一种基于大数据分析的电子竞技服务管理系统

摘要

本发明提供一种基于大数据分析的电子竞技服务管理系统，包括：登录模块，用于对用户进行身份验证，供用户在身份验证后登录到服务管理系统；数据记录模块，用于获取用户的比赛记录数据；分析模块，用于根据用户的比赛记录数据进行大数据分析，获取用户的比赛特性参数；匹配模块，用于根据用户的比赛特性参数，从活跃用户中匹配合适的训练对手；邀约模块，用于为用户与训练对手建立聊天室，供用户与训练对手进行沟通完成比赛邀约。本发明能够为基层电竞队伍/选手建立有效的训练对手配对平台，基于大数据分析技术，对用户的实际情况进行准确评估，有助于用户能够快速、准确匹配合适的训练对手，有助于提高了电竞队伍/选手日常训练的效果。

权利要求

1.一种基于大数据分析的电子竞技服务管理系统，其特征在于，包括：登录模块，用于对用户进行身份验证，供用户在身份验证后登录到服务管理系统；

数据记录模块，用于获取用户的比赛记录数据；

分析模块，用于根据用户的比赛记录数据进行大数据分析，获取用户的比赛特性参数；

匹配模块，用于根据用户的比赛特性参数，从活跃用户中匹配合适的训练对手；

邀约模块，用于为用户与训练对手建立聊天室，供用户与训练对手进行沟通完成比赛邀约；

其中，邀约模块包括语音交互单元，用于供用户与训练对手进行语音交互；

语音交互单元还包括语音处理单元；

语音处理单元用于分别对用户和训练对手发送的语音信号进行处理，进一步包括：对语音信号进行增强处理：

1)将发送的语音信号记为A0，其中发送的语音信号A0包括用户和训练对手在进行语音交互中发送给对方的语音信号；

2)对发送的语音信号A0进行基于小波分解的增强处理，获取增强处理后的语音信号A1，包括：

根据设定的小波基和小波分解层数对发送的语音信号A0进行小波分解，获取该发送的语音信号各层小波分解的高频小波系数和低频小波系数；

采用设定的自适应阈值函数对该高频小波系数进行阈值处理，其中采用的自适应阈值函数为：

式中，rp,q和 分别表示阈值处理前和阈值处理后的第p层第q个高频小波系数；ω表示阈值调节因子，2≤ω≤3，α表示扩散调节因子，Zp表示设定的第p层小波分解的阈值；

根据阈值处理后高频小波系数和低频小波系数进行重构，获取增强处理后的语音信号A1；

3)对增强处理后的语音信号A1进行噪声估计，获取噪声幅度谱估计|σ(k)|；

对增强处理后的语音信号A1进行快速傅里叶变换，获取该增强处理后的语音信号的幅度谱|B(k)|；

根据增强处理后的语音信号的幅度谱|B(k)|和噪声幅度谱估计|σ(k)|进行第一谱减处理，获取谱减处理后的语音信号A2；

4)将该谱减处理后的语音信号A2作为增强后的语音信号并进一步进行语音信号传输，将增强后的语音信号发送给用户或训练对手。

2.根据权利要求1所述的一种基于大数据分析的电子竞技服务管理系统，其特征在于，数据记录模块包括抓取单元和上传单元；

抓取单元与外部游戏引擎连接，用于根据用户的身份信息从游戏引擎中抓取与该用户身份信息对应的比赛记录数据；

上传单元用于供用户上传自身的比赛记录数据。

3.根据权利要求1所述的一种基于大数据分析的电子竞技服务管理系统，其特征在于，分析模块包括模型构建单元和分析单元；

模型构建单元用于建立与目标电竞项目相关的特征参数提取模型，通过特征参数提取模型从用户对应的比赛记录数据中提取相应的特征参数；

分析单元，用于根据用户符合设定条件的比赛记录数据的特征参数进行综合分析，获取用户的比赛特征参数。

4.根据权利要求3所述的一种基于大数据分析的电子竞技服务管理系统，其特征在于，匹配模块包括需求获取单元和匹配单元；

需求获取单元用于获取用户的训练目标匹配需求条件；

匹配单元用于用户的匹配需求条件，根据活跃用户的比赛特征参数匹配与用户匹配需求条件相符合的活跃用户作为与用户合适的训练对手。

说明书

一种基于大数据分析的电子竞技服务管理系统

技术领域

[0001] 本发明涉及电竞技术领域，特别是一种基于大数据分析的电子竞技服务管理系统。

背景技术

[0002] 电子竞技游戏(简称电竞)是利用电子设备作为运动器械进行的、人与人之间的智力对抗游戏。近年来，中国电子竞技游戏产业发展迅速，用户规模和市场效益都呈现出飞速
增长状态，2016年中国电竞用户将超过1.7亿，产业总产值高达800亿，成为促进经济发展的
新兴产业。国家体育总局以及官方媒体(CCTV)对电竞都表达出正面的支持，电竞也逐渐成
为受众最广的主流体育项目之一，无论是职业队伍、赛事奖金还是赛事观众，都直逼传统热
门体育运动(篮球、足球)。

[0003] 目前，随着电竞产业的快速发展，很多大型的俱乐部都为电竞队伍/选手配备专业的电竞教练、数据分析师等，为电竞队伍/选手量身安排针对性的训练对手进行日常训练以
提高训练效果。但是针对规模较小或者小型的电竞队伍，由于资源有限，通常在寻找合适的
训练对手的时候，就已经需要花费很大的精力，无法具备与大型俱乐部媲美的条件。从而容
易形成俱乐部垄断的情况，不利于基层电竞队伍/选手的发展。因此，提出一种能够适用于
基层电竞队伍/选手进行针对性约训的电子竞技服务管理系统亟具需要。

发明内容

[0004] 针对上述问题，本发明旨在提供一种基于大数据分析的电子竞技服务管理系统。

[0005] 本发明的目的采用以下技术方案来实现：

[0006] 本发明示出一种基于大数据分析的电子竞技服务管理系统，包括：

[0007] 登录模块，用于对用户进行身份验证，供用户在身份验证后登录到服务管理系统；

[0008] 数据记录模块，用于获取用户的比赛记录数据；

[0009] 分析模块，用于根据用户的比赛记录数据进行大数据分析，获取用户的比赛特性参数；

[0010] 匹配模块，用于根据用户的比赛特性参数，从活跃用户中匹配合适的训练对手；

[0011] 邀约模块，用于为用户与训练对手建立聊天室，供用户与训练对手进行沟通完成比赛邀约。

[0012] 一种实施方式中，数据记录模块包括抓取单元和上传单元；

[0013] 抓取单元与外部游戏引擎连接，用于根据用户的身份信息从游戏引擎中抓取与该用户身份信息对应的比赛记录数据；

[0014] 上传单元用于供用户上传自身的比赛记录数据。

[0015] 一种实施方式中，分析模块包括模型构建单元和分析单元；

[0016] 模型构建单元用于建立与目标电竞项目相关的特征参数提取模型，通过特征参数提取模型从用户对应的比赛记录数据中提取相应的特征参数；

[0017] 分析单元，用于根据用户符合设定条件的比赛记录数据的特征参数进行综合分析，获取用户的比赛特征参数。

[0018] 一种实施方式中，匹配模块包括需求获取单元和匹配单元；

[0019] 需求获取单元用于获取用户的训练目标匹配需求条件；

[0020] 匹配单元用于用户的匹配需求条件，根据活跃用户的比赛特征参数匹配与用户匹配需求条件相符合的活跃用户作为与用户合适的训练对手。

[0021] 一种实施方式中，邀约模块包括语音交互单元，用于供用户与训练对手进行语音交互。

[0022] 本发明的有益效果为：通过服务管理系统的建立，能够为基层电竞队伍/选手建立有效的训练对手配对平台，基于大数据分析技术，对用户的实际情况进行准确评估，有助于
用户能够快速、准确匹配合适的训练对手，有助于提高了电竞队伍/选手日常训练的效果。

附图说明

[0023] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得
其它的附图。

[0024] 图1为本发明一种基于大数据分析的电子竞技服务管理系统，实施例的框架结构图。

具体实施方式

[0025] 结合以下应用场景对本发明作进一步描述。

[0026] 参见图1实施例所示一种基于大数据分析的电子竞技服务管理系统，包括：

[0027] 登录模块，用于对用户进行身份验证，供用户在身份验证后登录到服务管理系统；

[0028] 数据记录模块，用于获取用户的比赛记录数据；

[0029] 分析模块，用于根据用户的比赛记录数据进行大数据分析，获取用户的比赛特性参数；

[0030] 匹配模块，用于根据用户的比赛特性参数，从活跃用户中匹配合适的训练对手；

[0031] 邀约模块，用于为用户与训练对手建立聊天室，供用户与训练对手进行沟通完成比赛邀约。

[0032] 上述实施方式中，服务管理系统为每个用户(电竞队伍/电竞选手)建立相应的档案空间，记录用户的身份信息和相应的比赛记录数据以及比赛特性参数；其中登录模块对
用户进行身份验证，当用户身份验证后，允许用户登录服务管理系统；数据记录模块根据用
户的身份信息获取与用户相关的比赛记录数据，并通过分析模块获取的比赛记录数据进行
大数据分析，从而获取用户的比赛特性参数；根据用户的比赛特性参数，从其他活跃用户中
匹配合适的训练对手，并通过邀约模块为用户和训练对手建立聊天室，供用户与训练对手
可以进行进一步的邀约沟通，达成训练比赛的邀约。

[0033] 通过服务管理系统的建立，能够为基层电竞队伍/选手建立有效的训练对手配对平台，基于大数据分析技术，对用户的实际情况进行准确评估，有助于用户能够快速、准确
匹配合适的训练对手，有助于提高了电竞队伍/选手日常训练的效果。

[0034] 一种实施方式中，数据记录模块包括抓取单元和上传单元；

[0035] 抓取单元与外部游戏引擎连接，用于根据用户的身份信息从游戏引擎中抓取与该用户身份信息对应的比赛记录数据；其中用户身份信息与外部游戏引擎中对应的游戏ID信
息进行绑定，抓取单元能够根据用户身份信息从外部游戏引擎中获取相应的游戏ID的比赛
记录数据；

[0036] 上传单元用于供用户上传自身的比赛记录数据；针对用户在本地或线下完成的比赛记录数据，用户能够通过上传单元将相应的比赛记录数据上传至服务管理系统。

[0037] 一种实施方式中，分析模块包括模型构建单元和分析单元；

[0038] 模型构建单元用于建立与目标电竞项目相关的特征参数提取模型，通过特征参数提取模型从用户对应的比赛记录数据中提取相应的特征参数；

[0039] 分析单元，用于根据用户符合设定条件的比赛记录数据的特征参数进行综合分析，获取用户的比赛特征参数。

[0040] 一种场景中，模型构建单元根据不同的电竞项目，设置相应的特征参数提取模型，并采用特征参数提取模型对比赛记录数据进行处理，获取该比赛记录数据中相应的特征参
数，其中特征参数可以包括：比分、每分钟资源量、操作数、比赛时长、对手综合实力评分等，
将比赛记录数据输入到不同的特征参数提取模型中，获取与该比赛记录数据中用户的不同
特征参数。并进一步通过分析单元对用户在一个时间段(赛季)，或一个电竞项目版本的多
个比赛记录数据中的特征参数进行综合统计，获取用户的纵向比赛特征参数(如变化趋势、
自身特点等)；以及通过进行大数据分析，与其他用户的比赛特征数据进行横向比较，获取
横向比赛特征参数(如各项特诊参数与不同水平的用户先比所处的位置)，综合获取用户的
比赛特征参数。

[0041] 一种场景中，分析单元能够进一步根据

[0042] 一种实施方式中，分析模块还包括可视化单元；

[0043] 可视化单元用于通过可视化的方式展示用户的比赛特性参数。用户能够通过可视化单元了解自身的比赛特征参数，从而对自身的情况有一个横向和纵向的了解。基于大数
据分析技术对用户自身的实际情况进行分析，有助于用户进一步了解自身的优缺点，并进
行相应的训练提升。

[0044] 一种实施方式中，匹配模块包括需求获取单元和匹配单元；

[0045] 需求获取单元用于获取用户的训练目标匹配需求条件；

[0046] 匹配单元用于用户的匹配需求条件，根据活跃用户的比赛特征参数匹配与用户匹配需求条件相符合的活跃用户作为与用户合适的训练对手。

[0047] 当用户需要进行约训(邀约/寻找训练对手)时，用户可以根据自身的实际情况，选择训练对手符合的条件(如实力相当的对手、符合某种比赛特征参数突出的对手等)，根据
用户设定的约训条件，匹配单元根据登记的活跃用户的中筛选出与用户匹配需求相互符合
(满足)的训练对手。(例如用户和另外一个用户同时希望约训实力相当的对手时，而该用户
与该另一用户根据大数据分析的实力评分正好接近时，则该用户与另一用户匹配成功并相
互成为训练对手)

[0048] 当匹配成功后，系统通过邀约模块为用户和训练对手建立聊天室，供用户与训练对手进行文字/语音沟通，进一步确认约训信息。

[0049] 一种实施方式中，邀约模块包括语音交互单元，用于供用户与训练对手进行语音交互。

[0050] 通过语音交互单元，为用户和训练对手建立语音通话连接，实现双方语音信号的数据交互。

[0051] 一种实施方案中，语音交互单元还包括语音处理单元；

[0052] 语音处理单元用于分别对用户和训练对手发送的语音信号进行处理，进一步包括：对语音信号进行增强处理：

[0053] 1)将发送的语音信号记为A0，其中发送的语音信号A0包括用户和训练对手在进行语音交互中发送给对方的语音信号；

[0054] 2)对发送的语音信号A0进行基于小波分解的增强处理，获取增强处理后的语音信号A1；

[0055] 3)对增强处理后的语音信号A1进行噪声估计，获取噪声幅度谱估计|σ(k)|；

[0056] 对增强处理后的语音信号A1进行快速傅里叶变换，获取该增强处理后的语音信号的幅度谱|B(k)|；

[0057] 根据增强处理后的语音信号的幅度谱|B(k)|和噪声幅度谱估计|σ(k)|进行第一谱减处理，获取谱减处理后的语音信号A2；

[0058] 4)将该谱减处理后的语音信号A2作为增强后的语音信号并进一步进行语音信号传输，将增强后的语音信号发送给用户或训练对手。

[0059] 一种实施方式中，对发送的语音信号A0进行基于小波分解的增强处理，获取增强处理后的语音信号，包括：

[0060] 根据设定的小波基和小波分解层数对发送的语音信号A0进行小波分解，获取该发送的语音信号各层小波分解的高频小波系数和低频小波系数；

[0061] 采用设定的自适应阈值函数对该高频小波系数进行阈值处理，其中采用的自适应阈值函数为：

[0062]

[0063] 式中，rp,q和 分别表示阈值处理前和阈值处理后的第p层第q个高频小波系数；ω表示阈值调节因子，2≤ω≤3，α表示扩散调节因子，Zp表示设定的第p层小波分解的阈
值；

[0064] 根据阈值处理后高频小波系数和低频小波系数进行重构，获取增强处理后的语音信号A1。

[0065] 针对在网络传输过程中，用户或者训练对手在语音交互的过程中发送的语音信号容易受到网络噪声的干扰，从而影响语音信号的质量，使得用户与训练对手的语音交流受
到影响。因此，上述实施方式中还提出了一种针对用户和训练对手在语音交互过程中，对用
户或者训练对手发送给对方的语音信号进行增强处理的技术方案，当用户或者训练对手发
出语音信号到语音交互单元时，语音处理单元对接收到的语音信号进行增强处理，包括对
语音信号依次进行基于小波分解的增强处理和谱减处理，去除语音信号中的噪声干扰，将
增强处理后的语音信号进一步发送给用户或者训练对手，有助于提高语音通话的质量。

[0066] 其中，网络传输过程中收到的噪声多为高频噪声的情况，在进行基于小波分解的增强处理过程中，特别提出了一种针对高频小波系数进行阈值处理的改进阈值函数，该阈
值函数中特别提出了基于对数函数以及线性函数的方式来使得在第二段和第三阈值函数
的边界值更贴近高频小波系数的特性，能够最大程度地去除噪声的干扰同时能够保留完成
的有用高频信息，有效去除语音信号中的突变高频噪声干扰。

[0067] 其中，第p层小波分解的阈值的具体获取函数为：

[0068] Zp＝Zp‑1‑C×sgn(rp‑Zp‑1)×log(|rp‑Zp‑1|+1)

[0069] 式中，Zp表示第p层小波分解的阈值，C表示设定的阈值变化调节因子，Z0表示初始小波分解阈值，根据语音信号无声段的频谱特征获取；rp表示第p层高频小波系数的中值。

[0070] 还提出一种自适应的阈值设置技术方案，能够根据小波分解的分解特性随着分解层数自适应设置阈值的大小，提高了阈值函数针对的适应水平。

[0071] 其中，根据增强处理后的语音信号的幅度谱和噪声幅度谱估计进行第一谱减处理，获取谱减处理后的语音信号，包括：

[0072] 其中采用的改进谱减函数为：

[0073]

[0074] 式中，|S′(k)|表示谱减处理后的幅度谱中第k个频点的幅值，|B(k)|表示增强处理后的语音信号的幅度谱中第k个频点的幅值，|Bmax(k)|表示增强处理后的语音信号的幅
度谱中各频点的幅值的最大值，|σ(k)|表示噪声幅度谱估计中第k个频点的幅值，其中c表
示谱减调节系数，其中 c0表示基础调节系数，u表示噪声修正因子，v
表示原谱因子，表示语音信号幅度谱中第k个频点的先验信噪比；

[0075] 根据谱减处理后的幅度谱进行逆傅里叶变换，获取谱减处理后的语音信号。

[0076] 上述实施方式中，还提出了一种基于谱减处理的技术方案，其中提出了一种改进的谱减处理函数，该函数中能够根据语音信号的变化规律，从而准确其中的持续噪声干扰，
并将其有效去除，从而对连续的不规则噪声有很好的抑制作用，进一步提高语音信号的质
量。通过基于针对突变噪声和连续噪声的增强处理，能够有效提高语音信号的质量，最大程
度的还原原始语音信号的效果，提高了用户与训练对手进行语音交互的效果。

[0077] 需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块
集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用
软件功能单元/模块的形式实现。

[0078] 通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件
实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器
(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理
器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。
对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。
实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个
指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包
括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够
存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD‑ROM或其他
光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据
结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

[0079] 最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应
当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实
质和范围。