基于游戏玩家画像模型的游戏道具动态掉落控制

本发明涉及游戏开发的，特别涉及基于游戏玩家画像模型的游戏道具动态掉落控制方法和系统。背景技术：1、在休闲类游戏应用中，大量游戏场景涉及游戏道具的掉落，比如当游戏玩家在游戏场景内成功完成相应的任务或成功通关后，游戏场景会自动掉落相应的游戏道具作为奖励等，这需要在奖励池中随机选择一个或多个游戏道具。为了平衡不同游戏玩家之间的道具多样化，需要构建针对不同游戏玩家的游戏道具掉落随机模型，现有的随机模型结构单一，改动工作量较大，当针对不同游戏玩家设计游戏道具掉落时模型变更代价大，更新迭代复杂，无法平衡不同游戏玩家之间的道具掉落多样化和差异化的需求，不能建立基于游戏玩家行为的游戏道具掉落体系，降低游戏道具掉落控制的个性化和可靠性。技术实现思路1、针对现有技术存在的缺陷，本发明提供了基于游戏玩家画像模型的游戏道具动态掉落控制方法和系统，对游戏玩家的游戏行为数据拆解分析，得到有效游戏行为数据，以此构建游戏行为表征模型，对游戏玩家的行为模式进行准确表征；基于游戏场景需求，确定游戏道具属性信息，以此设计与游戏场景匹配的游戏道具池，确保游戏道具的实用性；基于游戏行为表征模型，获取游戏玩家在不同游戏场景的游戏行为特征信息，以此生成游戏玩家画像模型，对游戏玩家的游戏行为习惯进行准确表征；结合游戏玩家画像模型和游戏道具池，生成游戏行为与道具掉落之间的概率表，为道具掉落提供依据；基于实际游戏过程中的游戏道具掉落记录，确定游戏道具掉落错误数据，以此调整概率表中相应游戏道具的掉落权重分配情况，对游戏道具掉落进行动态反馈控制，建立基于游戏玩家行为的游戏道具掉落体系，提高游戏道具掉落控制的个性化和可靠性。2、本发明提供基于游戏玩家画像模型的游戏道具动态掉落控制方法，包括如下步骤：3、步骤s1，获取游戏玩家的游戏行为数据，对所述游戏行为数据进行拆解分析，得到所述游戏玩家的有效游戏行为数据；再基于所有有效游戏行为数据，构建与所述游戏玩家匹配的游戏行为表征模型；4、步骤s2，基于游戏场景需求，确定与游戏场景匹配的游戏道具属性信息；基于所述游戏道具属性信息，设计与游戏场景匹配的游戏道具池；5、步骤s3，基于所述游戏行为表征模型，获取游戏玩家在不同游戏场景下的游戏行为特征信息；基于所述游戏行为特征信息，生成游戏玩家画像模型；基于所述游戏玩家画像模型和所述游戏道具池，生成游戏玩家的游戏行为与道具掉落之间的概率表；6、步骤s4，获取游戏玩家在实际游戏过程中的游戏道具掉落记录，对所述游戏道具掉落记录进行分析，确定游戏道具掉落错误数据；基于所述游戏道具掉落错误数据，调整所述概率表中相应游戏道具的掉落权重分配情况。7、在本技术公开的一个实施例中，在所述步骤s1中，获取游戏玩家的游戏行为数据，对所述游戏行为数据进行拆解分析，得到所述游戏玩家的有效游戏行为数据；再基于所有有效游戏行为数据，构建与所述游戏玩家匹配的游戏行为表征模型，包括：8、基于游戏玩家在游戏端的身份信息，获取游戏玩家在历史游戏过程中的游戏行为数据；对所述游戏行为数据进行拆解，得到游戏玩家在每个游戏场景下对应发起的所有游戏行为数据，从而生成与所有游戏场景一一对应的若干游戏行为数据集；获取所述游戏行为数据集下属每种类型游戏行为的出现频率，若所述出现频率大于或等于预设频率阈值，则将对应类型的游戏行为数据确定为有效游戏行为数据；9、对所有游戏场景对应的有效游戏行为数据进行游戏场景内容和游戏行为关联识别，得到游戏场景内容与游戏行为映射数据；对所述游戏场景内容与游戏行为映射数据进行神经网络学习处理，构建与所述游戏玩家匹配的游戏行为表征模块。10、在本技术公开的一个实施例中，在所述步骤s2中，基于游戏场景需求，确定与游戏场景匹配的游戏道具属性信息；基于所述游戏道具属性信息，设计与游戏场景匹配的游戏道具池，包括：11、对游戏场景需求进行解析处理，得到游戏场景在运行过程中的画面视觉调整需求和游戏奖励需求；基于所述画面视觉调整需求和所述游戏奖励需求，确定与游戏场景匹配的游戏道具视觉属性信息和游戏道具功能属性信息；12、基于所述游戏道具视觉属性信息和所述游戏道具功能属性信息，设计相应的游戏道具；对完成设计的所有游戏道具进行视觉差异化处理后，将所有游戏道具整合为游戏道具池。13、在本技术公开的一个实施例中，在所述步骤s3中，基于所述游戏行为表征模型，获取游戏玩家在不同游戏场景下的游戏行为特征信息；基于所述游戏行为特征信息，生成游戏玩家画像模型；基于所述游戏玩家画像模型和所述游戏道具池，生成游戏玩家的游戏行为与道具掉落之间的概率表，包括：14、将不同游戏场景各自对应的游戏规则信息输入至所述游戏行为表征模型，得到游戏玩家在不同游戏场景对应的游戏规则信息下的游戏行为特征信息；其中，所述游戏行为特征信息包括游戏玩家在游戏场景中选择实施的动作行为类型和动作行为执行成功率；基于所述游戏行为特征信息，构建能够表征所述游戏玩家的游戏行为习惯的游戏玩家画像模型；15、基于所述游戏玩家画像模型，确定所述游戏玩家在不同游戏场景中做出不同动作行为各自对应的评分规则；再基于所述评分规则和所述游戏道具池，生成所述游戏玩家在不同游戏场景做出不同游戏行为时对应的道具掉落概率对映表，以此作为所述游戏玩家的游戏行为与道具掉落之间的概率表。16、在本技术公开的一个实施例中，在所述步骤s4中，获取游戏玩家在实际游戏过程中的游戏道具掉落记录，对所述游戏道具掉落记录进行分析，确定游戏道具掉落错误数据；基于所述游戏道具掉落错误数据，调整所述概率表中相应游戏道具的掉落权重分配情况，包括：17、获取游戏玩家在实际游戏过程中发生游戏道具掉落事件对应的属性信息；其中，所述属性信息包括发生游戏道具掉落事件时对应掉落的游戏道具类型和游戏玩家是否成功完成相应游戏行为；基于所述属性信息，判断当前是否发生游戏道具错误掉落事件，从而生成游戏道具掉落错误数据；18、对所述游戏道具掉落错误数据进行分析，确定相应游戏道具发生错误掉落事件的概率；再基于所述发生错误掉落事件的概率，调整所述概率表中相应游戏道具的掉落权重分配值。19、本发明还提供基于游戏玩家画像模型的游戏道具动态掉落控制系统，包括：20、游戏行为数据拆解分析模块，用于获取游戏玩家的游戏行为数据，对所述游戏行为数据进行拆解分析，得到所述游戏玩家的有效游戏行为数据；21、游戏行为表征模型构建模块，用于基于所有有效游戏行为数据，构建与所述游戏玩家匹配的游戏行为表征模型；22、游戏道具属性确定模块，用于基于游戏场景需求，确定与游戏场景匹配的游戏道具属性信息；23、游戏道具池设计模块，用于基于所述游戏道具属性信息，设计与游戏场景匹配的游戏道具池；24、玩家画面模型生成模块，用于基于所述游戏行为表征模型，获取游戏玩家在不同游戏场景下的游戏行为特征信息；基于所述游戏行为特征信息，生成游戏玩家画像模型；25、道具掉落概率表生成模块，用于基于所述游戏玩家画像模型和所述游戏道具池，生成游戏玩家的游戏行为与道具掉落之间的概率表；26、游戏道具错误掉落识别模块，用于获取游戏玩家在实际游戏过程中的游戏道具掉落记录，对所述游戏道具掉落记录进行分析，确定游戏道具掉落错误数据；27、概率表修正模块，用于基于所述游戏道具掉落错误数据，调整所述概率表中相应游戏道具的掉落权重分配情况。28、在本技术公开的一个实施例中，所述游戏行为数据拆解分析模块用于获取游戏玩家的游戏行为数据，对所述游戏行为数据进行拆解分析，得到所述游戏玩家的有效游戏行为数据，包括：29、基于游戏玩家在游戏端的身份信息，获取游戏玩家在历史游戏过程中的游戏行为数据；对所述游戏行为数据进行拆解，得到游戏玩家在每个游戏场景下对应发起的所有游戏行为数据，从而生成与所有游戏场景一一对应的若干游戏行为数据集；获取所述游戏行为数据集下属每种类型游戏行为的出现频率，若所述出现频率大于或等于预设频率阈值，则将对应类型的游戏行为数据确定为有效游戏行为数据；30、所述游戏行为表征模型构建模块用于基于所有有效游戏行为数据，构建与所述游戏玩家匹配的游戏行为表征模型，包括：31、对所有游戏场景对应的有效游戏行为数据进行游戏场景内容和游戏行为关联识别，得到游戏场景内容与游戏行为映射数据；对所述游戏场景内容与游戏行为映射数据进行神经网络学习处理，构建与所述游戏玩家匹配的游戏行为表征模块。32、在本技术公开的一个实施例中，所述游戏道具属性确定模块用于基于游戏场景需求，确定与游戏场景匹配的游戏道具属性信息，包括：33、对游戏场景需求进行解析处理，得到游戏场景在运行过程中的画面视觉调整需求和游戏奖励需求；基于所述画面视觉调整需求和所述游戏奖励需求，确定与游戏场景匹配的游戏道具视觉属性信息和游戏道具功能属性信息；34、所述游戏道具池设计模块用于基于所述游戏道具属性信息，设计与游戏场景匹配的游戏道具池，包括：35、基于所述游戏道具视觉属性信息和所述游戏道具功能属性信息，设计相应的游戏道具；对完成设计的所有游戏道具进行视觉差异化处理后，将所有游戏道具整合为游戏道具池。36、在本技术公开的一个实施例中，所述玩家画面模型生成模块用于基于所述游戏行为表征模型，获取游戏玩家在不同游戏场景下的游戏行为特征信息；基于所述游戏行为特征信息，生成游戏玩家画像模型，包括：37、将不同游戏场景各自对应的游戏规则信息输入至所述游戏行为表征模型，得到游戏玩家在不同游戏场景对应的游戏规则信息下的游戏行为特征信息；其中，所述游戏行为特征信息包括游戏玩家在游戏场景中选择实施的动作行为类型和动作行为执行成功率；基于所述游戏行为特征信息，构建能够表征所述游戏玩家的游戏行为习惯的游戏玩家画像模型；38、所述道具掉落概率表生成模块用于基于所述游戏玩家画像模型和所述游戏道具池，生成游戏玩家的游戏行为与道具掉落之间的概率表，包括：39、基于所述游戏玩家画像模型，确定所述游戏玩家在不同游戏场景中做出不同动作行为各自对应的评分规则；再基于所述评分规则和所述游戏道具池，生成所述游戏玩家在不同游戏场景做出不同游戏行为时对应的道具掉落概率对映表，以此作为所述游戏玩家的游戏行为与道具掉落之间的概率表。40、在本技术公开的一个实施例中，所述游戏道具错误掉落识别模块用于获取游戏玩家在实际游戏过程中的游戏道具掉落记录，对所述游戏道具掉落记录进行分析，确定游戏道具掉落错误数据，包括：41、获取游戏玩家在实际游戏过程中发生游戏道具掉落事件对应的属性信息；其中，所述属性信息包括发生游戏道具掉落事件时对应掉落的游戏道具类型和游戏玩家是否成功完成相应游戏行为；基于所述属性信息，判断当前是否发生游戏道具错误掉落事件，从而生成游戏道具掉落错误数据；42、所述概率表修正模块用于基于所述游戏道具掉落错误数据，调整所述概率表中相应游戏道具的掉落权重分配情况，包括：43、对所述游戏道具掉落错误数据进行分析，确定相应游戏道具发生错误掉落事件的概率；再基于所述发生错误掉落事件的概率，调整所述概率表中相应游戏道具的掉落权重分配值。44、相比于现有技术，该基于游戏玩家画像模型的游戏道具动态掉落控制方法和系统对游戏玩家的游戏行为数据拆解分析，得到有效游戏行为数据，以此构建游戏行为表征模型，对游戏玩家的行为模式进行准确表征；基于游戏场景需求，确定游戏道具属性信息，以此设计与游戏场景匹配的游戏道具池，确保游戏道具的实用性；基于游戏行为表征模型，获取游戏玩家在不同游戏场景的游戏行为特征信息，以此生成游戏玩家画像模型，对游戏玩家的游戏行为习惯进行准确表征；结合游戏玩家画像模型和游戏道具池，生成游戏行为与道具掉落之间的概率表，为道具掉落提供依据；基于实际游戏过程中的游戏道具掉落记录，确定游戏道具掉落错误数据，以此调整概率表中相应游戏道具的掉落权重分配情况，对游戏道具掉落进行动态反馈控制，建立基于游戏玩家行为的游戏道具掉落体系，提高游戏道具掉落控制的个性化和可靠性。45、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。46、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。