近年来由于大家对游戏行业的关注逐步提升,游戏行业在生活中的地位逐步提高,越来越多的人对游戏的各方面有了更高的要求。然而利用传统的方式无法做到具体的得到游戏过程中玩家的实时生理和心理情况,从而无法在后续针对特定的环节做出详细的量化分析和评价。针对这一应用场景,本文研究并设计了一套分析和建模框架,从而改进了该领域的一些评价方式和方法,并且基于游戏心流的概念,对玩家游戏过程中的情况做出了基于游戏数据的预测和分类。本文主要从框架介绍的角度出发,按照整体框架流程对所有使用的方法算法进行详细的介绍,并且将所有的结果进行展示和说明。本文的工作首先是从多维数据出发,构建了一套科学的玩家身心数据采集设备和平台,通过该采集设备和平台可以得到多维的游戏数据和玩家的身心数据。在多维数据采集过后,通过基于滑动窗口的深度学习最优相关性序列分析DTW匹配算法,得到玩家的情绪和游戏心流的时间轴序列。最后,验证这些序列的准确性和可靠程度,并且利用这些序列使用孪生网络和个性编码结合的方式进行游戏心流的分类和预测,从而直接通过游戏数据得到游戏心流的强弱情况。本文的工作重点在于整个模型框架的设计和建模,基于滑动窗口的深度学习最优相关性序列分析DTW匹配算法和游戏心流的分类和预测算法。通过以上的方法,得到了一个较为可信的玩家心流数据分析和建模工具,能够有效的运用到针对玩家的心流情况的分析和建模上以及针对游戏的分析和改进上。