如何利用已有的业务数据进行大规模游戏知识图谱的建设
这里给出了一个游戏社交关系图谱的例子,对于社交类的游戏(例如 mmorpg),图中节点可以是游戏玩家和帮会,边可以是玩家和玩家之前丰富的社交关系(好友,仇敌,夫妻,结拜是兄弟等等),利用这个图谱,我们可以进行丰富的数据探索,例如:
- 社交发现
- 好友推荐
- 异常检测(例如游戏反外挂)
举一个简单的例子,在端游中,经常会遇到外挂群体,这种群体往往是以工作室的形式组织,具有一定的规模,这种群体往往进来游戏就是做任务,刷金币,不会和游戏内的其他玩家产生一些互动。利用社区发现技术,我们可以很容易的把这种『孤岛』挖掘出来,然后结合一定的人工筛选(比如对于孤岛中的玩家,进行采样,或者利用一些决策树的方式进行分析,判断是否是异常的玩家),就能够将一连串的外挂工作室账号找出来。这种基于图谱的反外挂方式,已经被广泛地应用到到了我们的多款游戏中。
再举一个例子,如何利用这种社交图谱进行好友推荐呢,这里可以用到图深度学习中的一类方案,叫做链接预测,也就是基于目前的图谱,我们进行图嵌入(graph embedding)训练,然后端到端地进行训练,输出是两个玩家是否具有某种社交关系(例如,对于好友推荐而言,就是好友关系),利用此类方案,可以进行游戏内的好友推荐,提升玩家的活跃度。