CN109102007A - 基于标签的交互方法、装置、终端及存储介质 - Google Patents

基于标签的交互方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN109102007A
CN109102007A CN201810835677.5A CN201810835677A CN109102007A CN 109102007 A CN109102007 A CN 109102007A CN 201810835677 A CN201810835677 A CN 201810835677A CN 109102007 A CN109102007 A CN 109102007A
Authority
CN
China
Prior art keywords
label
numerical value
tag set
participant
terminal
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
Application number
CN201810835677.5A
Other languages
English (en)
Inventor
钟涛
林群芬
陈添财
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Tencent Network Information Technology Co Ltd
Original Assignee
Shenzhen Tencent Network Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Tencent Network Information Technology Co Ltd filed Critical Shenzhen Tencent Network Information Technology Co Ltd
Priority to CN201810835677.5A priority Critical patent/CN109102007A/zh
Publication of CN109102007A publication Critical patent/CN109102007A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
    • A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种基于标签的交互方法、装置、终端及存储介质，属于计算机技术领域。该方法包括：确定终端当前剩余的多个待选标签，获取已训练的数值输出模型，数值输出模型用于根据标签交互活动的标签交互记录获取任一标签的数值，数值用于衡量终端是否发出任一标签，标签交互记录包括标签交互活动中多个参与者已轮流发出的标签集合，基于数值输出模型和本次标签交互活动的标签交互记录，获取每个待选标签的数值，根据每个待选标签的数值，确定目标标签集合，执行发出目标标签集合的操作。无需获取不同交互情况下的优选操作方式，对前期的准备工作要求较低，避免了由于优选操作方式确定不准确而影响准确率的问题。

Description

基于标签的交互方法、装置、终端及存储介质
技术领域
本发明实施例涉及计算机技术领域，特别涉及一种基于标签的交互方法、装置、终端及存储介质。
背景技术
随着互联网技术的发展以及人们娱乐需求的提升，扑克牌游戏得到了广泛应用。考虑到一局扑克牌游戏需要多名参与者的参与，目前提出了一种由终端来充当参与者的功能，终端以虚拟参与者的身份参与到扑克牌游戏中，在游戏过程中终端会与参与扑克牌游戏的其他参与者轮流发出扑克牌，直至最终确定获胜的参与者。
终端可以根据扑克牌游戏的出牌规则以及在不同出牌情况下的优选出牌方式建立行为树，该行为树中包括构成树形结构的多层节点，第一层节点为根节点，最后一层节点为行为节点，根节点与行为节点之间的节点为控制节点，控制节点用于根据出牌规则以及在不同出牌情况下的优选出牌方式设置判断条件，判断当前出牌情况是否满足判断条件，行为节点用于在满足所连接的控制节点的判断条件时发出特定的扑克牌。那么，当上一个参与者出牌之后，终端可以根据出牌规则以及当前的出牌情况遍历该行为树，搜索到与当前出牌情况匹配的行为节点，从而发出该行为节点对应的扑克牌。采用行为树出牌的方式可以综合考虑出牌规则以及当前的出牌情况，进而发出较为优选的扑克牌，提升终端的竞技能力，进而提高扑克牌游戏的趣味性。
终端在建立行为树之前，需要获取在不同出牌情况下的优选出牌方式，对前期的数据储备工作要求较高，当获取到的数据不够准确时会导致行为树的准确率差。
发明内容
本发明实施例提供了一种基于标签的交互方法、装置、终端及存储介质，可以解决相关技术存在的问题。所述技术方案如下：
一方面，提供了一种基于标签的交互方法，所述方法包括：
确定终端当前剩余的多个待选标签；
获取已训练的数值输出模型，所述数值输出模型用于根据标签交互活动的标签交互记录获取任一标签的数值，所述数值用于衡量所述终端是否发出所述任一标签，所述标签交互记录包括所述标签交互活动中多个参与者已轮流发出的标签集合，所述标签集合包括至少一个标签；
基于所述数值输出模型和本次标签交互活动的标签交互记录，获取每个待选标签的数值；
根据每个待选标签的数值，确定目标标签集合，执行发出所述目标标签集合的操作。
另一方面，提供了一种基于标签的交互装置，所述装置包括：
确定模块，用于确定终端当前剩余的多个待选标签；
模型获取模块，用于获取已训练的数值输出模型，所述数值输出模型用于根据标签交互活动的标签交互记录获取任一标签的数值，所述数值用于衡量所述终端是否发出所述任一标签，所述标签交互记录包括所述标签交互活动中多个参与者已轮流发出的标签集合，所述标签集合包括至少一个标签；
数值获取模块，用于基于所述数值输出模型和本次标签交互活动的标签交互记录，获取每个待选标签的数值；
标签交互模块，用于根据每个待选标签的数值，确定目标标签集合，执行发出所述目标标签集合的操作。
另一方面，提供了一种基于标签进行交互的终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如所述基于标签的交互方法中所执行的操作。
再一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并具有以实现如所述基于标签的交互方法中所执行的操作。
本发明实施例提供的技术方案带来的有益效果至少包括：
本发明实施例提供的方法、装置、终端及存储介质，通过确定终端当前剩余的多个待选标签，并基于已训练的数值输出模型和本次标签交互活动的标签交互记录获取每个待选标签的数值，根据确定的数值确定要发出的标签集合，只需采用数值输出模型即可执行发出标签集合的操作，既保证了准确率，且无需获取不同情况下的优先发出的标签集合，对前期的准备工作要求较低，避免了由于前期准备工作不足而影响准确率的问题。
并且，与相关技术中采用行为树进行多次分类的方案相比，本发明实施例中无需进行多次分类，简化了操作流程，并且简化了训练数值输出模型的复杂度，减小了模型的数据量，即使标签交互活动中涉及的标签数量较多时，也能够实现快速地发出操作。
并且，按照数值从大到小的顺序对多个待选标签进行排序，并按照排列顺序确定目标标签集合并发出，可以从数量众多的待选标签中优先选取数值较高且满足交互规则的待选标签，加快选取速度，提高了选取效率。
并且，确定满足交互规则的多个待选标签集合，基于第一数值输出模型和标签交互记录，获取每个待选标签集合的第一类概率，以第一类概率来表示若发出对应的待选标签集合时下一个参与者发出所有剩余标签的概率，则根据每个待选标签集合的第一类概率确定目标标签集合，可以尽可能地使终端所属的组的任一参与者优先发出所有剩余标签，提升了该终端的交互能力，提升了标签交互活动的趣味性。
并且，确定满足交互规则的多个待选标签集合，基于第二数值输出模型和标签交互记录，获取每个待选标签集合的第二类概率，以第二类概率来表示若发出对应的待选标签集合时下一个参与者的下一个参与者发出所有剩余标签的概率，则根据每个待选标签集合的第二类概率确定目标标签集合，可以尽可能地使终端所属的组的任一参与者优先发出所有剩余标签，提升了该终端的交互能力，提升了标签交互活动的趣味性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明实施例的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于标签的交互方法的流程图；
图2是本发明实施例提供的一种标签的数值示意图；
图3是本发明实施例提供的一种基于标签的交互方法的流程图；
图4是本发明实施例提供的多个标签交互活动中发出标签集合的次数示意图；
图5是本发明实施例提供的第一数值输出模型的测试准确率示意图；
图6是本发明实施例提供的一种基于标签的交互方法的流程图；
图7是本发明实施例提供的第二数值输出模型的测试准确率示意图；
图8是本发明实施例提供的一种基于标签的交互方法的流程图；
图9是本发明实施例提供的一种基于标签的交互装置的结构示意；
图10是本发明实施例提供的一种终端的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
在对本发明实施例进行详细说明之前，首先对涉及到的概念进行如下解释：
1、标签：是指终端生成的虚拟标签。一副标签包括多个不同的标签，该多个标签中包括普通标签和特定类型标签，每个普通标签具有数据、花色等元素，不同的普通标签具有不同的元素，一副标签中同一种特定类型标签只有一个。另外，多个标签之间具有等级之分，通常特定类型标签的等级高于普通标签，而多个普通标签中数据越大的标签等级越高。例如，该标签可以为扑克牌或者麻将牌等，一副扑克牌中大王的等级大于小王，小王的等级大于普通的扑克牌，而普通的扑克牌中数据越大的扑克牌等级越高。
2、标签交互活动：是指多个参与者针对一副或多副标签进行的交互活动，如扑克牌游戏、麻将游戏、桥牌游戏等。在标签交互活动中，多个参与者会确定排列顺序，并按照排列顺序轮流抽取标签，所有的标签抽取完成后，多个参与者会按照排列顺序轮流从所拥有的标签中选取标签集合并执行发出操作，供其他参与者查看，直至某一个或多个参与者发出所有的标签集合时为止。
其中，该标签交互活动会设置交互规则，该交互规则规定了每次参与者发出的标签集合应当满足的规则，比如标签集合的标签数量、标签的数据等等。
3、标签交互记录：是指根据标签交互活动中的标签集合发出情况生成的记录，包括每次发出的标签集合、发出该标签集合的参与者、参与者的身份、发出该标签集合后参与者剩余的标签等。
4、标签集合：是指由一个或多个标签构成的集合，如扑克牌游戏中一次发出的两张完全一样的扑克牌等。
5、终端：手机、PC(Personal Computer，个人电脑)或平板电脑等具有数据处理能力的设备，可以为便携式、袖珍式、手持式、计算机内置的或者车载的设备。
相关技术中，终端作为一名虚拟用户参与到扑克牌游戏时，每次在上一个参与者出牌之后，会采用行为树来确定要出的牌，则需要获取不同出牌情况下的优选出牌方式以建立行为树，对前期的准备工作要求较高，当获取到的优选出牌方式不够准确时会导致行为树的准确率差。
而本发明实施例提供了一种基于标签的交互方法，通过训练得到数值输出模型，能够确定终端当前剩余的多个待选标签，并基于数值输出模型和本次标签交互活动的标签交互记录获取每个待选标签的数值，根据确定的数值确定要发出的标签集合，无需获取不同交互情况下的优选操作方式，对前期的准备工作要求较低，避免了由于优选操作方式确定不准确而影响准确率的问题。
本发明实施例可以应用于终端基于标签与其他用户进行交互的场景下，例如，当某一真人用户使用终端登录扑克牌游戏并选择单机游戏模式时，终端可以作为一个虚拟用户，与真人用户一起参与到扑克牌游戏中，游戏过程中终端和真人用户轮流出牌，最终决出获胜者。当真人用户获胜时，终端可以为真人用户发放奖励数据。
又如，当某一真人用户使用终端登录扑克牌游戏并选择代为游戏模式时，终端可以参与到扑克牌游戏中，代替该真人用户进行决策和操作，并展示当前的出牌情况，供真人用户和与真人用户交互的其他用户查看。
图1是本发明实施例提供的一种基于标签的交互方法的流程图。本发明实施例的执行主体为终端，参见图1，该方法包括：
101、终端确定当前剩余的多个待选标签。
本发明实施例中，多个参与者可以参与标签交互活动，在标签交互活动中该多个参与者针对一副或多副标签进行交互。且多个参与者会确定排列顺序，按照排列顺序轮流抽取标签，所有的标签抽取完成后，每个参与者会拥有一定数量的多个标签，并且只能查看自己拥有的标签而无法查看其它参与者拥有的标签，多个参与者会按照排列顺序轮流从所拥有的标签中选取标签集合并执行发出操作，供其他参与者查看，下一个参与者即可根据上一个参与者发出的标签集合，根据当前剩余的待选标签确定要发出的标签集合并发出该标签集合，直至某一个或多个参与者发出所有的标签时为止。
其中，每个标签具有数据、花色等元素，不同的标签具有不同的元素，一副标签中包括多个不同的标签，每次发出的标签集合包括至少一个标签。
其中，该终端可以作为一个虚拟用户，参与到标签交互活动中，成为其中一个参与者。那么，对该终端来说，当轮到该终端发出标签集合时，终端先确定当前剩余的多个待选标签，以便后续从待选标签中选取要发出的标签。
例如，当至少一个用户通过终端加入到标签交互活动，但用户数量不能满足标签交互活动的参与者数量要求时，其中一个终端可以作为一个或多个虚拟用户加入到标签交互活动中，成为标签交互活动的参与者。交互过程中，对于每个用户的终端来说，终端可以为用户显示交互界面，该交互界面可以用于展示该用户当前剩余的标签和已发出的标签集合。并且在其他参与者发出标签集合时，该终端可以展示该标签集合。另外，该交互界面还包括确认选项，当轮到该用户发出标签集合时，用户可以对当前剩余的一个或多个标签触发选择操作，从而确定要发出的标签集合，之后用户点击确认选项，则该终端发出该标签集合。而对于充当参与者的终端来说，除了为用户展示交互界面，根据用户的操作来发出标签集合之外，该终端还会作为参与者，确定自己当前剩余的标签以及每次要发出的标签集合。
或者，当用户希望由终端代替用户来与其他用户进行交互时，终端以用户的身份加入到标签交互活动中。交互过程中，终端会确定自己当前剩余的标签，并代替用户发出标签集合，且还会为用户展示交互界面，供用户查看。
可选地，终端可以将当前剩余的每个标签均作为待选标签，或者还可以从当前剩余的多个标签中随机选取一定数量的标签作为待选标签，或者还可以从当前剩余的多个标签中选取等级较小的一定数量的标签作为待选标签。
需要说明的是，本发明实施例可以应用于以下两种情况：一种情况是在没有其他参与者发出标签集合的情况下，该终端作为标签交互活动中第一个发出标签集合的参与者，需要发出标签集合。另一种情况是在上一个参与者发出标签集合之后，该终端需要根据上一个参与者发出的标签集合，发出自己的标签集合。
102、终端获取已训练的数值输出模型，基于数值输出模型和本次标签交互活动的标签交互记录，获取每个待选标签的数值。
其中，数值输出模型用于根据标签交互活动的标签交互记录获取任一标签的数值，该数值用于衡量终端是否要发出该任一标签，待选标签的数值越高，表示该待选标签的优先级越大，应当优先发出该待选标签，待选标签的数值越低，表示该待选标签的优先级越小，因此该数值可以作为发出待选标签的概率，后续可以根据每个待选标签的数值来确定要发出哪些标签。标签交互记录是根据标签交互活动中的标签集合发出情况生成的记录，至少包括标签交互活动中多个参与者已轮流发出的标签集合，包括每个标签的花色、数据等元素，每个参与者每次发出标签集合时，会将发出的标签集合添加至标签交互记录中。另外，标签交互记录还可以包括每次发出标签集合中的标签数量、每次发出标签集合的参与者、发出该标签集合后该参与者剩余的标签、该参与者的身份等。
例如，当标签交互活动为扑克牌游戏时，扑克牌包括普通扑克牌和特定类型的扑克牌，其中，普通扑克牌包括黑桃、红桃、梅花、方块这四个花色以及2-10、J、Q、K和A这13种数据，特定类型的扑克牌包括和大王、小王这2种。每次发出扑克牌时，会在标签交互记录中记录扑克牌的数量、每张扑克牌的类型为普通扑克牌还是特定类型的扑克牌、以及每张普通扑克牌的花色和数据。
需要说明的是，如果该终端为标记交互活动中第一个发出标签集合的参与者，则当前所有参与者还未发出标签集合，因此标签交互记录中多个参与者已轮流发出的标签集合可以采用空集合来表示。
终端获取已训练的数值输出模型以及本次标签交互活动的标签交互记录，对标签交互记录进行特征提取，得到标签交互记录的特征，将标签交互记录的特征以及每个待选标签输入至数值输出模型，基于该数值输出模型获取每个待选标签的数值。
其中，标签交互记录的特征用于描述对应标签交互活动的标签交互情况，因此该特征中至少包括标签集合的特征，该标签集合的特征由该标签集合中每个标签的特征组成，另外标签交互记录的特征还可以包括每个标签集合的标签数量特征、参与者身份特征以及发出该标签集合后参与者剩余的标签对应的剩余标签特征等。
例如，标签交互活动中目前为止发出了3次标签集合，标签交互记录的特征可以如下表1所示，包括每次发出的标签集合的特征、标签数量特征、参与者身份特征和剩余标签特征。
表1
另外，为了便于确定每个待选标签的数值，终端可以创建标签矩阵，该标签矩阵的第一个维度为花色、第二个维度为数据，基于该数值输出模型得到任一标签的数值时，可以将该标签的数值添加至标签矩阵中该标签的花色和数据对应的位置。
例如，标签交互活动可以为使用两幅扑克牌的扑克牌游戏，两幅扑克牌总共包括108张扑克牌，扑克牌包括普通扑克牌和特定类型的扑克牌，其中，普通扑克牌包括黑桃、红桃、梅花、方块这四个花色以及2-10、J、Q、K和A这13种数据，特定类型的扑克牌包括和大王、小王这2种。则针对108张扑克牌会得到对应的108个数值，如图2所示。其中的大王用花色为黑桃、数值为B的标签表示，小王用花色为黑桃、数值为R的标签表示，颜色为白色的标签表示预测到的数值为0，颜色为黑色的标签表示预测到的数值为1，白色与黑色之间的标签表示预测到的数值处于0到1之间，且颜色越浅表示预测到的数值越接近于0，颜色越深表示预测到的数值越接近于1。
关于数值输出模型的训练过程，训练装置可以获取多次标签交互活动的标签交互记录，对获取到的多个标签交互记录进行特征提取，得到每个标签交互记录的特征，根据获取到的特征进行训练，得到数值输出模型，从而基于该数值输出模型来获取待选标签的数值。
可选地，初始化数值输出模型，并将训练目标确定为在已发出某一标签集合之后，下一次实际发出的标签集合的数值应当大于满足交互规则但未发出的标签集合的数值，则在根据每个标签交互记录的特征进行训练时，可以按照该训练目标进行训练，以使训练出的数值输出模型能够准确反映实际的交互情况。
其中，该训练装置可以为终端本身，或者该训练装置也可以为除终端以外的其他设备，如服务器等，该训练装置进行离线训练后将已训练的数值输出模型发送给终端，供终端使用。
其中，训练数值输出模型时所采用的训练算法可以为卷积神经网络算法、循环神经网络算法、深度学习算法等。
例如，当标签交互活动为斗地主游戏时，服务器获取连续两天的斗地主游戏的日志记录，并根据获取到的日志记录训练数值输出模型，并将该数值输出模型发送给终端。
103、终端按照数值从大到小的顺序，对多个待选标签进行排序。
104、终端按照排列顺序依次选取每个待选标签，当多个待选标签中存在目标标签集合时，执行发出目标标签集合的操作。
其中，目标标签集合为包括当前选取的待选标签且满足交互规则的标签集合，交互规则用于规定发出的标签应当满足的规则，例如交互规则可以为当前要发出的标签数量需要与上一个参与者发出的标签数量相等，且花色与上一个参与者发出的标签的花色相同。
终端对多个待选标签进行排序后，按照排列顺序从数值最高的待选标签开始，依次选取每个待选标签，对于每次选取的待选标签，判断该待选标签能否与其他待选标签组成满足交互规则的标签集合，如果是，将组成的标签集合确定为目标标签集合，终端执行发出该目标标签集合的操作，停止选取其他的待选标签。如果否，终端继续按照排列顺序选取下一个待选标签，针对下一个待选标签继续进行判断，直至选取到符合要求的待选标签，得到目标标签集合时为止。
在一种情况下，在上一个参与者发出标签集合之后，该终端按照交互规则中的规定：当前要发出的标签数量需要与上一个参与者发出的标签数量相等，且花色与上一个参与者发出的标签的花色相同，可以确定目标标签集合。
例如，标签交互活动可以为扑克牌游戏，当扑克牌游戏使用一副扑克牌且由三个参与者参与时，每个参与者会抽取到18个扑克牌，之后三个参与者轮流发出扑克牌。其中，该扑克牌游戏的交互规则为每次发出的扑克牌数量应当与上一个参与者发出的扑克牌数量一致，并且扑克牌的等级应当高于上一个参与者发出的扑克牌的等级。那么当终端的上一个参与者发出两个数据为4的扑克牌时，基于数值输出模型获取终端当前剩余的多个待选扑克牌的数值，假设此时黑桃5的数值最大，方片9的数值次之，那么从黑桃5开始，当终端当前无法发出两个数据为5的扑克牌时，则按照排列顺序选取数据为9的待选扑克牌，假设终端当前剩余两个数据为9的待选扑克牌，将该两个数据为9的待选扑克牌确定为目标扑克牌组合并发出。
而在另一种情况下，该终端作为标签交互活动中第一个发出标签集合的参与者时，由于该交互规则并未规定第一个参与者发出的标签集合应当满足的规则，因此，该终端无需考虑其他参与者发出的标签集合，可以直接根据每个待选标签的数值确定目标标签集合。
可选地，该终端从多个待选标签中选取数值最大的标签，作为目标标签集合，或者，从多个待选标签中选取数值大于预设阈值且数据相同的至少两个标签，组成目标标签集合，或者，从多个待选标签中选取多个数据连续的标签，组成目标标签集合。其中，任两个标签的数据连续是指这两个标签的数据为预先设置的数据排列顺序中相邻的两个数据。
本发明实施例提供的方法，通过确定终端当前剩余的多个待选标签，并基于已训练的数值输出模型和本次标签交互活动的标签交互记录获取每个待选标签的数值，根据确定的数值确定要发出的标签集合，只需采用数值输出模型即可执行发出标签集合的操作，既保证了准确率，且无需获取不同情况下的优先发出的标签集合，对前期的准备工作要求较低，避免了由于前期准备工作不足而影响准确率的问题。
并且，相关技术中采用行为树进行多次分类，需要训练多分类的行为树模型，当标签数量较多时，标签集合方式较多，导致可发出的标签集合可能性比较多，此时应预测的类别也比较多，在训练模型时复杂度较高，模型数据量过大，且分类准确率下降。而本发明实施例中无需进行多次分类，简化了操作流程，并且所需预测的维度仅与标签数量有关，而不涉及不同的标签集合方式，简化了训练数值输出模型的复杂度，减小了模型的数据量，即使标签交互活动中涉及的标签数量较多时，也能够实现快速地发出操作。
并且，按照数值从大到小的顺序对多个待选标签进行排序，并按照排列顺序确定目标标签集合并发出，可以从数量众多的待选标签中优先选取数值较高且满足交互规则的待选标签，加快选取速度，提高了选取效率。
图3是本发明实施例提供的一种基于标签的交互方法的流程图。本发明实施例的执行主体为终端，对基于第一数值输出模型和第二数值输出模型中的至少一个来确定目标标签集合的过程进行说明，参见图3，该方法包括：
301、终端获取本次标签交互活动的标签交互记录。
本发明实施例中，当轮到该终端发出标签集合时，终端先获取本次标签交互活动的标签交互记录，以便根据标签交互记录确定多个待选标签，从待选标签中选取要发出的标签。
其中，标签交互记录是根据标签交互活动中的标签集合发出情况生成的记录，至少包括标签交互活动中多个参与者已轮流发出的标签集合，包括每个标签的花色、数据等元素，每个参与者每次发出标签集合时，会将发出的标签集合添加至标签交互记录中。另外，标签交互记录还可以包括每次发出标签集合中的标签数量、每次发出标签集合的参与者、发出该标签集合后该参与者剩余的标签、该参与者的身份等。
需要说明的是，与上述图1所示实施例相比，本发明实施例中的标签交互记录还包括每次发出的标签集合对应的标识，该标识用于表示发出对应的标签集合后下一个参与者是否发出所有剩余标签。
可选地，该标识包括第一标识和第二标识，第一标识表示下一个参与者发出所有剩余标签，第二标识表示下一个参与者没有发出所有剩余标签。那么，对于一个已结束的标签交互活动来说，根据标签交互活动中发出所有剩余标签的参与者，可以确定该参与者的上一个参与者对应的标识为第一标识。
例如，第一标识为1时，第二标识为0，或者第一标识为0时，第二标识为1。
302、终端根据标签交互记录中最后一个发出的标签集合，从终端当前剩余的多个标签中，确定满足交互规则的多个待选标签集合。
其中，每个待选标签集合包括至少一个标签，该交互规则用于规定发出的标签应当满足的规则。
标签交互记录中最后一个发出的标签集合即为该终端的上一个参与者发出的标签集合，由于交互规则中规定了下一个参与者发出的标签集合需要与上一个参与者发出的标签集合在标签数量、标签数据和花色各方面满足要求，因此，当终端要发出标签集合时，从终端当前剩余的多个标签中确定一个或多个标签集合，并根据上一个参与者发出的标签集合，判断每个标签集合是否满足交互规则，从而能够确定满足交互规则的多个待选标签集合。
303、终端基于第一数值输出模型和标签交互记录，获取每个待选标签集合的第一类概率。
其中，该第一数值输出模型用于根据标签交互记录获取任一标签集合的第一类概率，第一类概率用于指示若发出标签集合则第一参与者发出所有剩余标签的概率，该第一参与者为该终端的下一个参与者，则第一类概率越高，表示若该终端发出标签集合后下一个参与者发出所有剩余标签的概率越高，在标签交互活动中获胜的可能越大。
因此，终端获取已训练的第一数值输出模型和标签交互记录，对标签交互记录进行特征提取，得到标签交互记录的特征，将标签交互记录的特征以及每个待选标签集合输入至第一数值输出模型，基于该第一数值输出模型获取每个待选标签集合的第一类概率。
其中，标签交互记录的特征至少用于描述对应标签交互活动中轮流发出的标签集合以及每次发出标签集合对应的标识，因此该特征中至少包括标签集合的特征和对应的标识特征；另外标签交互记录还可以包括每次发出标签集合中的标签数量、每次发出标签集合的参与者、发出该标签集合后该参与者剩余的标签、该参与者的身份等。相应的，该标签交互记录的特征还可以包括每个标签集合的标签数量特征、参与者身份特征以及发出该标签集合后参与者剩余的标签对应的剩余标签特征等。
例如，标签交互活动为扑克牌游戏，扑克牌游戏的标签交互记录可以如表2所示。
表2
另外，在该标签交互活动中会随机为所有参与者分配身份，身份相同的参与者为同一组，身份不同的参与者为不同组。在一次标签交互活动中，身份相同的多个参与者中的任一参与者发出所有的标签后，该任一参与者所属的组获胜。
例如，标签交互活动为斗地主游戏，有三个参与者，当终端的身份为地主时，按照发出扑克牌的顺序，第一个参与者的身份即为第一个农民，第二个参与者的身份即为第二个农民。当地主先发出所有的扑克牌时，地主获胜，但是当任一个农民先发出所有的扑克牌时，两个农民获胜。
关于第一数值输出模型的训练过程，训练装置可以获取多次标签交互活动的标签交互记录，对获取到的多个标签交互记录进行特征提取，得到每个标签交互记录的特征，则每个标签交互记录的特征中，每一次发出的标签集合对应的标识特征可以用于表示该标签集合为正样本或负样本，根据获取到的正样本的特征和负样本的特征进行训练，得到第一数值输出模型。其中，该训练装置可以为终端本身，或者该训练装置也可以为除终端以外的其他设备，如服务器等，该训练装置进行离线训练后将已训练的数值输出模型发送给终端，供终端使用。
其中，训练数值输出模型时所采用的训练算法可以为卷积神经网络算法、循环神经网络算法、深度学习算法等。
304、终端根据每个待选标签集合的第一类概率，确定目标标签集合，执行发出目标标签集合的操作。
终端获取到每个待选标签集合的第一类概率后，按照第一类概率从大到小的顺序对多个待选标签集合进行排序，并根据排列顺序选取目标标签集合，该目标标签集合是能够使终端所属的组的任一参与者在本次标签交互活动中先发出所有剩余标签的概率最大的待选标签集合。
在一种可能方式中，终端和第一参与者属于同一组，终端从多个待选标签集合中选取第一类概率最大的待选标签集合作为目标标签集合，并执行发出该目标标签集合的操作。
在另一种可能方式中，终端与第一参与者属于不同组，终端从多个待选标签集合中选取第一类概率最小的待选标签集合，作为目标标签集合并执行发出该目标标签集合的操作。
另外，考虑到交互规则中规定下一个参与者发出的标签集合中的标签数量应当与上一个参与者发出的标签集合中的标签数量相同，那么，当终端确定的待选标签集合中的标签数量大于第一参与者剩余的标签数量时，若终端发出该待选标签集合，则第一参与者将不可能发出所有剩余的标签，因此，在上述步骤302确定待选标签集合或者上述步骤303获取到每个待选标签集合的第一类概率之后，对于标签数量大于第一参与者剩余的标签数量的待选标签集合，可以将该标签集合的第一类概率设置为小于某一阈值的数值，如设置为0。
本发明实施例提供的方法，确定满足交互规则的多个待选标签集合，基于第一数值输出模型和标签交互记录，获取每个待选标签集合的第一类概率，以第一类概率来表示若发出对应的待选标签集合时下一个参与者发出所有剩余标签的概率，则根据每个待选标签集合的第一类概率确定目标标签集合，可以尽可能地使终端所属的组的任一参与者优先发出所有剩余标签，提升了该终端的交互能力，提升了标签交互活动的趣味性。
本发明实施例针对第一数值输出模型进行了实验，先获取了两天内的标签交互活动的标签交互记录，标签交互记录中包括标签交互活动中发出标签集合的次数，将发出标签集合的次数所属的范围划分为多个数值区间，每个标签交互活动中发出标签集合的次数所在的数值区间即为标签交互活动对应的数值区间，那么根据多个标签交互活动对应的数值区间，即可得到每个数值区间对应的标签交互活动个数，如图4所示。由图4可以看出，大部分标签交互活动中发出标签集合的次数大于10。因此，将发出标签集合的次数不大于10次的标签交互活动的标签交互记录过滤掉，将剩余的标签交互记录作为训练样本数据和测试样本数据。
根据训练样本数据训练得到第一数值输出模型，模型训练结果如下表3所示，该模型训练结果包括模型参数、数据来源、数据量、正负数据以及训练准确率。
表3
基于已训练的第一数值输出模型，获取测试样本的测试概率，并与测试样本的实际概率进行对比，从而得出如图5所示的测试结果，根据测试结果可以确定第一数值输出模型的准确率为0.97。
在上述实施例的基础上，参见图6，终端还可以基于第二数值输出模型确定，也即是在步骤302之后，该方法还包括：
601、终端基于第二数值输出模型和标签交互记录，获取每个待选标签集合的第二类概率。
其中，该第二数值输出模型用于根据标签交互记录获取任一标签集合的第二类概率，第二类概率用于指示若发出标签集合则第二参与者发出所有剩余标签的概率，第一参与者为该终端的下一个参与者，该第二参与者为第一参与者的下一个参与者，则第二类概率越高，表示若该终端发出标签集合后下一个参与者的下一个参与者发出所有剩余标签的概率越高，在标签交互活动中获胜的可能越大。
因此，终端获取已训练的第二数值输出模型和标签交互记录，对标签交互记录进行特征提取，得到标签交互记录的特征，将标签交互记录的特征以及每个待选标签集合输入至第二数值输出模型，基于该第二数值输出模型获取每个待选标签集合的第二类概率。
其中，标签交互记录是根据标签交互活动中的标签集合发出情况生成的记录，至少包括标签交互活动中多个参与者已轮流发出的标签集合，包括每个标签的花色、等级等元素，每个参与者每次发出标签集合时，会将发出的标签集合添加至标签交互记录中。另外，标签交互记录还可以包括每次发出标签集合中的标签数量、每次发出标签集合的参与者、发出该标签集合后该参与者剩余的标签、该参与者的身份等。
需要说明的是，与图1所示实施例相比，本发明实施例中的标签交互记录还包括每次发出的标签集合对应的标识，该标识用于表示发出对应的标签集合后下一个参与者的下一个参与者是否发出所有剩余标签。
可选地，该标识包括第一标识和第二标识，第一标识表示下一个参与者的下一个参与者发出所有剩余标签，第二标识表示下一个参与者的下一个参与者没有发出所有剩余标签。那么，对于一个已结束的标签交互活动来说，根据标签交互活动中发出所有剩余标签的参与者，可以确定该参与者的上一个参与者的上一个参与者对应的标识为第一标识。
标签交互记录的特征至少用于描述对应标签交互活动中轮流发出的标签集合以及每次发出标签集合对应的标识，因此该特征中至少包括标签集合的特征和对应的标识特征；另外标签交互记录还可以包括每次发出标签集合中的标签数量、每次发出标签集合的参与者、发出该标签集合后该参与者剩余的标签、该参与者的身份等。相应的，该标签交互记录的特征还可以包括每个标签集合的标签数量特征、参与者身份特征以及发出该标签集合后参与者剩余的标签对应的剩余标签特征等。
关于第二数值输出模型的训练过程，训练装置可以获取多次标签交互活动的标签交互记录，对获取到的多个标签交互记录进行特征提取，得到每个标签交互记录的特征，则每个标签交互记录的特征中，每一次发出的标签集合对应的标识特征可以用于表示该标签集合为正样本或负样本，根据获取到的正样本的特征和负样本的特征进行训练，得到第二数值输出模型。其中，该训练装置可以为终端本身，或者该训练装置也可以为除终端以外的其他设备，如服务器等，该训练装置进行离线训练后将已训练的数值输出模型发送给终端，供终端使用。
其中，训练数值输出模型时所采用的训练算法可以为卷积神经网络算法、循环神经网络算法、深度学习算法等。
602、终端根据每个待选标签集合的第二类概率，确定目标标签集合，执行发出目标标签集合的操作。
终端获取到每个待选标签集合的第二类概率后，按照第二类概率从大到小的顺序对多个待选标签集合进行排序，并根据排列顺序选取目标标签集合，该目标标签集合是能够使终端所属的组的任一参与者在本次标签交互活动中先发出所有剩余标签的概率最大的待选标签集合。
在一种可能方式中，终端和第二参与者属于同一组，终端从多个待选标签集合中选取第二类概率最大的待选标签集合作为目标标签集合，并执行发出该目标标签集合的操作。
在另一种可能方式中，终端与第二参与者属于不同组，终端从多个待选标签集合中选取第二类概率最小的待选标签集合，作为目标标签集合并执行发出该目标标签集合的操作。
另外，考虑到交互规则中规定下一个参与者发出的标签集合中的标签数量应当与上一个参与者发出的标签集合中的标签数量相同，那么，当终端确定的待选标签集合中的标签数量大于第二参与者剩余的标签数量时，若终端发出该待选标签集合，则第二参与者将不可能发出所有剩余的标签，因此，在上述步骤302确定待选标签集合或者上述步骤601获取到每个待选标签集合的第二类概率之后，对于标签数量大于第二参与者剩余的标签数量的待选标签集合，可以将该标签集合的第二类概率设置为小于某一阈值的数值，如设置为0。
本发明实施例提供的方法，确定满足交互规则的多个待选标签集合，基于第二数值输出模型和标签交互记录，获取每个待选标签集合的第二类概率，以第二类概率来表示若发出对应的待选标签集合时下一个参与者的下一个参与者发出所有剩余标签的概率，则根据每个待选标签集合的第二类概率确定目标标签集合，可以尽可能地使终端所属的组的任一参与者优先发出所有剩余标签，提升了该终端的交互能力，提升了标签交互活动的趣味性。
基于上述图4所示的举例，本发明实施例还根据获取到的训练样本数据和测试样本数据，针对第二数值输出模型进行了实验，根据训练样本数据训练得到第二数值输出模型，模型训练结果如下表4所示，该模型训练结果包括模型参数、数据来源、数据量、正负数据以及训练准确率。
表4
基于已训练的第二数值输出模型，获取测试样本的测试概率，并与测试样本的实际概率进行对比，从而得出如图7所示的测试结果，根据测试结果可以确定第二数值输出模型的准确率为0.96。
在上述实施例的基础上，如图8所示，数值输出模型还可以包括第一数值输出模型和第二数值输出模型。相应地，在上述步骤303和601之后，该方法还包括：
801、终端将获取得到的每个待选标签集合的第一类概率和第二类概率分别按照从大到小的顺序进行排列，得到多个待选标签集合的第一排列顺序和第二排列顺序。
802、终端根据该第一排列顺序和第二排列顺序，终端在多个待选标签集合中确定目标标签集合，该目标标签集合是能够使终端所属的组的任一参与者在本次标签交互活动中先发出所有剩余标签的概率最大的待选标签集合。
在一种可能实现方式中，终端与第一参与者属于同一组且与第二参与者属于不同组，终端从多个待选标签集合中选取第一类概率最大且第二类概率最小的待选标签集合，作为目标标签集合，若不存在同时满足第一类概率最大且第二类概率最小的待选标签集合时，选择第一类概率最大的待选标签集合作为目标标签集合。
在另一种可能实现方式中，终端与第一参与者属于不同组且与第二参与者属于同一组，终端从多个待选标签集合中选取第一类概率最小且第二类概率最大的待选标签集合作为目标标签集合，若不存在同时满足第一类概率最小且第二类概率最大的待选标签集合时，选择第一类概率最小的待选标签集合作为目标标签集合。
在另一种可能实现方式中，终端与第一参与者属于不同组且与第二参与者属于不同组，终端从多个待选标签集合中选取第一类概率最小且第二类概率最小的待选标签集合，作为目标标签集合，若不存在同时满足第一类概率最小且第二类概率最小的待选标签集合时，选择第一类概率最小的待选标签集合作为目标标签集合或者选择第二类概率最小的待选标签集合作为目标标签集合。
本发明实施例提供的方法，确定满足交互规则的多个待选标签集合，基于第一数值输出模型、第二数值输出模型和标签交互记录，获取每个待选标签集合的第一类概率和第二类概率，以第一类概率来表示若发出对应的待选标签集合时下一个参与者发出所有剩余标签的概率，以第二类概率来表示若发出对应的待选标签集合时下一个参与者的下一个参与者发出所有剩余标签的概率，则根据每个待选标签集合的第一类概率和第二类概率确定目标标签集合，可以尽可能地使终端所属的组的任一参与者优先发出所有剩余标签，提升了该终端的交互能力，提升了标签交互活动的趣味性。
需要说明的是，本发明实施例中，终端可以获取用于预测标签集合的接口，每次当轮到该终端发出标签集合时，该终端即可调用该接口，在该接口的运行过程中执行上述实施例中的步骤，从而输出要发出的标签集合，由该终端执行发出该标签集合的操作。
其中，该接口可以为REST API(一种软件架构)形式的接口，REST API使用简单，接入部署方便，并且对模型进行更新后可以快速上线，方便扩容。
图9是本发明实施例提供的一种基于标签的交互装置的结构示意图。参见图9，该装置包括：
确定模块901，用于执行上述实施例中确定终端当前剩余的多个待选标签的步骤；
模型获取模块902，用于执行上述实施例中获取已训练的数值输出模型的步骤；
数值获取模块903，用于执行上述实施例中基于数值输出模型和本次标签交互活动的标签交互记录，获取每个待选标签的数值的步骤；
标签交互模块904，用于执行上述实施例中根据每个待选标签的数值，确定目标标签集合，执行发出目标标签集合的操作的步骤。
可选地，标签交互模块904，包括：
排序单元，用于执行上述实施例中按照数值从大到小的顺序，对多个待选标签进行排序的步骤；
选取单元，用于执行上述实施例中按照排列顺序依次选取每个待选标签，当多个待选标签中存在目标标签集合时，执行发出目标标签集合的操作的步骤。
可选地，装置还包括：
记录获取模块，用于执行上述实施例中获取多次标签交互活动的标签交互记录的步骤；
特征提取模块，用于执行上述实施例中对获取到的多个标签交互记录进行特征提取，得到每个标签交互记录的特征的步骤；
训练模块，用于执行上述实施例中根据获取到的特征进行训练，得到数值输出模型的步骤。
可选地，数值输出模型包括第一数值输出模型和第二数值输出模型中的至少一个；
第一数值输出模型用于执行根据标签交互记录获取任一标签集合的第一类概率的步骤，第一类概率用于指示若发出标签集合则第一参与者发出所有剩余标签的概率；
第二数值输出模型用于执行根据标签交互记录获取任一标签集合的第二类概率的步骤，第二类概率用于指示若发出标签集合则第二参与者发出所有剩余标签的概率。
可选地，确定模块901，包括：
确定单元，用于执行上述实施例中根据标签交互记录中最后一个发出的标签集合，从终端当前剩余的多个标签中，确定满足交互规则的多个待选标签集合的步骤；
数值获取模块，包括以下至少一项：
第一类数值获取单元，用于执行上述实施例中基于第一数值输出模型和标签交互记录，获取每个待选标签集合的第一类概率的步骤；
第二数值获取单元，用于执行上述实施例中基于第二数值输出模型和标签交互记录，获取每个待选标签集合的第二类概率的步骤。
可选地，标签交互模块904用于执行以下至少一项操作：
当终端与第一参与者属于同一组时，从多个待选标签集合中选取第一类概率最大的待选标签集合，作为目标标签集合；
当终端与第一参与者属于不同组时，从多个待选标签集合中选取第一类概率最小的待选标签集合，作为目标标签集合；
当终端与第二参与者属于同一组时，从多个待选标签集合中选取第二类概率最大的待选标签集合，作为目标标签集合；
当终端与第二参与者属于不同组时，从多个待选标签集合中选取第二类概率最小的待选标签集合，作为目标标签集合。
可选地，装置还包括：
第一记录获取模块，用于执行上述实施例中获取多次标签交互活动的标签交互记录的步骤；
第一特征提取模块，用于执行上述实施例中对获取到的多个标签交互记录进行特征提取，得到每个标签交互记录的特征的步骤；
第一训练模块，用于执行上述实施例中根据获取到的特征进行训练，得到第一数值输出模型。
可选地，装置还包括：
第二记录获取模块，用于执行上述实施例中获取多次标签交互活动的标签交互记录的步骤；
第二特征提取模块，用于执行上述实施例中对获取到的多个标签交互记录进行特征提取，得到每个标签交互记录的特征的步骤；
第二训练模块，用于执行上述实施例中根据获取到的特征进行训练，得到第二数值输出模型。
需要说明的是：上述实施例提供的基于标签的交互装置在基于标签进行交互时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将终端的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的基于标签的交互装置与基于标签的交互方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图10示出了本发明一个示例性实施例提供的终端1000的结构示意图。该终端1000可以是便携式移动终端，比如：智能手机、平板电脑、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑、台式电脑、头戴式设备，或其他任意智能终端。终端1000还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端1000包括有：处理器1001和存储器1002。
处理器1001可以包括一个或多个处理核心，比如4核心处理器、5核心处理器等。处理器1001可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1001也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1001可以在集成有GPU(Graphics Processing Unit，图像处理的交互器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1001还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器1002可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1002还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1002中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1001所具有以实现本申请中方法实施例提供的基于标签的交互方法。
在一些实施例中，终端1000还可选包括有：外围设备接口1003和至少一个外围设备。处理器1001、存储器1002和外围设备接口1003之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1003相连。具体地，外围设备包括：射频电路1004、触摸显示屏1005、摄像头1006、音频电路1007、定位组件1008和电源1009中的至少一种。
外围设备接口1003可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器1001和存储器1002。在一些实施例中，处理器1001、存储器1002和外围设备接口1003被集成在同一芯片或电路板上；在一些其他实施例中，处理器1001、存储器1002和外围设备接口1003中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路1004用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路1004通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1004将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1004包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1004可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及8G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路1004还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏1005用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1005是触摸显示屏时，显示屏1005还具有采集在显示屏1005的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1001进行处理。此时，显示屏1005还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1005可以为一个，设置终端1000的前面板；在另一些实施例中，显示屏1005可以为至少两个，分别设置在终端1000的不同表面或呈折叠设计；在再一些实施例中，显示屏1005可以是柔性显示屏，设置在终端1000的弯曲表面上或折叠面上。甚至，显示屏1005还可以设置成非矩形的不规则图形，也即异形屏。显示屏1005可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件1006用于采集图像或视频。可选地，摄像头组件1006包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1006还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路1007可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1001进行处理，或者输入至射频电路1004以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端1000的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1001或射频电路1004的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1007还可以包括耳机插孔。
定位组件1008用于定位终端1000的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件1008可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源1009用于为终端1000中的各个组件进行供电。电源1009可以是交流电、直流电、一次性电池或可充电电池。当电源1009包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端1000还包括有一个或多个传感器1010。该一个或多个传感器1010包括但不限于：加速度传感器1011、陀螺仪传感器1012、压力传感器1013、指纹传感器1014、光学传感器1015以及接近传感器1016。
加速度传感器1011可以检测以终端1000建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1011可以用于检测重力加速度在三个坐标轴上的分量。处理器1001可以根据加速度传感器1011采集的重力加速度信号，控制触摸显示屏1005以横向视图或纵向视图进行用户界面的显示。加速度传感器1011还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器1012可以检测终端1000的机体方向及转动角度，陀螺仪传感器1012可以与加速度传感器1011协同采集用户对终端1000的3D动作。处理器1001根据陀螺仪传感器1012采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器1013可以设置在终端1000的侧边框和/或触摸显示屏1005的下层。当压力传感器1013设置在终端1000的侧边框时，可以检测用户对终端1400的握持信号，由处理器1001根据压力传感器1013采集的握持信号进行左右手识别或快捷操作。当压力传感器1013设置在触摸显示屏1405的下层时，由处理器1001根据用户对触摸显示屏1005的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器1014用于采集用户的指纹，由处理器1001根据指纹传感器1414采集到的指纹识别用户的身份，或者，由指纹传感器1014根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器1001授权该用户具有相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1014可以被设置终端1000的正面、背面或侧面。当终端1000上设置有物理按键或厂商Logo时，指纹传感器1014可以与物理按键或厂商标志集成在一起。
光学传感器1015用于采集环境光强度。在一个实施例中，处理器1001可以根据光学传感器1015采集的环境光强度，控制触摸显示屏1005的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏1005的显示亮度；当环境光强度较低时，调低触摸显示屏1005的显示亮度。在另一个实施例中，处理器1001还可以根据光学传感器1015采集的环境光强度，动态调整摄像头组件1006的拍摄参数。
接近传感器1016，也称距离传感器，通常设置在终端1000的前面板。接近传感器1016用于采集用户与终端1000的正面之间的距离。在一个实施例中，当接近传感器1016检测到用户与终端1000的正面之间的距离逐渐变小时，由处理器1001控制触摸显示屏1005从亮屏状态切换为息屏状态；当接近传感器1016检测到用户与终端1000的正面之间的距离逐渐变大时，由处理器1001控制触摸显示屏1005从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图10中示出的结构并不构成对终端1000的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
本发明实施例还提供了一种用于基于标签的交互的终端，该终端包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，指令、程序、代码集或指令集由处理器加载并具有以实现上述实施例的基于标签的交互方法中所具有的操作。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，该指令、该程序、该代码集或该指令集由处理器加载并具有以实现上述实施例的基于标签的交互方法中所具有的操作。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明实施例的较佳实施例，并不用以限制本发明实施例，凡在本发明实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (15)

1.一种基于标签的交互方法，其特征在于，所述方法包括：
确定终端当前剩余的多个待选标签；
获取已训练的数值输出模型，所述数值输出模型用于根据标签交互活动的标签交互记录获取任一标签的数值，所述数值用于衡量所述终端是否发出所述任一标签，所述标签交互记录包括所述标签交互活动中多个参与者已轮流发出的标签集合，所述标签集合包括至少一个标签；
基于所述数值输出模型和本次标签交互活动的标签交互记录，获取每个待选标签的数值；
根据每个待选标签的数值，确定目标标签集合，执行发出所述目标标签集合的操作。
2.根据权利要求1所述的方法，其特征在于，所述根据每个待选标签的数值，确定目标标签集合，执行发出所述目标标签集合的操作，包括：
按照数值从大到小的顺序，对所述多个待选标签进行排序；
按照排列顺序依次选取每个待选标签，当所述多个待选标签中存在目标标签集合时，执行发出所述目标标签集合的操作，所述目标标签集合为包括当前选取的待选标签且满足交互规则的标签集合，所述交互规则用于规定发出的标签应当满足的规则。
3.根据权利要求2所述的方法，其特征在于，所述获取已训练的数值输出模型之前，所述方法还包括：
获取多次标签交互活动的标签交互记录；
对获取到的多个标签交互记录进行特征提取，得到每个标签交互记录的特征，所述特征用于描述对应标签交互活动的标签交互情况；
根据获取到的特征进行训练，得到所述数值输出模型。
4.根据权利要求1所述的方法，其特征在于，所述数值输出模型包括第一数值输出模型和第二数值输出模型中的至少一个；
所述第一数值输出模型用于根据标签交互记录获取任一标签集合的第一类概率，所述第一类概率用于指示若发出所述标签集合则第一参与者发出所有剩余标签的概率；
所述第二数值输出模型用于根据标签交互记录获取任一标签集合的第二类概率，所述第二类概率用于指示若发出所述标签集合则第二参与者发出所有剩余标签的概率；
所述第一参与者为所述终端的下一个参与者，所述第二参与者为所述第一参与者的下一个参与者。
5.根据权利要求4所述的方法，其特征在于，所述确定终端当前剩余的多个待选标签，包括：
根据所述标签交互记录中最后一个发出的标签集合，从所述终端当前剩余的多个标签中，确定满足交互规则的多个待选标签集合，每个待选标签集合包括至少一个标签，所述交互规则用于规定发出的标签应当满足的规则；
所述基于所述数值输出模型和本次标签交互活动的标签交互记录，获取每个待选标签的数值，包括以下至少一项：
基于所述第一数值输出模型和所述标签交互记录，获取每个待选标签集合的第一类概率；
基于所述第二数值输出模型和所述标签交互记录，获取每个待选标签集合的第二类概率。
6.根据权利要求5所述的方法，其特征在于，所述根据每个待选标签的数值，确定目标标签集合，包括以下至少一项：
当所述终端与所述第一参与者属于同一组时，从所述多个待选标签集合中选取所述第一类概率最大的待选标签集合，作为所述目标标签集合；
当所述终端与所述第一参与者属于不同组时，从所述多个待选标签集合中选取所述第一类概率最小的待选标签集合，作为所述目标标签集合；
当所述终端与所述第二参与者属于同一组时，从所述多个待选标签集合中选取所述第二类概率最大的待选标签集合，作为所述目标标签集合；
当所述终端与所述第二参与者属于不同组时，从所述多个待选标签集合中选取所述第二类概率最小的待选标签集合，作为所述目标标签集合。
7.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取多次标签交互活动的标签交互记录；
对获取到的多个标签交互记录进行特征提取，得到每个标签交互记录的特征，所述特征至少用于描述对应标签交互活动中轮流发出的标签集合以及每次发出的标签集合对应的标识，所述标识用于表示发出对应的标签集合后下一个参与者是否发出所有剩余标签；
根据获取到的特征进行训练，得到所述第一数值输出模型。
8.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取多次标签交互活动的标签交互记录；
对获取到的多个标签交互记录进行特征提取，得到每个标签交互记录的特征，所述特征至少用于描述对应标签交互活动中轮流发出的标签集合以及每次发出的标签集合对应的标识，所述标识用于表示发出对应的标签集合后下一个参与者的下一个参与者是否发出所有剩余标签；
根据获取到的特征进行训练，得到所述第二数值输出模型。
9.一种基于标签的交互装置，其特征在于，所述装置包括：
确定模块，用于确定终端当前剩余的多个待选标签；
模型获取模块，用于获取已训练的数值输出模型，所述数值输出模型用于根据标签交互活动的标签交互记录获取任一标签的数值，所述数值用于衡量所述终端是否发出所述任一标签，所述标签交互记录包括所述标签交互活动中多个参与者已轮流发出的标签集合，所述标签集合包括至少一个标签；
数值获取模块，用于基于所述数值输出模型和本次标签交互活动的标签交互记录，获取每个待选标签的数值；
标签交互模块，用于根据每个待选标签的数值，确定目标标签集合，执行发出所述目标标签集合的操作。
10.根据权利要求9所述的装置，其特征在于，所述标签交互模块，包括：
排序单元，用于按照数值从大到小的顺序，对所述多个待选标签进行排序；
选取单元，用于按照排列顺序依次选取每个待选标签，当所述多个待选标签中存在目标标签集合时，执行发出所述目标标签集合的操作，所述目标标签集合为包括当前选取的待选标签且满足交互规则的标签集合，所述交互规则用于规定发出的标签应当满足的规则。
11.根据权利要求10所述的装置，其特征在于，所述装置还包括：
记录获取模块，用于获取多次标签交互活动的标签交互记录；
特征提取模块，用于对获取到的多个标签交互记录进行特征提取，得到每个标签交互记录的特征；
训练模块，用于根据获取到的特征进行训练，得到所述数值输出模型。
12.根据权利要求9所述的装置，其特征在于，所述数值输出模型包括第一数值输出模型和第二数值输出模型中的至少一个；
所述第一数值输出模型用于根据标签交互记录获取任一标签集合的第一类概率，所述第一类概率用于指示若发出所述标签集合则第一参与者发出所有剩余标签的概率；
所述第二数值输出模型用于根据标签交互记录获取任一标签集合的第二类概率，所述第二类概率用于指示若发出所述标签集合则第二参与者发出所有剩余标签的概率；
所述第一参与者为所述终端的下一个参与者，所述第二参与者为所述第一参与者的下一个参与者。
13.根据权利要求12所述的装置，其特征在于，所述确定模块，包括：
确定单元，用于根据所述标签交互记录中最后一个发出的标签集合，从所述终端当前剩余的多个标签中，确定满足交互规则的多个待选标签集合，每个待选标签集合包括至少一个标签，所述交互规则用于规定发出的标签应当满足的规则；
所述数值获取模块，包括以下至少一项：
第一数值获取单元，用于基于所述第一数值输出模型和所述标签交互记录，获取每个待选标签集合的第一类概率；
第二数值获取单元，用于基于所述第二数值输出模型和所述标签交互记录，获取每个待选标签集合的第二类概率。
14.一种基于标签进行交互的终端，其特征在于，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1至8任一权利要求所述的基于标签的交互方法中所执行的操作。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现如权利要求1至8任一权利要求所述的基于标签的交互方法中所执行的操作。
CN201810835677.5A 2018-07-26 2018-07-26 基于标签的交互方法、装置、终端及存储介质 Pending CN109102007A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810835677.5A CN109102007A (zh) 2018-07-26 2018-07-26 基于标签的交互方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810835677.5A CN109102007A (zh) 2018-07-26 2018-07-26 基于标签的交互方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
CN109102007A true CN109102007A (zh) 2018-12-28

Family

ID=64847720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810835677.5A Pending CN109102007A (zh) 2018-07-26 2018-07-26 基于标签的交互方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN109102007A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263937A (zh) * 2019-06-18 2019-09-20 深圳市腾讯网域计算机网络有限公司 一种数据处理方法、设备及存储介质
CN112044082A (zh) * 2020-08-28 2020-12-08 腾讯科技（深圳）有限公司 一种信息检测方法、装置及计算机可读存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263937A (zh) * 2019-06-18 2019-09-20 深圳市腾讯网域计算机网络有限公司 一种数据处理方法、设备及存储介质
CN110263937B (zh) * 2019-06-18 2021-09-28 深圳市腾讯网域计算机网络有限公司 一种数据处理方法、设备及存储介质
CN112044082A (zh) * 2020-08-28 2020-12-08 腾讯科技（深圳）有限公司 一种信息检测方法、装置及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN110119815A (zh) 模型训练方法、装置、存储介质及设备
CN110141857A (zh) 虚拟角色的面部显示方法、装置、设备及存储介质
CN107844781A (zh) 人脸属性识别方法及装置、电子设备及存储介质
CN110210571A (zh) 图像识别方法、装置、计算机设备及计算机可读存储介质
CN108833818A (zh) 视频录制方法、装置、终端及存储介质
CN110222789A (zh) 图像识别方法及存储介质
CN109618212A (zh) 信息显示方法、装置、终端及存储介质
CN109284445A (zh) 网络资源的推荐方法、装置、服务器及存储介质
CN107833219A (zh) 图像识别方法及装置
CN110471858A (zh) 应用程序测试方法、装置及存储介质
CN110136228A (zh) 虚拟角色的面部替换方法、装置、终端及存储介质
CN110334352A (zh) 引导信息显示方法、装置、终端及存储介质
CN109815150A (zh) 应用测试方法、装置、电子设备及存储介质
CN110059652A (zh) 人脸图像处理方法、装置及存储介质
CN110400180A (zh) 基于推荐信息的显示方法、装置及存储介质
CN110149332A (zh) 直播方法、装置、设备及存储介质
CN110399197A (zh) 任务显示的方法、终端、服务器及介质
CN110277106A (zh) 音频质量确定方法、装置、设备及存储介质
CN110139116A (zh) 直播间切换方法、装置及存储介质
CN109117635A (zh) 应用程序的病毒检测方法、装置、计算机设备及存储介质
CN110263617A (zh) 三维人脸模型获取方法及装置
CN110263131A (zh) 回复信息生成方法、装置及存储介质
CN109346111A (zh) 数据处理方法、装置、终端及存储介质
CN108288032A (zh) 动作特征获取方法、装置及存储介质
CN108833262A (zh) 会话处理方法、装置、终端及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination