、且优先级为预设优先级所对应的游戏优化实体，并将搜索的所述游戏优化实体作为关键优化主题；其中，进行了优化权重处理的所述游戏优化实体的状态为第一状态；所述在所述游戏优化知识图谱中搜索匹配关键优化主题要求的游戏优化实体作为关键优化主题包括：在所述游戏优化知识图谱中，从处于第二状态的所述关键优化主题中选取一个关键优化主题作为初始成员，以所述初始成员开始在所述游戏优化知识图谱中的连通知识实体方向进行游戏优化实体游走，直至游走到的当前游戏优化实体或所述当前游戏优化实体对应的游戏优化路径匹配结束要求时结束游走，获得所述连通知识实体方向上的游戏优化实体；将所述连通知识实体方向上的游戏优化实体作为关键优化主题。
11.譬如，所述依据以所述关键优化主题构成的关键优化链、所述前向知识图谱中的勾联知识关系和所述后向知识图谱中的勾联知识关系，对未进行优化权重处理的所述游戏优化路径的游戏优化实体分配优化权重参数，包括：在所述后向知识图谱中，获取游戏优化强度等于第二目标强度的目标游戏优化实体；在所述游戏优化知识图谱中，搜索与所述目标游戏优化实体对应的游戏优化路径的路径连通状态；如果确定所述路径连通状态匹配预设状态，将匹配所述预设状态的路径连通实体对应的游戏优化路径作为目标游戏优化路径，在所述前向知识图谱中搜索与所述目标游戏优化路径对应的游戏优化实体，以搜索的所述游戏优化实体作为初始成员进行游走，获得所述初始成员到其它游戏优化实体之间的游走链序列；所述游走链序列包括至少一条游走链；在所述前向知识图谱中搜索与所述游走链的终点对应的游戏优化实体，如果确定搜索的所述游戏优化实体表示在所述游戏优化知识图谱中目标游戏优化路径的上位游戏优化路径，依据所述目标游戏优化路径的路径连通实体的最大连通代价和所述上位游戏优化路径的路径连通实体的最小连通代价，分配所述上位游戏优化路径的路径连通实体对应的优化权重参数；譬如，所述路径连通实体包括起始游戏优化实体和终止游戏优化实体； 所述依据所述目标游戏优化路径的路径连通实体的最大连通代价和所述上位游戏优化路径的路径连通实体的最小连通代价，分配所述上位游戏优化路径的路径连通实体对应的优化权重参
数，包括：将所述目标游戏优化路径中起始游戏优化实体和终止游戏优化实体的最大连通代价作为第一连通代价；将所述上位游戏优化路径中起始游戏优化实体和终止游戏优化实体最小连通代价作为第二连通代价；依据所述第一连通代价和所述第二连通代价之间的大小关系，对所述上位游戏优化路径的起始游戏优化实体和终止游戏优化实体分别分配优化权重参数。
12.譬如，所述方法还包括：对所述目标游戏优化路径的路径连通实体分配优化权重参数；所述目标游戏优化路径的优化权重参数小于所述上位游戏优化路径的优化权重参数；在所述游戏优化知识图谱中，沿所述目标游戏优化路径的两个不同方向进行连通性游走，获得所述不同方向上的扩展游戏优化路径；向与所述扩展游戏优化路径的路径连通实体分配与所述目标游戏优化路径相同的优化权重参数。
13.譬如，所述对未进行优化权重处理的所述游戏优化路径的游戏优化实体分配优化权重参数之后，所述方法还包括：确定所述游戏优化知识图谱中每条游戏优化路径的路径成员分支数量；基于所述路径成员分支数量的降序顺序，依据每层对应的预设连通影响因子和预设最大路径成员分支数量，分别确定所述游戏优化知识图谱中的各游戏优化路径对应的优化权重更新值；依据所述优化权重更新值，对所述游戏优化知识图谱中各游戏优化路径的起始游戏优化实体或终止游戏优化实体进行路径成员分支优化；其中，所述依据所述优化权重更新值，对所述游戏优化知识图谱中各游戏优化路径的起始游戏优化实体或终止游戏优化实体进行路径成员分支优化，包括：依据所述优化权重更新值，分别确定所述游戏优化知识图谱中各游戏优化路径的起始游戏优化实体和终止游戏优化实体的路径成员分支优化值；确定所述起始游戏优化实体的路径成员分支优化值对应的影响因子，获得起始影响因子；确定所述终止游戏优化实体的路径成员分支优化值对应的影响因子，获得终止影响因子；选取所述起始影响因子和所述终止影响因子中的最小影响因子；依据所述最小影响因子对应的路径成员分支优化值，对所述游戏优化知识图谱中各游戏优化路径的起始游戏优化实体或终止游戏优化实体进行路径成员分支优化。
14.第二方面，本技术实施例还提供一种云游戏ai系统，所述云游戏ai系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有计算机程序，所述计算机程序基于该处理器加载并执行以实现以上第一方面的基于云游戏行为大数据的游戏优化方法。
15.基于以上方面，可以先获取与当前游戏优化节点所对应的游戏行为大数据中的云游戏行为事件，由此可以对云游戏行为事件进行游戏偏好挖掘，从而得到该云游戏行为事件对应的游戏偏好变量，并可以依据游戏偏好变量确定该云游戏行为事件的游戏偏好知识点，其中，这里的游戏偏好知识点可代表更深度的游戏行为偏好属性。其中，可以从过往游
戏优化节点信息中获取与当前游戏优化节点所对应的过往游戏行为大数据以及过往优化内容数据，并可以依据过往游戏行为大数据以及过往优化内容数据所对应的过往游戏体验反馈属性，确定当前游戏优化节点的游戏优化知识点，其中，过往游戏行为大数据是依据当前游戏优化节点所关联的游戏任务中采集的过往游戏行为数据进行生成的，过往优化内容数据是依据当前游戏优化节点为过往游戏行为数据所加载的过往优化内容进行生成的，其中，这里的游戏优化知识点可用于描述当前游戏优化节点的优化倾向内容。随后，可以依据上述游戏偏好知识点以及游戏优化知识点生成目标游戏体验反馈属性，由此可以从优化固件内容库中获取与目标游戏体验反馈属性存在联系的目标优化固件内容作为云游戏行为事件的第一关联优化固件内容加载到当前游戏优化节点。如此，可以依据依据游戏偏好知识点以及游戏优化知识点所得到的目标游戏体验反馈属性来进行优化内容加载，也即，可以依据对云游戏行为事件的深度特征理解以及对当前游戏优化节点的优化倾向内容描绘来加载适合于云游戏行为事件的目标优化固件内容，这样可以在确保优化内容加载的精确性的同时，提升游戏行为数据的游戏优化的精准度。
附图说明
16.图1为本技术实施例提供的基于云游戏行为大数据的游戏优化系统的架构示意图；图2为本技术实施例提供的基于云游戏行为大数据的游戏优化方法的流程示意图；图3为本技术实施例提供的用于实现上述的基于云游戏行为大数据的游戏优化方法的云游戏ai系统的结构示意框图。
具体实施方式
17.图1是本技术一种实施例提供的基于云游戏行为大数据的游戏优化系统10的架构示意图。基于云游戏行为大数据的游戏优化系统10可以包括云游戏ai系统100以及与云游戏ai系统100通信连接的游戏客户端200。图1所示的基于云游戏行为大数据的游戏优化系统10仅为一种可行的示例，在其它可行的实施例中，该基于云游戏行为大数据的游戏优化系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。
18.一种依据独立构思的实施例中，基于云游戏行为大数据的游戏优化系统10中的云游戏ai系统100和游戏客户端200可以依据配合执行以下方法实施例所描述的基于云游戏行为大数据的游戏优化方法，具体云游戏ai系统100和游戏客户端200的执行步骤部分可以参照以下方法实施例的详细描述。
19.步骤s101，获取与当前游戏优化节点所对应的游戏行为大数据中的云游戏行为事件，对云游戏行为事件进行游戏偏好挖掘，获得云游戏行为事件对应的游戏偏好变量，依据游戏偏好变量确定云游戏行为事件的游戏偏好知识点；一种示例性的设计思路中，云游戏ai系统可以先获取与当前游戏优化节点（如当前触发的游戏优化任务所在任务节点）所对应的游戏行为大数据，由此可以从游戏行为大数据中获取云游戏行为事件，其中，云游戏行为事件可以是由当前游戏优化节点选取的，也
可以由云游戏ai系统依据对云游戏行为事件的分析所选取的，该云游戏行为事件可以包含游戏行为大数据中的一部分连续的游戏行为数据段，也可以包含游戏行为大数据中的全部游戏行为数据段。一种示例性的设计思路中，云游戏ai系统可以对该云游戏行为事件进行游戏偏好挖掘，从而得到该云游戏行为事件对应的游戏偏好变量，这里的游戏偏好挖掘是指针对云游戏行为事件的综合分析，可以实现对云游戏行为事件的深度特征理解，例如，对云游戏行为事件中的优化固件信息成员（例如主动行为成员、被动行为成员、联动行为成员等）的分析、对云游戏行为事件的游戏逻辑偏好的分析、对云游戏行为事件中的活动内容的分析等等。一种示例性的设计思路中，按照数据类型的划分，游戏偏好挖掘可以包括游戏操作偏好挖掘、游戏互动偏好挖掘以及游戏逻辑偏好挖掘，也即，云游戏ai系统可以对云游戏行为事件进行游戏操作偏好挖掘，获得云游戏行为事件对应的游戏操作偏好变量；对云游戏行为事件进行游戏互动偏好挖掘，获得云游戏行为事件对应的游戏互动偏好变量；对云游戏行为事件进行游戏逻辑偏好挖掘，获得云游戏行为事件对应的游戏逻辑偏好变量，由此可以依据游戏操作偏好变量、游戏互动偏好变量以及游戏逻辑偏好变量确定该云游戏行为事件对应的游戏偏好变量。
20.其中，游戏行为大数据与当前游戏优化节点相关联，示例性地，游戏行为大数据可以是对当前游戏优化节点进行数据采集得到的游戏行为数据，则游戏行为大数据中可以展示当前游戏优化节点对应的游戏行为数据；示例性地，游戏行为大数据也可以是当前游戏优化节点对其它场景元素等进行数据采集得到的游戏行为数据；示例性地，游戏行为大数据还可以是当前游戏优化节点从其它平台获取的游戏行为数据，例如从游戏行为数据库服务器下载的游戏行为数据，本技术实施例对游戏行为大数据的具体内容和来源不进行限定。
21.示例性地，云游戏ai系统可以调用与云游戏行为事件所对应的目标游戏偏好挖掘单元，该目标游戏偏好挖掘单元是依据机器学习技术的神经网络单元，云游戏ai系统可以预先利用具有海量游戏行为数据数据的游戏行为数据数据库，训练神经网络单元以得到该目标游戏偏好挖掘单元。一种示例性的设计思路中，目标游戏偏好挖掘单元可以包括多个具有不同功能的游戏偏好挖掘单元，例如可以包括：用于进行游戏操作偏好挖掘的游戏偏好挖掘单元，称为第一游戏偏好挖掘单元，用于进行游戏互动偏好挖掘的游戏偏好挖掘单元，称为第二游戏偏好挖掘单元，以及用于进行游戏逻辑偏好挖掘的游戏偏好挖掘单元，称为第三游戏偏好挖掘单元，因此云游戏ai系统可以利用这三个游戏偏好挖掘单元共同对云游戏行为事件进行游戏偏好挖掘，具体过程可如下：针对游戏操作偏好挖掘，云游戏ai系统可以对云游戏行为事件进行聚团，获得多个游戏行为数据段，这多个游戏行为数据段可以组成游戏行为数据团，随后可以将游戏行为数据团加载到第一游戏偏好挖掘单元，依据第一游戏偏好挖掘单元对游戏行为数据团进行游戏操作偏好挖掘，可以得到游戏行为数据团对应的游戏操作偏好变量。其中，游戏操作偏好挖掘是指对游戏行为数据内容的分析，包括但不限于对游戏行为数据团中的各种行为成员的分析，因此，获得的游戏操作偏好变量是一个综合的特征。值得说明的是，从一个云游戏行为事件中抽取的游戏行为数据段数量（即游戏行为数据团包含的游戏行为数据段的数量）小于或等于该云游戏行为事件对应的游戏行为数据段总数。值得说明的是，从云游戏行为事件中抽取得到的游戏行为数据段可以为连续的游戏行为数据段，也可以为不连续的
游戏行为数据段。
22.针对游戏互动偏好挖掘，云游戏ai系统可以获取云游戏行为事件的目标云游戏互动活动数据，由此可以将目标云游戏互动活动数据加载到第二游戏偏好挖掘单元，依据第二游戏偏好挖掘单元对目标云游戏互动活动数据进行游戏互动偏好挖掘，可以得到目标云游戏互动活动数据对应的游戏互动偏好变量。其中，目标云游戏互动活动数据可以包括云游戏行为事件的单元互动活动数据以及规则化互动活动数据，单元互动活动数据是指云游戏行为事件本身携带的数据。
23.针对游戏逻辑偏好挖掘，云游戏ai系统可以获取云游戏行为事件的游戏逻辑习惯数据，由此可以将游戏逻辑习惯数据加载到第三游戏偏好挖掘单元，依据第三游戏偏好挖掘单元对游戏逻辑习惯数据进行游戏逻辑偏好挖掘，可以得到游戏逻辑习惯数据对应的游戏逻辑偏好变量。其中，游戏逻辑偏好变量可代表游戏逻辑习惯数据的游戏逻辑风格。
24.一种示例性的设计思路中，云游戏ai系统可以依据上述游戏操作偏好变量、游戏互动偏好变量以及游戏逻辑偏好变量确定云游戏行为事件对应的游戏偏好变量。示例性地，若游戏操作偏好变量中包含代表云游戏行为事件的游戏操作风格的第一偏好变量，游戏逻辑偏好变量中包含代表游戏逻辑习惯数据的游戏逻辑风格的第二偏好变量，则云游戏ai系统可以对游戏操作偏好变量中的第一偏好变量和游戏逻辑偏好变量中的第二偏好变量进行聚合，获得云游戏行为事件对应的聚合偏好变量，由此可以将游戏操作偏好变量、游戏互动偏好变量以及聚合偏好变量作为云游戏行为事件对应的游戏偏好变量。示例性地，若游戏操作偏好变量中包含代表云游戏行为事件的游戏操作风格的第一偏好变量，游戏逻辑偏好变量中包含代表游戏逻辑习惯数据的游戏逻辑风格的第二偏好变量，且游戏互动偏好变量中包含代表目标云游戏互动活动数据的游戏互动偏好的第三偏好变量，则云游戏ai系统可以对游戏操作偏好变量中的第一偏好变量、游戏逻辑偏好变量中的第二偏好变量以及游戏互动偏好变量中的第三偏好变量进行聚合，获得云游戏行为事件对应的聚合偏好变量，由此可以将游戏操作偏好变量、游戏互动偏好变量以及聚合偏好变量作为云游戏行为事件对应的游戏偏好变量。
25.一种示例性的设计思路中，云游戏ai系统可以依据游戏偏好变量确定云游戏行为事件的游戏偏好知识点，示例性地，该目标游戏偏好挖掘单元还可以包括用于进行游戏操作偏好决策的第一ai决策分支、用于进行游戏互动偏好决策的第二ai决策分支以及用于进行游戏逻辑偏好决策的第三ai决策分支。其中，云游戏ai系统可以依据游戏操作偏好变量以及第一ai决策分支，对云游戏行为事件进行游戏操作偏好决策，从而得到云游戏行为事件的目标游戏操作偏好热力图，例如实现方式可以是：将游戏操作偏好变量加载到第一ai决策分支，依据第一ai决策分支对云游戏行为事件进行游戏操作偏好决策，获得游戏操作偏好变量对应的第一决策置信度，其中，第一决策置信度可以包括云游戏行为事件在至少两个参考游戏操作偏好热力图上的目标置信度，由此可以将第一决策置信度中的最大目标置信度所对应的参考游戏操作偏好热力图作为云游戏行为事件的目标游戏操作偏好热力图。
26.同理，云游戏ai系统可以依据游戏互动偏好变量以及第二ai决策分支，对云游戏行为事件进行游戏互动偏好决策，从而得到云游戏行为事件的目标游戏互动偏好热力图，例如实现方式可以是：将游戏互动偏好变量加载到第二ai决策分支，依据第二ai决策分支
对云游戏行为事件进行游戏互动偏好决策，获得游戏互动偏好变量对应的第二决策置信度，其中，第二决策置信度可以包括云游戏行为事件在至少两个样本游戏互动偏好热力图上的目标置信度，由此可以将第二决策置信度中的最大目标置信度所对应的样本游戏互动偏好热力图作为云游戏行为事件的目标游戏互动偏好热力图。
27.同理，云游戏ai系统可以依据聚合偏好变量以及第三ai决策分支，对云游戏行为事件进行游戏逻辑偏好决策，从而得到云游戏行为事件的目标游戏逻辑偏好热力图，例如实现方式可以是：将聚合偏好变量加载到第三ai决策分支，依据第三ai决策分支对云游戏行为事件进行游戏逻辑偏好决策，获得聚合偏好变量对应的第三决策置信度，其中，第三决策置信度可以包括云游戏行为事件在至少两个样本游戏逻辑偏好热力图上的目标置信度，由此可以将第三决策置信度中的最大目标置信度所对应的样本游戏逻辑偏好热力图作为云游戏行为事件的目标游戏逻辑偏好热力图。
28.最终，可以将目标游戏操作偏好热力图、目标游戏互动偏好热力图以及目标游戏逻辑偏好热力图作为该云游戏行为事件的游戏偏好知识点。
29.值得说明的是，第一游戏偏好挖掘单元、第二游戏偏好挖掘单元以及第三游戏偏好挖掘单元可以是目标游戏偏好挖掘单元中独立的游戏偏好挖掘单元，第一ai决策分支、第二ai决策分支以及第三ai决策分支可以是目标游戏偏好挖掘单元中独立的ai决策分支，可以基于实际业务需求设计对应的目标游戏偏好挖掘单元，本技术对目标游戏偏好挖掘单元的具体结构不进行限定。
30.值得说明的是，云游戏行为事件的数量可以为一个或多个，本技术对此不进行限定。其中，针对每个云游戏行为事件的优化内容加载过程是一致的，即云游戏ai系统可以依据对每个云游戏行为事件的理解，分别为每个云游戏行为事件推送相应的目标优化固件内容。例如，从游戏行为大数据d中选取出两个云游戏行为事件，分别为云游戏行为事件d1、云游戏行为事件d2，则云游戏ai系统可以分别对云游戏行为事件d1和云游戏行为事件d2进行游戏偏好挖掘，从而可以得到云游戏行为事件d1的游戏偏好变量e1，云游戏行为事件d2的游戏偏好变量e2，由此可以依据游戏偏好变量e1确定云游戏行为事件d1的游戏偏好知识点k1，依据游戏偏好变量e2确定云游戏行为事件d2的游戏偏好知识点k2，依据后续的标签匹配，最终可以获取云游戏行为事件d1对应的目标优化固件内容g1，以及云游戏行为事件d2对应的目标优化固件内容g2。因此，后续当前游戏优化节点可以分别从每个云游戏行为事件对应的目标优化固件内容中选取合适的游戏优化加载，并加载到对应的云游戏行为事件中。
31.步骤s102，获取当前游戏优化节点的过往游戏优化节点信息，从过往游戏优化节点信息中获取与当前游戏优化节点所对应的过往游戏行为大数据以及过往优化内容数据，依据过往游戏行为大数据以及过往优化内容数据所对应的过往游戏体验反馈属性，确定当前游戏优化节点的游戏优化知识点；一种示例性的设计思路中，云游戏ai系统可以获取当前游戏优化节点的过往游戏优化节点信息，由此可以从过往游戏优化节点信息中获取与当前游戏优化节点所对应的过往游戏行为大数据以及过往优化内容数据。而过往优化内容数据则是依据当前游戏优化节点为过往游戏行为数据所加载的过往优化内容进行生成的，也即，过往优化内容数据用于记录当前游戏优化节点为过往游戏行为数据进行游戏优化加载时产生的优化固件信息。
32.一种示例性的设计思路中，云游戏ai系统可以依据过往游戏行为大数据以及过往优化内容数据所对应的过往游戏体验反馈属性，确定当前游戏优化节点的游戏优化知识点。
33.步骤s103，依据游戏偏好知识点以及游戏优化知识点，生成目标游戏体验反馈属性，从优化固件内容库中获取与目标游戏体验反馈属性存在联系的目标优化固件内容，将目标优化固件内容作为云游戏行为事件的第一关联优化固件内容加载到当前游戏优化节点，以针对云游戏用户的当前游戏优化节点进行游戏优化。
34.一种示例性的设计思路中，云游戏ai系统可以依据游戏偏好知识点以及游戏优化知识点，生成目标游戏体验反馈属性。示例性地，云游戏ai系统可以直接将游戏偏好知识点以及游戏优化知识点直接进行组合，获得目标游戏体验反馈属性。示例性地，由于游戏偏好知识点以及游戏优化知识点均可以包括一个或多个子知识点，因此还可以考虑任意两个子知识点之间的重合问题，例如，假设游戏偏好知识点包括m个游戏偏好子知识点，m为正整数，游戏优化知识点包括n个游戏优化子知识点，n为正整数，则云游戏ai系统可以对m个游戏偏好子知识点以及n个游戏优化子知识点（即m n个子知识点）中的任意两个子知识点进行关联度分析，从而可以得到任意两个子知识点之间的第一关联度，由此可以依据任意两个子知识点之间的第一关联度，对m个游戏偏好子知识点以及n个游戏优化子知识点进行知识点聚合，获得目标游戏体验反馈属性，其中，对于不相同的两个子知识点，两者之间的第一关联度为低关联度（例如，第一关联度为0），而对于相同的两个子知识点，两者之间的第一关联度为高关联度（例如，第一关联度为100%或其它大于0的数值），因此，对于具有高关联度的子知识点，可以相应的增加其在所有子知识点中的重要性值，从而得到可用的目标游戏体验反馈属性。例如，假设m=3，n=2，即游戏偏好知识点包括子知识点k1、子知识点k2以及子知识点k3，游戏优化知识点包括子知识点w1以及子知识点w2，则云游戏ai系统需要计算出子知识点k1与子知识点k2之间的第一关联度，子知识点k1与子知识点k3之间的第一关联度，子知识点k1与子知识点w1之间的第一关联度，子知识点k1与子知识点w2之间的第一关联度，子知识点k2与子知识点k3之间的第一关联度，子知识点k2与子知识点w1之间的第一关联度，子知识点k2与子知识点w2之间的第一关联度，子知识点k3与子知识点w1之间的第一关联度，子知识点k3与子知识点w2之间的第一关联度，子知识点w1与子知识点w2之间的第一关联度，若发现子知识点k2与子知识点w1之间的第一关联度为高关联度，则可以增加子知识点k2和子知识点w1的重要性值，随后可将子知识点k1、子知识点k2（或子知识点w1）、子知识点k3以及子知识点w2作为目标游戏体验反馈属性。
35.一种示例性的设计思路中，云游戏ai系统可以从优化固件内容库中获取与目标游戏体验反馈属性所对应的游戏优化内容簇，由此可以获取游戏优化内容簇中每个游戏优化内容的优化内容属性与目标游戏体验反馈属性之间的相关度量值，并可以依据每个游戏优化内容的优化内容属性与目标游戏体验反馈属性之间的相关度量值，对游戏优化内容簇中的每个游戏优化内容进行优先级整理，一种示例性的设计思路中，可以从优先级整理后的游戏优化内容簇中获取目标优化固件内容，最终可以将目标优化固件内容作为云游戏行为事件的第一关联优化固件内容加载到当前游戏优化节点。其中，第一关联优化固件内容是指游戏优化内容类型的游戏优化加载。示例性地，可以在优先级整理后的游戏优化内容簇中获取相关度量值在预设相关度量值范围内的游戏优化内容作为目标优化固件内容，由此
可以将目标优化固件内容作为云游戏行为事件的第一关联优化固件内容加载到当前游戏优化节点。示例性地，可以在优先级整理后的游戏优化内容簇中获取具有最高相关度量值的游戏优化内容作为目标优化固件内容，由此可以将目标优化固件内容作为云游戏行为事件的第一关联优化固件内容加载到当前游戏优化节点，此时可以直接将该目标优化固件内容加载到云游戏行为事件中。
36.需要说明的是，本技术还可以为云游戏行为事件加载合适的迁移优化内容类型的游戏优化加载（即第二关联优化固件内容），具体实现过程可以参见下述的步骤s213。
37.上述可知，本技术实施例可以依据依据游戏偏好知识点以及游戏优化知识点所得到的目标游戏体验反馈属性来进行优化内容加载，也即，可以依据对云游戏行为事件的深度特征理解以及对当前游戏优化节点的优化倾向内容描绘来加载适合于云游戏行为事件的目标优化固件内容，这样得到的目标优化固件内容更加准确，因此可以提升优化内容加载的精确性，而将目标优化固件内容作为云游戏行为事件的第一关联优化固件内容，即从目标优化固件内容中获取该云游戏行为事件的游戏优化加载，可以提升游戏行为数据的游戏优化的精准度，且可以快速地从目标优化固件内容中选取游戏优化加载加载到云游戏行为事件中，从而可以提升游戏行为数据的游戏优化加载的速度。
38.下面介绍本技术实施例所提供的另一种基于云游戏行为大数据的游戏优化方法的流程，该方法至少可以包括以下步骤：步骤s201，获取与当前游戏优化节点所对应的游戏行为大数据中的云游戏行为事件，调用与云游戏行为事件所对应的目标游戏偏好挖掘单元；一种示例性的设计思路中，云游戏ai系统可以获取与当前游戏优化节点所对应的游戏行为大数据中的云游戏行为事件，并调用与该云游戏行为事件所对应的目标游戏偏好挖掘单元，其中，目标游戏偏好挖掘单元可以包括用于进行游戏操作偏好挖掘的第一游戏偏好挖掘单元，用于进行游戏互动偏好挖掘的第二游戏偏好挖掘单元，以及用于进行游戏逻辑偏好挖掘的第三游戏偏好挖掘单元，需要说明的是，由于游戏操作偏好挖掘涉及多种不同的分析处理方式，因此，本技术实施例提供的第一游戏偏好挖掘单元可以包括游戏模式挖掘分支、游戏消费挖掘分支、游戏执行动作挖掘分支、游戏任务挖掘分支。
39.步骤s202，对云游戏行为事件进行聚团，获得游戏行为数据团；步骤s203，将游戏行为数据团加载到游戏模式挖掘分支，依据游戏模式挖掘分支对游戏行为数据团进行游戏模式偏好挖掘，获得游戏行为数据团对应的游戏模式偏好变量；一种示例性的设计思路中，云游戏ai系统可以将游戏行为数据团加载到游戏模式挖掘分支，在游戏模式挖掘分支中，对游戏行为数据团进行游戏模式识别，可以获取游戏行为数据团中的游戏频繁触发行为的初始游戏执行信息。一种示例性的设计思路中，可以对初始游戏执行信息进行去噪处理，获得目标游戏执行信息，由此可以对目标游戏执行信息进行游戏模式偏好变量挖掘，获得游戏行为数据团对应的游戏模式偏好变量，随后可以将云游戏行为事件、游戏频繁触发行为以及游戏模式偏好变量对应的游戏优化知识点共同作为存储的互动活动片段，加载到云游戏ai系统。
40.步骤s204，将游戏行为数据团加载到游戏消费挖掘分支，依据游戏消费挖掘分支对游戏行为数据团进行游戏消费偏好挖掘，获得游戏行为数据团对应的游戏消费偏好变
量；步骤s205，将游戏行为数据团加载到游戏执行动作挖掘分支，依据游戏执行动作挖掘分支对游戏行为数据团进行游戏执行动作偏好挖掘，获得游戏行为数据团对应的游戏执行动作偏好变量；步骤s206，将游戏行为数据团加载到游戏任务挖掘分支，依据游戏任务挖掘分支对游戏行为数据团进行游戏任务偏好挖掘，获得游戏行为数据团对应的游戏任务偏好变量；步骤s207，将游戏模式偏好变量、游戏消费偏好变量、游戏执行动作偏好变量以及游戏任务偏好变量作为游戏行为数据团对应的游戏操作偏好变量；步骤s208，获取云游戏行为事件的目标云游戏互动活动数据，将目标云游戏互动活动数据加载到第二游戏偏好挖掘单元，依据第二游戏偏好挖掘单元对目标云游戏互动活动数据进行游戏互动偏好挖掘，获得目标云游戏互动活动数据对应的游戏互动偏好变量；一种示例性的设计思路中，云游戏ai系统可以获取云游戏行为事件的单元互动活动数据以及单元逻辑习惯数据，由此可以对单元逻辑习惯数据进行规则化转换，获得规则化互动活动数据，随后可以将单元互动活动数据和规则化互动活动数据作为目标云游戏互动活动数据。一种示例性的设计思路中，云游戏ai系统可以对目标云游戏互动活动数据进行互动活动片段拆分，获得目标云游戏互动活动数据的互动活动片段，进而对互动活动片段进行编码，获得互动活动片段对应的互动活动片段变量。一种示例性的设计思路中，云游戏ai系统可以将互动活动片段变量加载到第二游戏偏好挖掘单元，依据第二游戏偏好挖掘单元对互动活动片段变量进行游戏互动偏好变量挖掘，获得互动活动片段变量的向量特征，由此可以确定互动活动片段在目标云游戏互动活动数据中的文本位置，依据文本位置以及向量特征，可以确定目标云游戏互动活动数据对应的游戏互动偏好变量。
41.步骤s209，获取云游戏行为事件的游戏逻辑习惯数据，将游戏逻辑习惯数据加载到第三游戏偏好挖掘单元，依据第三游戏偏好挖掘单元对游戏逻辑习惯数据进行游戏逻辑偏好挖掘，获得游戏逻辑习惯数据对应的游戏逻辑偏好变量；步骤s210，依据游戏操作偏好变量、游戏互动偏好变量以及游戏逻辑偏好变量确定云游戏行为事件对应的游戏偏好变量，依据游戏偏好变量确定云游戏行为事件的游戏偏好知识点；步骤s211，获取当前游戏优化节点的过往游戏优化节点信息，从过往游戏优化节点信息中获取与当前游戏优化节点所对应的过往游戏行为大数据以及过往优化内容数据，依据过往游戏行为大数据以及过往优化内容数据所对应的过往游戏体验反馈属性，确定当前游戏优化节点的游戏优化知识点；步骤s212，依据游戏偏好知识点以及游戏优化知识点，生成目标游戏体验反馈属性，从优化固件内容库中获取与目标游戏体验反馈属性存在联系的目标优化固件内容，将目标优化固件内容作为云游戏行为事件的第一关联优化固件内容加载到当前游戏优化节点，以针对云游戏用户的当前游戏优化节点进行游戏优化；步骤s213，对云游戏行为事件进行迁移状态解析，当云游戏行为事件存在迁移属性时，获取云游戏行为事件中的迁移节点；获取代表迁移属性的迁移知识点，依据迁移知识点以及游戏优化知识点，生成全局迁移知识点，从优化固件内容库中获取与全局迁移知识
点存在联系的目标迁移优化内容，将目标迁移优化内容作为云游戏行为事件的第二关联优化固件内容加载到当前游戏优化节点，以针对云游戏用户的当前游戏优化节点进行游戏优化。
42.示例性地，云游戏ai系统可以对云游戏行为事件的目标云游戏互动活动数据（例如，社群互动活动数据、规则化互动活动数据等）进行迁移状态解析，为便于理解，这里以社群互动活动数据为例进行说明。云游戏ai系统可以在社群互动活动数据中挖掘代表迁移属性的目标互动活动片段，当在社群互动活动数据中挖掘到目标互动活动片段时，可以确定云游戏行为事件存在目标互动活动片段所表征的迁移属性，由此可以从云游戏行为事件中获取目标互动活动片段对应的游戏行为数据，并将游戏行为数据作为云游戏行为事件中的迁移节点，且可以获取目标互动活动片段对应的迁移知识点。
43.示例性地，云游戏ai系统可以对从云游戏行为事件得到的游戏行为数据团进行迁移状态解析。
44.一种示例性的设计思路中，获取到迁移知识点后，云游戏ai系统可以依据迁移知识点以及上述步骤s211中的游戏优化知识点，生成全局迁移知识点，值得说明的是，这里的全局迁移知识点也是一种深层次、高维度且综合立体的划分，因此，后续依据全局迁移知识点获取到的目标迁移优化内容同样具有更高的精确性。示例性地，云游戏ai系统可以直接将迁移知识点以及游戏优化知识点进行组合，获得全局迁移知识点。示例性地，由于迁移知识点以及游戏优化知识点均可以包括一个或多个子知识点，因此还可以考虑任意两个子知识点之间的重合问题，具体来说，假设迁移知识点包括m个迁移子知识点，m为正整数，游戏优化知识点包括n个游戏优化子知识点，n为正整数，则云游戏ai系统可以对m个迁移子知识点以及n个游戏优化子知识点（即m n个子知识点）中的任意两个子知识点进行关联度分析，从而可以得到任意两个子知识点之间的第二关联度，由此可以依据任意两个子知识点之间的第二关联度，对m个迁移子知识点以及n个游戏优化子知识点进行知识点聚合，获得全局迁移知识点，其中，对于不相同的两个子知识点，两者之间的第二关联度为低关联度（例如，第二关联度为0），而对于相同的两个子知识点，两者之间的第二关联度为高关联度（例如，第二关联度为100%或其它大于0的数值），因此，在一种实施方式中，对于具有高关联度的子知识点，可以相应的增加其在所有子知识点中的重要性值，从而得到可用的全局迁移知识点。
45.一种示例性的设计思路中，云游戏ai系统可以从优化固件内容库中获取与全局迁移知识点存在联系的目标迁移优化内容，并可以将目标迁移优化内容作为云游戏行为事件的第二关联优化固件内容加载到当前游戏优化节点，一种示例性的设计思路中，云游戏ai系统可以从优化固件内容库中获取与全局迁移知识点所对应的迁移优化内容簇，由此可以在迁移优化内容簇中依据每个迁移优化内容的优化内容属性与全局迁移知识点之间的相关度量值，对迁移优化内容簇中的每个迁移优化内容进行优先级整理，一种示例性的设计思路中，可以从优先级整理后的迁移优化内容簇中获取目标迁移优化内容，最终可以将目标迁移优化内容作为云游戏行为事件的第二关联优化固件内容加载到当前游戏优化节点。其中，第二关联优化固件内容是指迁移优化内容类型的游戏优化加载。
46.示例性地，可以在优先级整理后的迁移优化内容簇中将具有最高相关度量值的迁移优化内容作为目标迁移优化内容，然后将目标迁移优化内容作为云游戏行为事件的第二
关联优化固件内容加载到当前游戏优化节点，此时可以直接将该目标迁移优化内容加载到迁移节点。示例性地，可以在优先级整理后的迁移优化内容簇中获取相关度量值在预设相关度量值范围内的迁移优化内容作为目标迁移优化内容。
47.如此，可以依据依据游戏偏好知识点以及游戏优化知识点所得到的目标游戏体验反馈属性来进行游戏优化内容加载，还可以依据依据迁移知识点以及游戏优化知识点得到的全局迁移知识点来进行迁移优化内容加载，也即，可以依据对云游戏行为事件的深度特征理解以及对当前游戏优化节点的优化倾向内容描绘来加载适合于云游戏行为事件的游戏优化内容以及迁移优化内容，这样得到的优化内容更加准确，因此可以提升优化内容加载的精确性，同时可以提升游戏行为数据的游戏优化的精准度，后续也可以快速地从配置的优化内容中选取游戏优化内容加载到云游戏行为事件中，从而可以提升游戏行为数据的游戏优化加载的速度。
48.一种实施方式中，在前述描述的基础上，本技术实施例还可以包括以下步骤。
49.步骤w101，获取针对云游戏用户的当前游戏优化节点进行游戏优化后上线的目标云游戏的游戏优化反馈大数据。
50.本实施例中，在针对云游戏用户的当前游戏优化节点进行游戏优化后，可以进行相应的游戏上线，包括但不限于灰度上线或者正式上线，在此基础上，可以搜集上线的目标云游戏的游戏优化反馈大数据，其中，游戏优化反馈大数据是指游戏优化完成之后相关用户的反馈数据，如游戏用户或者其它开发用户的反馈数据，游戏优化反馈大数据可以是使用相对勾联关系体现游戏优化实体关系的数据格式。
51.步骤w102，对所述游戏优化反馈大数据进行挖掘，获得所述游戏优化反馈大数据对应的游戏优化路径的目标优化游戏优化实体序列。
52.本实施例中，游戏优化路径可以用于表示由游戏优化实体构成的路径，游戏优化实体可以用于表示游戏优化的具体执行实例，如某个游戏画面，某个游戏任务架构等。
53.步骤w103，基于所述游戏优化反馈大数据对应的游戏优化路径的目标优化游戏优化实体序列生成对应的云游戏进阶优化计划。
54.本实施例中，在获得游戏优化路径的目标优化游戏优化实体序列后，可以将目标优化游戏优化实体序列中的每个目标优化游戏优化实体进行对应云游戏优化内容的查找和请求数据输入，生成对应的云游戏进阶优化计划。
55.基于以上步骤，本实施例通过获取针对云游戏用户的当前游戏优化节点进行游戏优化后上线的目标云游戏的游戏优化反馈大数据，对所述游戏优化反馈大数据进行挖掘，获得所述游戏优化反馈大数据对应的游戏优化路径的目标优化游戏优化实体序列，基于所述游戏优化反馈大数据对应的游戏优化路径的目标优化游戏优化实体序列生成对应的云游戏进阶优化计划。如此，通过挖掘游戏优化路径的目标优化游戏优化实体序列进行云游戏进阶优化计划的信息提示，可以自动化游戏优化自动化计划的开发，提高游戏优化开发效率。
56.一种示例性的设计思路中，针对步骤w102，可以通过以下步骤实现。
57.步骤w202，依据所述游戏优化反馈大数据中各游戏优化路径的游戏优化实体之间的优化路由信息，将游戏优化反馈大数据转换为游戏优化知识图谱。
58.游戏优化路径是指知识图谱中成员路径，例如，游戏优化知识图谱中的成员路径、
前向知识图谱中的成员路径以及后向知识图谱中的成员路径等。
59.游戏优化实体是指知识图谱中的游戏优化实体，例如，游戏优化知识图谱中的游戏优化实体、前向知识图谱中的游戏优化实体以及后向知识图谱中的游戏优化实体等。
60.步骤w204，依据游戏优化知识图谱分别建立前向知识图谱和后向知识图谱；前向知识图谱表征当前游戏优化路径被其它游戏优化实体进行主动勾联的勾联知识关系，后向知识图谱表征当前游戏优化路径对其它游戏优化实体进行主动勾联的勾联知识关系。
61.其中，前向知识图谱kg1是指由游戏优化实体的相对勾联关系构建的可用于搜寻哪些游戏优化实体位于当前游戏优化实体的前向范围的知识图谱。
62.后向知识图谱kg2是指由游戏优化实体的相对勾联关系构建的可用于搜寻哪些游戏优化实体位于当前游戏优化实体的后向范围的知识图谱。
63.勾联知识关系是指游戏优化实体间的相对勾联关系，例如，使用0-1关系表示游戏优化实体的连通关系，0表示位于前向范围，1表示位于后向范围。
64.例如，云游戏ai系统依据游戏优化反馈大数据中各游戏优化路径的游戏优化实体之间的优化路由信息，将游戏优化反馈大数据转换为游戏优化知识图谱之后，云游戏ai系统可以依据游戏优化知识图谱分别建立前向知识图谱和后向知识图谱，前向知识图谱表征当前游戏优化路径被其它游戏优化实体进行主动勾联的勾联知识关系，后向知识图谱表征所述当前游戏优化路径对其它游戏优化实体进行主动勾联的勾联知识关系。
65.步骤w206，在游戏优化知识图谱中分析各游戏优化路径与游戏投诉问题之间的问题勾联知识关系。
66.步骤w208，依据问题勾联知识关系，对被问题勾联游戏优化路径的游戏优化实体进行优化权重处理。
67.其中，优化权重处理是指对知识图谱中的游戏优化实体分配优化权重参数的处理步骤。云游戏ai系统可以对不同类型的游戏优化实体分配不同的优化权重参数，例如，云游戏ai系统可以对被问题勾联游戏优化路径的游戏优化实体分配负优化权重参数。
68.例如，云游戏ai系统在游戏优化知识图谱中分析各游戏优化路径与游戏投诉问题之间的问题勾联知识关系之后，云游戏ai系统可以依据问题勾联知识关系，对被问题勾联游戏优化路径的游戏优化实体进行优化权重处理。
69.例如，当云游戏ai系统在游戏优化知识图谱中分析到某个游戏优化路径r的游戏优化实体p位于游戏投诉问题的前向范围时，云游戏ai系统可以将位于该游戏投诉问题的前向范围的游戏优化实体p的优化权重参数更新为负优化权重参数，并将位于该游戏投诉问题的前向范围的游戏优化实体p的状态更新为第一状态。
70.步骤w210，在游戏优化知识图谱中搜索匹配关键优化主题要求的游戏优化实体作为关键优化主题，依据以关键优化主题构成的关键优化链、前向知识图谱中的勾联知识关系和后向知识图谱中的勾联知识关系，对未进行优化权重处理的游戏优化路径的游戏优化实体分配优化权重参数。
71.其中，关键优化主题要求是指预先设置的确定关键优化主题的条件，例如，关键优化主题要求可以设置为在游戏优化知识图谱中处于优化交叉部分处的游戏优化实体。
72.关键优化主题是指用于生成关键优化链的游戏优化实体，例如，可以选取关键连通代价为零的游戏优化实体作为关键优化主题。
73.关键优化链是指以关键优化主题构成的链路。
74.例如，云游戏ai系统依据问题勾联知识关系，对被问题勾联游戏优化路径的游戏优化实体进行优化权重处理之后，云游戏ai系统可以在游戏优化知识图谱中搜索匹配关键优化主题要求的游戏优化实体作为关键优化主题，云游戏ai系统依据以关键优化主题构成的关键优化链、前向知识图谱中的勾联知识关系和后向知识图谱中的勾联知识关系，对未进行优化权重处理的游戏优化路径的游戏优化实体分配优化权重参数。其中，关键优化主题要求可以为多种类型的关键优化主题要求，只要当云游戏ai系统检测到匹配关键优化主题要求的游戏优化实体时，云游戏ai系统可以将该游戏优化实体作为关键优化主题，并设置关键优化主题的优化权重参数为关键连通代价，状态为第一状态。一种示例性的设计思路中，云游戏ai系统可以依据以关键优化主题构成的关键优化链、前向知识图谱中的勾联知识关系和后向知识图谱中的勾联知识关系，对未进行优化权重处理的游戏优化路径的游戏优化实体分配大于关键连通代价的优化权重参数，以获得目标优化游戏优化实体序列。
75.基于以上步骤，依据游戏优化反馈大数据中各游戏优化路径的游戏优化实体之间的优化路由信息，将游戏优化反馈大数据转换为游戏优化知识图谱；依据游戏优化知识图谱分别建立前向知识图谱和后向知识图谱；前向知识图谱表征当前游戏优化路径被其它游戏优化实体进行主动勾联的勾联知识关系，后向知识图谱表征当前游戏优化路径对其它游戏优化实体进行主动勾联的勾联知识关系；在游戏优化知识图谱中分析各游戏优化路径与游戏投诉问题之间的问题勾联知识关系，并依据问题勾联知识关系，对被问题勾联游戏优化路径的游戏优化实体进行优化权重处理；在游戏优化知识图谱中搜索匹配关键优化主题要求的游戏优化实体作为关键优化主题，依据以关键优化主题构成的关键优化链、前向知识图谱中的勾联知识关系和后向知识图谱中的勾联知识关系，对未进行优化权重处理的游戏优化路径的游戏优化实体分配优化权重参数。如此，可以提高所述游戏优化反馈大数据的挖掘精度。
76.一种示例性的设计思路中，依据游戏优化反馈大数据中各游戏优化路径的游戏优化实体之间的优化路由信息，将游戏优化反馈大数据转换为游戏优化知识图谱的步骤，包括：如果确定各游戏优化路径的目标游戏优化实体之间的主题联系代价小于目标联系代价，则将各目标游戏优化实体进行聚合；基于各游戏优化路径的游戏优化实体之间的优化路由信息，获取各游戏优化路径的优化联系属性信息；依据优化联系属性信息生成包含各游戏优化路径的优化联系属性的游戏优化知识图谱。
77.其中，目标联系代价是指联系代价阈值。
78.如果确定各游戏优化路径的目标游戏优化实体之间的主题联系代价小于目标联系代价，则云游戏ai系统将各目标游戏优化实体进行聚合，即聚合为同一个游戏优化实体。一种示例性的设计思路中，云游戏ai系统可以基于各游戏优化路径的游戏优化实体之间的优化路由信息，获取各游戏优化路径的优化联系属性信息，并依据优化联系属性信息生成包含各游戏优化路径的优化联系属性的游戏优化知识图谱。
79.一种示例性的设计思路中，依据游戏优化知识图谱分别建立前向知识图谱和后向知识图谱的步骤，包括：步骤w502，如果确定游戏优化知识图谱中的游戏优化路径之间存在相对勾联关系，则依据相对勾联关系，在初始前向知识图谱和初始后向知识图谱中添加游戏优化实体，
以及与该游戏优化实体相连的游戏优化路径。
80.步骤w504，在添加游戏优化实体和游戏优化路径的初始前向知识图谱和初始后向知识图谱中，依据游戏优化路径的权重分别配置勾联知识关系，获得前向知识图谱和后向知识图谱。
81.其中，初始前向知识图谱和初始后向知识图谱是指还未添加任何信息的空知识图谱。
82.例如，如果确定游戏优化知识图谱中的游戏优化路径之间存在相对勾联关系，则云游戏ai系统可以依据相对勾联关系，在初始前向知识图谱和初始后向知识图谱中添加游戏优化实体，以及与该游戏优化实体相连的游戏优化路径。同时，在添加游戏优化实体和游戏优化路径的初始前向知识图谱和初始后向知识图谱中，云游戏ai系统可以依据游戏优化路径的权重分别配置勾联知识关系，获得前向知识图谱和后向知识图谱。。
83.一种示例性的设计思路中，依据问题勾联知识关系，对被问题勾联游戏优化路径的游戏优化实体进行优化权重处理的步骤，包括：当游戏优化知识图谱中相应游戏优化路径的游戏优化实体位于游戏投诉问题的前向范围时，将位于游戏投诉问题的前向范围的游戏优化实体更新为负优化权重参数；当游戏优化知识图谱中相应游戏优化路径位于游戏投诉问题的前向范围时，判断位于游戏投诉问题的前向范围的游戏优化路径的起始游戏优化实体或终止游戏优化实体是否匹配目标要求；如果确定匹配目标要求，则将起始游戏优化实体或终止游戏优化实体更新为负优化权重参数。
84.其中，目标要求是指预设的针对游戏优化路径的起始游戏优化实体或终止游戏优化实体的阈值条件，例如，目标要求可以包括起始游戏优化实体或终止游戏优化实体的优先级是否匹配预设优先级。
85.例如，问题勾联知识关系检测可以划分为两个子流程：（1）降低明确被问题勾联的游戏优化知识图谱中的游戏优化实体；（2）降低匹配目标要求的被问题勾联游戏优化路径对应的起始游戏优化实体或终止游戏优化实体。即当游戏优化知识图谱中相应游戏优化路径的游戏优化实体位于游戏投诉问题的前向范围时，云游戏ai系统将位于游戏投诉问题的前向范围的游戏优化实体更新为负优化权重参数；当游戏优化知识图谱中相应游戏优化路径位于游戏投诉问题的前向范围时，云游戏ai系统判断位于游戏投诉问题的前向范围的游戏优化路径的起始游戏优化实体或终止游戏优化实体是否匹配目标要求；如果确定起始游戏优化实体或终止游戏优化实体匹配目标要求，则云游戏ai系统将起始游戏优化实体或终止游戏优化实体更新为负优化权重参数。
86.例如，假设用gi表示游戏优化知识图谱中相应游戏优化路径的游戏优化实体，p(gi)表示游戏优化实体的状态，l(gi )表示游戏优化实体的优化权重参数，则当gi位于游戏投诉问题的前向范围时，云游戏ai系统可以将位于该游戏投诉问题的前向范围的游戏优化实体gi的优化权重参数和状态设置为l(gi )=-1、p(gi)=1。
87.假设用ri表示游戏优化知识图谱中相应游戏优化路径，游戏优化路径ri对应的起始游戏优化实体和终止游戏优化实体分别为gs和ge，则当ri位于游戏投诉问题的前向范围时，云游戏ai系统判断ri的路径连通实体gs和ge是否匹配目标要求。以起始游戏优化实体
gs为例，如果确定起始游戏优化实体gs匹配目标要求，则云游戏ai系统将起始游戏优化实体的优化权重参数和状态设置为l(gs)=-1、p(gs)=1。由此使得，能够快速有效的检测到被游戏投诉问题勾联的游戏优化实体或游戏优化路径。
88.一种示例性的设计思路中，目标要求包括以下至少之一：起始游戏优化实体或终止游戏优化实体在游戏优化知识图谱的游戏优化强度等于第一目标强度；起始游戏优化实体或终止游戏优化实体在游戏优化知识图谱的游戏优化强度不等于第一目标强度、但起始游戏优化实体或终止游戏优化实体的优先级为预设优先级；以及起始游戏优化实体或终止游戏优化实体在游戏优化知识图谱的游戏优化强度不等于第一目标强度、但在前向知识图谱中的游戏优化强度大于零。
89.例如，假设用ri表示游戏优化知识图谱中相应游戏优化路径，游戏优化路径ri对应的起始游戏优化实体和终止游戏优化实体分别为gs和ge，则当ri位于游戏投诉问题的前向范围时，云游戏ai系统判断ri的路径连通实体gs和ge是否匹配目标要求。 如果确定ri的路径连通实体gs和ge匹配以下任一目标要求，则云游戏ai系统可以设置该游戏优化实体的优化权重参数和状态设置为l(gi)=-1、p(gi)=1。
90.目标要求包括以下至少之一：起始游戏优化实体或终止游戏优化实体在游戏优化知识图谱的游戏优化强度等于第一目标强度，以起始游戏优化实体gs为例，假设用ks表示起始游戏优化实体gs的游戏优化强度，则第一目标强度可以设置为2，即目标要求为ks=2；起始游戏优化实体或终止游戏优化实体在游戏优化知识图谱的游戏优化强度不等于第一目标强度、但起始游戏优化实体或终止游戏优化实体的优先级为预设优先级，以起始游戏优化实体gs为例，假设用gitype表示起始游戏优化实体gs的优先级，则目标要求可以设置为ks≠2 & gitype=-1，表示的含义为：起始游戏优化实体gs在游戏优化知识图谱的游戏优化强度不等于2，且起始游戏优化实体gs的优先级等于-1；以及起始游戏优化实体或终止游戏优化实体在游戏优化知识图谱的游戏优化强度不等于第一目标强度、但在前向知识图谱中的游戏优化强度大于零，以起始游戏优化实体gs为例，假设用uks表示起始游戏优化实体gs在前向知识图谱kg1中游戏优化强度，则目标要求可以设置为ks≠2 & uks》0，表示的含义为：起始游戏优化实体gs在游戏优化知识图谱的游戏优化强度不等于2，且起始游戏优化实体gs在前向知识图谱中的游戏优化强度大于零。值得说明的是，上述目标要求同样适用于应用于终止游戏优化实体ge，如果确定起始游戏优化实体gs或终止游戏优化实体ge匹配上述任一目标要求，则云游戏ai系统将起始游戏优化实体gs或终止游戏优化实体ge的优化权重参数和状态设置为l(gs)=-1、p(gs)=1。由此使得，能够快速有效的检测到被游戏投诉问题勾联的游戏优化实体或游戏优化路径。
91.一种示例性的设计思路中，在游戏优化知识图谱中搜索匹配关键优化主题要求的游戏优化实体作为关键优化主题的步骤，包括：在游戏优化知识图谱中搜索处于优化交叉部分处的游戏优化实体，并将搜索的游戏优化实体作为关键优化主题；在游戏优化知识图谱中搜索游戏优化强度为第二目标强度、且优先级为预设优先
级所对应的游戏优化实体，并将搜索的游戏优化实体作为关键优化主题。
92.例如，由于游戏优化实体的基本属性包括游戏优化实体的类型，即游戏优化实体是否为优化交叉部分处的游戏优化实体，可以用gitf表示，gitf包括枚举变量{0，1}，其中，0表示不为优化交叉部分处的游戏优化实体，1表示是优化交叉部分处的游戏优化实体，则云游戏ai系统可以在游戏优化知识图谱中搜索处于优化交叉部分处的游戏优化实体，并将搜索的处于优化交叉部分处的游戏优化实体作为关键优化主题，例如，云游戏ai系统在游戏优化知识图谱中搜索到某个游戏优化实体的属性为g3tf=1，即表示该游戏优化实体3是处于优化交叉部分处的游戏优化实体，则云游戏ai系统可以将该游戏优化实体3标记为关键优化主题。
93.同时，云游戏ai系统也可以在游戏优化知识图谱中搜索游戏优化强度为第二目标强度、且优先级为预设优先级所对应的游戏优化实体，并将搜索的游戏优化实体作为关键优化主题，即云游戏ai系统在游戏优化知识图谱中搜索辅路断头点，即匹配ki=1 & gitype =-1的游戏优化实体为辅路断头点，表示的含义为：在游戏优化知识图谱中游戏优化强度为1、且游戏优化实体的优先级为-1的游戏优化实体，例如，当云游戏ai系统在游戏优化知识图谱中搜索到某个游戏优化实体6匹配在游戏优化知识图谱中游戏优化强度为1、且游戏优化实体的优先级为-1时，则云游戏ai系统将该游戏优化实体6标记为关键优化主题。一种示例性的设计思路中，云游戏ai系统可以将上述两类点作为初始关键优化主题执行关键优化主题扩展，以确定更多的关键优化主题。
94.一种示例性的设计思路中，进行了优化权重处理的游戏优化实体的状态为第一状态，在游戏优化知识图谱中搜索匹配关键优化主题要求的游戏优化实体作为关键优化主题的步骤，包括：在游戏优化知识图谱中，从处于第二状态的关键优化主题中选取一个关键优化主题作为初始成员，以初始成员开始在游戏优化知识图谱中的连通知识实体方向进行游戏优化实体游走，直至游走到的当前游戏优化实体或当前游戏优化实体对应的游戏优化路径匹配结束要求时结束游走，获得连通知识实体方向上的游戏优化实体；将连通知识实体方向上的游戏优化实体作为关键优化主题。
95.例如，云游戏ai系统依据问题勾联知识关系，对被问题勾联游戏优化路径的游戏优化实体进行优化权重处理后，并将进行了优化权重处理的游戏优化实体的状态更新为第一状态。例如，当云游戏ai系统在游戏优化知识图谱中分析到某个游戏优化路径r的游戏优化实体p位于游戏投诉问题的前向范围时，云游戏ai系统可以将位于该游戏投诉问题的前向范围的游戏优化实体p的优化权重参数更新为-1，并将位于该游戏投诉问题的前向范围的游戏优化实体p的状态更新为第一状态，即将位于该游戏投诉问题的前向范围的游戏优化实体p的优化权重参数和状态设置为l(gs)=-1、p(gs)=1。
96.一种示例性的设计思路中，云游戏ai系统在游戏优化知识图谱中搜索匹配关键优化主题要求的游戏优化实体作为关键优化主题，例如，云游戏ai系统可以在游戏优化知识图谱中搜索处于优化交叉部分处的游戏优化实体，并将搜索的游戏优化实体作为关键优化主题；或者，云游戏ai系统也可以在游戏优化知识图谱中搜索游戏优化强度为第二目标强度、且优先级为预设优先级所对应的游戏优化实体，并将搜索的游戏优化实体作为关键优化主题。云游戏ai系统在搜索到关键优化主题之后，云游戏ai系统在游戏优化知识图谱中，
从处于第二状态的关键优化主题中选取一个关键优化主题作为初始成员，即云游戏ai系统将任意一个没有被处理过的关键优化主题作为初始成员，以初始成员开始在游戏优化知识图谱中的连通知识实体方向进行游戏优化实体游走，直至游走到的当前游戏优化实体或当前游戏优化实体对应的游戏优化路径匹配结束要求时结束游走，获得连通知识实体方向上的游戏优化实体，并将连通知识实体方向上的游戏优化实体作为关键优化主题。其中，结束要求可以为预设的自定义的各种类型的结束要求，例如，结束要求可以设置为游走时碰到勾联或被勾联的游戏优化路径就结束游走。
97.例如，关键优化主题扩展的基本流程如下：云游戏ai系统依据从任意一个没有被处理过的关键优化主题keygi开始在游戏优化知识图谱中的连通知识实体方向进行游戏优化实体游走，即云游戏ai系统延游戏优化知识图谱的连通知识实体方向进行扩展，因为要生成关键优化链，所以要从关键优化主题开始游走，沿着连通知识实体方向就相当于沿着连通的游戏优化实体游走，不逆行游走，直至游走到的当前游戏优化实体或当前游戏优化实体对应的游戏优化路径匹配结束要求时结束游走，获得连通知识实体方向上的游戏优化实体，并将连通知识实体方向上的游戏优化实体作为关键优化主题。
98.一种示例性的设计思路中，该方法还包括：将关键优化主题的状态修改为已更新关键连通代价的状态；已更新关键连通代价的状态属于所述第一状态；将关键优化主题的优化权重参数更新为所述关键连通代价；对未进行优化权重处理的游戏优化路径的游戏优化实体分配优化权重参数，包括：对未进行优化权重处理的游戏优化路径的游戏优化实体分配大于关键连通代价的优化权重参数。
99.云游戏ai系统在游戏优化知识图谱中搜索匹配关键优化主题要求的游戏优化实体作为关键优化主题之后，云游戏ai系统可以将关键优化主题的状态修改为已更新关键连通代价的状态，已更新关键连通代价的状态属于第一状态，并将关键优化主题的优化权重参数更新为关键连通代价。例如，云游戏ai系统可以将关键优化主题的状态修改为p(gi)=1，并将关键优化主题的优化权重参数更新为l(gi)=0。
100.一种示例性的设计思路中，云游戏ai系统依据以关键优化主题构成的关键优化链、前向知识图谱中的勾联知识关系和后向知识图谱中的勾联知识关系，对未进行优化权重处理的游戏优化路径的游戏优化实体分配优化权重参数时，云游戏ai系统可以对未进行优化权重处理的游戏优化路径的游戏优化实体分配大于关键连通代价的优化权重参数。
101.一种示例性的设计思路中，结束要求包括以下至少之一：当前游戏优化实体在连通知识实体方向无其它游戏优化路径相连；与当前游戏优化实体相连的游戏优化路径无法从当前游戏优化实体沿连通知识实体方向通行；与当前游戏优化实体相连的游戏优化路径的另一端游戏优化实体的状态为第一状态；如果确定与当前游戏优化实体相连的游戏优化路径，在前向知识图谱或后向知识图谱中存在游戏优化实体与相连的游戏优化路径对应。
102.一种示例性的设计思路中，依据以关键优化主题构成的关键优化链、前向知识图谱中的勾联知识关系和后向知识图谱中的勾联知识关系，对未进行优化权重处理的游戏优化路径的游戏优化实体分配优化权重参数的步骤，包括：在后向知识图谱中，获取游戏优化强度等于第二目标强度的目标游戏优化实体；在游戏优化知识图谱中，搜索与目标游戏优化实体对应的游戏优化路径的路径连通状态；如果确定路径连通状态匹配预设状态，将匹配所述预设状态的路径连通实体对应的游戏优化路径作为目标游戏优化路径，在前向知识
图谱中搜索与目标游戏优化路径对应的游戏优化实体，以搜索的游戏优化实体作为初始成员进行游走，获得初始成员到其它游戏优化实体之间的游走链序列；游走链序列包括至少一条游走链；在前向知识图谱中搜索与游走链的终点对应的游戏优化实体，如果确定搜索的游戏优化实体表示在游戏优化知识图谱中目标游戏优化路径的上位游戏优化路径，依据目标游戏优化路径的路径连通实体的最大连通代价和上位游戏优化路径的路径连通实体的最小连通代价，分配上位游戏优化路径的路径连通实体对应的优化权重参数。
103.一种示例性的设计思路中，路径连通实体包括起始游戏优化实体和终止游戏优化实体，依据目标游戏优化路径的路径连通实体的最大连通代价和上位游戏优化路径的路径连通实体的最小连通代价，分配上位游戏优化路径的路径连通实体对应的优化权重参数的步骤，包括：将目标游戏优化路径中起始游戏优化实体和终止游戏优化实体的最大连通代价作为第一连通代价；将上位游戏优化路径中起始游戏优化实体和终止游戏优化实体最小连通代价作为第二连通代价；依据第一连通代价和第二连通代价之间的大小关系，对上位游戏优化路径的起始游戏优化实体和终止游戏优化实体分别分配优化权重参数。
104.一种示例性的设计思路中，该方法还包括：对目标游戏优化路径的路径连通实体分配优化权重参数；目标游戏优化路径的优化权重参数小于上位游戏优化路径的优化权重参数；在游戏优化知识图谱中，沿目标游戏优化路径的两个不同方向进行连通性游走，获得不同方向上的扩展游戏优化路径；向与扩展游戏优化路径的路径连通实体分配与目标游戏优化路径相同的优化权重参数。
105.一种示例性的设计思路中，对未进行优化权重处理的游戏优化路径的游戏优化实体分配优化权重参数之后，该方法还包括对游戏优化知识图谱中各游戏优化路径的起始游戏优化实体或终止游戏优化实体进行路径成员分支优化的步骤，具体包括：确定游戏优化知识图谱中每条游戏优化路径的路径成员分支数量；基于路径成员分支数量的降序顺序，依据每层对应的预设连通影响因子和预设最大路径成员分支数量，分别确定游戏优化知识图谱中的各游戏优化路径对应的优化权重更新值；依据优化权重更新值，对游戏优化知识图谱中各游戏优化路径的起始游戏优化实体或终止游戏优化实体进行路径成员分支优化。
106.一种示例性的设计思路中，云游戏ai系统基于路径成员分支数量的降序顺序，依据每层对应的预设连通影响因子和预设最大路径成员分支数量，分别确定游戏优化知识图谱中的各游戏优化路径对应的优化权重更新值。
107.一种示例性的设计思路中，云游戏ai系统可以依据优化权重更新值
∆
l，对游戏优化知识图谱中各游戏优化路径的起始游戏优化实体或终止游戏优化实体进行路径成员分支优化。
108.一种示例性的设计思路中，依据优化权重更新值，对游戏优化知识图谱中各游戏优化路径的起始游戏优化实体或终止游戏优化实体进行路径成员分支优化的步骤，包括：依据优化权重更新值，分别确定游戏优化知识图谱中各游戏优化路径的起始游戏优化实体和终止游戏优化实体的路径成员分支优化值；确定起始游戏优化实体的路径成员分支优化值对应的影响因子，获得起始影响因子；确定终止游戏优化实体的路径成员分支优化值对应的影响因子，获得终止影响因子；选取起始影响因子和终止影响因子中的最小影响因子；依据最小影响因子对应的路径成员分支优化值，对游戏优化知识图谱中各游戏优化路径的起始游戏优化实体或终止游戏优化实体进行路径成员分支优化。
109.一种可依据独立构思的实施例中，参见图3所示，该云游戏ai系统100可以包括：处理器101和机器可读存储介质102。其中，所述机器可读存储介质102用于存储支持该云游戏ai系统100执行上述前述任意一种实施例中提供的基于云游戏行为大数据的游戏优化方法的程序，所述处理器101被配置为用于执行所述机器可读存储介质102中存储的程序。
110.所述程序包括一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器101执行时能够实现前述任意一种实施例中的全部或部分步骤。
111.其中，所述云游戏ai系统100的架构中还可以包括通信单元103，用于该云游戏ai系统100与其它设备或通信知识图谱通信（例如游戏客户端200）。
112.另外，本技术实施例提供了一种计算机存储介质，用于储存上述云游戏ai系统100所用的计算机软件指令，其包含用于执行上述前述任意一种方法实施例中基于云游戏行为大数据的游戏优化方法所涉及的程序。
113.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。