买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州云近科技有限公司申请的专利一种基于玩家设备参数的游戏运行数据处理方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118576977B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410640787.1，技术领域涉及：A63F13/77；该发明授权一种基于玩家设备参数的游戏运行数据处理方法及装置是由童四林设计研发完成，并于2024-05-22向国家知识产权局提交的专利申请。

本一种基于玩家设备参数的游戏运行数据处理方法及装置在说明书摘要公布了：本申请提供一种基于玩家设备参数的游戏运行数据处理方法及装置，包括：基于玩家设备的设备性能参数对设备进行性能预测；将设备划分为不同的设备群组，对设备群组内设备进行性能预测，并生成数据处理策略；对目标设备的实时设备外参进行量化评估，实时调整游戏的运行参数；根据目标设备所在设备群组的平均设备外参的偏差，动态调整数据处理策略参数；评估数据处理策略在目标设备上的性能指标，优化数据处理策略和设备群组分类模型；根据设备群组的共同性能问题调整数据处理策略的生成参数；根据冷却效率指标和续航能力数据的关联度强弱调整设备性能模型；生成设备群组对应的性能优化操作指令。

本发明授权一种基于玩家设备参数的游戏运行数据处理方法及装置在权利要求书中公布了：1.一种基于玩家设备参数的游戏运行数据处理方法，其特征在于，所述方法包括： 通过API获取玩家设备的设备性能参数，构建设备性能模型，基于玩家设备的设备性能参数对设备进行性能预测，得到设备在不同应用场景下的设备外参； 根据玩家设备的设备性能参数，构建设备群组分类模型，将设备划分为不同的设备群组，通过设备性能模型得到设备群组内设备的冷却效率指标和续航能力数据，生成对应的数据处理策略； 实时监测目标设备运行游戏时的实时设备外参，对目标设备的实时设备外参进行量化评估，通过不同的等级控制渲染质量的降低幅度，实时调整游戏的运行参数； 根据目标设备的实时设备外参，确定目标设备所在设备群组的平均设备外参的偏差，基于偏差的大小和方向，动态调整数据处理策略参数，并根据不同设备群组的用户满意度得分，进行数据处理策略的优化； 基于调整后的数据处理策略，评估数据处理策略在目标设备上的性能指标，得到综合性能指标最大化的参数组合，作为数据处理策略的优化参数，优化数据处理策略和设备群组分类模型； 根据同一设备群组中不同设备的实时设备外参，确定设备群组对应的共同性能问题，并基于共同性能问题调整数据处理策略的生成参数，并持续监测设备群组的性能指标，评估数据处理策略调整的效果； 根据不同设备群组中的设备的实时设备外参，确定冷却效率指标和续航能力数据的关联度，并根据关联度的强弱调整设备性能模型； 根据设备群组的性能指标和优化需求，生成设备群组对应的性能优化操作指令发送至设备群组中的各个设备，并基于性能优化操作的优化效果对性能优化操作进行调整； 其中，所述通过API获取玩家设备的设备性能参数，构建设备性能模型，基于玩家设备的设备性能参数对设备进行性能预测，得到设备在不同应用场景下的设备外参，包括： 通过API获取玩家设备的设备性能参数，包括设备内参和设备外参，其中，设备内参包括处理器型号、核心数、主频和内存大小，设备外参包括画质指标、冷却效率指标和续航能力数据，画质指标包括帧率、渲染分辨率、纹理质量、图像清晰度、色彩饱和度；将获取的设备性能参数进行标准化处理，并将设备性能参数向量化；根据向量化后的设备性能参数，利用循环神经网络算法构建设备性能模型，建立设备内参和设备外参之间的映射关系；基于获取的玩家设备的设备性能参数，对设备性能模型进行训练和优化，通过循环迭代的方式，调整设备性能模型参数的特征权重；根据新设备的内参信息，使用训练好的设备性能模型对设备进行性能参数预测，得到设备在不同应用场景下的设备外参；将预测结果与实际测试结果进行比对，得到设备性能模型的预测误差和置信度，并对设备性能模型进行持续的监控和改进；利用设备性能模型的预测结果进行设备的选型、优化和改进，包括根据预测的散热效率指标优化设备的散热设计、根据预测的续航能力数据选择电池容量； 其中，所述根据目标设备的实时设备外参，确定目标设备所在设备群组的平均设备外参的偏差，基于偏差的大小和方向，动态调整数据处理策略参数，并根据不同设备群组的用户满意度得分，进行数据处理策略的优化，包括： 监测目标设备的实时设备外参，包括帧率、渲染分辨率、纹理质量、图像清晰度、色彩饱和度，并对各个外参指标进行归一化处理，计算归一化后的指标向量之间的欧氏距离，得到目标设备外参与群组平均外参之间的偏差；若偏差超过预设偏差阈值，则根据偏差的大小和方向，动态调整数据处理策略参数，数据处理策略参数包括纹理质量和渲染分辨率；持续监测目标设备在数据处理策略参数调整后的性能指标，通过滑动窗口的方法，动态更新外参偏差的计算结果；根据目标设备的性能指标和用户反馈，使用Q-learning算法,以设备性能指标和用户满意度作为奖励信号，自动学习和优化数据处理策略参数；若调整后的偏差仍然超过预设偏差阈值，则继续调整数据处理策略；若调整数据处理策略的次数超过预设次数阈值，目标设备的外参偏差仍然超过预设偏差阈值，则将目标设备重新进行设备群组划分，匹配与之相似度最高的设备群组；通过游戏内置的反馈界面获取用户体验反馈数据，包括用户评分和评论，对用户体验反馈数据进行预处理，包括去除噪声、分词、标注情感标签；在标注好的情感数据上对BERT模型进行微调，使用微调后的BERT模型，对新的用户评论数据进行情感分类，确定每条评论的情感倾向；根据情感分类结果，计算不同设备群组的用户满意度得分；根据设备性能指标和用户体验反馈，进行数据处理策略的优化，将数据处理策略的优化结果反馈给策略调整模块；根据历史设备外参数据和用户满意度，使用EWMA算法动态调整预设偏差阈值； 其中，所述基于调整后的数据处理策略，评估数据处理策略在目标设备上的性能指标，得到综合性能指标最大化的参数组合，作为数据处理策略的优化参数，优化数据处理策略和设备群组分类模型，包括: 根据调整后的数据处理策略，提取数据处理策略中的关键参数，确定数据处理策略参数向量；关键参数包括渲染质量等级和帧率限制阈值；根据策略参数向量，使用K-means聚类算法进行模型训练，对数据处理策略参数向量进行分组；对于每个数据处理策略参数组，包括采用高斯过程作为先验分布、使用期望提升作为采集函数、通过随机梯度下降法更新高斯过程的超参数，评估数据处理策略在目标设备上的性能指标，得到综合性能指标最大化的参数组合，作为数据处理策略的优化参数，其中，综合性能指标包括设备性能参数、游戏收入、用户留存率；根据数据处理策略的关键参数，利用循环神经算法构建策略生成模型，确定优化后的数据处理策略；将优化后的数据处理策略参数作为训练数据，重新训练策略生成模型，并通过修改策略生成模型的损失函数，加入参数偏移惩罚项，得到优化后的策略生成模型；根据目标设备在调整数据处理策略后的性能指标，评估目标设备与原设备群组的相似度，通过计算设备外参指标向量与群组中心向量的马哈拉诺比斯距离，判断目标设备是否匹配当前群组；若目标设备与原群组的相似度低于预设相似度阈值，则通过增量学习的方式，更新设备群组分类模型的参数和决策边界，通过梯度下降法对设备群组分类模型的部分参数进行微调，并重新对目标设备进行分类预测，得到其所属的新设备群组；将新设备的设备性能参数作为数据处理策略优化的新目标，形成数据处理策略优化与设备分类之间的双向反馈机制；通过建立数据处理策略优化与游戏运营之间的反馈通道，将数据处理策略对业务指标的影响反馈给策略优化模块，实现业务驱动的数据处理策略优化闭环；通过持续监测优化后的数据处理策略在目标设备上的执行效果，设置评估周期和评估指标体系，定期评估数据处理策略对设备性能和用户体验的提升数据，并将评估结果作用于数据处理策略优化和设备群组分类的迭代； 其中，所述根据同一设备群组中不同设备的实时设备外参，确定设备群组对应的共同性能问题，并基于共同性能问题调整数据处理策略的生成参数，并持续监测设备群组的性能指标，评估数据处理策略调整的效果，包括: 通过设备传感器，以固定的频率进行采样，实时获取设备群组中各个设备的运行时的设备运行数据，形成设备运行时间序列数据，设备运行数据包括CPU温度、GPU温度、电池电量、功耗；对设备运行时间序列数据进行预处理，包括采用四分位距法进行异常值检测，异常阈值设置为Q1-1.5IQR和Q3+1.5IQR，识别并剔除异常值；采用指数加权移动平均进行数据平滑，消除短期波动；设定固定大小的时间窗口，每隔一定时间滑动一次；针对每个设备运行数据的参数，计算同一设备群组内不同设备在各个时间窗口上的统计量，包括均值、方差、峰值，通过比较不同设备之间的统计量差异，识别出群组内共同存在的性能问题；计算设备电池电量下降的速度，若在预设的时间内电量下降速度大于预设速度阈值，则判定设备为续航问题设备；根据设备运行时间序列数据，构建特征向量，包括均值、标准差、峰度和小波变换系数，训练隔离森林模型，设置异常阈值，对超出异常阈值的设备进行问题标记和告警；根据识别出的性能问题，进行问题分类和归因识别，判断问题是硬件问题还是软件问题；若判断为硬件问题，则通过优化硬件设计或选用高端器件解决；若判断为软件问题，则通过减少渲染负载、降低模型复杂度缓解硬件的性能瓶颈；将识别出的群组内共同存在的性能问题映射到数据处理策略的生成参数上，根据问题类型和严重程度，确定需要调整的参数项和调整幅度；根据不同的性能问题，进行数据处理策略的参数调整，包括对于高温问题，优先调整渲染分辨率和帧率上限、对于续航问题，优先调整屏幕亮度和数据传输频率，并根据问题严重程度设置若干档位；将调整后的数据处理生成参数输入到优化后的策略生成模型中，得到优化后的数据处理策略；在优化后的数据处理策略部署后，持续监测设备群组的性能指标，通过优化前后的性能指标对比，评估数据处理策略调整的效果；设置量化的评估指标，对于不同的游戏类型和设备群组，设置差异化的评估目标；在AB测试中，选择预设数量设备作为实验组，采用优化后的数据处理策略，其余设备作为对照组，采用旧数据处理策略，获取预设时间段内两组设备的关键指标变化，关键指标包括设备性能参数、游戏收入、用户留存率，验证优化后的数据处理策略的有效性和安全性；将调整效果良好的数据处理策略推广到其他设备群组，并对调整效果不佳的数据处理策略进行归因识别，并迭代优化数据处理策略生成参数，直到确定最优的数据处理策略配置。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州云近科技有限公司，其通讯地址为：510000 广东省广州市白云区太和镇永兴九社龙井西路53号A幢3楼(自主申报)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。