實現游戲業務量預估的方法、裝置和計算機可讀存儲介質與流程

本發明涉及互聯網應用技術領域，特別涉及一種實現游戲業務量預估的方法、裝置和計算機可讀存儲介質。

背景技術：

隨著互聯網應用技術的迅猛發展，出現了各種游戲業務。各種游戲業務在其運營中往往需要獲得游戲業務量，以描述游戲業務的運營情況。游戲業務量作為運營情況的數據反映，可以進行游戲業務量的預測而為游戲業務的運營提供未來業務量數據，進而為服務器資源的合理調度和運營決策提供保障。

在實際游戲業務運營過程中，往往存在著常態化的運營以及非常態化運營。例如，節假日期這一特殊場景的游戲業務運營即為非常態化運營過程。

但是，所進行的游戲業務量預測是以游戲業務的常態化運營為基準的，相應獲得的未來業務量數據用于反映長期趨勢性。非常態化游戲業務運營中實際產生的游戲業務量與長期趨勢性不相符。因此，現有的游戲業務量預測并未適用于非常態化運營，特別是節假日這一特殊場景游戲業務的運營，其原因在于現有游戲業務量預測的實現僅僅是基于長期趨勢性的歷史統計數據。

由此，所獲得的未來業務量數據與常態化的游戲業務量相匹配，相對于非常態化的游戲業務量，特別是在節假日這一特殊場景下的預測，往往存在著非常大的偏差，進而造成游戲業務量的預測精度較低。

技術實現要素：

為了解決相關技術中游戲業務量的預測在節假日這一特殊場景下存在著精底較低，偏差較大的技術問題，本發明提供了一種實現游戲業務量預估的方法、裝置和計算機可讀存儲介質。

一種實現游戲業務量預估的方法，所述方法包括：

根據游戲業務運行的歷史統計數據而預測得到待預測節假日的預測值；

在得到所述待預測節假日的預測值之后，由游戲業務運行的歷史統計數據計算待預測節假日在歷史年度中與其它節假日之間的關聯關系，由此關聯關系獲得待預測節假日關聯的歷史已發生節假日；

根據所述待預測節假日關聯的歷史已發生節假日，從所述歷史統計數據得到所述待預測節假日期間游戲業務量的相似歷史統計數據；

根據所述游戲業務量的相似歷史統計數據對所述待預測節假日的預測值進行增益處理，通過所述預測值的增益處理而修正所述預測值。

一種實現游戲業務量預估的裝置，所述裝置包括：

游戲業務量預測模塊，用于根據游戲業務運行的歷史統計數據而預測得到待預測節假日的預測值；

關聯假日獲得模塊，用于在得到所述待預測節假日的預測值之后，根據游戲業務運行的歷史統計數據計算待預測節假日在歷史年度中與其它節假日之間的關聯關系，由所述關聯關系獲得待預測節假日關聯的歷史已發生節假日；

相似數據獲得模塊，用于根據所述待預測節假日關聯的歷史已發生節假日，從所述歷史統計數據得到所述待預測節假日期間游戲業務量的相似歷史統計數據；

預測修正模塊，用于根據所述游戲業務量的相似歷史統計數據修正所述待預測節假日的預測值進行增益處理，通過所述預測值的增益處理而修正所述預測值。

一種實現游戲業務量預估的裝置，包括：

處理器；以及

存儲器，所述存儲器上存儲有計算機可讀指令，所述計算機可讀指令被所述處理器執行時實現如上所述的實現游戲業務量預估的方法。

一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如上所述的實現游戲業務量預估的方法。

本發明的實施例提供的技術方案可以包括以下有益效果：

在隨著游戲業務的運行而產生的歷史統計數據中，首先根據游戲業務運行的歷史統計數據而預測得到待預測節假日的預測值，在得到待預測節假日的預測值之后，由游戲業務運行的歷史統計數據計算待預測節假日在歷史年度中與其它節假日之間的關聯關系，由關聯關系獲得待預測節假日關聯的歷史已發生節假日，由此相應得到了待預測節假日期間游戲業務量的相似歷史統計數據，相似歷史統計數據是與節假日這一特殊場景下游戲業務運營情況存在著相似性的，對于節假日所對應非常態化運營時游戲業務量的預測值，能夠以相似歷史統計數據為依據進行與節假日所對應非常態運營情況相符的修正，從而使得游戲業務量的預測在節假日這一特殊場景下存在著精度較高，偏差小的優勢。

應當理解的是，以上的一般描述和后文的細節描述僅是示例性的，并不能限制本發明。

附圖說明

此處的附圖被并入說明書中并構成本說明書的一部分，示出了符合本發明的實施例，并于說明書一起用于解釋本發明的原理。

圖1是根據一示例性實施例示出的一種實現游戲業務量預估的方法的流程圖；

圖2是根據圖1對應實施例示出的對步驟130的細節進行描述的流程圖；

圖3是根據圖2對應實施例示出的對步驟133的細節進行描述的流程圖；

圖4是根據圖2對應實施例示出的對步驟131的細節進行描述的流程圖；

圖5是根據圖2對應實施例示出的對步驟110的細節進行描述的流程圖；

圖6是根據另一示例性實施例示出的一種實現游戲業務量預估的方法的流程圖；

圖7是根據圖1對應實施例示出的對步驟170的細節進行描述的流程圖；

圖8是根據一示例性實施例示出的節假日預測修正的流程框架示意圖；

圖9是根據一實際預測中節假日前兩天預測與實際值修正前后的比對示意圖；

圖10是根據一示例性實施例示出的一種實現游戲業務量預估的裝置的框圖；

圖11是根據圖10對應實施例示出的對關聯假日獲得模塊的細節進行描述的框圖；

圖12是根據圖11對應實施例示出的對關聯性運算單元的細節進行描述的框圖；

圖13是根據圖11對應實施例示出的對數據處理單元的細節進行描述的框圖；

圖14是根據圖10對應實施例示出的對游戲業務量預測模塊的細節進行描述的框圖；

圖15是根據另一示例性實施例示出的一種實現游戲業務量預估的裝置的框圖；

圖16是根據圖10對應實施例示出的對預測修正模塊的細節進行描述的框圖；

圖17是根據一示例性實施例示出的一種裝置的框圖。

具體實施方式

這里將詳細地對示例性實施例執行說明，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發明相一致的所有實施方式。相反，它們僅是與如所附權利要求書中所詳述的、本發明的一些方面相一致的裝置和方法的例子。

圖1是根據一示例性實施例示出的一種實現游戲業務量預估的方法的流程圖。該實現游戲業務量預估的方法，如圖1所示，可以包括以下步驟。

在步驟110中，根據游戲業務運行的歷史統計數據而預測得到待預測節假日的預測值。

其中，游戲業務用于實現相應游戲應用中提供給用戶的各種服務。例如，通過游戲業務的配置而在用戶所運行的游戲應用中的虛擬游戲場景，并且在此虛擬游戲場景實現相應虛擬角色對象的操控。

用于進行待預測節假日預測的歷史統計數據是這一待預測節假日在歷史年度的歷史統計數據，其可根據待預測節假日在游戲業務運行而產生的歷史統計數據中，提取進行待預測節假日預測的歷史統計數據。

待預測節假日的預測值，是為即將發生的節假日，即待預測節假日進行游戲業務量的預測而獲得。在游戲業務的長期性運營中，進行著即將發生的時間段實現此時間段的游戲業務量預測，待預測節假日便作為一即將發生的時間段而加入日常的游戲業務量預測。

在步驟130中，在得到待預測節假日的預測值之后，根據游戲業務運行的歷史統計數據計算待預測節假日在歷史年度中與其它節假日之間的關聯關系，由關聯關系獲得待預測節假日關聯的歷史已發生節假日。

其中，游戲業務被配置于游戲應用中，有其對應的業務邏輯，通過業務邏輯的執行實現游戲應用中的相應游戲業務，最終為用戶實現虛擬場景下的交互。

游戲業務在被投放運營的過程中，隨著用戶通過客戶端中游戲業務的觸發而使得此游戲業務被運行，進而方能夠實現可供用戶操控的虛擬場景。在游戲業務的運行中，會不斷進行游戲業務量的統計產生相應統計數據，進而作為游戲業務運行的歷史統計數據存儲。

因此，歷史統計數據指示了游戲業務運行的游戲業務量，用于反映游戲業務的運營狀況。根據歷史統計數據可以回溯游戲業務的運營。

在游戲業務被投放運營的過程中，隨著其持續運行，必然會經歷各種節假日，節假日的存在將對游戲業務的運行情況產生影響。例如，在節假日期間，游戲業務量往往會發生漲跌，而較之平日下的常態而言，大不相同。

在所進行的游戲業務量預估中，每當即將迎來一節假日，都需要專門對此節假日進行有針對性的游戲業務量預估。

由此，待預測節假日是即將到來的一節假日，將即將到來的節假日指定為待預測節假日。

歷史已發生節假日是與待預測節假日之間具備關聯關系的節假日。游戲業務運行的歷史統計數據中，存在著游戲業務被投放運營以來每一歷史年度中每一天的游戲業務數據，而任一節假日都是對應于所在歷史年度的某一天的，故從游戲業務運行的歷史統計數據中能夠獲得歷史年度中各節假日的歷史統計數據。

歷史年度中的各節假日，存在著與待預測節假日實質為相同節日的一節假日，以及其它節假日。在各歷史年度中，以歷史統計數據為依據，計算待預測節假日在歷史年度中與其它節假日之間的關聯關系，由此關聯關系便獲得待預測節假日在各歷史年度中關聯的歷史已發生節假日。

在一個示例性實施例的具體實現中，所進行的歷史已發生節假日的計算是針對每一歷史年度以及業務渠道而執行的。可以理解的，游戲業務的投放運行必然是依賴于各種業務渠道的，例如，可供用戶獲得此游戲業務的平臺等，游戲業務的運行中根據其所在的業務渠道，運營情況各有不同，與之相對應的游戲業務量也各不相同。

針對每一歷史年度，以及此歷史年度中每一業務渠道為待預測節假日計算關聯的歷史已發生節假日。待預測節假日的游戲業務量預測將會針對不同業務渠道進行，能夠提高預測的有效性和針對性，進而使得預測的精準性獲得相應提高。

至此便可以為待預測節假日在游戲業務運行的歷史統計數據獲得所有與之存在關聯關系的歷史已發生節假日，進而為后續所進行待預測節假日期間游戲業務量的預測提供足夠的樣本，能夠以此為基礎優化預測過程。

在步驟150中，根據待預測節假日關聯的歷史已發生節假日，從歷史統計數據得到待預測節假日期間游戲業務量的相似歷史統計數據。

其中，相似歷史統計數據與待預測節假日期間游戲業務量存在相似性，因此相似歷史統計數據可以作為待預測節假日在各歷史年度的歷史統計。

如前所述的，待預測節假日關聯的歷史已發生節假日與待預測節假日之間具備著相似性關系，可以按照待預測節假日關聯的歷史已發生節假日在歷史統計數據中提取其所對應的歷史統計數據，進而將提取的歷史統計數據作為待預測節假日期間游戲業務量的相似歷史統計數據。

遍歷游戲業務所有歷史年度和所有業務渠道，獲得待預測節假日關聯歷史已發生節假日的歷史統計數據，由獲得的歷史統計數據而獲得分別對應于所有歷史已發生節假日且相對于待預測節假日相似的相似歷史統計數據。

在此應當進行說明的是，前述步驟所獲得的待預測節假日關聯的歷史已發生節假日，每一歷史已發生節假日都是唯一對應于一歷史年度，甚至于還唯一對應于一業務渠道。

在步驟170中，根據游戲業務量的相似歷史統計數據對待預測節假日的預測值進行增益處理，通過預測值的增益處理而修正預測值。

其中，如前所述的，待預測節假日的預測值是基于游戲業務運行的歷史統計數據而預測得到的。

應當理解的，在游戲業務被投放運營的過程中，會發布各種活動進行此游戲業務的推廣，也會隨著游戲業務的不斷優化而進行版本發布。游戲業務的運營情況，將隨著各種活動的發布、新版本的發布以及節假日的到來而發生游戲業務量的漲跌。

但是，對于游戲業務而言，活動和版本更新是其運營所必然存在的，與游戲業務本身緊密相關，因此，活動和版本更新是游戲業務所必不可少的運營過程，其相應呈現的運營情況是常態化的運營情況。

換而言之，無論活動還是版本更新，均是有規律進行的有序執行過程，相對于持續所進行的長期趨勢記錄，活動和版本更新也是為游戲業務的運營而長期推進的，對應于活動發布和版本發布期間的歷史統計數據，是描述長期性趨勢的歷史統計數據的一部分，是游戲業務運行的常態化數據。

而節假日則是作為外部因素影響著游戲業務的運營，雖然也是有規律存在的，節假日會造成游戲業務量漲跌。節假日期間游戲業務運行而產生的歷史統計數據是游戲業務運行的非常態化數據。

基于游戲業務運行的歷史統計數據而預測得到待預測節假日的預測值，相對于節假日期間游戲業務的實質運營情況而言是極不準確的，需要對此進行修正。

對于一節假日而言，每一年度僅有一次，因此在一歷史年度中僅僅有一組歷史統計數據。每一歷史年度均有這一節假日的一組歷史統計數據。這對于節假日期間游戲業務量的預測，若以此節假日在每一歷史年度的一組歷史統計數據為樣本進行預測值的修正，必將會存在數據的有限的局限性，特別是發布時間不長的游戲業務，其數據則更少，并無法保證修正的準確性。

而為一節假日，即待預測節假日所獲得的相似歷史統計數據，則為其所對應的樣本實現了準確擴充，在擴大樣本量的同時，相似歷史統計數據是與待預測節假日期間游戲業務量的歷史統計數據相似的，因此相似歷史統計數據相對待預測節假日而言，也保障了所擴充樣本的準確性。

由此，即可根據相似歷史統計數據為待預測節假日進行預測值的修正。在一個示例性實施例的具體實現中，可以由相似歷史統計數據而運算得到待預測節假日期間存在的漲跌值，按照運算得到的漲跌值來對預測值進行增益處理。

進一步的，首先對相似歷史統計數據進行平均值的運算，得到一具體數值，再由此具體數值而運算得到待預測節假日期間存在的漲跌值。

在由上所述的示例性實施例中，為游戲業務的游戲業務量預估實現了針對于節假日這一特殊場景下游戲業務量的預測，進而相應獲得能夠準確反映節假日期間游戲業務運營情況，是對游戲業務運營中游戲業務量的長期性趨勢預測的準確性補充，具備非常強的針對性和有效性。

圖2是根據圖1對應實施例示出的對步驟130的細節進行描述的流程圖。該步驟130，如圖2所示，可以包括以下步驟。

在步驟131中，在預測得到待預測節假日的預測值之后，控制從游戲業務運行的歷史統計數據獲得對應于待預測節假日的統計數據序列，以及歷史已發生節假日統計數據序列，歷史已發生節假日統計數據序列對應的歷史已發生節假日區別于待預測節假日。

其中，在游戲業務運行的過程中，隨著游戲業務的持續運行而持續產生歷史統計數據。換而言之，持續產生的歷史統計數據是對應于所設定的每一時間節點的，例如，游戲業務運行的每一日。

不同節假日所對應的時間長度各不相同，由此在不同的節假日期間，包含了數量不同的時間節點。需要此預先進行處理，使得每一節假日包含相同的時間節點，相應的數據長度方能夠相同，從而方便后續進行準確的計算。

具體而言，在游戲業務運行的歷史統計數據中，針對每一節假日，按照指定的時間長度進行所對應歷史統計數據的統一處理，得到時間長度相同的統計數據序列。所對應節假日與待預測節假日相同的統計數據序列，是對應于待預測節假日的統計數據序列。

為其它節假日進行歷史統計數據統一處理而獲得的統計數據序列即為歷史已發生節假日統計數據序列。

在步驟133中，進行對應于待預測節假日的統計數據序列和歷史已發生節假日統計數據序列之間的運算，得到待預測節假日與歷史已發生節假日之間存在的關聯關系，從關聯關系獲得待預測節假日關聯的歷史已發生節假日。

其中，針對每一歷史年度，進行各節假日與待預測節假日二者之間統計數據序列的相似性運算，所指的各節假日，是歷史年度中區別于待預測節假日的其它節假日。

統計數據序列是對相應節假日期間游戲業務運營情況的數據描述。因此，通過統計數據序列的相似性運算實質即為兩個節假日的相似性評價過程，通過相似性評價過程而確定兩個節假日之間是否存在著關聯關系，進而確定與待預測節假日最為相似的節假日，此節假日即為與待預測節假日關聯的歷史已發生節假日，也就是說，與待預測節假日存在著關聯關系的歷史已發生節假日，才可成為待預測節假日關聯的歷史已發生節假日；反之，與待預測節假日并未存在關聯關系的歷史已發生節假日，則不可以作為待預測節假日關聯的歷史已發生節假日。

通過如上所述的示例性實施例，實現了待預測節假日與其它節假日的關聯性計算，借助于統計數據序列而保證關聯性計算的準確性。

圖3是根據圖2對應實施例示出的對步驟133的細節進行描述的流程圖。該步驟133，如圖3所示，可以包括以下步驟。

在步驟1331中，按照歷史年度進行對應于待預測節假日的統計數據序列和歷史已發生節假日統計數據序列之間的相似性運算，得到待預測節假日與對應歷史已發生節假日之間的距離。

其中，如前所述的，隨著游戲業務運營所經歷的年份，有其所對應的歷史年度，在此便針對每一歷史年度來進行相似性運算。

無論是對應于待預測節假日的統計數據序列，還是歷史已發生節假日統計數據序列，對節假日期間運營情況的特征向量表示，是對節假日期間的變化特征量化的結果，故直接以此為依據進行待預測節假日和每一歷史年度中其它歷史節假日之間的相似性運算，由此而獲得的數據，可以是以相似度的方式衡量相似性，也可以通過距離的方式衡量相似性。

在一個示例性實施例的具體實現中，相似性運算是距離運算。在此引入了閔可夫斯基距離(minkowskidistance)的概念。

閔可夫斯基距離定義如下：

其中，d12是特征x1k和特征x2k之間的距離，n為特征向量維度，p為一個變參數，p為1時d12是曼哈頓距離，p為2時d12是歐式距離，p為∞時d12是切比雪示夫距離。

在實際應用中，僅僅考慮了單一特征，統計數據序列用于指示一游戲業務量在節假日期間的變化率，因此使用歐式距離進行計算，度量游戲業務在各個業務渠道節假日的相似性，這一相似性指示了兩個節假日之間數據分布的相似程度，距離越大則相似性越低。

在步驟1333中，根據距離確定待預測節假日與歷史已發生節假日之間存在的關聯關系，將所述關聯關系指示的歷史已發生節假日作為與待預測節假日關聯的歷史已發生節假日。

其中，距離大小表征了待預測節假日與歷史已發生節假日之間的關聯性，因此可以根據距離大小而確定待預測節假日與一歷史已發生節假日之間是否存在著關聯關系，對應于較小距離的待預測節假日與歷史已發生節假日之間存在著關聯關系。根據所運算得到的距離來獲得每一歷史年度中相對待預測節假日距離較小的節假日，其即為與待預測節假日關聯的歷史已發生節假日。

通過如上所述的示例性實施例，為待預測節假日實現了關聯性計算，獲得待預測節假日在每一年度所存在的關聯關系，即由待預測節假日與其關聯的歷史已發生節假日構成了此關聯關系。

圖4是根據圖2對應實施例示出的對步驟131的細節進行描述的流程圖。該步驟131，如圖4所示，可以包括以下步驟。

在步驟1311中，預測得到待預測節假日的預測值之后，在游戲業務運行的歷史統計數據中，按照歷史年度所存在的節假日提取對應于待預測節假日的歷史統計數據和歷史已發生節假日歷史統計數據。

其中，首先按照歷史年度進行每一節假日所對應歷史統計數據的提取。對為每一節假日提取所獲得的歷史統計數據，所對應的時間長度可能相同，也可能各不相同。

例如，為元旦假期而獲得的歷史統計數據，其時間長度為三天；為春節假期而獲得的歷史統計數據，時間長度則為七天，以此類推，為五一假期獲得的歷史統計數據時間長度為三天，故各節假日之間其歷史統計數據的時間長度是相同的，也可以是不相同的。

在步驟1313中，按照指定時間長度分片處理對應于待預測節假日的歷史統計數據和歷史已發生節假日歷史統計數據，獲得對應于待預測節假日的統計數據序列和歷史已發生節假日統計數據序列。

其中，指定時間長度必須是在每一節假日均能夠滿足的。例如，指定時間長度可以是三天，當然并不限于此，可以根據年度中節假日的分布以及節假日的時間長度而最終確定。

分片處理用于對時間長度超出指定時間長度的歷史統計數據執行分片操作，獲得與指定時間長度相符的統計數據序列，具體而言，獲得對應于待預測節假日的統計數據序列和歷史已發生節假日統計數據序列。

具體的，對于與指定時間長度相符的歷史統計數據，將不做任何處理；對于超出指定時間長度的歷史統計數據，將按照指定時間長度對其執行分片操作，得到若干個統計數據序列。例如，對應于節假日前幾天的統計數據序列，對應于節假日后幾天的統計數據序列，甚至于對應于節假日中的統計數據序列。

通過如上所述的示例性實施例，使為每一節假日實現了數據的統一處理，最終獲得易于進行運算的序列。

所獲得的統計數據序列，將是相應節假日期間游戲業務運營的某一游戲業務量所對應的特征向量，以此來描述相應節假日期間游戲業務的運營情況。

根據圖1對應實施例，在一個示例性實施例中，相似歷史統計數據從歷史已發生節假日統計數據序列獲得，步驟130包括：

在由歷史統計數據獲得的歷史已發生節假日統計數據序列中，為待預測節假日提取得到對應于關聯歷史已發生節假日的歷史已發生節假日統計數據序列，提取的歷史已發生節假日統計數據序列即為待預測節假日期間游戲業務量的相似歷史統計數據。

其中，如前所述的，對于各節假日，包括與待預測節假日相同的節假日，都可由歷史統計數據而獲得相應統計數據序列。待預測節假日關聯的歷史已發生節假日有其對應的統計數據序列，即歷史已發生節假日統計數據序列。

由于歷史已發生節假日與待預測節假日存在著關聯關系，故二者所對應的統計數據序列所指示的游戲業務量分布是相似的。

圖5是根據圖3對應實施示出的對步驟110的細節進行描述的流程圖。步驟110如圖5所示，可以包括以下步驟。

在步驟111中，按照指定特征維度從游戲業務運行的歷史統計數據提取待測節假日期間游戲業務量預測的特征。

其中，首先應當說明的是，游戲業務量的長期趨勢預測是通過預先構建的模型實現。具體而言，將按照指定特征維度而為此預測提取相應特征，進而以提取的特征為輸入即可由預先構建的模型獲得游戲業務量的預測值。

而對于待預測節假日而言，也將通過預先構建的模型進行游戲業務量的預測，然后再對此預測進行修正即可。

游戲業務運營中存在著多種游戲業務量，并且也可以由某幾個游戲業務量作為特征，通過模型運算得到另一游戲業務量，因此，根據所預測游戲業務量的不同，所對應的特征維度以及特征各不相同，只需要按照指定特征維度進行歷史統計數據中的特征提取即可。

在步驟113中，通過特征在預先構建的回歸模型進行待預測節假日期間游戲業務量的預測，獲得待預測節假日的預測值。

其中，前述所指的模型，在一個示例性實施例的具體實現中，可以是回歸模型。例如，所使用的回歸模型可以包括線性回歸模型和隨機森林回歸模型。

用于描述游戲業務運營情況的數據包括dau(每日活躍用戶量，activedailyusers)、acu(平均同時在線玩家人數，averageconcurrentusers)和pcu(最高同時在線玩家人數，peakconcurrentusers)等。

為適應于游戲業務運營中的成本管理，包括服務器的縮容、降配、擴容、開區和監控告警等場景，游戲業務量將是以相應變化率的形式存在。

與之相對應的，所獲得的特征以及輸出的預測值也將是以變化率的形式而存在，進而方能夠準確應用于游戲業務運營的成本管理。

多種游戲業務量中，對于dau相關的游戲業務量預測，預測問題可以拆解成留存和新進，dau等于每日用戶留存量和每日用戶新進量的和，因此時間模型，比如時間序列模型arima，在dau相關游戲業務量的預測上能夠取得很好的效果。

與dau相比，pcu很難拆分，且游戲大區的pcu數據不夠平移。并且還常常會受到很多因素的影響而發生波動，比如，游戲業務所處的生命周期階段、活動發布、新版本發布、節假日等待。在實際運營過程中，上周同期的pcu經常被用來作為參考值。然而，當預測窗口超過15天時，針對pcu進行的游戲業務量預測中同期的預測值始終都是一個數值，這顯然是不準確的。假設上周同期的這個點剛好是一個異常點，預估偏差就會更大。

考慮到拆分的思路不可行，時間序列效果不明顯，相對于上周期偏差大，因此需要采用回歸模型來進行游戲業務量的預測。

回歸模型分為線性回歸模型和非線性回歸模型，線性回歸模型有經典的線性回歸模型(basiclinearregression)，非線性回歸模型有：隨機森林回歸模型(randomforestregression)。

在進行長期趨勢的預測中，通過模型而獲得預測值，具備高精度，而在節假日等特殊場景下，則需要通過關聯的歷史已發生節假日來修正。

圖6是根據另一示例性實施例示出的一種實現游戲業務量預估的方法的流程圖。該實現游戲業務量預估的方法，在步驟330之前，如圖6所示，可以包括以下步驟。

在步驟410中，由游戲業務運行的歷史統計數據獲得樣本數據。

其中，如前所述的，歷史統計數據是隨著游戲業務的運行而不斷產生的，因此，歷史統計數據包括了各歷史已發生時間節點所對應的歷史游戲業務量。對于回歸模型的訓練而言，將以此歷史游戲業務量作為樣本數據。

在步驟430中，進行樣本數據中的離群點檢測，剔除樣本數據中對應于特殊場景的數據點，得到回歸模型的訓練樣本。

其中，游戲業務的實際運營中，對于大量的樣本數據，相對于其長期趨勢，存在著離群點。而對于游戲業務，除了常規的活動發布和版本發布之外，隨著實際運營的情況往往存在著各種突發狀況，即非常規的活動發布和新版本發布，這樣的過程對于游戲業務運營而言是異常，而在所大量獲得的樣本數據中，也將表現為異常點。故對于模型訓練和后續的預測而言，都是等造成誤差的重要因素，應當在樣本數據中進行離群點的檢測，得到適用于回歸模型訓練的訓練樣本。

具體的，針對突發的活動發布和版本發布，可以采用sigma檢測來確定離群點，進而將確定的離群點從樣本數據中剔除即可。

在如上所述的示例性實施例中，為模型的訓練樣本準備提供了具體實現，并且保證了模型訓練和預測的精準性。

圖7是根據圖1對應實施例示出的對步驟170的細節進行描述的流程圖。該步驟170，如圖7所示，可以包括以下步驟。

在步驟151中，根據待預測節假日期間游戲業務量相似歷史統計數據獲得待測節假日的修正幅度值。

其中，如前所述的，預測節假日期間游戲業務量的相似歷史統計數據是由預測節假日所關聯歷史已發生節假日獲得的。具體而言，通過相似性計算而獲得待預測節假日所關聯的歷史已發生節假日。所獲得的歷史已發生節假日是針對于每一歷史年度中各節假日計算得到的，因此，為待預測節假日所獲得的歷史已發生節假日必然是分別于各歷史年度以及各節假日中的，其數量為多個。

與之相對應的，由于待預測節假日期間游戲業務量的相似歷史統計數據是按照待預測節假日所關聯歷史已發生節假日而填充得到的，其數量也為多個。

在一個示例性實施例的具體實現中，所獲得預測節假日期間游戲業務量相似歷史統計數據，將形成節假日相似序列矩陣，至此，便由此節假日相似序列矩陣來確定待預測節假日的修正幅度值。

由于相假歷史統計數據是作為待預測節假日的樣本補充而存在的，以彌補游戲業務運行的歷史統計數據中待預測節假日的樣本數據不充足，進而是能夠實現精準預測的缺陷，所以根據待預測節假日期間游戲業務量相似歷史統計數據而獲得待預測節假日的修正幅度值。修正幅度值指示了待預測節假日期間游戲業務量的預測值所需要進行的漲幅調整或跌幅調整。

在一個示例性實施例的具體實現中，可以是運算節假日相似序列矩陣中各元素之間的均值，根據此均值相對于上一預測窗口中的游戲業務量而得到待預測節假日的修正幅度值。

在另一個示例性實施例的具體實現迥，可通過節假日相似序列矩陣作為樣本而進行回歸模型的參數優化，以獲得適用于待預測節假日的模型，進而最終獲得優化修正后的修正幅度值。

在步驟173中，按照修正幅度值進行與預置強規則策略相符的預測值調整，獲得待預測節假日的預測優化值。

其中，強規則策略是為游戲業務的運營而預先配置的。強規則策略用于指示對待預測節假日所強制執行的調整。強規則策略包括節假日前兩天游戲業務量呈現明顯漲幅的策略、節假日后游戲業務量自然回落的策略等。

強規則策略根據游戲業務運營中面臨的問題，特別是節假日期間預測所面臨的問題而設定的，并且如前所述的，節假日作為特殊場景而存在，故由常態數據所實現的長期趨勢預測中，并未能夠準確反映特殊場景所存在的趨勢，進而需要基于長期趨勢預測而進行與預置強規則策略相符的預測值調整。

通過所進行的預測值調整，而保證了在后續回溯時能夠得到非常好的預測效果，預測優化值與實際值擬合度較好。

如上所述的示例性實施例中，是基于游戲業務的運營而執行的各種游戲業務量預測，因此，本發明所涉及的實施環境，可以是游戲服務器，也可以是為為游戲服務器而配置的機器，用于為此游戲服務器實現其所運營游戲業務的游戲業務量預測，在此不進行一一列舉和限定。

圖8是根據一示例性實施例示出的節假日預測修正的流程框架示意圖。在此節假日的預測修正中，以pcu相關的游戲業務量的預測為例，進行說明。

首先應當說明的是，對于與pcu相關的游戲業務量，游戲業務量指的是pcu相對于上一預測窗口中同期發生的漲幅或跌幅。預測窗口用于指示每一次預測所覆蓋的時間長度，例如，具體實現中，所配置的預測窗口往往是15日的時間長度。

與pcu所相關的游戲業務量預測中，指定了多個特征維度來進行特征的提取，所提取的特征主要包括dau和acu。

如圖8所示，與pcu所相關的游戲業務量預測的實現，分為兩大部分，一部分是模型的構建，另一部分則是游戲業務量預測本身。

首先對于模型的構建而言，如圖8所示的訓練集，將由游戲業務運行而獲得歷史統計數據，由此歷史統計數據通過執行前述圖6所示的示例性實施例而獲得模型構建所使用的訓練集510。

通過訓練集510而執行回歸學習過程530，以構建適用于當前游戲業務長期趨勢預測的回歸模型，即如圖8所示的函數h(x)。

在此基礎上，在進行某一節假日，即前述所指待預測節假日期間游戲業務量的預測時，需要首先通過關聯性計算而獲得關聯的歷史已發生節假日，然后再根據歷史已發生節假日來進行為待預測節假日進行樣本擴充，獲得待預測節假日期間游戲業務量的相似歷史統計數據。

通過待預測節假日期間游戲業務量的相似歷史統計數據來進行函數h(x)的優化，獲得此待預測節假日的修正函數f(x)。

至此，特征dau和acu在被輸入至回歸模型，即函數h(x)之后，所輸出的預測值通過修正函數f(x)而輸出得到預測優化值，此預測優化值是為pcu相關的游戲業務量所最終得到的預測結果。在函數h(x)至修正函數f(x)的過程中，所獲得的預測優化值相對于預測值，至少包括執行增益處理的過程。

例如，圖9是根據一實際預測中節假日前兩天預測與實際值修正前后的比對示意圖。對于節假日前兩天，結合游戲業務量相似歷史統計數據以及強規則策略進行修改，則是基于游戲業務量相似歷史統計數據進行增益處理并且保證增益處理的過程與強規則策略相符合的具體實現。

在圖9可以明顯看到，修正后的數值，相對于修正前，更符合節假日前存在活動發布而產生漲幅明顯的現象，預測精度提升較大。

因此，通過如上所述的示例性實施例，能夠為游戲運營中推廣、服務器資源合理調度，運營決策等提供有保障的未來趨勢數據，從而達到精細化運營的目的。

在如上所述的示例性實施例中，能夠在所進行的游戲業務量預測中保證預測優化值與實際值具備較好的擬合度，且消除過擬合，克服了節假日等特殊場景以及其它突發情況的影響。

下述為本發明裝置實施例，可以用于執行本發明上述實現游戲業務量預估的方法實施例。對于本發明裝置實施例中未披露的細節，請參照本發明實現游戲業務量預估的方法實施例。

圖10是根據一示例性實施例示出的一種實現游戲業務量預估的裝置的框圖。該實現游戲業務量預估的裝置，如圖10所示，可以包括但不限于：游戲業務量預測模塊710、關聯假日獲得模塊730、相似數據獲得模塊750和預測修正模塊770。

游戲業務量預測模塊710，用于根據游戲業務運行的歷史統計數據而預測得到待預測節假日的預測值。

關聯假日獲得模塊730，用于在得到待預測節假日的預測值之后，根據游戲業務運行的歷史統計數據計算待預測節假日在歷史年度中與其它節假日之間的關聯關系，由關聯關系獲得待預測節假日關聯的歷史已發生節假日。

相似數據獲得模塊750，用于根據待預測節假日關聯的歷史已發生節假日，從歷史統計數據得到待預測節假日期間游戲業務量的相似歷史統計數據。

預測修正模塊770，用于根據游戲業務量的相似歷史統計數據修正待預測節假日的預測值進行增益處理，通過所述預測值的增益處理而修正所述預測值。

圖11是根據圖10對應實施例示出的對關聯假日獲得模塊的細節進行描述的框圖。該關聯假日獲得模塊730，如圖11所示，可以包括但不限于：數據處理單元731和關聯性運算單元733。

數據處理單元731，用于在預測得到待預測節假日的預測值之后，控制從游戲業務運行的歷史統計數據獲得對應于待預測節假日的統計數據序列，以及歷史已發生節假日統計數據序列，歷史已發生節假日統計數據序列對應的歷史已發生節假日區別于待預測節假日。

關聯性運算單元733，用于進行對應于待預測節假日的統計數據序列和歷史已發生節假日統計數據序列之間的運算，得到待預測節假日與歷史已發生節假日之間存在的關聯關系，從關聯關系獲得待預測節假日關聯的歷史已發生節假日。

圖12是根據圖11對應實施例示出的對關聯性運算單元的細節進行描述的框圖。該關聯性運算單元733，如圖12所示，可以包括但不限于：相似性運算子單元7331和假日提取子單元7333。

相似性運算子單元7331，用于按照歷史年度進行對應于待預測節假日的統計數據序列和歷史已發生節假日統計數據序列之間的相似性運算，得到待預測節假日與對應歷史已發生節假日之間的距離。

假日提取子單元7333，用于根據距離確定待預測節假日與歷史已發生節假日之間存在的關聯關系，將關聯關系指示的歷史已發生節假日作為與待預測節假日關聯的歷史已發生節假日。

圖13是根據圖11對應實施例示出的對數據處理單元的細節進行描述的框圖。該數據處理單元731，如圖13所示，可以包括但不限于：歷史統計數據提取子單元7311和分片處理子單元7313。

歷史統計數據提取子單元7311，用于預測得到待預測節假日的預測值之后，在游戲業務運行的歷史統計數據中，按照歷史年度所存在的節假日提取對應于待預測節假日的歷史統計數據和歷史已發生節假日歷史統計數據。

分片處理子單元7313，用于按照指定時間長度分片處理對應于待預測節假日的歷史統計數據和歷史已發生節假日歷史統計數據，獲得對應于待預測節假日的統計數據序列和歷史已發生節假日統計數據序列。

在一個示例性實施例中，相似歷史統計數據從歷史已發生節假日統計數據序列獲得，圖10對應實施例的示的相似數據獲得模塊750進一步用于在由歷史統計數據獲得的歷史已發生節假日統計數據序列中，為待預測節假日提取得到對應于關聯歷史已發生節假日的歷史已發生節假日統計數據序列，提取的歷史已發生節假日統計數據序列即為待預測節假日期間游戲業務量的相似歷史統計數據。

圖14是根據圖10對應實施例示出的對游戲業務量預測模塊的細節進行描述的框圖。該游戲業務量預測模塊710，如圖14所示，可以包括但不限于：特征提取單元711和模型預測單元713。

特征提取單元711，用于按照指定特征統計從游戲業務運行的歷史統計數據提取待測節假日期間游戲業務量預測的特征。

模型預測單元713，用于通過特征在預先構建的回歸模型進行待預測節假日期間游戲業務量的預測，獲得待預測節假日的預測值。

圖15是根據另一示例性實施例示出的一種實現游戲業務量預估的裝置的框圖。該實現游戲業務量預估的裝置，如圖15所示，可以包括但不限于：樣本數據獲得模塊910和離群點檢測模塊930。

樣本數據獲得模塊910，用于由游戲業務運行的歷史統計數據獲得樣本數據。

離群點檢測模塊930，用于進行樣本數據中的離群點檢測，剔除樣本數據中對應于特殊場景的數據點，得到回歸模型的訓練樣本。

圖16是根據圖10對應實施例示出的對預測修正模塊的細節進行描述的框圖。該預測修正模塊770，如圖16所示，可以包括但不限于：修正幅度獲得單元771和強規則調整單元773。

修正幅度獲得單元771，用于根據待預測節假日期間游戲業務量相似歷史統計數據獲得待測節假日的修正幅度值。

強規則調整單元773，用于按照修正幅度值進行與預置強規則策略相符的預測值調整，獲得待預測節假日的預測優化值。

可選的，本發明還提供一種實現游戲業務量預估的裝置，執行圖1、圖2、圖3、圖4、圖5、圖6和圖7任一所示的實現游戲業務量預估的方法的全部或者部分步驟。所述裝置包括：

處理器；

用于存儲處理器可執行指令的存儲器；

其中，所述處理器被配置為執行：

根據游戲業務運行的歷史統計數據而預測得到待預測節假日的預測值；

在得到所述待預測節假日的預測值之后，根據游戲業務運行的歷史統計數據計算待預測節假日在歷史年度中與其它節假日之間的關聯關系，由所述關聯關系獲得待預測節假日關聯的歷史已發生節假日；

根據所述待預測節假日關聯的歷史已發生節假日，從所述歷史統計數據得到所述待預測節假日期間游戲業務量的相似歷史統計數據；

根據所述游戲業務量的相似歷史統計數據對所述待預測節假日的預測值進行增益處理，通過預測值的增益處理而修正預測值。

圖17是根據一示例性實施例示出的一種裝置的框圖。該裝置1000可因配置或性能不同而產生比較大的差異，可以包括一個或一個以上中央處理器(centralprocessingunits，cpu)1022(例如，一個或一個以上處理器)和存儲器1032，一個或一個以上存儲應用程序1042或數據1044的存儲介質1030(例如一個或一個以上海量存儲設備)。其中，存儲器1032和存儲介質1030可以是短暫存儲或持久存儲。存儲在存儲介質1030的程序可以包括一個或一個以上模塊(圖示未示出)，每個模塊可以包括對服務器中的一系列指令操作。更進一步地，中央處理器1022可以設置為與存儲介質1030通信，在裝置1000上執行存儲介質1030中的一系列指令操作。裝置1000還可以包括一個或一個以上電源1026，一個或一個以上有線或無線網絡接口1050，一個或一個以上輸入輸出接口1058，和/或，一個或一個以上操作系統1041，例如windowsservertm，macosxtm，unixtm，linuxtm，freebsdtm等等。上述圖1、圖2、圖3、圖4、圖5、圖6和圖7所示實施例中所述的由服務器所執行的步驟可以基于該圖17所示的裝置結構。

應當理解的是，本發明并不局限于上面已經描述并在附圖中示出的精確結構，并且可以在不脫離其范圍執行各種修改和改變。本發明的范圍僅由所附的權利要求來限制。