CN106445710A - 一种交互式对象确定的方法及相关设备 - Google Patents
一种交互式对象确定的方法及相关设备 Download PDFInfo
- Publication number
- CN106445710A CN106445710A CN201610950462.9A CN201610950462A CN106445710A CN 106445710 A CN106445710 A CN 106445710A CN 201610950462 A CN201610950462 A CN 201610950462A CN 106445710 A CN106445710 A CN 106445710A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- pattern
- characteristic
- server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/543—User-generated data transfer, e.g. clipboards, dynamic data exchange [DDE], object linking and embedding [OLE]
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明实施例公开了一种交互式对象确定的方法。本发明实施例方法包括:获取目标特征数据;根据预置的训练模型对目标特征数据进行分析,确定目标特征数据对应的目标模式,训练模型包括多个模式,训练模型是对多个特征数据进行学习训练后,建立的特征数据集与多个模式的函数关系模型,多个模式中的每个模式具有对应的交互式对象;根据目标模式确定对应的目标交互式对象;将目标交互式对象发送至用户设备,以使得用户设备与目标交互式对象进行数据交互。本发明实施例还提供了一种服务器及用户设备。本发明实施例中交互式对象可以实现多样化,增强了选择交互式对象的灵活性,也增强了互动性。
Description
技术领域
本发明涉及通信领域,尤其涉及一种交互式对象确定的方法及相关设备。
背景技术
联网,在信息技术里,是指网络的构建和使用等。用户可以通过联网获取或分享数据。其中,“弱联网”可以理解为间歇性或定时的通过网络进行数据交互。“强联网”可以理解为在互联通讯中连续的数据交互。
以游戏场景为例,“强联网”为玩家之间可以通过网络消息同步各玩家行为,可以理解为实时网络游戏,各玩家之间可以进行实时互动,类似魔兽的3D网游。但是,“强联网”的方式,对于网络带宽和服务器的计算能力具有较高的要求,例如,某些游戏一旦检测到玩家是3G网络,就会自动阻止登陆。“弱联网”可以是在传统单机游戏的基础上提供了一个互联的功能性平台。通过“弱联网”的方式,玩家可以和朋友通过社交应用消息和排行榜等形式进行互动,交流游戏心得。例如,若是用户在手机上切西瓜又创下了新纪录,那么可以通过微博刷新,昭示天下。但是通过弱联网的方式进行游戏互动,交互式对象为预置的单一交互式对象,交互式对象不能改变,缺乏灵活性。
发明内容
本发明实施例提供了一种交互式对象确定的方法及相关设备。用于增强交互式对象实现多样化,选择交互式对象的灵活性,也增强了互动性。
第一方面,本发明实施例提供了一种交互式对象确定的方法,包括:
获取目标特征数据;
根据预置的训练模型对所述目标特征数据进行分析,确定所述目标特征数据对应的目标模式,所述训练模型包括多个模式,所述训练模型是对多个特征数据进行学习训练后,建立的特征数据集与所述多个模式的函数关系模型,所述多个模式中的每个模式具有对应的交互式对象;
根据所述目标模式确定对应的目标交互式对象;
将所述目标交互式对象发送至所述用户设备,以使得用户设备与所述目标交互式对象进行数据交互。
第二方面,本发明实施例提供了一种交互式对象确定的方法,包括:
向服务器发送执行应用所产生的目标数据;以使所述服务器根据所述目标数据获取目标特征数据,并根据预置的训练模型对所述目标特征数据进行分析,确定所述目标特征数据对应的目标模式,所述预置训练模型包括多个模式,所述训练模型是对多个特征数据进行学习训练后,建立的特征数据集与所述多个模式的函数关系模型,所述多个模式中的各模式具有对应的交互式对象,并根据所述目标模式确定对应的目标交互式对象;
接收所述服务器发送的所述目标交互式对象;
与所述目标交互式对象进行数据交互。
第三方面,本发明实施例提供了一种服务器,包括:
第一获取模块,用于获取目标特征数据;
第一模式确定模块,用于根据预置的训练模型对所述获取模块获取的目标特征数据进行分析,确定所述目标特征数据对应的目标模式,所述训练模型包括多个模式,所述训练模型是对多个特征数据进行学习训练后,建立的特征数据集与所述多个模式的函数关系模型,所述多个模式中的每个模式具有对应的交互式对象;
对象确定模块,用于根据所述第一模式确定模块确定的目标模式确定对应的目标交互式对象;
发送模块,用于将所述对象确定模块确定的所述目标交互式对象发送至所述用户设备,以使得所述用户设备与所述目标交互式对象进行数据交互。
第四方面,本发明实施例提供了一种用户设备,包括:
发送模块,用于向服务器发送执行应用所产生的目标数据,以使所述服务器根据所述目标数据获取目标特征数据,并根据预置的训练模型对所述目标特征数据进行分析,确定所述目标特征数据对应的目标模式,所述预置训练模型包括多个模式,所述训练模型是对多个特征数据进行学习训练后,建立的特征数据集与所述多个模式的函数关系模型,所述多个模式中的各模式具有对应的交互式对象,并根据所述目标模式确定对应的目标交互式对象;
接收模块,用于接收所述服务器发送的目标交互式对象;
执行模块,用于与所述接收模块接收的所述目标交互式对象进行数据交互。
从以上技术方案可以看出,本发明实施例具有以下优点:
服务器预先建立了训练模型,所述训练模型是对多个特征数据进行学习训练后,建立的特征数据集与所述多个模式的函数关系模型。然后,服务器可以获取目标特征数据,例如,该目标特征数据可以为一款游戏中的出牌时间,局势等数据。服务器根据预置的训练模型对该特征数据进行分析,确定所述特征数据对应的目标模式,例如该目标模式可以为攻击型,防守型等等。由于每种模式都具有对应的预置的交互式对象,进而可以根据所述目标模式确定对应的目标交互式对象,以使得用户设备与所述目标交互式对象进行数据交互。本发明实施例中,通过训练模型可以确定不同的目标特征数据对应的目标模式,从而根据目标模式可以确定与模式对应的目标交互式对象,使得即使在弱联网方式中,交互式对象也可以实现多样化,增强了选择交互式对象的灵活性,也增强了互动性。
附图说明
图1为本发明实施例中通信系统的一个实施例的架构示意图;
图2为本发明实施例中的一种交互式对象确定的方法的一个实施例的流程示意图;
图3为发明实施例中神经网络的模型示意图;
图4为本发明实施例中的一种交互式对象确定的方法的另一个实施例的流程示意图;
图5为本发明实施例中的一种服务器的一个实施例的结构示意图;
图6为本发明实施例中的一种服务器的另一个实施例的结构示意图;
图7为本发明实施例中的一种服务器的另一个实施例的结构示意图;
图8为本发明实施例中的一种服务器的另一个实施例的结构示意图;
图9为本发明实施例中的一种服务器的另一个实施例的结构示意图;
图10为本发明实施例中的一种服务器的另一个实施例的结构示意图;
图11为本发明实施例中的一种用户设备的一个实施例的结构示意图;
图12为本发明实施例中的一种用户设备的另一个实施例的结构示意图;
图13为本发明实施例中的一种通信系统的另一个实施例的架构示意图;
图14为本发明实施例中的一种交互式对象确定的方法的另一个实施例流程示意图。
具体实施方式
本发明实施例提供了一种交互式对象确定的方法、服务器及用户设备,用于实现交互式对象多样化,增强选择交互式对象的灵活性。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供了一种交互式对象确定的方法,该方法应用于一种通信系统,请参阅图1所示,图1为本发明实施例中通信系统的架构示意图。该通信系统包括服务器110和至少一台用户设备120,本发明实施例中可以以服务器110与其中一台用户设备120进行数据交互为例进行说明所述用户设备120上安装有目标应用,该服务器预先存储了训练模型。服务器110用于确定该目标应用的交互式对象,以使得用户设备120可以与该交互式对象进行数据交互。例如,该目标应用为一款游戏,现有的游戏中,角色行为的交互方法均采用一种预设模型,角色的行为都是预先确定的,比如棋牌类游戏,在玩家赢得比赛后,系统会给予一定的奖励或消息激励。但是,这种奖励或消息均是系统预定义好的,没有将玩家自身的特色或游戏当前的情景结合起来,难免让人觉得千篇一律,重复几次,会让玩家觉得无趣,本发明实施例中提供的一种交互式对象确定的方法,用户设备120可以向服务器110发送该目标应用对应的目标数据,服务器110接收该目标数据后,提取该目标数据中的目标特征数据,例如该目标特征数据可以为某个局势下,玩家的出牌,局势包括:场上已有的出牌和玩家自己的首牌,玩家出牌花费的时间等。然后,服务器110再根据预置的训练模型对所述目标特征数据进行分析,确定出目标特征数据对应的目标模式,该目标模式可以为玩家的不同类型。然后,服务器110可以根据所述该玩家对应的目标模式确定出对应的目标交互式对象,该交互式对象为人工智能(Artificial Intelligence,缩写:AI),并将所述目标交互式对象发送至所述用户设备120,用户设备120就可以与所述目标交互式对象进行数据交互。
需要说明的是,在实际的部署过程中,上述服务器110也可以根据不同的功能进行分别部署,例如该服务器110的功能可以分别由多个服务器来执行,例如,该服务器110的功能可以由数据服务器、学习服务器、模式匹配服务器来执行。其中,该数据服务器用于获取多台用户设备的目标数据,并从目标数据中提取特征数据,得到特征数据集。数据服务器将特征数据集发送至学习服务器,学习服务器对特征数据集进行学习,建立训练模型。学习服务器将该训练模型发送至匹配服务器,由匹配服务器来确定与目标特征数据对应的目标交互式对象。本发明实施例中,为了方便说明,将数据服务器、学习服务器、模式匹配服务器的功能进行集成可以在一台服务器上进行执行。在实际应用中,服务器的实际部署形态,本发明不限定。
需要说明的是,该用户设备可以为手机,个人电脑,掌上电脑,个人数字处理(personal digital assistant,PDA)等。本发明实施例中该用户设备可以以手机为例进行说明。
请参阅图2所示,本发明实施例提供的一种交互式对象确定的方法主要包括两个部分,第一个部分:建立训练模型的过程。第二个部分:确定目标交互式对象的过程。下面对本发明实施例提供的一种交互式对象确定的方法的一个实施例进行具体描述。
一、建立训练模型的过程:
步骤201、服务器多次获取特征数据,得到用于建立训练模型的特征数据集;
服务器多次获取特征数据,具体的,该服务器可以针对同一款应用获取从不同的用户设备获取特征数据,不同的用户设备将执行该应用的过程中所产生的目标数据发送给服务器,该服务器可以从每个用户设备发送的目标数据中提取对应的特征数据,从多个用户设备发送的目标数据中提取的对应的特征数据组成特征数据集,该特征数据集为用于建立训练模型的初始数据。
例如,为了方便理解,举例说明。该应用以坦克大战游戏为例,目标数据包括环境信息、角色自身信息和用户输入信息等等。服务器需要获取大量用户设备发送的目标数据,从每个目标数据中提取目标特征数据,该目标特征数据包括可以体现用户不同行为特征的行为数据,例如,以该坦克大战中的一个关卡为例进行说明,在某一关中,用户控制的角色(如坦克)需要冲过一个堡垒解救自己的队友,该角色自身的信息包括血量、速度,炮弹量,消耗时间等。环境信息包括堡垒中炮弹的数量,血量等。在这一关卡中,以三个玩家对该关卡输入的不同控制指令为例进行说明。例如,玩家A,会控制坦克以最快的速度前进,即是是被堡垒中的炮弹打,消耗血量也要以最快的速度冲过堡垒。玩家B,会尽量保证血量不减少,不断的寻找掩体并通过迂回式前进通过堡垒,且通过堡垒的时间为标准时间。玩家C,面对堡垒,在一个掩体处,迟迟不会进攻,浪费了大量的时间。玩家D,朝堡垒间歇性开炮,开炮的同时前进,自己为自己做掩护,间歇性前进。需要说明的是,在实际应用中,服务器会获取大量用户设备的目标特征数据,上述只是针对一款游戏中的一个局势的目标特征数据进行举例说明,并不构成对本发明的限定性说明。
步骤202、服务器将所述特征数据集进行学习分类,得到所述特征数据集中各特征数据对应的模式。
服务器将特征数据集进行非监督学习并分类,通过学习算法,得到特征数据集中各特征数据对应的模式。无监督学习里典型的例子就是聚类。聚类的目的在于把相似的东西聚在一起,将相似的特征数据进行聚类。例如,特征数据集可以分为多个模式,该第一模式,第二模式,第三模式和第四模式,不同的模式可以反映出不同角色的行为特征,也就反应出了不同玩家的行为特征。以步骤201中例子进行说明,玩家A的数据特征可以显示该特征数据为第一类型,或者可以反映出该玩家A为简单攻击型。玩家B的数据特征可以显示该特征数据为第二类型,或者可以反映出该玩家A为老谋深算型。玩家C的数据特征可以显示该特征数据为第三类型,或者可以反映出该玩家C为简单保守型。玩家D的数据特征可以显示该特征数据为第四类型,或者可以反映出该玩家D为谨慎保守型。
其中,学习算法包括但不限定神经网络、决策树,逻辑回归,遗传算法和贝叶斯算法中的至少一种,本发明实施例中可以以神经网络进行说明,但不造成对学习算法的限定说明。将所述特征数据集进行分类,通过神经网络算法得到不同类别的函数,该函数用来模拟玩家的行为数据,请结合图3进行理解,图3为神经网络模型示意图,其中,神经网络(Neural Networks,NN)是由大量的简单的处理单元(称为神经元)广泛地互相连接而形成的复杂的系统,神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力。根据所述不同类别的函数生成贝叶斯网格。然后,再通过所述贝叶斯网格的概率估计确定所述各特征数据对应的模式。
步骤203、服务器根据所述各特征数据与其对应的模式的函数关系,建立训练模型。每种对应的模式与交互式对象具有预置的对应的关系,例如,请参阅下表1所示:
表1
需要说明的是,上述表1中的模式与交互式对象只是举例说明,并不造成对本发明的限定性说明。步骤201至步骤203为建立训练模型的过程,步骤201至步骤203为可选的步骤,当训练模型建立完成后,针对同一款应用,为每一个不同的用户设备确定目标交互式对象,可以直接执行步骤204。
二、确定目标交互式对象的过程:
步骤204、用户设备向服务器发送执行应用所产生的目标数据。
例如,在某个场景下,某个玩家F的手机上安装有该“坦克大战”的游戏,在若联网的情况下,某个玩家F当前正在玩该坦克大战的游戏,手机接收用户输入的各种控制角色A的指令,角色A会先与一个默认的交互式对象进行对战,手机在执行该游戏的过程中会产生目标数据(游戏数据),并将该游戏数据发送至服务器。
步骤205、服务器接收所述目标数据,并提取所述目标数据中的目标特征数据。
服务器接收到该用户设备发送的目标数据后,提取该目标数据中的目标特征数据,该目标特征数据可以包括玩家的行为数据。例如,该目标特征数据可以为:某一个局势下,血量60%,移动:迂回式,通过堡垒时间:标准时间。
步骤206、服务器根据预置的训练模型对所述目标特征数据进行分析,确定所述目标特征数据对应的目标模式。
服务器根据预置的训练模型对目标特征数据进行分析,请结合图3的神经网络模型示意图进行理解。可以理解为将目标特征数据通过训练模型进行输入,按照预置的训练模型进行匹配,输出一个目标模式,例如,输出的目标模式为第二模式(如,老谋深算型),进而反映出该玩家的行为特征为老谋深算型。需要说明的是,若输出的目标模式并不是预先固定分类中的四种模式中的(简单攻击型、老谋深算型、简单保守型和谨慎保守型),可以预先配置一种默认模式,该默认模式也具有对应的交互式对象。
步骤207、服务器根据所述目标模式确定对应的目标交互式对象。
请结合表1进行理解,例如,该服务器可以根据确定的第二模式和表1中的对应关系,可以确定出目标交互式对象为第二交互式对象(防守攻击并重,智慧型)。
步骤208、服务器将所述目标交互式对象发送至所述用户设备。
例如,服务器将确定的第二交互式对象发送至用户设备。
步骤209、用户设备与所述目标交互式对象进行数据交互。
用户设备与第二交互式对象进行数据交互,与玩家控制的角色A(例如,坦克)对战的AI发生了变化,该角色A对战的AI的类型为智慧型的AI。
步骤210、服务器监控所述目标交互式对象的数据交互的活跃指数。
为了测试该目标交互式对象的确定的准确性,该服务器还可以进一步的同步监控第二交互式对象的数据交互的活跃指数,该活跃指数用于表示用户设备与目标交互式对象的数据交互的活跃程度。例如,该活跃指数可以以时长来计算,该时长可以为一次连续的时长,该用户设备与该第二交互式对象进行数据交互的时长以梯度表示,时长越长指数越高。或者,该时长也可以为累计时长,例如,一天当中的累计时长,一天当中累计时长越长活跃指数越高。或者,可以通过多个参数进行加权计算得到,例如,该参数可以包括接收用户输入的有效的控制指令的频率,或者时长,或者目标特征数据的数据量等等,需要说明的是,该活跃指数的表示方法只是举例说明,只要能表示出用户设备与目标交互式对象的数据交互的活跃程度即可,从而可以通过该活跃指数表示出该目标交互式对象的确定是否增强互动性,。因此活跃指数的具体的方式并不限定。本发明实施例中,可以通过监控目标交互式对象的数据交互的活跃指数,进而可以反映出用户对该目标交互式对象的感兴趣程度。
步骤211、判断所述活跃指数与预置门限的大小,若所述活跃指数小于预置门限,则执行步骤212;若所述活跃指数大于预置门限,则执行步骤208。
步骤212、对所述目标交互式对象进行数据优化,得到优化交互式对象,将所述优化交互式对象作为目标交互式对象。
若该活跃指数小于一个预置门限,则表示用户对该目标交互式对象的兴趣度低,因此,为了提高用户对该目标交互式对象的兴趣度,需要对该目标交互式对象进行数据优化,得到优化交互对象,再将该优化交互式对象作为目标交互式对象。
不断的重复执行步骤210和步骤212,以提高用户对目标交互对象的兴趣程度。直至所述活跃指数大于预置门限。当活跃指数大于预置门限时,则表明用户对当活跃指数大于预置门限时,将最终的优化交互式对象作为目标交互式对象,然后执行步骤208。
请参阅图4所示,本发明实施例提供了一种交互式对象确定的方法的另一个实施例包括:
步骤401至步骤403与图2对应的实施例中的步骤201至203步骤相同,此处不赘述。
步骤404、用户设备在执行应用的过程中产生目标数据。
请结合图2对应的实施例中的步骤204进行理解。
步骤405、用户设备从所述目标数据中提取目标特征数据。
请结合图2对应的实施例中的步骤205进行理解。
步骤406、用户设备向所述服务器发送所述目标特征数据。
步骤407至步骤409与图2对应的实施例中的步骤206至步骤208相同,此处不赘述。
本发明实施例中,用户设备可以从目标数据中提取目标特征数据,并将该目标特征数据直接发送给服务器,不需要服务器对目标数据进行处理,从目标数据中提取目标特征数据,减小了服务器处理数据的压力,提高服务器匹配目标交互式对象的处理效率。
请参阅图5所示,上面对本发明实施例中提供的一种交互式对象确定的方法进行了详细描述,下面对该方法中涉及的服务器进行描述,本发明提供了一种服务器的一个实施例包括:
第一获取模块501,用于获取目标特征数据。
第一模式确定模块502,用于根据预置的训练模型对所述获取模块获取的目标特征数据进行分析,确定所述目标特征数据对应的目标模式,所述训练模型包括多个模式,所述训练模型是对多个特征数据进行学习训练后,建立的特征数据集与所述多个模式的函数关系模型,所述多个模式中的每个模式具有对应的交互式对象;
对象确定模块503,用于根据所述第一模式确定模块502确定的目标模式确定对应的目标交互式对象。
发送模块504,用于将所述对象确定模块503确定的所述目标交互式对象发送至所述用户设备,以使得所述用户设备与所述目标交互式对象进行数据交互。
请参阅图6所示,在图5对应的实施例的基础上,本发明还提供了一种服务器600的另一个实施例:
所述第一获取模块501进一步包括:
第一接收单元5011,用于接收用户设备发送的在执行应用的过程中所产生的目标数据;
提取单元5012,用于提取所述第一接收模块接收的所述目标数据中的目标特征数据。
请参阅图7所示,在图5对应的实施例的基础上,本发明还提供了一种服务器700的另一个实施例:
所述第一获取模块501包括:第二接收单元5013,用于接收用户设备发送的目标特征数据,所述目标特征数据为所述用户设备在执行应用的过程中产生的目标数据中提取的。
请参阅图8所示,在图5对应的实施例的基础上,本发明还提供了一种服务器700的另一个实施例:
进一步包括:第二获取模块505,第二模式确定模块506,模型建立模块507;
所述第二获取模块505,还用于多次获取特征数据,得到用于建立训练模型的特征数据集;
所述第二模式确定模块506,用于将所述第二获取模块505获取的所述特征数据集进行学习分类,得到所述特征数据集中各特征数据对应的模式;
所述模型建立模块507,用于根据所述各特征数据与其对应的模式的函数关系,建立训练模型。
可选的,所述第二模式确定模块506还具体用于:将所述特征数据集进行分类,通过神经网络算法得到不同类别的函数;
根据所述不同类别的函数生成贝叶斯网格;
通过所述贝叶斯网格确定所述各特征数据对应的模式。
请参阅图9所示,在图5对应的实施例的基础上,本发明还提供了一种服务器900的另一个实施例:
进一步的,还包括监控模块508,数据优化模块509;
监控模块508,用于监控所述目标交互式对象的数据交互的活跃指数;
数据优化模块509,用于当所述监控模块508监控的所述活跃指数小于预置门限时,对所述目标交互式对象进行数据优化,得到优化交互式对象,将所述优化交互式对象作为目标交互式对象。
进一步的,图5至图9中的服务器是以功能模块的形式来呈现。这里的“模块”可以指特定应用集成电路(application-specific integrated circuit,ASIC),电路,执行一个或多个软件或固件程序的处理器和存储器,集成逻辑电路,和/或其他可以提供上述功能的器件。在一个简单的实施例中,图5至图9中的服务器可以采用图10所示的形式。
图10是本发明实施例提供的一种服务器结构示意图,该服务器1000可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processingunits,CPU)1022(例如,一个或一个以上处理器)和存储器1032,一个或一个以上存储应用程序1042或数据1044的存储介质1030(例如一个或一个以上海量存储设备)。其中,存储器1032和存储介质1030可以是短暂存储或持久存储。存储在存储介质1030的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1022可以设置为与存储介质1030通信,在服务器1000上执行存储介质1030中的一系列指令操作。
服务器1000还可以包括一个或一个以上电源1026,一个或一个以上有线或无线网络接口1050,通过有线或无线网络接口1050接收用户设备发送的数据,一个或一个以上输入输出接口1058,通过一个或一个以上输入输出接口1058向用户设备发送数据,和/或,一个或一个以上操作系统1041,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
进一步的,处理器1022还用于使服务器执行图2对应的实施例中服务器所执行的方法。
请参阅图11所示,本发明还提供了一种用户设备的一个实施例,该用户设备1100包括:
发送模块,用于向服务器发送执行应用所产生的目标数据,以使所述服务器根据所述目标数据获取目标特征数据,并根据预置的训练模型对所述目标特征数据进行分析,确定所述目标特征数据对应的目标模式,所述预置训练模型包括多个模式,所述训练模型是对多个特征数据进行学习训练后,建立的特征数据集与所述多个模式的函数关系模型,所述多个模式中的各模式具有对应的交互式对象,并根据所述目标模式确定对应的目标交互式对象;
接收模块,用于接收所述服务器发送的目标交互式对象。
执行模块,用于与所述接收模块接收的所述目标交互式对象进行数据交互。
可选的,所述发送模块还具体用于:
在执行应用的过程中产生目标数据;
从所述目标数据中提取目标特征数据;
向所述服务器发送所述目标特征数据。
进一步的,图11中的用户设备是以功能模块的形式来呈现。这里的“模块”可以指特定应用集成电路(application-specific integrated circuit,ASIC),电路,执行一个或多个软件或固件程序的处理器和存储器,集成逻辑电路,和/或其他可以提供上述功能的器件。在一个简单的实施例中,图11中的用户设备可以采用图12所示的形式。
本发明实施例还提供了一种用户设备,如图11所示,为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该用户设备可以为包括手机、平板电脑、个人电脑、PDA(Personal Digital Assistant,个人数字助理)等,以用户设备为手机为例:
图12示出的是与本发明实施例提供的终端相关的手机的部分结构的框图。参考图12,手机包括:射频(Radio Frequency,RF)电路1210、存储器1220、输入单元1230、显示单元1240、传感器1250、音频电路1260、无线保真(wireless fidelity,WiFi)模块1270、处理器1280、以及电源1290等部件。本领域技术人员可以理解,图12中示出的手机结构并不构成对手机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图12对手机的各个构成部件进行具体的介绍:
收发器1210可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器1280处理;另外,将设计上行的数据发送给基站。通常,收发器1210包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier,LNA)、双工器等。此外,收发器1210还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(GlobalSystem of Mobile communication,GSM)、通用分组无线服务(General Packet RadioService,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution,LTE)、电子邮件、短消息服务(Short Messaging Service,SMS)等。
存储器1220可用于存储软件程序以及模块,处理器1280通过运行存储在存储器1220的软件程序以及模块,从而执行手机的各种功能应用以及数据处理。存储器1220可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器1220可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元1230可用于接收输入的数字或字符信息,以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地,输入单元1230可包括触控面板1231以及其他输入设备1232。触控面板1231,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1231上或在触控面板1231附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板1231可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器1280,并能接收处理器1280发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1231。除了触控面板1231,输入单元1230还可以包括其他输入设备1232。具体地,其他输入设备1232可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元1240可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元1240可包括显示面板1241,可选的,可以采用液晶显示器(LiquidCrystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1241。进一步的,触控面板1231可覆盖显示面板1241,当触控面板1231检测到在其上或附近的触摸操作后,传送给处理器1280以确定触摸事件的类型,随后处理器1280根据触摸事件的类型在显示面板1241上提供相应的视觉输出。虽然在图12中,触控面板1231与显示面板1241是作为两个独立的部件来实现手机的输入和输入功能,但是在某些实施例中,可以将触控面板1231与显示面板1241集成而实现手机的输入和输出功能。
手机还可包括至少一种传感器1250,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板1241的亮度,接近传感器可在手机移动到耳边时,关闭显示面板1241和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路1260、扬声器1261,传声器1262可提供用户与手机之间的音频接口。音频电路1260可将接收到的音频数据转换后的电信号,传输到扬声器1261,由扬声器1261转换为声音信号输出;另一方面,传声器1262将收集的声音信号转换为电信号,由音频电路1260接收后转换为音频数据,再将音频数据输出处理器1280处理后,经RF电路1210以发送给比如另一手机,或者将音频数据输出至存储器1220以便进一步处理。
WiFi属于短距离无线传输技术,手机通过WiFi模块1270可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图12示出了WiFi模块1270,但是可以理解的是,其并不属于手机的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器1280是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器1220内的软件程序和/或模块,以及调用存储在存储器1220内的数据,执行手机的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器1280可包括一个或多个处理单元;优选的,处理器1280可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1280中。
手机还包括给各个部件供电的电源1290(比如电池),优选的,电源可以通过电源管理系统与处理器1280逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出,手机还可以包括摄像头、蓝牙模块等,在此不再赘述。
在本发明实施例中,该用户设备所包括的处理器1280在执行存储器中的程序指令时,用于执行图2和图4对应的实施例中用户设备所执行的方法。
本发明实施例还提供了一种通信系统的实施例,请参阅图13所示,图13为一种通信系统的框架示意图,图棋牌游戏为例进行说明,图14为应用于该通信系统1300的交互式对象确定的方法的步骤示意图,该通信系统包括:数据服务器1310、学习服务器1320、模式匹配服务器1330和多个用户设备1340。
其中,建立训练模型的过程:该数据服务器用于获取多台用户设备的目标数据(例如,玩家对局信息),并将所述并从目标数据中提取特征数据,得到特征数据集。数据服务器将特征数据集发送至学习服务器,学习服务器对特征数据集进行学习,建立训练模型。然后,学习服务器将该训练模型发送至匹配服务器。
确定目标式交互对象的过程:匹配服务器获取用户设备发送的目标数据,并提取目标数据中的目标特征数据,匹配服务器确定与该目标特征数据对应的目标模式,根据目标模式确定目标交互式对象,并将该目标交互式对象下发给用户设备。可选的,匹配服务器可以监控所述目标交互式对象的数据交互的活跃指数,判断所述活跃指数与预置门限的大小,若所述活跃指数小于预置门限,对所述目标交互式对象进行数据优化,得到优化交互式对象,将所述优化交互式对象作为目标交互式对象。若所述活跃指数大于预置门限,将目标交互式对象下发给用户设备。
其中,数据服务器的具体工作过程,请参阅图2对应的实施例中的步骤201进行理解,学习服务器的具体工作过程,请参阅图2对应的实施例中的步骤202和203进行理解,匹配服务器的具体工作过程,请参阅图2对应的实施例中的步骤205至步骤212进行理解。此处不赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (17)
1.一种交互式对象确定的方法,其特征在于,包括:
获取目标特征数据;
根据预置的训练模型对所述目标特征数据进行分析,确定所述目标特征数据对应的目标模式,所述训练模型包括多个模式,所述训练模型是对多个特征数据进行学习训练后,建立的特征数据集与所述多个模式的函数关系模型,所述多个模式中的每个模式具有对应的交互式对象;
根据所述目标模式确定对应的目标交互式对象;
将所述目标交互式对象发送至所述用户设备,以使得用户设备与所述目标交互式对象进行数据交互。
2.根据权利要求1所述的方法,其特征在于,所述获取目标特征数据,包括:
接收用户设备发送的在执行游戏应用的过程中所产生的目标数据,所述目标数据为游戏数据;
提取所述目标数据中的目标特征数据。
3.根据权利要求1所述的方法,其特征在于,所述获取目标特征数据,包括:
接收用户设备发送的目标特征数据,所述目标特征数据为所述用户设备在执行游戏应用的过程中产生的目标数据中提取的,所述目标数据为游戏数据。
4.根据权利要求1所述的方法,其特征在于,所述获取目标特征数据之前,所述方法还包括:
多次获取特征数据,得到用于建立训练模型的特征数据集;
将所述特征数据集进行学习分类,得到所述特征数据集中各特征数据对应的模式;
根据所述各特征数据与其对应的模式的函数关系,建立训练模型。
5.根据权利要求4所述的方法,其特征在于,所述将所述特征数据集进行学习分类,得到所述特征数据集中各特征数据对应的模式,包括:
将所述特征数据集进行分类,通过神经网络算法得到不同类别的函数;
根据所述不同类别的函数生成贝叶斯网格;
通过所述贝叶斯网格确定所述各特征数据对应的模式。
6.根据权利要求1所述的方法,其特征在于,所述将所述目标交互式对象发送至所述用户设备之后,所述方法还包括:
监控所述目标交互式对象的数据交互的活跃指数;
若所述活跃指数小于预置门限,则对所述目标交互式对象进行数据优化,得到优化交互式对象,将所述优化交互式对象作为目标交互式对象。
7.根据权利要求6所述的方法,其特征在于,所述对所述目标交互式对象进行数据优化,得到优化交互式对象,将所述优化交互式对象作为目标交互式对象之后,所述方法还包括:
重复执行步骤:
监控所述目标交互式对象的数据交互的活跃指数;
若所述活跃指数小于预置门限,则对所述目标交互式对象进行数据优化,得到优化交互式对象,将所述优化交互式对象作为目标交互式对象;
直至所述活跃指数大于预置门限。
8.一种交互式对象确定的方法,其特征在于,包括:
向服务器发送执行应用所产生的目标数据;以使所述服务器根据所述目标数据获取目标特征数据,并根据预置的训练模型对所述目标特征数据进行分析,确定所述目标特征数据对应的目标模式,所述预置训练模型包括多个模式,所述训练模型是对多个特征数据进行学习训练后,建立的特征数据集与所述多个模式的函数关系模型,所述多个模式中的各模式具有对应的交互式对象,并根据所述目标模式确定对应的目标交互式对象;
接收所述服务器发送的所述目标交互式对象;
与所述目标交互式对象进行数据交互。
9.根据权利要求8所述的方法,其特征在于,所述向服务器发送执行应用所产生的目标数据,包括:
在执行应用的过程中产生目标数据;
从所述目标数据中提取目标特征数据;
向所述服务器发送所述目标特征数据。
10.一种服务器,其特征在于,包括:
第一获取模块,用于获取目标特征数据;
第一模式确定模块,用于根据预置的训练模型对所述获取模块获取的目标特征数据进行分析,确定所述目标特征数据对应的目标模式,所述训练模型包括多个模式,所述训练模型是对多个特征数据进行学习训练后,建立的特征数据集与所述多个模式的函数关系模型,所述多个模式中的每个模式具有对应的交互式对象;
对象确定模块,用于根据所述第一模式确定模块确定的目标模式确定对应的目标交互式对象;
发送模块,用于将所述对象确定模块确定的所述目标交互式对象发送至所述用户设备,以使得所述用户设备与所述目标交互式对象进行数据交互。
11.根据权利要求10所述的服务器,其特征在于,所述第一获取模块包括:
第一接收单元,用于接收用户设备发送的在执行游戏应用的过程中所产生的目标数据,所述目标数据为游戏数据;
提取单元,用于提取所述第一接收模块接收的所述目标数据中的目标特征数据。
12.根据权利要求10所述的服务器,其特征在于,所述第一获取模块包括:
第二接收单元,用于接收用户设备发送的目标特征数据,所述目标特征数据为所述用户设备在执行游戏应用的过程中产生的目标数据中提取的,所述目标数据为游戏数据。
13.根据权利要求10所述的服务器,其特征在于,还包括:第二获取模块,第二模式确定模块,模型建立模块;
所述第二获取模块,还用于多次获取特征数据,得到用于建立训练模型的特征数据集;
所述第二模式确定模块,用于将所述第二获取模块获取的所述特征数据集进行学习分类,得到所述特征数据集中各特征数据对应的模式;
所述模型建立模块根据所述各特征数据与其对应的模式的函数关系,建立训练模型。
14.根据权利要求13所述的服务器,其特征在于,所述第二模式确定模块还具体用于:将所述特征数据集进行分类,通过神经网络算法得到不同类别的函数;
根据所述不同类别的函数生成贝叶斯网格;
通过所述贝叶斯网格确定所述各特征数据对应的模式。
15.根据权利要求10所述的服务器,其特征在于,还包括监控模块,数据优化模块;
监控模块,用于监控所述目标交互式对象的数据交互的活跃指数;
数据优化模块,用于当所述监控模块监控的所述活跃指数小于预置门限时,对所述目标交互式对象进行数据优化,得到优化交互式对象,将所述优化交互式对象作为目标交互式对象。
16.一种用户设备,其特征在于,包括:
发送模块,用于向服务器发送执行应用所产生的目标数据,以使所述服务器根据所述目标数据获取目标特征数据,并根据预置的训练模型对所述目标特征数据进行分析,确定所述目标特征数据对应的目标模式,所述预置训练模型包括多个模式,所述训练模型是对多个特征数据进行学习训练后,建立的特征数据集与所述多个模式的函数关系模型,所述多个模式中的各模式具有对应的交互式对象,并根据所述目标模式确定对应的目标交互式对象;
接收模块,用于接收所述服务器发送的目标交互式对象;
执行模块,用于与所述接收模块接收的所述目标交互式对象进行数据交互。
17.根据权利要求16所述的用户设备,其特征在于,所述发送模块还具体用于:
在执行游戏应用的过程中产生目标数据,所述目标数据为游戏数据;
从所述目标数据中提取目标特征数据;
向所述服务器发送所述目标特征数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610950462.9A CN106445710A (zh) | 2016-10-26 | 2016-10-26 | 一种交互式对象确定的方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610950462.9A CN106445710A (zh) | 2016-10-26 | 2016-10-26 | 一种交互式对象确定的方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106445710A true CN106445710A (zh) | 2017-02-22 |
Family
ID=58178704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610950462.9A Pending CN106445710A (zh) | 2016-10-26 | 2016-10-26 | 一种交互式对象确定的方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106445710A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110052031A (zh) * | 2019-04-11 | 2019-07-26 | 网易(杭州)网络有限公司 | 玩家的模仿方法、装置及可读存储介质 |
CN110163460A (zh) * | 2018-03-30 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种确定应用分值的方法及设备 |
CN110598853A (zh) * | 2019-09-11 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种模型训练的方法、信息处理的方法以及相关装置 |
CN113259369A (zh) * | 2021-06-02 | 2021-08-13 | 华中科技大学 | 一种基于机器学习成员推断攻击的数据集认证方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158897A (zh) * | 2007-10-09 | 2008-04-09 | 南京大学 | 交互式游戏中智能非玩家角色的实现方法及系统 |
CN102930338A (zh) * | 2012-11-13 | 2013-02-13 | 沈阳信达信息科技有限公司 | 基于神经网络的游戏Npc行为 |
CN103838982A (zh) * | 2014-03-27 | 2014-06-04 | 优视科技有限公司 | 一种虚拟游戏对象生成方法及装置 |
CN105119733A (zh) * | 2015-07-06 | 2015-12-02 | 百度在线网络技术(北京)有限公司 | 人工智能系统及其状态跳转方法、服务器、通信系统 |
-
2016
- 2016-10-26 CN CN201610950462.9A patent/CN106445710A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158897A (zh) * | 2007-10-09 | 2008-04-09 | 南京大学 | 交互式游戏中智能非玩家角色的实现方法及系统 |
CN102930338A (zh) * | 2012-11-13 | 2013-02-13 | 沈阳信达信息科技有限公司 | 基于神经网络的游戏Npc行为 |
CN103838982A (zh) * | 2014-03-27 | 2014-06-04 | 优视科技有限公司 | 一种虚拟游戏对象生成方法及装置 |
CN105119733A (zh) * | 2015-07-06 | 2015-12-02 | 百度在线网络技术(北京)有限公司 | 人工智能系统及其状态跳转方法、服务器、通信系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163460A (zh) * | 2018-03-30 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种确定应用分值的方法及设备 |
CN110163460B (zh) * | 2018-03-30 | 2023-09-19 | 腾讯科技(深圳)有限公司 | 一种确定应用分值的方法及设备 |
CN110052031A (zh) * | 2019-04-11 | 2019-07-26 | 网易(杭州)网络有限公司 | 玩家的模仿方法、装置及可读存储介质 |
CN110598853A (zh) * | 2019-09-11 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种模型训练的方法、信息处理的方法以及相关装置 |
CN110598853B (zh) * | 2019-09-11 | 2022-03-15 | 腾讯科技(深圳)有限公司 | 一种模型训练的方法、信息处理的方法以及相关装置 |
CN113259369A (zh) * | 2021-06-02 | 2021-08-13 | 华中科技大学 | 一种基于机器学习成员推断攻击的数据集认证方法及系统 |
CN113259369B (zh) * | 2021-06-02 | 2021-09-07 | 华中科技大学 | 一种基于机器学习成员推断攻击的数据集认证方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111773696B (zh) | 一种虚拟对象的展示方法、相关装置及存储介质 | |
CN109107161A (zh) | 一种游戏对象的控制方法、装置、介质以及设备 | |
CN109893857B (zh) | 一种操作信息预测的方法、模型训练的方法及相关装置 | |
CN110738211B (zh) | 一种对象检测的方法、相关装置以及设备 | |
CN108434740B (zh) | 一种策略信息确定的方法及装置、存储介质 | |
CN108236785B (zh) | 一种获取对象信息的方法及装置 | |
TWI533241B (zh) | 一種實現人工智能的方法、服務器和設備 | |
CN106503787A (zh) | 一种获取游戏数据的方法及电子设备 | |
CN106445710A (zh) | 一种交互式对象确定的方法及相关设备 | |
CN113018848B (zh) | 一种游戏画面的显示方法、相关装置、设备以及存储介质 | |
CN111985640A (zh) | 一种基于强化学习的模型训练方法以及相关装置 | |
CN110841295B (zh) | 一种基于人工智能的数据处理方法和相关装置 | |
CN111598169B (zh) | 一种模型训练方法、游戏测试方法、模拟操作方法及装置 | |
CN107754316B (zh) | 一种信息交流处理方法及移动终端 | |
CN111760294A (zh) | 控制游戏中非玩家游戏角色的方法及装置 | |
CN110147496B (zh) | 内容推送方法及装置 | |
CN111803961B (zh) | 一种虚拟物品的推荐方法以及相关装置 | |
CN117852753A (zh) | 一种基于物联网的印染车间智能管理系统 | |
CN112044072A (zh) | 一种虚拟对象的交互方法以及相关装置 | |
CN116999831A (zh) | 游戏人工智能模型的训练方法、装置、设备及存储介质 | |
CN112090083B (zh) | 一种虚拟道具的生成方法以及相关装置 | |
CN108924632A (zh) | 一种交互式应用场景的处理方法和装置以及存储介质 | |
CN116644367A (zh) | 一种异常对象的检测方法、装置以及存储介质 | |
CN113599825A (zh) | 一种游戏对局中更新虚拟资源方法和相关装置 | |
CN110193192A (zh) | 一种自动化游戏方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |