本申請涉及計算機通信領域，尤其涉及一種用戶識別技術。

背景技術：

隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡游戲越來越受到廣大網(wǎng)友的喜愛，豐富了人們的業(yè)余生活。

然而，在網(wǎng)絡游戲過程中，尤其是在團隊游戲中，一些玩家經(jīng)常出現(xiàn)掛機等操作，如長時間不進行游戲操作，而分享隊友的游戲經(jīng)驗、金幣等行為，嚴重影響了游戲的公平性。因此如何識別游戲中的消極用戶就成為亟待解決的問題。

技術實現(xiàn)要素：

有鑒于此，本申請?zhí)峁┮环N消極用戶的識別方法、裝置及服務器，用以實現(xiàn)識別消極用戶。

具體地，本申請是通過如下技術方案實現(xiàn)的：

根據(jù)本申請的第一方面，提供一種消極用戶的識別方法，所述方法應用于服務端，所述方法包括：

獲取目標用戶在執(zhí)行目標交互任務時的目標操作指標數(shù)據(jù)；

比較所述目標操作指標數(shù)據(jù)與預設的操作指標閾值；其中，所述操作指標閾值由預設的指標閾值模型基于對輸入該模型中的若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析得到；

如果所述目標操作指標數(shù)據(jù)不高于所述預設的操作指標閾值，則判定該目標用戶為消極用戶，并進行針對消極用戶的處理。

進一步的，所述方法還包括：

獲取若干用戶在執(zhí)行目標交互任務時的操作指標數(shù)據(jù)；

在所述若干用戶的操作指標數(shù)據(jù)中，確定正常用戶的操作指標數(shù)據(jù)；其中，所述正常用戶的操作指標數(shù)據(jù)基于對所述若干用戶的操作指標數(shù)據(jù)進行統(tǒng)計分析得到或者通過標定得到；

基于獲取到的針對所正常用戶的若干操作指標數(shù)據(jù)，構(gòu)建指標閾值模型；

基于新增用戶的操作指標數(shù)據(jù)，動態(tài)優(yōu)化所述指標閾值模型。

進一步的，所述獲取若干用戶在執(zhí)行目標交互任務時的操作指標數(shù)據(jù)，包括：

接收客戶端上傳的分值超過預設分值的操作指標數(shù)據(jù)或者所述客戶端基于用戶指令上傳針對若干用戶的操作指標數(shù)據(jù)；或者，

接收客戶端上傳的針對若干用戶的操作指標數(shù)據(jù)；

基于預設的評分規(guī)則，分別計算各用戶的操作指標數(shù)據(jù)的目標分值；

獲取目標分值高于預設分值的操作指標數(shù)據(jù)。

進一步的，所述獲取若干用戶在執(zhí)行目標交互任務時的操作指標數(shù)據(jù)，包括：

接收客戶端上傳針對若干用戶的部分操作指標數(shù)據(jù)；

基于客戶端上傳的部分操作指標數(shù)據(jù)，分別模擬各用戶完整的操作指標數(shù)據(jù)；

基于預設的評分規(guī)則，分別計算各用戶的完整的操作指標數(shù)據(jù)的目標分值，獲取目標分值高于預設分數(shù)的完整的操作指標數(shù)據(jù)。

進一步的，所述操作指標閾值由預設的指標閾值模型基于對輸入該模型中的若干正常用戶的操作指標數(shù)據(jù)樣本統(tǒng)計分析得到；其中，所述正常用戶的操作指標數(shù)據(jù)樣本基于對所述若干用戶操作指標數(shù)據(jù)進行統(tǒng)計分析得到或者通過標定得到；

所述比較所述目標操作指標數(shù)據(jù)與預設的操作指標閾值，包括：

比較所述目標操作指標數(shù)據(jù)與基于對若干正常用戶的操作指標數(shù)據(jù)樣本統(tǒng)計分析得到的操作指標閾值。

進一步的，所述操作指標閾值由預設的指標閾值模型基于對輸入該模型中的所述用戶的若干歷史操作指標數(shù)據(jù)樣本統(tǒng)計分析得到；

所述比較所述目標操作指標數(shù)據(jù)與預設的操作指標閾值，包括：

查找針對所述用戶的若干歷史操作指標數(shù)據(jù)樣本統(tǒng)計分析得到的操作指標閾值；

比較所述目標操作指標數(shù)據(jù)與查找到的所述操作指標閾值。

根據(jù)本申請的第二方面，提供一種消極用戶的識別裝置，所述裝置應用于服務端，所述裝置包括：

獲取單元，用于獲取目標用戶在執(zhí)行目標交互任務時的目標操作指標數(shù)據(jù)；

比較單元，用于比較所述目標操作指標數(shù)據(jù)與預設的操作指標閾值；其中，所述操作指標閾值由預設的指標閾值模型基于對輸入該模型中的若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析得到；

識別單元，用于如果所述目標操作指標數(shù)據(jù)不高于所述預設的操作指標閾值，則判定該目標用戶為消極用戶，并進行針對消極用戶的處理。

進一步的，所述裝置還包括構(gòu)建單元，用于獲取若干用戶在執(zhí)行目標交互任務時的操作指標數(shù)據(jù)；在所述若干用戶的操作指標數(shù)據(jù)中，確定正常用戶的操作指標數(shù)據(jù)；其中，所述正常用戶的操作指標數(shù)據(jù)基于對所述若干用戶的操作指標數(shù)據(jù)進行統(tǒng)計分析得到或者通過標定得到；基于獲取到的針對所正常用戶的若干操作指標數(shù)據(jù)，構(gòu)建指標閾值模型；基于新增用戶的操作指標數(shù)據(jù)，動態(tài)優(yōu)化所述指標閾值模型。

進一步的，所述構(gòu)建單元，在獲取若干用戶在執(zhí)行目標交互任務時的操作指標數(shù)據(jù)時，還具體用于接收客戶端上傳的分值超過預設分值的操作指標數(shù)據(jù)或者所述客戶端基于用戶指令上傳針對若干用戶的操作指標數(shù)據(jù)；或者，接收客戶端上傳的針對若干用戶的操作指標數(shù)據(jù)；基于預設的評分規(guī)則，分別計算各用戶的操作指標數(shù)據(jù)的目標分值；獲取目標分值高于預設分值的操作指標數(shù)據(jù)。

進一步的，所述構(gòu)建單元，在獲取若干用戶在執(zhí)行目標交互任務時的操作指標數(shù)據(jù)時，還具體用于接收客戶端上傳針對若干用戶的部分操作指標數(shù)據(jù)；基于客戶端上傳的部分操作指標數(shù)據(jù)，分別模擬各用戶完整的操作指標數(shù)據(jù)；基于預設的評分規(guī)則，分別計算各用戶的完整的操作指標數(shù)據(jù)的目標分值，獲取目標分值高于預設分數(shù)的完整的操作指標數(shù)據(jù)。

進一步的，所述操作指標閾值由預設的指標閾值模型基于對輸入該模型中的若干正常用戶的操作指標數(shù)據(jù)樣本統(tǒng)計分析得到；其中，所述正常用戶的操作指標數(shù)據(jù)樣本基于對所述若干用戶操作指標數(shù)據(jù)進行統(tǒng)計分析得到或者通過標定得到；

所述比較單元，具體用于比較所述目標操作指標數(shù)據(jù)與基于對若干正常用戶的操作指標數(shù)據(jù)樣本統(tǒng)計分析得到的操作指標閾值。

進一步的，所述操作指標閾值由預設的指標閾值模型基于對輸入該模型中的所述用戶的若干歷史操作指標數(shù)據(jù)樣本統(tǒng)計分析得到；

所述比較單元，具體用于查找針對所述用戶的若干歷史操作指標數(shù)據(jù)樣本統(tǒng)計分析得到的操作指標閾值；比較所述目標操作指標數(shù)據(jù)與查找到的所述操作指標閾值。

根據(jù)本申請的第三方面，提供一種服務器，包括處理器和機器可讀存儲介質(zhì)，所述處理器通過調(diào)用機器可讀存儲介質(zhì)上儲存的與消極用戶識別的控制邏輯對應的機器可執(zhí)行指令，所述處理器被促使：

獲取目標用戶在執(zhí)行目標交互任務時的目標操作指標數(shù)據(jù)；

比較所述目標操作指標數(shù)據(jù)與預設的操作指標閾值；其中，所述操作指標閾值由預設的指標閾值模型基于對輸入該模型中的若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析得到；

如果所述目標操作指標數(shù)據(jù)不高于所述預設的操作指標閾值，則判定該目標用戶為消極用戶，并進行針對消極用戶的處理。

本申請?zhí)岢鲆环N消極用戶的識別方法，在消極用戶識別時，服務端可獲取目標用戶在執(zhí)行目標交互任務時的目標操作指標數(shù)據(jù)，并可比較所述目標操作指標數(shù)據(jù)與預設的操作指標閾值。其中，該操作指標閾值可由預設的指標閾值模型基于對輸入該模型中的若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析得到。如果所述操作指標數(shù)據(jù)不高于所述預設的操作指標閾值，服務端可判定該用戶為消極用戶，并進行針對消極用戶的處理。

一方面，由于服務端可以比較目標用戶的目標操作指標數(shù)據(jù)與操作指標閾值，并在目標操作指標數(shù)據(jù)不高于操作指標閾值時，判定該目標用戶為消極用戶，從而實現(xiàn)了消極用戶的識別。

另一方面，由于操作指標閾值可由指標閾值模型對若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析而動態(tài)得到，隨著用戶操作指標數(shù)據(jù)樣本的不斷增加，該操作指標閾值也更加精確，因此極大地提高了消極用戶識別的準確性。

附圖說明

圖1是本申請一示例性實施例示出的一種消極用戶的識別方法的網(wǎng)絡架構(gòu)圖；

圖2是本申請一示例性實施例示出的一種消極用戶的識別方法的流程圖；

圖3是本申請一示例性實施例示出的一種消極用戶的識別裝置的框圖；

圖4是本申請示出的一種服務器的硬件結(jié)構(gòu)圖。

具體實施方式

這里將詳細地對示例性實施例進行說明，其示例表示在附圖中。下面的描述涉及附圖時，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實施例中所描述的實施方式并不代表與本申請相一致的所有實施方式。相反，它們僅是與如所附權(quán)利要求書中所詳述的、本申請的一些方面相一致的裝置和方法的例子。

在本申請使用的術語是僅僅出于描述特定實施例的目的，而非旨在限制本申請。在本申請和所附權(quán)利要求書中所使用的單數(shù)形式的“一種”、“所述”和“該”也旨在包括多數(shù)形式，除非上下文清楚地表示其他含義。還應當理解，本文中使用的術語“和/或”是指并包含一個或多個相關聯(lián)的列出項目的任何或所有可能組合。

應當理解，盡管在本申請可能采用術語第一、第二、第三等來描述各種信息，但這些信息不應限于這些術語。這些術語僅用來將同一類型的信息彼此區(qū)分開。例如，在不脫離本申請范圍的情況下，第一信息也可以被稱為第二信息，類似地，第二信息也可以被稱為第一信息。取決于語境，如在此所使用的詞語“如果”可以被解釋成為“在……時”或“當……時”或“響應于確定”。

隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡游戲越來越受到廣大網(wǎng)友的喜愛，豐富了人們的業(yè)余生活。在網(wǎng)絡游戲中，玩家可以通過互聯(lián)網(wǎng)，與其他玩家進行互動，比如，玩家可以與自己現(xiàn)實中的朋友進行協(xié)同作戰(zhàn)，或者與陌生玩家進行游戲?qū)梗瑯O大了豐富了網(wǎng)絡游戲的娛樂性。

然而，在網(wǎng)絡游戲過程中，尤其是基于團隊合作的網(wǎng)絡游戲中，一些玩家經(jīng)常會出現(xiàn)長時間不進行游戲操作，而分享隊友的游戲經(jīng)驗、金幣等外掛操作，更有甚者，由于個別玩家的掛機操作，致使本隊玩家輸?shù)舯荣悾瑥亩鴩乐赜绊懥擞螒虻墓叫浴?/p>

有鑒于此，本申請?zhí)岢鲆环N消極用戶的識別方法，在消極用戶識別時，服務端可獲取目標用戶在執(zhí)行目標交互任務時的目標操作指標數(shù)據(jù)，并可比較所述目標操作指標數(shù)據(jù)與預設的操作指標閾值。其中，該操作指標閾值可由預設的指標閾值模型基于對輸入該模型中的若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析得到。如果所述操作指標數(shù)據(jù)不高于所述預設的操作指標閾值，服務端可判定該用戶為消極用戶，并進行針對消極用戶的處理。

一方面，由于服務端可以比較目標用戶的目標操作指標數(shù)據(jù)與操作指標閾值，并在目標操作指標數(shù)據(jù)不高于操作指標閾值時，判定該目標用戶為消極用戶，從而實現(xiàn)了消極用戶的識別。

另一方面，由于操作指標閾值可由指標閾值模型對若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析而動態(tài)得到，隨著用戶操作指標數(shù)據(jù)樣本的不斷增加，該操作指標閾值也更加精確，因此極大地提高了消極用戶識別的準確性。

參見圖1，圖1是本申請一示例性實施例示出的一種消極用戶的識別方法的網(wǎng)絡架構(gòu)圖。該網(wǎng)絡架構(gòu)可包括終端設備和服務端。

其中，上述終端設備，可為移動終端設備，如智能手機，ipad、筆記本等，也可為計算機等終端設備。通常該終端設備上可搭載客戶端。用戶可在該客戶端執(zhí)行相應的操作。該客戶端可為游戲類客戶端，也可為其他客戶端，在這里只是對客戶端的類型進行示例性地說明，不對其進行具體地限定。

例如，當上述客戶端為競技對戰(zhàn)類游戲客戶端時，用戶可通過該客戶端為用戶提供的可視化界面，操控游戲里的英雄進行清理兵線、推塔等操作。

上述服務端，也可被稱為后臺服務器等，可以為由若干臺服務器搭建的分布式服務端，與上述客戶端對應。該服務端主要用于保存客戶端上傳的用戶操作指標數(shù)據(jù)，對用戶操作指標數(shù)據(jù)進行統(tǒng)計分析，維護客戶端的運行的穩(wěn)定性等功能。這里，只是對服務端的類型及用途進行示例性地說明，不對其進行具體地限定。

在本申請實施例中，在該網(wǎng)絡架構(gòu)下，客戶端可將用戶的操作指標數(shù)據(jù)上傳服務端，服務端可通過比較獲取到的用戶操作指標數(shù)據(jù)與預設的操作指標閾值來判定該用戶是否為消極用戶，當該用戶為消極用戶時，進行針對消極用戶的處理。

參見圖2，圖2是本申請一示例性實施例示出的一種消極用戶的識別方法的流程圖。該方法可包括步驟201至步驟203。

步驟201：服務端獲取目標用戶在執(zhí)行目標交互任務時的目標操作指標數(shù)據(jù)；

步驟202：服務端比較所述目標操作指標數(shù)據(jù)與預設的操作指標閾值；其中，所述操作指標閾值由預設的指標閾值模型基于對輸入該模型中的若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析得到；

步驟203：如果所述目標操作指標數(shù)據(jù)不高于所述預設的操作指標閾值，服務端判定該目標用戶為消極用戶，并進行針對消極用戶的處理。

其中，上述目標交互任務，可以理解為用戶在客戶端上進行的任務操作。例如，當該方法所應用的場景為游戲場景時，該目標交互任務可以為用戶在游戲客戶端上進行游戲過程。以競技對戰(zhàn)類游戲來說，上述目標交互任務可為用戶在游戲客戶端上進行一局游戲比賽的過程。當然，當該方法應用于其他場景時，該目標交互任務還可為其他目標交互任務。這里只是對目標交互任務進行示例性地說明，不對其進行具體地限定。

上述操作指標數(shù)據(jù)，可以理解為基于數(shù)據(jù)所表示的內(nèi)容類型而定義的用戶操作數(shù)據(jù)，該操作指標數(shù)據(jù)可包括一種類型的操作指標數(shù)據(jù)，也可包括多種類型的操作指標數(shù)據(jù)。

以該消極用戶識別方法應用于競技對戰(zhàn)類游戲的場景為例，上述操作指標數(shù)據(jù)可為用戶在游戲過程中的多種基于數(shù)據(jù)所代表的內(nèi)容類型而定義的操作數(shù)據(jù)。例如，用戶操作數(shù)據(jù)可包括用戶操作次數(shù)，指令反饋時長等代表各種內(nèi)容類型的與用戶操作相關的數(shù)據(jù)，將這些數(shù)據(jù)基于不同的內(nèi)容類型進行定義，就成為操作數(shù)據(jù)指標。

例如該操作指標數(shù)據(jù)可包括用戶的游戲操作速率，以用戶終端為智能手機來說，用戶游戲操作速率可為用戶在一定時間內(nèi)點擊手機屏幕的速率；以用戶終端為計算機或者筆記本來說，用戶游戲操作速率可為用戶在一定時間內(nèi)點擊鼠標或者鍵盤的速率。

上述操作指標數(shù)據(jù)還可包括指令反饋時間。以用戶終端為智能手機來說，在游戲過程中，用戶通過點擊屏幕，觸發(fā)客戶端向服務端發(fā)送用戶觸發(fā)指令，到客戶端接收到服務端返回的該用戶觸發(fā)指令的響應指令所經(jīng)歷的時間，可為指令反饋時間。

當然，上述操作指標數(shù)據(jù)還可包括其他類型的操作指標數(shù)據(jù)，這里只是對操作指標數(shù)據(jù)進行示例性地說明，不對其進行具體地限定。

上述預設的操作指標閾值，可以是指與上述操作指標數(shù)據(jù)對應的閾值。該操作指標閾值可以由預設的指標閾值模型基于對輸入該模型中的若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析得到。該指標閾值可以為一個值，也可為一個區(qū)間。

仍以競技對戰(zhàn)類游戲的場景為例，當上述操作指標數(shù)據(jù)為用戶的游戲操作速率時，上述操作指標閾值可以為游戲操作速率閾值；當上述操作指標數(shù)據(jù)為反饋時間時，上述操作指標閾值可以為反饋時間閾值。以游戲操作速率閾值來說，該游戲操作速率閾值可以為50次/min的一個值，也可為40次/min-60次/min的一個區(qū)間。

上述消極用戶，可以理解為執(zhí)行目標交互任務的水平低于正常用戶的用戶。例如，仍以競技對戰(zhàn)類游戲的場景為例，上述消極用戶可以為在游戲比賽過程中，長期不進行游戲操作，掛機的用戶。

在對該消極用戶進行量化衡量時，可通過將針對該用戶的若干種操作指標數(shù)據(jù)和與之對應的操作指標閾值進行對比，將操作指標數(shù)據(jù)低于操作指標閾值的用戶定義為消極用戶。

例如，以操作指標數(shù)據(jù)為用戶的游戲操作速率為例，并結(jié)合競技對戰(zhàn)類游戲的場景來說。當服務端獲取到的用戶的游戲操作速率為20次/min時，而游戲操作速率閾值為40次/min-60次/min時，該用戶可定義為消極用戶。

下面從構(gòu)建指標閾值模型及操作指標閾值的生成，消極用戶識別這兩個方面，對上述消極用戶的識別方法進行詳細地說明。

1)構(gòu)建指標閾值模型及操作指標閾值的生成

在本申請實施例中，操作指標閾值可由指標閾值模型對輸入的若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析動態(tài)得到，隨著用戶操作指標數(shù)據(jù)樣本的不斷增加，該操作指標閾值也更加精確，從而使得獲取的用戶操作指標數(shù)據(jù)與操作指標閾值的比較結(jié)果更為精確，因此可極大地提高了消極用戶識別的準確性。

a)構(gòu)建指標閾值模型

在實現(xiàn)時，服務端可獲取若干用戶在執(zhí)行目標交互任務時的操作指標數(shù)據(jù)。

在一種可選的實現(xiàn)方式中，在獲取若干用戶在執(zhí)行目標交互任務的操作指標數(shù)據(jù)時，客戶端可采集若干用戶的操作指標數(shù)據(jù)，然后基于服務端下發(fā)的評分規(guī)則，分別計算各用戶的操作指標數(shù)據(jù)的目標分值，并將目標分值高于預設分值的操作指標數(shù)據(jù)上傳給服務端，服務端可獲取客戶端上傳的該操作指標數(shù)據(jù)。

其中，上述評分規(guī)則可為開發(fā)人員基于實際情況設計的評分規(guī)則，例如，該評分規(guī)則可包括預設的分數(shù)和操作指標數(shù)據(jù)取值的綁定關系，客戶端可通過該綁定關系，查找與上述操作指標數(shù)據(jù)取值對應的預設分數(shù)。當然，上述評分規(guī)則，也可包括操作指標數(shù)據(jù)的取值與預設的初級指標閾值的離散程度，并將該離散程度數(shù)值化，形成分數(shù)。這里只是對上述評分股則的示例性說明，不對其進行具體地限定。

在另一種可選的實現(xiàn)方式中，客戶端可基于用戶指令上傳針對若干用戶的操作指標數(shù)據(jù)。服務端獲取該操作指標數(shù)據(jù)。

例如，在目標交互任務結(jié)束后，客戶端會輸出“是否上傳操作指標數(shù)據(jù)”的提示信息，在用戶點擊“確認”后，可基于該用戶指令，向服務端上傳該操作指標數(shù)據(jù)。

在另一種可選的實現(xiàn)方式中，客戶端可向服務端上傳針對若干用戶的操作指標數(shù)據(jù)。然后，服務端可以基于上述評分規(guī)則，分別計算各用戶的操作指標數(shù)據(jù)的目標分值，并可獲取目標分值高于預設分值的操作指標數(shù)據(jù)。

在另一可選的實現(xiàn)方式中，由于網(wǎng)絡條件的限制等原因，客戶端無法將完整的用戶操作指標數(shù)據(jù)上傳服務端時，客戶端可向服務端上傳針對若干用戶的部分操作指標數(shù)據(jù)。服務端在接受到各用戶的部分操作指標數(shù)據(jù)后，可基于預設的預測算法，分別模擬出針對各用戶的完整的操作指標數(shù)據(jù)。然后，服務端可根據(jù)上述評分規(guī)則，計算針對各用戶的完整的操作指標數(shù)據(jù)的目標分值，并獲取目標分值高于預設分值的操作指標數(shù)據(jù)。

其中，上述預測算法，可為回歸算法，深度學習等，也可為開發(fā)人員根據(jù)實際應用而設計的預測算法等，這里只是對預測算法進行示例性地說明，不對其進行具體地限定。

在獲取到上述操作指標數(shù)據(jù)后，服務端可確定正常用戶的操作指標數(shù)據(jù)，并基于該正常用戶的操作指標數(shù)據(jù)，構(gòu)建指標閾值模型。

在一種可選的實現(xiàn)方式中，在確定正常用戶的操作指標數(shù)據(jù)時，服務端可對該若干用戶的操作指標數(shù)據(jù)進行統(tǒng)計分析，比如聚類分析，來獲取正常用戶的操作指標數(shù)據(jù)。當然，在統(tǒng)計分析時，服務端還可采用其他算法等，這里只是對統(tǒng)計分析的算法進行示例性地說明，不對其進行具體地限定。

以聚類分析來說，在實現(xiàn)時，服務端可將操作指標數(shù)據(jù)接近的分為一類，然后將包含操作指標數(shù)據(jù)最多的一類數(shù)據(jù)定義為正常用戶的操作指標數(shù)據(jù)。

當然，該正常用戶的操作指標數(shù)據(jù)還可由開發(fā)人員進行人工標定得到。

仍以該方法應用的場景為游戲場景為例。通常在游戲發(fā)布前，游戲會進行內(nèi)測和公測，通過內(nèi)測和公測，服務端可獲取若干用戶的操作指標數(shù)據(jù)，由于內(nèi)測和公測所針對的用戶的游戲水平、游戲熟悉程度等較高，所以由內(nèi)測和公測采集到的用戶操作指標數(shù)據(jù)的數(shù)據(jù)質(zhì)量較高。

服務端可以對內(nèi)測和公測采集到的用戶操作指標數(shù)據(jù)進行聚類分析，將操作指標數(shù)據(jù)接近的分為一類，然后將包含操作指標數(shù)據(jù)最多的一類數(shù)據(jù)定義為正常用戶的操作指標數(shù)據(jù)。

當然，開發(fā)人員還可將對內(nèi)測或者公測采集到的數(shù)據(jù)進行標定，標定為正常用戶的操作指標數(shù)據(jù)。

在本申請實施例中，服務端可將上述正常用戶的指標數(shù)據(jù)構(gòu)建指標閾值模型。

需要說明的是，在構(gòu)建指標閾值模型時，可采用監(jiān)督或者無監(jiān)督的深度學習方法，來不斷訓練該指標閾值模型，即調(diào)整指標閾值模型各層的參數(shù)，以使得該指標閾值模型輸出更為準確的操作指標閾值。

當然開發(fā)人員也可采用其他算法來構(gòu)建指標閾值模型，這里只是對構(gòu)建指標閾值模型進行示例性地說明，不對其進行具體地限定。

在本申請實施例中，為了使得生成的操作指標閾值更為精確，服務端可以基于不斷新增用戶的操作指標數(shù)據(jù)，來不斷地動態(tài)優(yōu)化該指標閾值模型。

b)操作指標閾值的生成

在一種可選的實現(xiàn)方式中，在指標閾值模型構(gòu)建、訓練完成后，服務端可將上述正常用戶的操作指標數(shù)據(jù)作為用戶操作指標數(shù)據(jù)樣本輸入該指標閾值模型，該指標閾值模型可對該正常用戶的操作指標數(shù)據(jù)進行統(tǒng)計分析，得到一個或者多個操作指標閾值。

在另一中可選的實現(xiàn)方式中，上述用戶操作指標數(shù)據(jù)樣本可為該用戶的歷史操作數(shù)據(jù)。

在實現(xiàn)時，服務端可基于用戶標識，對收集到的用戶操作指標數(shù)據(jù)進行分類儲存。在獲取用戶操作指標數(shù)據(jù)樣本時，可基于用戶標識，查找該用戶的歷史操作數(shù)據(jù)，作為上述用戶操作指標數(shù)據(jù)樣本。

服務端可將該用戶操作指標數(shù)據(jù)樣本輸入上述指標閾值模型，指標閾值模型可對若干用戶操作指標數(shù)據(jù)樣本中的指標數(shù)據(jù)進行統(tǒng)計分析，然后得到針對每個類型的操作指標數(shù)據(jù)的一個或者多個操作指標閾值。

對于指標閾值模型所進行的統(tǒng)計分析，在實現(xiàn)時，指標閾值模型可基于指標類型，分別計算所有用戶針對某一類型的操作指標數(shù)據(jù)的平均值，然后再基于該平均值，進行針對每個類型的操作指標數(shù)據(jù)的統(tǒng)計分析，計算得到一個或者多個操作指標閾值。

仍以該方法應用的場景為游戲場景為例，假設上述操作指標數(shù)據(jù)為游戲操作速率。假設用戶操作指標數(shù)據(jù)樣本為用戶1至用戶n的操作指標數(shù)據(jù)。

在統(tǒng)計分析時，指標閾值模型可對該用戶1至用戶n的操作指標數(shù)據(jù)進行平均值計算。例如假設用戶1在第一分鐘內(nèi)的游戲操作次數(shù)為19次…..用戶n的在第一分鐘內(nèi)的游戲操作次數(shù)為21次等，指標閾值模型可對計算用戶1至用戶n在第一分鐘內(nèi)游戲操作次數(shù)的平均值。

假設指標閾值模型在進行上述游戲操作速率求取平均值計算后，得到的數(shù)據(jù)值為第一分鐘內(nèi)，用戶的平均游戲操作次數(shù)為20次，在第二分鐘內(nèi)，用戶的平均游戲操作次數(shù)為40次，在第三分鐘內(nèi)，用戶的平均游戲操作次數(shù)為50次，在第四分鐘內(nèi)，用戶的平均游戲操作次數(shù)為40次，在第五分鐘內(nèi)，用戶的平均游戲操作次數(shù)為50次。

指標閾值模型可統(tǒng)計每一分鐘，每連續(xù)的三分鐘，每連續(xù)五分鐘的用戶操作次數(shù)，然后計算該每一分鐘，每連續(xù)的三分鐘，每連續(xù)的五分鐘的游戲操作速率，并將該游戲操作速率作為操作指標閾值。

假設每連續(xù)三分鐘統(tǒng)計一次，指標閾值模型可獲得在1min-3min內(nèi)，用戶的游戲操作速率約為36次/min，在2min-4min內(nèi)，用戶的游戲操作速率約為43次/min，在3min-5min內(nèi)，用戶的游戲操作速率約為46次/min。指標閾值模型則可輸出在1min-3min內(nèi)，游戲操作速率閾值為36次/min；在2min-4min內(nèi)，游戲操作速率閾值為43次/min，在3min-5min內(nèi)，游戲操作速率閾值為46次/min。

當然，上述指標閾值模型還可采用其他算法來計算針對各操作指標數(shù)據(jù)的操作指標閾值，這里不對其進行具體地限定。

2)消極用戶識別

在本申請實施例中，服務端可以比較目標用戶的目標操作指標數(shù)據(jù)與操作指標閾值，并在該目標操作指標數(shù)據(jù)不高于操作指標閾值時，判定該目標用戶為消極用戶，從而實現(xiàn)了消極用戶的識別。

在實現(xiàn)時，客戶端可采集目標用戶在執(zhí)行目標交互任務時的目標操作指標數(shù)據(jù)，然后將該目標操作指標數(shù)據(jù)上傳服務端。服務端可比較該目標操作指標數(shù)據(jù)與指標閾值模型輸出的操作指標閾值。

在實現(xiàn)時，服務端可先對該目標用戶的目標操作指標數(shù)據(jù)進行統(tǒng)計分析，得到若干代表目標操作指標數(shù)據(jù)的參數(shù)值。

在進行目標操作指標數(shù)據(jù)與預設的操作指標閾值比較時，服務端可將統(tǒng)計分析后得到的若干代表目標操作指標數(shù)據(jù)的參數(shù)值與預設的操作指標閾值進行比較。

在一種可選的實現(xiàn)方式中，在對標目操作指標數(shù)據(jù)進行統(tǒng)計分析，確定代表目標操作指標數(shù)據(jù)的參數(shù)值時，服務端可以以時間為單位，統(tǒng)計連續(xù)時間段內(nèi)的操作指標數(shù)據(jù)，再求取該連續(xù)時間段內(nèi)的操作指標數(shù)據(jù)的平均值來對目標操作指標數(shù)據(jù)進行統(tǒng)計分析，獲得代表該目標指標的參數(shù)值，然后將該參數(shù)值與預設的操作指標閾值進行比較。該計算得到的參數(shù)值可為多個。

如果預設數(shù)量的參數(shù)值均不高于預設的操作指標閾值，則確定該目標用戶的目標操作指標數(shù)據(jù)不高于預設的操作指標閾值，則判定該目標用戶為消極用戶。

例如，假設參數(shù)值為五個，當有三個參數(shù)值不高于預設的操作指標閾值時，則可確定該目標用戶為消極用戶。

當然，對目標操作指標數(shù)據(jù)進行統(tǒng)計分析不限于上述統(tǒng)計分析算法，開發(fā)人員可基于實際情況，設計該統(tǒng)計分析算法，這里只是對統(tǒng)計分析算法進行示例性地說明，不對其進行具體地限定。

仍以上述方法應用的場景為游戲場景，上述操作指標數(shù)據(jù)為游戲操作速率為例。假設預設的操作指標閾值為在1min-3min內(nèi)，游戲操作速率閾值為36次/min；在2min-4min內(nèi)，游戲操作速率閾值為43次/min，在3min-5min內(nèi)，游戲操作速率閾值為46次/min。

假設服務端獲取到的該目標用戶的游戲操作速率為，第一分鐘5次，第二分鐘15次，第三分鐘10次，第四分鐘0次，第五分鐘0次。

假設服務端統(tǒng)計目標用戶在連續(xù)時間段內(nèi)的操作次數(shù)，例如每一分鐘、每連續(xù)三分鐘、每連續(xù)五分鐘的的操作次數(shù)，然后計算該目標用戶每一分鐘、每連續(xù)三分鐘、每連續(xù)五分鐘的游戲操作速率。

以每連續(xù)三分鐘統(tǒng)計一次來說，服務端可計算該目標用戶在這連續(xù)三分鐘內(nèi)的游戲操作速率。在1min-3min內(nèi)，該目標用戶的游戲操作速率為10次/min，在2min-4min內(nèi)，該目標用戶的游戲操作速率約為6次/min，在3min-5min內(nèi)，該目標用戶的游戲操作頻率約為3次/min。然后服務端可將，在1min-3min內(nèi)游戲操作速率為10次/min，在2min-4min內(nèi)游戲操作速率約為6次/min以及在3min-5min內(nèi)游戲操作頻率約為3次/min，作為針對該操作指標數(shù)據(jù)的參數(shù)值。

服務端可將這三個參數(shù)值分別與上述操作指標閾值比較，服務端發(fā)現(xiàn)這三個參數(shù)值均小于該操作指標閾值。服務端可判定該目標用戶為消極用戶。在確定消極用戶后，服務端可對該消極用戶進行相應的處理。

例如，服務端可向該消極用戶的客戶端返回提示消息，例如“禁止掛機”，或者禁止該用戶在預設的時間內(nèi)進行游戲，或者扣除該消極用戶的用戶賬戶中的信譽分等。

本申請?zhí)岢鲆环N消極用戶的識別方法，在消極用戶識別時，服務端可獲取目標用戶在執(zhí)行目標交互任務時的目標操作指標數(shù)據(jù)，并可比較所述目標操作指標數(shù)據(jù)與預設的操作指標閾值。其中，該操作指標閾值可由預設的指標閾值模型基于對輸入該模型中的若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析得到。如果所述操作指標數(shù)據(jù)不高于所述預設的操作指標閾值，服務端可判定該用戶為消極用戶，并進行針對消極用戶的處理。

一方面，由于服務端可以比較目標用戶的目標操作指標數(shù)據(jù)與操作指標閾值，并在目標操作指標數(shù)據(jù)不高于操作指標閾值時，判定該目標用戶為消極用戶，從而實現(xiàn)了消極用戶的識別。

另一方面，由于操作指標閾值可由指標閾值模型對若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析而動態(tài)得到，隨著用戶操作指標數(shù)據(jù)樣本的不斷增加，該操作指標閾值也更加精確，因此極大地提高了消極用戶識別的準確性。

與前述消極用戶的識別方法的實施例相對應，本申請還提供了消極用戶的識別裝置的實施例。

參見圖3，圖3是本申請一示例性實施例示出的一種消極用戶的識別裝置的框圖；該裝置可包括：獲取單元310，比較單元320和識別單元330。

其中，獲取單元310，用于獲取目標用戶在執(zhí)行目標交互任務時的目標操作指標數(shù)據(jù)；

比較單元320，用于比較所述目標操作指標數(shù)據(jù)與預設的操作指標閾值；其中，所述操作指標閾值由預設的指標閾值模型基于對輸入該模型中的若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析得到；

識別單元330，用于如果所述目標操作指標數(shù)據(jù)不高于所述預設的操作指標閾值，則判定該目標用戶為消極用戶，并進行針對消極用戶的處理。

根據(jù)一個示例，所述裝置還包括構(gòu)建單元340，用于獲取若干用戶在執(zhí)行目標交互任務時的操作指標數(shù)據(jù)；在所述若干用戶的操作指標數(shù)據(jù)中，確定正常用戶的操作指標數(shù)據(jù)；其中，所述正常用戶的操作指標數(shù)據(jù)基于對所述若干用戶的操作指標數(shù)據(jù)進行統(tǒng)計分析得到或者通過標定得到；基于獲取到的針對所正常用戶的若干操作指標數(shù)據(jù)，構(gòu)建指標閾值模型；基于新增用戶的操作指標數(shù)據(jù)，動態(tài)優(yōu)化所述指標閾值模型。

根據(jù)一個示例，所述構(gòu)建單元340，在獲取若干用戶在執(zhí)行目標交互任務時的操作指標數(shù)據(jù)時，還具體用于接收客戶端上傳的分值超過預設分值的操作指標數(shù)據(jù)或者所述客戶端基于用戶指令上傳針對若干用戶的操作指標數(shù)據(jù)；或者，接收客戶端上傳的針對若干用戶的操作指標數(shù)據(jù)；基于預設的評分規(guī)則，分別計算各用戶的操作指標數(shù)據(jù)的目標分值；獲取目標分值高于預設分值的操作指標數(shù)據(jù)。

根據(jù)一個示例，所述構(gòu)建單元340，在獲取若干用戶在執(zhí)行目標交互任務時的操作指標數(shù)據(jù)時，還具體用于接收客戶端上傳針對若干用戶的部分操作指標數(shù)據(jù)；基于客戶端上傳的部分操作指標數(shù)據(jù)，分別模擬各用戶完整的操作指標數(shù)據(jù)；基于預設的評分規(guī)則，分別計算各用戶的完整的操作指標數(shù)據(jù)的目標分值，獲取目標分值高于預設分數(shù)的完整的操作指標數(shù)據(jù)。

根據(jù)一個示例，所述操作指標閾值由預設的指標閾值模型基于對輸入該模型中的若干正常用戶的操作指標數(shù)據(jù)樣本統(tǒng)計分析得到；其中，所述正常用戶的操作指標數(shù)據(jù)樣本基于對所述若干用戶操作指標數(shù)據(jù)進行統(tǒng)計分析得到或者通過標定得到；

所述比較單元320，具體用于比較所述目標操作指標數(shù)據(jù)與基于對若干正常用戶的操作指標數(shù)據(jù)樣本統(tǒng)計分析得到的操作指標閾值。

根據(jù)一個示例，所述操作指標閾值由預設的指標閾值模型基于對輸入該模型中的所述用戶的若干歷史操作指標數(shù)據(jù)樣本統(tǒng)計分析得到；

所述比較單元320，具體用于查找針對所述用戶的若干歷史操作指標數(shù)據(jù)樣本統(tǒng)計分析得到的操作指標閾值；比較所述目標操作指標數(shù)據(jù)與查找到的所述操作指標閾值。

本申請消極用戶的識別裝置的實施例可以應用在服務器上。裝置實施例可以通過軟件實現(xiàn)，也可以通過硬件或者軟硬件結(jié)合的方式實現(xiàn)。以軟件實現(xiàn)為例，作為一個邏輯意義上的裝置，是通過其所在服務器的處理器將非易失性存儲器中對應的計算機程序指令讀取到內(nèi)存中運行形成的。從硬件層面而言，如圖4所示，為本申請消極用戶的識別裝置所在服務器的一種硬件結(jié)構(gòu)圖，除了圖4所示的處理器401、機器可讀存儲介質(zhì)402、以及網(wǎng)絡出接口403之外，實施例中裝置所在的服務器通常根據(jù)該服務器的實際功能，還可以包括其他硬件，對此不再贅述。

在不同的實施例中，所述機器可讀存儲介質(zhì)可以是任何電子、磁性、光學或其他物理存儲裝置，可以包含存儲信息，如可執(zhí)行指令、數(shù)據(jù)的，等等。例如，機器可讀存儲介質(zhì)可以是：ram(radomaccessmemory，隨機存取存儲器)、易失存儲器、非易失性存儲器、閃存、存儲驅(qū)動器(如硬盤驅(qū)動器)、固態(tài)硬盤、任何類型的存儲盤(如光盤、dvd等)，或者類似的存儲介質(zhì)，或者它們的組合。

進一步，機器可讀存儲介質(zhì)402上可儲存處理器401執(zhí)行消極用戶識別的控制邏輯對應的機器可執(zhí)行指令。例如，機器可讀存儲介質(zhì)402上可存儲上述獲取單元310、比較單元320、識別單元330和構(gòu)建單元340(圖4中未示出)所對應的機器可執(zhí)行指令。

該服務器的處理器通過調(diào)用機器可讀存儲介質(zhì)上儲存的與消極用戶識別的控制邏輯對應的機器可執(zhí)行指令，所述處理器被促使：

獲取目標用戶在執(zhí)行目標交互任務時的目標操作指標數(shù)據(jù)；

比較所述目標操作指標數(shù)據(jù)與預設的操作指標閾值；其中，所述操作指標閾值由預設的指標閾值模型基于對輸入該模型中的若干用戶操作指標數(shù)據(jù)樣本統(tǒng)計分析得到；

如果所述目標操作指標數(shù)據(jù)不高于所述預設的操作指標閾值，則判定該目標用戶為消極用戶，并進行針對消極用戶的處理。

上述裝置中各個單元的功能和作用的實現(xiàn)過程具體詳見上述方法中對應步驟的實現(xiàn)過程，在此不再贅述。

對于裝置實施例而言，由于其基本對應于方法實施例，所以相關之處參見方法實施例的部分說明即可。以上所描述的裝置實施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡單元上。可以根據(jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本申請方案的目的。本領域普通技術人員在不付出創(chuàng)造性勞動的情況下，即可以理解并實施。

以上所述僅為本申請的較佳實施例而已，并不用以限制本申請，凡在本申請的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應包含在本申請保護的范圍之內(nèi)。