游戏礼包生成和推荐方法、装置电子设备及存储介质与流程

本申请涉及计算机，尤其涉及一种游戏礼包生成和推荐方法、装置电子设备及存储介质。

背景技术：

1、相关技术中的礼包(组合)推荐方法，通常先按数据分析、辅助以策划经验专家知识的方式构造出大量的道具组合，再建立基于协同过滤的礼包推荐模型，通过注意力网络结构捕捉用户-礼包、用户-道具的兴趣偏好，以及在用户-礼包-道具的图神经网络中学习三者的协同信号，从中检索出符合玩家兴趣的礼包。少数致力于生成礼包(组合)的方案，设计启发式策略对部分候选礼包内容进行增加、移除、替换，从而产生新的礼包组合。

技术实现思路

1、有鉴于此，本申请的目的在于提出一种游戏礼包生成和推荐方法、装置电子设备及存储介质用以解决无法充分利用复购信息准确的对玩家进行礼包推荐的问题。

2、基于上述目的，本申请的第一方面提供了一种游戏礼包生成和推荐方法，包括：

3、获取玩家针对游戏礼包的历史购买记录，并根据所述历史购买记录确定复购偏好向量；

4、确定预设数量个相似玩家，并基于预设数量个所述相似玩家的复购偏好向量确定协同偏好向量；

5、基于所述协同偏好向量和所述复购偏好向量确定玩家道具偏好向量；

6、基于所述玩家道具偏好向量确定道具推荐组合；

7、基于所述道具推荐组合向所述玩家的用户端推送游戏礼包。

8、本申请的第二方面提供了一种游戏礼包生成和推荐装置，包括：

9、第一向量计算模块，被配置为：获取玩家针对游戏礼包的历史购买记录，并根据所述历史购买记录确定复购偏好向量；

10、第二向量计算模块，被配置为：确定预设数量个相似玩家，并基于预设数量个所述相似玩家的复购偏好向量确定协同偏好向量；

11、第三向量计算模块，被配置为：基于所述协同偏好向量和所述复购偏好向量确定玩家道具偏好向量；

12、道具组合模块，被配置为：基于所述玩家道具偏好向量确定道具推荐组合；

13、道具组合模块，被配置为：基于所述道具推荐组合向所述玩家的用户端推送游戏礼包。

14、本申请的第三方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本申请第一方面提供的所述的方法。

15、本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行本申请第一方面提供的所述方法。

16、从上面所述可以看出，本申请提供的游戏礼包生成和推荐方法、装置电子设备及存储介质，根据获取到的玩家的历史购买记录确定复购偏好向量，确定预设数量个相似玩家，再根据预设数量个相似玩家的复购偏好向量确定协同偏好向量，然后，基于协同偏好向量和复购偏好向量确定玩家道具偏好向量，在确定玩家道具偏好向量的过程中充分利用历史购买记录，历史购买记录与礼包推荐是具有强相关性的，充分利用历史购买记录可以更好的了解到玩家最近频繁的道具需求，进而做到更好地推荐；在确定玩家道具偏好向量的过程中还充分利用了相似玩家间的协同偏好向量，协同偏好向量可以避免根据单一玩家进行礼包推荐而产生的推荐新颖性欠缺的问题，提高了推荐礼包的多样性；然后基于玩家道具偏好向量确定道具推荐组合，通过玩家之间协同的特性、玩家自身复购的因素，生成兼顾玩家兴趣和多样性的道具推荐组合，并根据道具推荐组合向玩家的用户端推送游戏礼包，使玩家接收到满足自身兴趣且多样的推荐游戏礼包，提高玩家的游戏体验。

技术特征：

1.一种游戏礼包生成和推荐方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述历史购买记录确定复购偏好向量，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于预设数量个所述相似玩家的复购偏好向量确定协同偏好向量，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述协同偏好向量和所述复购偏好向量确定玩家道具偏好向量，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述玩家道具偏好向量确定道具推荐组合，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据所述目标游戏道具确定道具推荐组合，包括：

7.根据权利要求2所述的方法，其特征在于，所述衰减因子为：

8.根据权利要求1所述的方法，其特征在于，所述确定预设数量个相似玩家，包括：

9.一种游戏礼包生成和推荐装置，其特征在于，包括：

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1至8任意一项所述的方法。

11.一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行权利要求1至8任一所述方法。

技术总结
本申请提供一种游戏礼包生成和推荐方法，根据获取到的玩家的历史购买记录确定复购偏好向量，利用复购信息了解到玩家最近频繁的道具需求，进而做到更好地推荐。再根据预设数量个相似玩家的复购偏好向量确定协同偏好向量，避免根据单一玩家进行礼包推荐而产生的推荐新颖性欠缺的问题，实现将协同过滤较好地泛化到推荐未见过的道具组合，提高了推荐游戏礼包的新颖性与多样性，从而提高了玩家的游戏体验。然后，基于协同偏好向量和复购偏好向量确定玩家道具偏好向量，并基于玩家道具偏好向量确定道具推荐组合，生成并推荐兼顾玩家兴趣和多样性的道具推荐组合，使玩家接收到满足自身兴趣且多样的推荐游戏礼包，提高玩家的游戏体验。

技术研发人员：梁贻乐,邹哲讷,丁晓菲,赵明浩,王凯,阮翊婷,沈旭东,吕唐杰,范长杰,胡志鹏
受保护的技术使用者：网易（杭州）网络有限公司
技术研发日：
技术公布日：2024/1/13