一種網路遊戲和電子商務的對接系統及方法與流程
2023-10-05 14:07:44
本發明屬於電子商務技術領域，特別涉及一種網路遊戲和電子商務的對接系統及方法。
背景技術：
網路遊戲和手機遊戲方興未艾，越來越多的人選擇通過遊戲來消磨時間和交友。近年來，電子商務平臺經過爆發和增長，已經越來越為大眾所接受成為一種常規的消費模式。在此背景下，如果能夠打通網路遊戲的虛擬環境和網際網路電子商務平臺的實體交易環境，將大大促進遊戲用戶的消費，增加網絡電子商務的營業額度。
技術實現要素：
本發明提供一種網路遊戲和電子商務的對接系統及方法，以解決現有技術中網路遊戲和手機遊戲以及電商平臺還沒有進行聯通的問題。
為實現上述目的，本發明採用的技術方案為：
一種網路遊戲和電子商務的對接系統，包括電商對接系統、遊戲對接系統和遊戲電商信息推薦平臺；
所述電商對接系統，用於對電商網站進行搜索，得到電商的商品信息，並將商品信息送入遊戲電商信息推薦平臺；
所述遊戲對接系統，用於獲取遊戲用戶信息，並將遊戲用戶信息送入遊戲電商信息推薦平臺；
所述遊戲電商信息推薦平臺，用於對所述商品信息進行歸類和判斷，根據遊戲用戶信息對遊戲中的用戶進行用戶畫像，對商品信息和遊戲用戶進行相似度估算，對商品和遊戲用戶進行相似度學習，並對用戶進行商品推薦。
進一步，所述電商對接系統包括自動生成電商搜索的關鍵詞、電商網站搜索、商品信息和屬性抽取、用戶評價分析。
進一步，所述自動生成電商搜索的關鍵詞對已有的關鍵詞或者商家提供的關鍵詞進行分詞的聚類，對得到的聚類結果進行分析，從而生成關鍵詞模板。
進一步，所述電商網站搜索用於對返回結果進行基於商品類型、屬性的聚類。
進一步，所述商品信息和屬性抽取利用信息抽取技術對網際網路網頁數據進行分析，用於獲取商品屬性。
進一步，所述用戶評價分析用於對用戶的評價進行情感和評論分析，自動對屬性進行抽取，進而對相關的情感關鍵詞進行分析，得到用戶評分。
進一步，所述遊戲對接系統包括：獲取用戶數據、匹配用戶聊天數據和預估遊戲發展數據。
進一步，所述獲取用戶數據中用戶數據包括：用戶類型、用戶性別、用戶年齡、收入。
進一步，所述遊戲電商信息推薦平臺對電商對接系統、遊戲對接系統中獲取的信息進行處理，用於用戶方便購買商品。
進一步，基於權利要求1-8任意一項所述的一種網路遊戲和電子商務的對接系統的對接方法，包括如下步驟：
步驟（A），對電商中的商品使用屬性進行歸類和判斷；
步驟（B），通過遊戲數據對用戶年齡、性別、收入情況進行判斷，對遊戲中的用戶進行用戶畫像；
步驟（C），對商品和用戶的相似度進行估算，使用商品屬性和用戶評價對商品進行建模，通過少量標註商品和用戶的相似度對比，來進行商品和用戶的相似度學習；
步驟（D），使用遊戲用戶輸入的文字來對可能購買或者為其他用戶購買來進行判斷，結合商品關鍵詞檢測、意圖識別來判斷是否有可能購買商品，進而進行推薦；
步驟（E），使用用戶遊戲中購買電商商品的歷史屬性對上述模型進行修正；
步驟（F），將修正後的模型推薦給客戶。
與現有技術相比，本發明具有以下優點：
1、本發明提出了一個能夠讓遊戲用戶在玩遊戲過程中可以在電商網站中進行購物；
2、允許用戶使用電商購物與其他遊戲用戶進行交流，可以大大促進電商平臺的消費。
具體實施方式
下面結合實施例對本發明作更進一步的說明。
一種網路遊戲和電子商務的對接系統，包括電商對接系統、遊戲對接系統和遊戲電商信息推薦平臺；
所述電商對接系統，用於對電商網站進行搜索，得到電商的商品信息，並將商品信息送入遊戲電商信息推薦平臺；
所述遊戲對接系統，用於獲取遊戲用戶信息，並將遊戲用戶信息送入遊戲電商信息推薦平臺；
所述遊戲電商信息推薦平臺，用於對所述商品信息進行歸類和判斷，根據遊戲用戶信息對遊戲中的用戶進行用戶畫像，對商品信息和遊戲用戶進行相似度估算，對商品和遊戲用戶進行相似度學習，並對用戶進行商品推薦。
前述電商對接系統包括自動生成電商搜索的關鍵詞、電商網站搜索、商品信息和屬性抽取、用戶評價分析。
前述自動生成電商搜索的關鍵詞對已有的關鍵詞或者商家提供的關鍵詞進行分詞的聚類，對得到的聚類結果進行分析，從而生成關鍵詞模板。
前述電商網站搜索用於對返回結果進行基於商品類型、屬性的聚類。
前述商品信息和屬性抽取利用信息抽取技術對網際網路網頁數據進行分析，用於獲取商品屬性。
前述用戶評價分析用於對用戶的評價進行情感和評論分析，自動對屬性進行抽取，進而對相關的情感關鍵詞進行分析，得到用戶評分。
前述遊戲對接系統包括：獲取用戶數據、匹配用戶聊天數據和預估遊戲發展數據。
前述獲取用戶數據中用戶數據包括：用戶類型、用戶性別、用戶年齡、收入。
前述遊戲電商信息推薦平臺對電商對接系統、遊戲對接系統中獲取的信息進行處理，用於用戶方便購買商品。
前述基於權利要求1-8任意一項所述的一種網路遊戲和電子商務的對接系統的對接方法，包括如下步驟：
步驟（A），對電商中的商品使用屬性進行歸類和判斷；
步驟（B），通過遊戲數據對用戶年齡、性別、收入情況進行判斷，對遊戲中的用戶進行用戶畫像；
步驟（C），對商品和用戶的相似度進行估算，使用商品屬性和用戶評價對商品進行建模，通過少量標註商品和用戶的相似度對比，來進行商品和用戶的相似度學習；
步驟（D），使用遊戲用戶輸入的文字來對可能購買或者為其他用戶購買來進行判斷，結合商品關鍵詞檢測、意圖識別來判斷是否有可能購買商品，進而進行推薦；
步驟（E），使用用戶遊戲中購買電商商品的歷史屬性對上述模型進行修正；
步驟（F），將修正後的模型推薦給客戶。
電商對接系統：根據電商網站提供的網頁結構或者API，開發一套深度網頁搜索工具。我們自動生成電商搜索的關鍵詞，對電商網站進行搜索，進而得到相關的商品信息、屬性、用戶評價。
1、自動生成電商搜索的關鍵詞：本發明在深度網際網路技術的基礎上自動生成電商搜索關鍵詞。例如首先生成關鍵詞模板，對已有的關鍵詞或者商家提供的關鍵詞進行分詞的聚類，對得到的聚類結果進行分析，從而生成關鍵詞模板。然後根據模板，通過聚類中詞的以及和新詞的相似度比較例如：使用Word2vec得到對新詞的概念化，從而可利用已知模板生成新的電商搜索關鍵詞。
例如：使用詞向量表達對關鍵詞聚類，從知識庫或上下語義中找到關鍵詞的類別，進而通過關鍵詞的類別得到模板。例如：Lenovo 570 紅色，我們可以抽象為「筆記本+顏色」
2、電商網站搜索：對電商進行搜索，通過實現一組API實現對電商網上的自動搜搜，並對返回結果進行分析，例如對返回結果進行基於商品類型、屬性的聚類。
例如，對淘寶搜索「筆記本」，我們可以對筆記本搜索結果進行聚類，例如所有商家出售的Lenovo 570會聚到一起。
3、商品信息、屬性抽取：利用信息抽取技術對網際網路網頁數據進行分析，從而得到商品屬性。例如使用基於頁面結構的CRF(conditional random field)來對網頁中商品和屬性值進行分類。
例如：對淘寶搜索「筆記本」，得到所有關於筆記本的信息，我們可以對筆記本的屬性進行聚類和分析，如顏色、重量、品牌，等等。
4、用戶評價：通過文本自動分類來對用戶的評價進行情感和評論分析。例如用戶對商品不同方面進行了評價：如對酒店的服務、住房、清潔等；或者對衣服的大小、顏色、退貨等進行的評價。我們通過文本信息抽取技術如CRF(conditional random field)自動對屬性進行抽取，進而對相關的情感關鍵詞進行分析，得到用戶評分。
例如：Lenovo的筆記本顏色好看。我們可以對屬性「顏色」進行抽取，「好看」代表正面評價。
遊戲對接系統：對於遊戲，我們假設遊戲提供API或者基於遊戲開發者自己的平臺，能夠獲取用戶數據，聊天數據，以及遊戲發展數據。
1、獲取用戶數據：通過遊戲的API得到用戶數據，對用戶類型進行聚類、對用戶的性別、年齡、收入、進行預測，通過基於用戶發表消息、遊戲行為、以及好友的屬性進行預測。
2、聊天數據：對聊天數據進行建模，建立語言模型，對聊天內容的相似度進行計算，從而可以對聊天數據和其他文本進行相似度計算。
3、 遊戲發展數據：對遊戲貨幣化歷史進行測量，通過貨幣化歷史以及用戶在遊戲裡購買力的分析來預測用戶實際商品購買力。
遊戲電商信息推薦平臺：根據電商數據和遊戲數據，我們通過以下幾步來實現遊戲電子商務。
第一：對電商中的商品使用屬性進行歸類和判斷。具體作用為可以在未來做商品推薦時更好的找到相關商品類別。
第二：對遊戲中的用戶進行用戶畫像，例如用用戶使用遊戲數據對用戶年齡、性別、收入情況等進行判斷。具體作用為可以更好地理解用戶的屬性、行為、購物習慣等等。
第三：對商品和用戶的相似度進行估算。使用商品屬性和用戶評價對商品進行建模，通過少量標註商品和用戶對，來進行商品和用的相似度學習。具體作用為可以給用戶推薦商品。
第四：使用遊戲用戶輸入的文字來對可能購買或者為其他用戶購買來進行判斷，如使用商品關鍵詞檢測、意圖識別等等方法來判斷是否有可能購買商品，進而進行推薦。具體作用為識別用戶何時對購買商品感興趣。
第五：使用用戶遊戲中購買電商商品的歷史屬性對上述模型進行修正。具體作用為對歷史數據進行數據挖掘，更好地修正模型。
第六：遊戲界面進行巧妙設計，能夠讓用戶方便購買商品。具體作用為促進用戶點擊和使用平臺。
以上所述僅是本發明的優選實施方式，應當指出：對於本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護範圍。