游戏道具显示方法及装置、存储介质、计算机设

本技术涉及网络游戏，尤其是涉及到一种游戏道具显示方法及装置、存储介质、计算机设备。背景技术：1、道具泛指场景中任何装饰、布置用的可移动物件。游戏里也有道具，游戏道具是给游戏玩家提供方便的物品，游戏道具通常由游戏玩家做任务获得或者由游戏玩家通过购买获得。2、现有技术中，以游戏内的商城、寄售行为例，游戏道具的显示顺序一般是按照游戏道具的上架时间逆序、游戏策划设置的顺序等方式排序，或者直接随机排序。玩家可能在页面浏览了很多页才能找到自己真正感兴趣的道具，以上排序方式无法为玩家提供差异化的道具显示服务。一些游戏中会根据玩家的兴趣标签和道具的特征标签为不同玩家提供差异化的道具排序，例如玩家经常购买的时装类道具，则将时装类道具排在前面。但是不同的游戏玩家在不同的时间往往具有不同的道具需求，这种排序方式无法满足玩家不断变化的游戏需求，目前缺乏有效的玩家兴趣、道具特征的归纳方式，难以准确的向游戏玩家推荐其所需要的道具。技术实现思路1、有鉴于此，本技术实施例提供了一种游戏道具显示方法及装置、存储介质、计算机设备，有助于提升游戏道具的排序准确性，方便玩家在靠前的位置发现自己感兴趣的游戏道具，减少道具浏览时间、减少操作成本。2、根据本技术的一个方面，提供了一种游戏道具显示方法，其特征在于，所述方法包括：3、响应于目标玩家角色对游戏道具页面的请求信号，获取所述目标玩家角色的游戏行为数据；4、根据所述游戏行为数据，确定所述目标玩家角色的目标玩家行为特征，并通过兴趣预测模型，基于所述玩家行为特征预测所述目标玩家角色对游戏道具的交互行为概率，根据所述交互行为概率确定所述目标玩家角色对所述游戏道具的兴趣度，其中，所述交互行为概率包括点击概率、收藏概率和交易概率中的至少一种；5、基于所述兴趣度对所述游戏道具进行排序，并依据排序结果进行游戏道具页面的显示。6、可选地，所述游戏道具页面包括多个页面选项卡和道具展示界面，所述页面选项卡包括综合道具页面选项卡和至少一个分类道具页面选项卡，所述道具展示区域中用于展示被触发的页面选项卡对应的道具页面；7、所述依据排序结果进行游戏道具页面的显示，包括：8、依据全部游戏道具的排序结果，确定综合道具页面对应的第一游戏道具排序；9、依据各分类游戏道具的排序结果，分别确定各分类道具页面对应的第二游戏道具排序；10、以所述页面选项卡中的默认选项卡对应的道具页面，作为所述道具展示区域的默认道具页面，显示所述游戏道具页面。11、可选地，所述调用兴趣预测模型，基于所述玩家行为特征预测所述目标玩家角色对游戏道具的兴趣度之前，所述方法还包括：12、获取多个历史玩家角色的历史行为数据，其中，所述历史行为数据包括针对游戏道具的第一行为数据以及针对游戏内容的第二行为数据，所述第一行为数据包括道具点击行为数据、道具收藏行为数据和道具购买行为数据中的至少一种，所述第二行为数据包括战斗行为数据和/或休闲行为数据；13、获取与所述历史行为数据的产生时间对应的历史游戏道具，确定所述历史游戏道具的历史道具特征，并根据所述历史行为数据分别确定每个历史玩家角色的历史玩家行为特征；14、根据所述第一行为数据针对的游戏道具分别确定每个历史玩家角色的感兴趣道具，并基于每个历史玩家角色对应的所述历史玩家行为特征、所述历史道具特征和所述感兴趣道具，构建模型训练样本；15、利用所述模型训练样本，以提升所述历史玩家角色对所述感兴趣道具的交互行为可能性为目标，对兴趣预测模型进行训练，其中，所述兴趣预测模型用于基于所述历史玩家行为特征和所述历史道具特征计算所述历史玩家角色对所述历史游戏道具的交互行为可能性，所述交互行为可能性包括点击可能性、收藏可能性和交易可能性中的至少一种。16、可选地，所述确定所述历史游戏道具的历史道具特征，包括：17、针对每个所述历史游戏道具，获取与所述历史游戏道具相关的各条历史行为数据，作为所述历史游戏道具对应的特征分析数据，统计所述特征分析数据中的高频特征，基于所述高频特征确定所述历史游戏道具的历史道具特征，其中，与所述历史游戏道具相关的各条历史行为数据包括对所述历史游戏道具的交互行为记录以及能够或有几率获得所述历史游戏道具的游戏行为记录，所述高频特征包括出现频率大于预设频率的特征和/或出现频率较大的预设数量的特征。18、可选地，所述利用所述模型训练样本，以提升所述历史玩家角色对所述感兴趣道具的交互行为可能性为目标，对兴趣预测模型进行训练之前，所述方法还包括：19、对所述历史行为数据进行聚类获得多个玩家角色组，基于所述模型训练样本对应的历史玩家角色，将所述模型训练样本划分为与各玩家角色组分别对应的模型训练样本组；20、相应地，所述利用所述模型训练样本，以提升所述历史玩家角色对所述感兴趣道具的交互行为可能性为目标，对兴趣预测模型进行训练，包括：21、分别利用每个模型训练样本组，以提升所述历史玩家角色对所述感兴趣道具的交互行为可能性为目标，对兴趣预测模型进行训练，得到与各玩家角色组分别匹配的兴趣预测模型；22、相应地，所述通过兴趣预测模型，基于所述玩家行为特征预测所述目标玩家角色对游戏道具的交互行为概率，包括：23、根据所述游戏行为数据确定与所述目标玩家角色匹配的目标玩家角色组，并通过与所述目标玩家角色组对应的兴趣预测模型，基于所述玩家行为特征预测所述目标玩家角色对游戏道具的交互行为概率。24、可选地，所述对所述历史行为数据进行聚类获得多个玩家角色组之后，所述方法还包括：25、标记每个历史玩家角色组对应的玩家角色风格特征；26、相应地，所述根据所述游戏行为数据确定与所述目标玩家角色匹配的目标玩家角色组，包括：27、根据所述游戏行为数据确定所述目标玩家角色的目标玩家角色风格特征，并根据所述目标玩家角色风格特征确定所述目标玩家角色组。28、可选地，所述根据所述历史行为数据分别确定每个历史玩家角色的历史玩家行为特征，包括：29、根据所述历史行为数据分别确定每个历史玩家角色在至少一个兴趣维度上的兴趣度分量，作为所述历史玩家角色的历史玩家行为特征；30、相应地，所述根据所述游戏行为数据，确定所述目标玩家角色的目标玩家行为特征，包括：31、根据所述游戏行为数据，确定所述目标玩家角色在至少一个兴趣维度上的目标兴趣度分量，作为所述目标玩家角色的目标玩家行为特征。32、可选地，所述根据所述游戏行为数据，确定所述目标玩家角色的目标玩家行为特征之后，所述方法还包括：33、根据所述游戏行为数据中最近预设时长的游戏行为数据作为强化行为数据，并基于所述强化行为数据所表现的行为特征对所述目标玩家行为特征进行强化，以利用强化后的目标玩家行为特征进行交互行为概率预测。34、根据本技术的另一方面，提供了一种游戏道具显示装置，所述装置包括：35、数据获取模块，用于响应于目标玩家角色对游戏道具页面的请求信号，获取所述目标玩家角色的游戏行为数据；36、兴趣预测模块，用于根据所述游戏行为数据，确定所述目标玩家角色的目标玩家行为特征，并通过兴趣预测模型，基于所述玩家行为特征预测所述目标玩家角色对游戏道具的交互行为概率，根据所述交互行为概率确定所述目标玩家角色对所述游戏道具的兴趣度，其中，所述交互行为概率包括点击概率、收藏概率和交易概率中的至少一种；37、显示模块，用于基于所述兴趣度对所述游戏道具进行排序，并依据排序结果进行游戏道具页面的显示。38、可选地，所述游戏道具页面包括多个页面选项卡和道具展示界面，所述页面选项卡包括综合道具页面选项卡和至少一个分类道具页面选项卡，所述道具展示区域中用于展示被触发的页面选项卡对应的道具页面；39、所述显示模块，还用于：40、依据全部游戏道具的排序结果，确定综合道具页面对应的第一游戏道具排序；41、依据各分类游戏道具的排序结果，分别确定各分类道具页面对应的第二游戏道具排序；42、以所述页面选项卡中的默认选项卡对应的道具页面，作为所述道具展示区域的默认道具页面，显示所述游戏道具页面。43、可选地，所述装置还包括：模型训练模块，用于：44、获取多个历史玩家角色的历史行为数据，其中，所述历史行为数据包括针对游戏道具的第一行为数据以及针对游戏内容的第二行为数据，所述第一行为数据包括道具点击行为数据、道具收藏行为数据和道具购买行为数据中的至少一种，所述第二行为数据包括战斗行为数据和/或休闲行为数据；45、获取与所述历史行为数据的产生时间对应的历史游戏道具，确定所述历史游戏道具的历史道具特征，并根据所述历史行为数据分别确定每个历史玩家角色的历史玩家行为特征；46、根据所述第一行为数据针对的游戏道具分别确定每个历史玩家角色的感兴趣道具，并基于每个历史玩家角色对应的所述历史玩家行为特征、所述历史道具特征和所述感兴趣道具，构建模型训练样本；47、利用所述模型训练样本，以提升所述历史玩家角色对所述感兴趣道具的交互行为可能性为目标，对兴趣预测模型进行训练，其中，所述兴趣预测模型用于基于所述历史玩家行为特征和所述历史道具特征计算所述历史玩家角色对所述历史游戏道具的交互行为可能性，所述交互行为可能性包括点击可能性、收藏可能性和交易可能性中的至少一种。48、可选地，所述模型训练模块，还用于：49、针对每个所述历史游戏道具，获取与所述历史游戏道具相关的各条历史行为数据，作为所述历史游戏道具对应的特征分析数据，统计所述特征分析数据中的高频特征，基于所述高频特征确定所述历史游戏道具的历史道具特征，其中，与所述历史游戏道具相关的各条历史行为数据包括对所述历史游戏道具的交互行为记录以及能够或有几率获得所述历史游戏道具的游戏行为记录，所述高频特征包括出现频率大于预设频率的特征和/或出现频率较大的预设数量的特征。50、可选地，所述模型训练模块，还用于：51、对所述历史行为数据进行聚类获得多个玩家角色组，基于所述模型训练样本对应的历史玩家角色，将所述模型训练样本划分为与各玩家角色组分别对应的模型训练样本组；52、分别利用每个模型训练样本组，以提升所述历史玩家角色对所述感兴趣道具的交互行为可能性为目标，对兴趣预测模型进行训练，得到与各玩家角色组分别匹配的兴趣预测模型；53、相应地，所述兴趣预测模块，还用于：54、根据所述游戏行为数据确定与所述目标玩家角色匹配的目标玩家角色组，并通过与所述目标玩家角色组对应的兴趣预测模型，基于所述玩家行为特征预测所述目标玩家角色对游戏道具的交互行为概率。55、可选地，所述模型训练模块，还用于：56、所述对所述历史行为数据进行聚类获得多个玩家角色组之后，标记每个历史玩家角色组对应的玩家角色风格特征；57、相应地，所述兴趣预测模块，还用于：58、根据所述游戏行为数据确定所述目标玩家角色的目标玩家角色风格特征，并根据所述目标玩家角色风格特征确定所述目标玩家角色组。59、可选地，所述模型训练模块，还用于：60、根据所述历史行为数据分别确定每个历史玩家角色在至少一个兴趣维度上的兴趣度分量，作为所述历史玩家角色的历史玩家行为特征；61、相应地，所述兴趣预测模块，还用于：62、根据所述游戏行为数据，确定所述目标玩家角色在至少一个兴趣维度上的目标兴趣度分量，作为所述目标玩家角色的目标玩家行为特征。63、可选地，所述兴趣预测模块，还用于：64、在所述根据所述游戏行为数据，确定所述目标玩家角色的目标玩家行为特征之后，根据所述游戏行为数据中最近预设时长的游戏行为数据作为强化行为数据，并基于所述强化行为数据所表现的行为特征对所述目标玩家行为特征进行强化，以利用强化后的目标玩家行为特征进行交互行为概率预测。65、依据本技术又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述游戏道具显示方法。66、依据本技术再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质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上述游戏道具显示方法。67、借由上述技术方案，本技术实施例提供的一种游戏道具显示方法及装置、存储介质、计算机设备，当目标玩家角色在游戏内请求访问游戏道具页面时，首先获取该目标玩家过去的游戏行为数据；然后，根据收集到的游戏行为数据，分析并提炼出目标玩家角色特有的玩家行为特征；接着，利用预先训练好的兴趣预测模型，结合这些行为特征，预测该目标玩家角色对特定游戏道具可能出现的点击游戏道具的概率、收藏游戏道具的概率以及进行游戏道具交易的概率，并进一步计算出目标玩家角色对各个游戏道具的兴趣度；最后，将所有游戏道具按照目标玩家角色的兴趣度进行排序后，按排序结果在游戏道具页面上显示各游戏道具。本技术实施例有助于玩家在靠前的位置看到自己可能感兴趣的道具，方便玩家快速找寻到感兴趣道具，降低道具查询的时间成本和操作成本，从而不仅可以提高游戏玩家对游戏道具的购买率，增加游戏应用商的游戏营收，还可以减少游戏玩家因推荐道具不准确，而对游戏应用产生负面情绪的情况发生，提高游戏玩家对游戏应用的粘性。68、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。