CN110193203A - 虚拟角色竞技属性预测方法及装置 - Google Patents

Abstract

本发明涉及一种虚拟角色竞技属性预测方法，属于计算机应用技术领域。该方法包括：获取虚拟角色的历史竞技数据；根据所述历史竞技数据，计算所述虚拟角色的历史竞技属性；根据所述历史竞技属性计算预测参数；根据所述预测参数预测所述虚拟角色的当前竞技属性。本发明可以对玩家的当前竞技属性进行较准确的预测。

Description

虚拟角色竞技属性预测方法及装置

技术领域

本发明涉及计算机应用技术领域，具体而言，涉及一种虚拟角色竞技属性预测方法及装置、虚拟角色竞技匹配方法及装置、电子设备、计算机可读存储介质。

背景技术

电子游戏作为计算机应用技术中一个重要的领域，在近年来得到快速的发展。随着游戏玩家数量的增多，游戏厂商也致力于提供越来越好的游戏服务。其中，在游戏中对玩家控制的虚拟角色的竞技属性进行评价，会涉及到为玩家设置哪种难度的关卡，匹配怎样的对手，发放怎样的奖励等，因而受到许多游戏厂商的重视。

例如，在MOBA(Multiplayer Online Battle Arena，多人在线竞技)类游戏中，玩家通常被分为两队，每个玩家控制一个虚拟角色，进行同场竞技。其中，玩家的游戏水平等竞技属性对于游戏结果有很大影响，如果两队玩家的游戏水平差别较大，可能会导致水平较强的一方在游戏中轻松取胜；或者同一队中不同玩家之间的游戏水平差别较大，可能会导致无法很好的团队协作等；这些都可能给玩家造成较差的游戏体验，因此需要对玩家控制的虚拟角色的当前竞技属性进行预测。

目前多数是通过积分或胜率来评价玩家的游戏水平。例如玩家游戏取胜时获得积分，失败时失去积分，以累积积分反映玩家的游戏水平，或者按照游戏获胜局数/游戏总局数计算游戏胜率，胜率越高代表玩家的游戏水平越高。然而这两种方案最终反映的都是对玩家的历史游戏竞技属性的统计结果，并未对玩家当前的游戏竞技属性进行准确预测。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的在于提供一种虚拟角色竞技属性预测方法及装置、虚拟角色竞技匹配方法及装置、电子设备、计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的无法准确预测玩家所控制虚拟角色当前竞技属性的问题。

根据本发明的一个方面，提供一种虚拟角色竞技属性预测方法，包括：获取虚拟角色的历史竞技数据；根据所述历史竞技数据，计算所述虚拟角色的历史竞技属性；根据所述历史竞技属性计算预测参数；根据所述预测参数预测所述虚拟角色的当前竞技属性。

在本发明的一种示例性实施例中，所述获取虚拟角色的历史竞技数据包括：获取所述虚拟角色在各历史统计周期的竞技数据；所述根据所述历史竞技数据，计算所述虚拟角色的历史竞技属性包括：根据各所述历史统计周期的竞技数据，分别计算所述虚拟角色在各所述历史统计周期的竞技属性；所述根据所述历史竞技属性计算预测参数包括：根据所述虚拟角色在各所述历史统计周期的竞技属性计算所述预测参数；所述根据所述预测参数预测所述虚拟角色的当前竞技属性包括：根据所述预测参数预测所述虚拟角色在当前统计周期的竞技属性。

在本发明的一种示例性实施例中，所述根据所述虚拟角色在各所述历史统计周期内的竞技属性计算所述预测参数包括：根据所述虚拟角色在各所述历史统计周期内的竞技属性对一预测函数进行拟合，以获取所述预测函数的参数。

在本发明的一种示例性实施例中，所述预测函数包括S型函数。

在本发明的一种示例性实施例中，所述预测函数为：其中，i为统计周期计数值，d_i为所述虚拟角色在第i统计周期的竞技属性，A、B、C、D为所述预测函数的参数。

在本发明的一种示例性实施例中，所述根据所述历史竞技数据，计算所述虚拟角色的历史竞技属性包括：对所述历史竞技数据进行统计运算，获取一个或多个指标值；根据各所述指标值确定所述虚拟角色的历史竞技属性。

在本发明的一种示例性实施例中，所述根据各所述指标值确定所述虚拟角色的历史竞技属性包括：对各所述指标值加权运算得到所述虚拟角色的历史竞技属性。

在本发明的一种示例性实施例中，所述指标值包括众数、中位数、平均值、最大值、最小值中的一种或多种。

根据本发明的一个方面，提供一种虚拟角色竞技匹配方法，包括：获取多个虚拟角色的历史竞技数据；根据所述历史竞技数据，计算各所述虚拟角色的历史竞技属性；根据各所述历史竞技属性计算各所述虚拟角色的预测参数；根据各所述预测参数预测各所述虚拟角色的当前竞技属性；根据各所述虚拟角色的当前竞技属性对各所述虚拟角色进行匹配。

在本发明的一种示例性实施例中，根据各所述虚拟角色的当前竞技属性对各所述虚拟角色进行匹配包括：根据各所述虚拟角色的多种当前竞技属性的预测值确定各所述虚拟角色的综合竞技属性；根据各所述虚拟角色的综合竞技属性对各所述虚拟角色进行匹配。

在本发明的一种示例性实施例中，根据各所述虚拟角色的多种竞技属性的预测值确定各所述虚拟角色的综合竞技属性包括：对任一所述虚拟角色的所述多种当前竞技属性的预测值进行加权运算，得到该虚拟角色的综合竞技属性。

根据本发明的一个方面，提供一种虚拟角色竞技属性预测装置，包括：历史竞技数据获取模块，用于获取虚拟角色的历史竞技数据；历史竞技属性计算模块，用于根据所述历史竞技数据计算所述虚拟角色的历史竞技属性；预测参数获取模块，用于根据所述历史竞技属性计算预测参数；预测参数应用模块，用于根据所述预测参数预测所述虚拟角色的当前竞技属性。

在本发明的一种示例性实施例中，所述历史竞技数据获取模块还用于获取所述虚拟角色在各历史统计周期的竞技数据；所述历史竞技属性计算模块还用于根据各所述历史统计周期的竞技数据分别计算所述虚拟角色在各所述历史统计周期的竞技属性；所述预测参数获取模块还用于根据所述虚拟角色在各所述历史统计周期的竞技属性计算所述预测参数；所述预测参数应用模块还用于根据所述预测参数预测所述虚拟角色在当前统计周期的竞技属性。

在本发明的一种示例性实施例中，所述预测参数获取模块包括：预测函数获取单元，用于根据所述虚拟角色在各所述历史统计周期内的竞技属性对一预测函数进行拟合，以获取所述预测函数的参数。

在本发明的一种示例性实施例中，所述预测函数包括S型函数。

在本发明的一种示例性实施例中，所述预测函数为：其中，i为统计周期计数值，d_i为所述虚拟角色在第i统计周期的竞技属性，A、B、C、D为所述预测函数的参数。

在本发明的一种示例性实施例中，所述历史竞技属性计算模块包括：统计运算单元，用于对所述历史竞技数据进行统计运算，获取一个或多个指标值；指标计算单元，用于根据各所述指标值确定所述虚拟角色的历史竞技属性。

在本发明的一种示例性实施例中，所述指标计算单元还用于对各所述指标值加权运算得到所述虚拟角色的历史竞技属性。

在本发明的一种示例性实施例中，所述指标值包括众数、中位数、平均值、最大值、最小值中的一种或多种。

根据本发明的一个方面，提供一种虚拟角色竞技匹配装置，包括：历史竞技数据获取模块，用于获取多个虚拟角色的历史竞技数据；历史竞技属性计算模块，用于根据所述历史竞技数据，计算各所述虚拟角色的历史竞技属性；预测参数获取模块，用于根据各所述历史竞技属性计算各所述虚拟角色的预测参数；预测参数应用模块，用于根据各所述预测参数预测各所述虚拟角色的当前竞技属性；竞技属性匹配模块，用于根据各所述虚拟角色的当前竞技属性对各所述虚拟角色进行匹配。

在本发明的一种示例性实施例中，所述竞技属性匹配模块包括：综合竞技属性确定单元，用于根据各所述虚拟角色的多种当前竞技属性的预测值确定各所述虚拟角色的综合竞技属性；综合竞技属性匹配单元，用于根据各所述虚拟角色的综合竞技属性对各所述虚拟角色进行匹配。

在本发明的一种示例性实施例中，所述综合竞技属性确定单元还用于对任一所述虚拟角色的所述多种当前竞技属性的预测值进行加权运算，得到该虚拟角色的综合竞技属性。

根据本发明的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。

根据本发明的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的方法。

本发明示例性实施例具有以下有益效果：

在本发明中，通过虚拟角色的历史竞技数据计算出历史竞技属性后，进一步计算得到预测参数，再根据预测参数预测当前竞技属性。一方面，相比于仅通过历史数据统计的方法，本发明使用预测参数的方式得出的预测数据能更准确的反映玩家所控制虚拟角色的当前竞技属性，进而能够依据该数据快速准确的为玩家匹配实力相近的对手，或者快速准确的设置难度合适的关卡等，使玩家的游戏体验更好，并节省了网络资源；另一方面，由于本发明中的预测参数是基于历史竞技属性计算得到的，会根据各虚拟角色的历史竞技属性的不同而有所不同，因此可以对于不同的玩家有个性化的预测标准；同时，对于同一虚拟角色，随着其历史竞技属性的积累或动态变化，预测参数也会不断修正，进而可以进一步提升预测结果的准确性，从而容易调动玩家的游戏积极性，增加游戏对玩家的粘度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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示意性示出一种示例性应用环境的系统架构。

图2示意性示出另一种示例性应用环境的系统架构。

图3示意性示出一种虚拟角色竞技属性预测方法的流程图。

图4示意性示出另一种虚拟角色竞技属性预测方法的流程图。

图5示意性示出Sigmoid函数图像。

图6示意性示出一种预测函数的拟合图像。

图7示意性示出一种历史竞技属性确定方法的流程图。

图8示意性示出一种虚拟角色竞技属性预测装置的结构框图。

图9示意性示出一种虚拟角色竞技匹配装置的结构框图。

图10示意性示出一种用于实现上述方法的电子设备。

图11示意性示出一种用于实现上述方法的计算机可读存储介质。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

图1以及图2示出了可以应用本发明实施例的一种虚拟角色竞技属性预测方法及装置、一种竞技匹配方法及装置的示例性应用环境的系统架构的示意图。

如图1所示，系统架构110可以包括终端设备101、102、103中的一种或多种，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、便携式计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，如游戏服务。例如服务器105可以通过安装在终端设备101、102、103上的游戏应用向终端设备101、102、103提供游戏服务或通过安装在终端设备101、102、103上的其他应用向终端设备101、102、103提供其他服务。

其中，本实施例的方法可以应用于终端设备上，例如终端设备101、102、103等可以执行本实施例的方法，对登录于该终端设备上的虚拟角色竞技属性进行预测；也可以应用于服务器105上，对登记于该服务器105的虚拟角色的竞技属性进行预测等。

如图2所示，为一种单机游戏的系统架构120。在系统架构120中，可以在终端设备101、102、103中运行游戏的客户端程序。进而，也可以直接在该终端设备上应用本实施例的虚拟角色竞技属性预测方法等，本示例性实施例中对此不做特殊限定。

MOBA类游戏的特点是每经过一局游戏，玩家的游戏水平都可能得到不同程度的提高，然而相关技术中对于游戏积分或胜率的统计都是基于已经结束的历史游戏对局。因此存在一种相悖的情况，游戏中需要评价玩家当前的游戏水平，当前的游戏水平只有在当前的游戏对局结束后才能评价，而此时玩家通过一局的练习与经验累积，游戏水平已经得到提高。可见，相关的评价机制存在一定的滞后性，一些游戏中以天或周为周期更新对玩家的游戏水平评价，则滞后性更严重。现实中经常会出现玩家的游戏水平已经提高，而系统对玩家的游戏水平评价仍然较低，使玩家不得不进行大量水平较低的游戏对局，以“刷积分”或“刷胜率”，导致游戏体验较差。

鉴于上述问题，本示例实施方式提供了一种虚拟角色竞技属性预测方法。其中，所述虚拟角色是指用户所操控的游戏角色，可以是人物、动物、卡通角色、运载工具(如飞行器、战车等)等。所述竞技属性是指反映玩家在竞技游戏中某个方面属性的数据，例如反映玩家游戏水平的战力、积分、胜率等，或者反映玩家游戏偏好的常用角色、擅长类型(如擅长输出类、控制类、治疗类)、常用模式(如1V1、3V3、5V5，或普通模式、全体随机模式、联赛模式)等。

在一示例性实施例中，如图3所示，该虚拟角色竞技属性预测方法可以包括以下步骤：

步骤S310，获取虚拟角色的历史竞技数据。

其中，竞技数据是指玩家参与游戏的竞技结果，例如对战类游戏中的胜负场数、击杀数、死亡数，竞速类游戏中的时间、距离、得分等。通常服务器的数据库中可以储存所有虚拟角色的竞技数据，可以由服务器调取后使用；当然，也可以由终端设备以特定虚拟角色的身份向数据库发送请求后获取相应的竞技数据；此外，终端设备的本地存储中也可以保存在该终端设备上登录的虚拟角色的竞技数据，由终端设备直接调取使用；本示例性实施例中对此不做特殊限定。

步骤S320，根据所述历史竞技数据，计算所述虚拟角色的历史竞技属性。

其中，竞技数据通常可以是游戏中产生的原始数据，例如每一局游戏的得分等。而竞技属性可以是基于该原始数据的统计结果，以直观的体现虚拟角色某一方面的属性数据，例如游戏水平评价值等。游戏程序中可以预设竞技属性的计算方法，例如可以将一天之内所有游戏对局得分的平均值作为当天的游戏水平评价值，也可以将一周之内的游戏累积评价值作为本周的游戏水平评价值等。

步骤S330，根据所述历史竞技属性计算预测参数。

其中，历史竞技属性可以包括一个数据，例如通过一局游戏得到的历史竞技属性，也可以包括多个数据，例如多局游戏中每局的历史竞技属性，或者一局游戏中反映不同方面属性的历史竞技属性。预测参数可以定量的反映历史竞技属性所体现的规律或趋势，并可以表现为多种形式。举例而言，可以根据历史竞技属性对虚拟角色进行分类，预测参数可以是分类结果；或者可以根据历史竞技属性得到一竞技属性计算公式，预测参数可以是公式参数等，例如，当多个历史竞技属性符合线性变化规律时，可以根据历史竞技属性得到线性计算公式，则预测参数可以是其中的斜率、截距等参数。

步骤S340，根据所述预测参数预测所述虚拟角色的当前竞技属性。

当确定了预测参数后，可以通过预设的计算或分类方法得到虚拟角色的当前竞技属性，实现对竞技属性的预测。

在本示例性实施例中，通过虚拟角色的历史竞技数据计算出历史竞技属性后，进一步计算得到预测参数，再根据预测参数预测当前竞技属性。一方面，相比于仅通过历史数据统计的方法，本发明使用预测参数的方式得出的预测数据能更准确的反映玩家所控制虚拟角色的当前竞技属性，进而能够依据该数据快速准确的为玩家匹配实力相近的对手，或者快速准确的设置难度合适的关卡等，使玩家的游戏体验更好，并节省了网络资源；另一方面，由于本发明中的预测参数是基于历史竞技属性计算得到的，会根据各虚拟角色的历史竞技属性的不同而有所不同，因此可以对于不同的玩家有个性化的预测标准；同时，对于同一虚拟角色，随着其历史竞技属性的积累或动态变化，预测参数也会不断修正，进而可以进一步提升预测结果的准确性，从而容易调动玩家的游戏积极性，增加游戏对玩家的粘度。

在一示例性实施例中，为了更加准确的预测竞技属性，可以对历史竞技数据及历史竞技属性以统计周期为单位进行计算。图3中的4个步骤可以分别通过图4中的步骤S410、S420、S430、S440实现：步骤S410，获取所述虚拟角色在各历史统计周期的竞技数据；步骤S420，根据各所述历史统计周期的竞技数据，分别计算所述虚拟角色在各所述历史统计周期内的竞技属性；步骤S430，根据所述虚拟角色在各所述历史统计周期的竞技属性计算所述预测参数；步骤S440，根据所述预测参数预测所述虚拟角色在当前统计周期的竞技属性。

其中，统计周期是预设的对竞技数据进行统计的周期，可以是一小时、一天、一周等固定时间周期，也可以是非固定时间周期，例如一局游戏等，由于当前的统计周期通常不是一个完整周期，因此可以只统计各历史统计周期的竞技数据。通过多个历史统计周期的竞技属性可以更容易的发现竞技属性相对于时间的变化规律,从而确定预测参数，并对当前统计周期的竞技属性进行预测。

举例而言，预测参数可以通过函数的形式表现，在一示例性实施例中，步骤S430可以包括以下步骤：根据所述虚拟角色在各所述历史统计周期的竞技属性对一预测函数进行拟合，以获取所述预测函数的参数。

其中，预测函数的横坐标可以是统计周期(时间)，纵坐标可以是各历史统计周期对应的竞技属性。根据各竞技属性的分布，预测函数可以被拟合为不同类型的函数，例如本示例实施方式中，所述预测函数可以是S型函数。此外，如果玩家的游戏水平随时间稳定提高，则预测函数可以是线性函数，通过拟合可以获得线性函数的斜率、截距等参数，如果玩家的游戏水平在初期提高很快，随后渐趋平稳，则预测函数可以是对数函数，通过拟合可以获得对数函数的底数、系数等参数。本实施例对此不做特别限定。

下面，以所述预测函数是S型函数为例进行说明。

S型函数是指Sigmoid函数，其基本函数形式为：函数基本图形如图5所示，通常可以包括四个区间：缓慢期、对数期、稳定期、衰亡期。在玩家接触一款新游戏的初期，还处于熟悉游戏基本设定与操作的阶段，通常水平提高缓慢，处于Sigmoid函数的缓慢期；当玩家已经熟悉游戏后，在这一阶段通过大量的游戏对局可以迅速提高游戏水平，处于Sigmoid函数的指数期；随着游戏水平达到较高的程度，继续提高的速度通常会越来越慢，进入Sigmoid函数的稳定期；直到游戏水平趋于完全稳定，难以再提高，进入Sigmoid函数的衰亡期。可见，Sigmoid函数可以较准确的反映大部分玩家的游戏水平变化规律。

Sigmoid函数的具体形式可以有多种，在一示例性实施例中，所述预测函数可以是：其中，i为统计周期计数值，d_i为所述虚拟角色在第i统计周期的竞技属性，A、B、C、D为函数的参数。该函数是Sigmoid函数的一种变形，可以写为：d_i＝A·Sigmoid·(-B(i+C))+D。以表1中的数据举例说明，表1示出了一玩家控制的虚拟角色从第1天到第10天的游戏水平评价值，为该虚拟角色的竞技属性，在预测其第11天的游戏水平评价值时，可以用上述函数对已有的10个游戏水平评价值数据进行拟合，拟合结果如图4所示，可得到函数的各参数值，其中，A＝-2368，B＝0.85，C＝-6.06，D＝3335，因此可以得到完整的函数，通过该函数可以计算第11天的预测数据。该函数的四个参数中，通过改变B的数值，可以调整对数期的曲率，通过改变C的数值，可以调整数据点在S型曲线上的整体分布位置，A和D的数值主要影响纵坐标的相对大小。通过配置合适的参数值，该函数可以对大部分S型或近似S型分布的数据实现良好的拟合，进而做出较准确的预测。通常统计的周期越长，竞技属性的历史数据越多，拟合出的函数越接近真实情况，对于竞技属性的预测也越准确。

表1

统计周期(天)	游戏水平评价值
		1	1000
2	1020
		3	1144
4	1350
		5	1596
6	2134
		7	2638
8	2890
		9	3188
10	3250
		11	3300(预测)

在历史竞技属性较少的情况下，可以适当的简化预测函数，减少其中的参数数量，以降低拟合误差。例如，当只有一个历史竞技属性时(玩家只进行了一局或一天游戏)，可以根据函数来预测当前竞技属性，通过历史竞技属性计算该函数的参数A，从而便于实现未来竞技属性预测。

在实际应用中，可能出现部分异常的竞技属性，例如玩家在某一天的游戏水平评价值异常的偏高或偏低，之后又恢复正常，可能是临时性的更换玩家造成的，程序在拟合时可以剔除这些异常数据点；又例如玩家从某天开始，游戏水平评价值发生突变，之后持续按照新的S型轨迹发展，可能是游戏账号更换了玩家，或者玩家间隔了一段时间没有玩游戏，导致再次进入游戏时水平下降，又回到了之前的发展轨迹上。则程序在获取竞技属性时，可以将突变之前的数据全部剔除，从突变之后开始重新收集竞技数据并计算竞技属性。还可以根据具体的异常情况为游戏程序设定相应的处理逻辑。需要补充的是，在进行上述拟合时，程序可以计算拟合的曲线与竞技属性历史数据之间的误差，可以设置一误差阈值，当误差超过该阈值时，程序判断不适合用S型函数拟合，则可以根据历史数据的分布采用其他类型的函数拟合，如线性函数、对数函数等。

在一示例性实施例中，为了使竞技属性更好的体现竞技数据所包含的实际意义并具有更好的代表性，图3中的步骤S320可以通过图7中的步骤S721与S722实现：步骤S721，对所述历史竞技数据进行统计运算，获取一个或多个指标值；步骤S722，通过各所述指标值确定所述虚拟角色的历史竞技属性。

其中，所述指标值可以包括众数、中位数、平均值、最大值以及最小值中的一种或多种。此外，还可以包括数量、方差、标准差等统计指标。确定竞技属性的方法可以包括加、减、乘、除等各类基本运算，例如可以用平均值除以标准差得到一种竞技属性，用于同时衡量玩家游戏表现的总体水平与稳定性，确定方法也可以包括加权运算、线性拟合等各类运算，以得到意义不同的竞技属性。

举例来说，在一示例性实施例中，可以通过对各所述指标值加权运算得到所述虚拟角色在所述历史统计周期内的竞技属性。例如，在竞速类游戏中，玩家每局游戏结束后得到距离结果，以此表征玩家的游戏表现，每局游戏的距离就是该局游戏的竞技数据。获取某玩家一天内所有游戏对局的距离数据，形成距离的集合setD，对该集合进行统计运算，获取的指标值如表2所示。其中，V1为距离最大的10局游戏中距离的平均值，V2为所有游戏对局的距离平均值，V3为所有距离数值中出现次数最多的距离，V4为所有距离按照数值递增或递减排列后处于最中间的距离，V5为所有距离中的最大值，V6所有距离中的最小值，V7为所有距离数值统计的标准差，V8为距离最大值与最小值之间的范围。

在计算平均值、众数、中位数、标准差时，可以从集合中去除最大值与最小值，以降低数据波动对于统计结果的影响，优化统计指标。例如可以通过V2＝[sum(setD)-V5-V6]/(对局数-2)计算距离平均值，其中sum(setD)为集合setD中的数值总和。示例性的，在计算出V1、V2、V3、V4后，可以通过D＝a·V1+b·V2+c·V3+d·V4计算玩家的距离水平，得到反映玩家游戏水平的竞技属性，其中，a、b、c、d分别为V1、V2、V3、V4的权重系数，可以根据经验或者对样本数据线性拟合获得。通常而言，a+b+c+d＝1.0，但在不同游戏中a、b、c、d的具体数值可能会有所不同。此外，在一些游戏中，距离最大值代表玩家最好成绩，也可以参与加权运算；或者表2中没有罗列出的指标值也可以参与加权运算；当然，也可以使用更少的指标值做加权运算以计算竞技属性，甚至为了减少运算量，可以仅使用一个指标值进行计算，此时该指标值的权重系数可以为1。具体使用哪些指标值与游戏的具体设定有关，本实施例对此不做特别限定。

表2

此外，还可以利用一些指标值对竞技属性进行修正式计算。例如上述竞速类游戏中，标准差V7是反映玩家距离水平波动的一项指标，通常标准差越高代表玩家的游戏水平波动越大，其游戏表现越不稳定。因此可以通过D＝a·V1+b·V2+c·V3+d·V4-e·V7对竞技属性D进行修正，使其更真实的反映玩家游戏水平；或者距离分布范围V8是反映玩家距离水平波动的另一项指标，也可以使用V8对竞技属性D进行修正，使D＝a·V1+b·V2+c·V3+d·V4-f·V8；或者以标准差的倒数为系数，可以使D＝(a·V1+b·V2+c·V3+d·V4)/V7等等。本实施例对修正的具体方法不做特别限定。

本示例实施方式还提供了一种虚拟角色竞技匹配方法，可以应用于提供游戏支持的服务器中，其与安装游戏客户端程序的终端设备实现虚拟角色的数据交互，从而对虚拟角色进行竞技匹配。该虚拟角色竞技匹配方法可以包括以下步骤：获取多个虚拟角色的历史竞技数据；根据所述历史竞技数据，计算各所述虚拟角色的历史竞技属性；根据各所述历史竞技属性计算各所述虚拟角色的预测参数；根据各所述预测参数预测各所述虚拟角色的当前竞技属性；根据各所述虚拟角色的当前竞技属性对各所述虚拟角色进行匹配。

其中，对于不同的虚拟角色，由于其历史竞技属性不同，体现的变化规律或趋势也不同，因此相应的预测参数也不同。游戏程序在预测多个虚拟角色的竞技属性时，可以分别为每个虚拟角色计算专门的预测参数，并根据预测参数实现竞技属性预测。在预测当前竞技属性的基础上，可以实现各种形式的玩家匹配：例如可以计算游戏中每一方玩家的战力总和，使双方的总战力相同或相近。或者，还可以按照战力将玩家分级，使同一级的玩家匹配到同一局游戏中。或者，一方的玩家之间互为好友，考虑到其团队协作性可能更好，在匹配对方玩家时可以进行一定的战力补偿，使对方的总战力高出本方一定比例(如对方战力≈本方战力*1.1)。或者，还可以根据玩家的擅长类型进行匹配，使一局游戏中双方的角色能够均衡配置，既有输出型角色，又有辅助型角色等。或者，还可以根据玩家的竞技属性为玩家匹配不同级别的副本或者分配不同难度的任务等。即本示例实施方式中，对于为各所述虚拟角色进行匹配时的匹配形式或内容不做特殊限定。

在本示例性实施例中，可以根据虚拟角色当前竞技属性的预测数据对玩家进行匹配，由于预测数据能够较准确的反映玩家当前的竞技属性，可以实现较平衡的玩家匹配，从而增加了游戏的对抗性、团队协作性及游戏结果的不确定性，玩家的游戏体验更好。

在一示例性实施例中，根据各所述虚拟角色的竞技属性对各所述虚拟角色进行匹配的步骤可以包括：根据各所述虚拟角色的多种当前竞技属性的预测值确定各所述虚拟角色的综合竞技属性；根据各所述虚拟角色的综合竞技属性对各所述虚拟角色进行匹配。

在很多游戏中，玩家的竞技属性可以通过多个维度来进行衡量。例如在竞速类游戏中，玩家每局游戏结束后根据其跑动的远近得到一个距离结果，以及根据其获得的道具、击杀的敌人等得到一个分数结果，距离与分数分别从两个方面反映了玩家的游戏水平，如果玩家A的距离大于玩家B，而分数低于玩家B，则不容易直接对比玩家A与玩家B的游戏水平高低，此时可以通过综合竞技属性的大小来进行对比。综合竞技属性是指为了反映玩家在竞技游戏中某个方面属性的数据，而将所有相关的竞技属性进行计算所得到的具有综合代表性的数据，如综合积分、综合战力。在上述竞速类游戏中，可以将玩家的距离与分数之和作为综合竞技属性；或者在对战类游戏中，可以将玩家的积分与胜率的乘积作为综合竞技属性等，本实施例对此不做特别限定。

考虑到在确定综合竞技属性时，各竞技属性的重要度、相对数值大小等不同，可以按照各竞技属性的权重进行计算。因此，在一示例性实施例中，根据各所述虚拟角色的多种竞技属性的预测值确定各所述虚拟角色的综合竞技属性的步骤可以包括：对于任一所述虚拟角色，对该虚拟角色的各竞技属性的预测值进行加权运算，如加权平均运算或加权求和运算等，得到该虚拟角色的综合竞技属性。例如竞速类游戏中，如果距离与分数同等重要，并且玩家增加距离与增加分数的难度相当，则可以按照综合积分＝0.5*距离+0.5*分数的方法计算，其中距离与分数的权重系数都是0.5，如果距离的重要性略高于分数，且对于玩家来说，增加距离比增加分数更困难，则可以给距离分配更高的权重系数，如综合积分＝0.6*距离+0.4*分数等。又例如在对战类游戏中，玩家的输出型战力与辅助型战力同等重要，则综合战力可以为0.5*输出型战力+0.5*辅助型战力，如果游戏中还包括控制型战力，其重要度略低于前两种类型，则综合战力可以为0.4*输出型战力+0.4*辅助型战力+0.2*控制型战力等等。具体的加权运算方法以及各竞技属性的权重系数视游戏的具体规则而定，本实施例对此不做特别限定。

本示例实施方式还提供了一种虚拟角色竞技属性预测装置，可以应用于运行游戏客户端程序的终端设备，例如手机、平板电脑、游戏机、个人电脑等，也可以应用于提供游戏数据交互的服务器。如图8所示，该虚拟角色竞技属性预测装置800可以包括：历史竞技数据获取模块810，用于获取虚拟角色的历史竞技数据；历史竞技属性计算模块820，用于根据所述历史竞技数据计算所述虚拟角色的历史竞技属性；预测参数获取模块830，用于根据所述历史竞技属性计算预测参数；预测参数应用模块840，用于根据所述预测参数预测所述虚拟角色的当前竞技属性。

在一示例性实施例中，所述历史竞技数据获取模块还可以用于获取所述虚拟角色在各历史统计周期的竞技数据；所述历史竞技属性计算模块还可以用于根据各所述历史统计周期的竞技数据分别计算所述虚拟角色在各所述历史统计周期的竞技属性；所述预测参数获取模块还可以用于根据所述虚拟角色在各所述历史统计周期的竞技属性计算所述预测参数；所述预测参数应用模块还可以用于根据所述预测参数预测所述虚拟角色在当前统计周期的竞技属性。

在一示例性实施例中，所述预测参数获取模块可以包括：预测函数获取单元，用于根据所述虚拟角色在各所述历史统计周期内的竞技属性对一预测函数进行拟合，以获取所述预测函数的参数。

在一示例性实施例中，所述预测函数可以包括S型函数。

在一示例性实施例中，所述预测函数可以是：其中，i为统计周期计数值，d_i为所述虚拟角色在第i统计周期的竞技属性，A、B、C、D为所述预测函数的参数。

在一示例性实施例中，所述历史竞技属性计算模块可以包括：统计运算单元，用于对所述历史竞技数据进行统计运算，获取一个或多个指标值；指标计算单元，用于根据各所述指标值确定所述虚拟角色的历史竞技属性。

在一示例性实施例中，所述指标计算单元还可以用于对各所述指标值加权运算得到所述虚拟角色的历史竞技属性。

在一示例性实施例中，所述指标值可以包括众数、中位数、平均值、最大值、最小值中的一种或多种。

本示例实施方式还提供了一种虚拟角色竞技匹配装置，可以应用于提供游戏支持的服务器中，其与安装游戏客户端程序的终端设备实现虚拟角色的数据交互，从而对虚拟角色进行竞技匹配。如图9所示，该虚拟角色竞技匹配装置900可以包括：历史竞技数据获取模块910，用于获取多个虚拟角色的历史竞技数据；历史竞技属性计算模块920，用于根据所述历史竞技数据，计算各所述虚拟角色的历史竞技属性；预测参数获取模块930，用于根据各所述历史竞技属性计算各所述虚拟角色的预测参数；预测参数应用模块940，用于根据各所述预测参数预测各所述虚拟角色的当前竞技属性；竞技属性匹配模块950，用于根据各所述虚拟角色的当前竞技属性对各所述虚拟角色进行匹配。

在一示例性实施例中，所述竞技属性匹配模块可以包括：综合竞技属性确定单元，用于根据各所述虚拟角色的多种当前竞技属性的预测值确定各所述虚拟角色的综合竞技属性；综合竞技属性匹配单元，用于根据各所述虚拟角色的综合竞技属性对各所述虚拟角色进行匹配。

在一示例性实施例中，所述综合竞技属性确定单元还可以用于对任一所述虚拟角色的所述多种当前竞技属性的预测值进行加权运算，得到该虚拟角色的综合竞技属性。

上述虚拟角色竞技属性预测装置与虚拟角色竞技匹配装置中各模块/单元的具体细节在相应的方法实施例部分已有详细的说明，此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

本示例实施方式还提供一种电子设备，执行图3、图4或图7所示的虚拟角色竞技属性预测方法的全部或者部分步骤。所述装置包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行：响应于用户在客户端的输入，根据来自所述客户端的远程输入消息更新云应用端的远程输入事件队列；以及将用于获取输入事件的应用程序接口API获取输入事件的操作重定向至所述远程输入事件队列，并对从所述远程输入事件队列获取的输入事件进行处理。

图10示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。

需要说明的是，图10示出的电子设备的计算机系统1000仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图10所示，计算机系统1000包括中央处理单元(CPU)1001，其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。在RAM 1003中，还存储有系统操作所需的各种程序和数据。CPU 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

以下部件连接至I/O接口1005：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1007从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元(CPU)1001执行时，执行本申请的装置中限定的各种功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

本示例实施方式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可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。参考图11所示，上述计算机可读存储介质承载有一个或者多个计算机程序1100，当上述一个或者多个计算机程序1100被一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的方法，例如，所述的电子设备可以实现如图3、图4或图7所示的各个步骤。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (11)

1.一种虚拟角色竞技属性预测方法，其特征在于，包括：

获取虚拟角色的历史竞技数据；

根据所述历史竞技数据，计算所述虚拟角色的历史竞技属性；

根据所述历史竞技属性计算预测参数；

根据所述预测参数预测所述虚拟角色的当前竞技属性。

2.根据权利要求1所述的方法，其特征在于，所述获取虚拟角色的历史竞技数据包括：

获取所述虚拟角色在各历史统计周期的竞技数据；

所述根据所述历史竞技数据，计算所述虚拟角色的历史竞技属性包括：

根据各所述历史统计周期的竞技数据，分别计算所述虚拟角色在各所述历史统计周期的竞技属性；

所述根据所述历史竞技属性计算预测参数包括：

根据所述虚拟角色在各所述历史统计周期的竞技属性计算所述预测参数；

所述根据所述预测参数预测所述虚拟角色的当前竞技属性包括：

根据所述预测参数预测所述虚拟角色在当前统计周期的竞技属性。

3.根据权利要求2所述的方法，其特征在于，所述根据所述虚拟角色在各所述历史统计周期内的竞技属性计算所述预测参数包括：

根据所述虚拟角色在各所述历史统计周期内的竞技属性对一预测函数进行拟合，以获取所述预测函数的参数。

4.根据权利要求3所述的方法，其特征在于：所述预测函数包括S型函数。

5.根据权利要求3所述的方法，其特征在于，所述预测函数为： 其中，i为统计周期计数值，d_i为所述虚拟角色在第i统计周期的竞技属性，A、B、C、D为所述预测函数的参数。

6.根据权利要求1所述的方法，其特征在于，所述根据所述历史竞技数据，计算所述虚拟角色的历史竞技属性包括：

对所述历史竞技数据进行统计运算，获取一个或多个指标值；

根据各所述指标值确定所述虚拟角色的历史竞技属性。

7.根据权利要求6所述的方法，其特征在于，所述根据各所述指标值确定所述虚拟角色的历史竞技属性包括：

对各所述指标值加权运算得到所述历史竞技属性。

8.根据权利要求7所述的方法，其特征在于：所述指标值包括众数、中位数、平均值、最大值、最小值中的一种或多种。

9.一种虚拟角色竞技匹配方法，其特征在于，包括：

获取多个虚拟角色的历史竞技数据；

根据所述历史竞技数据，计算各所述虚拟角色的历史竞技属性；

根据各所述历史竞技属性计算各所述虚拟角色的预测参数；

根据各所述预测参数预测各所述虚拟角色的当前竞技属性；

根据各所述虚拟角色的当前竞技属性对各所述虚拟角色进行匹配。

10.根据权利要求9所述的方法，其特征在于，根据各所述虚拟角色的当前竞技属性对各所述虚拟角色进行匹配包括：

根据各所述虚拟角色的多种当前竞技属性的预测值确定各所述虚拟角色的综合竞技属性；

根据各所述虚拟角色的综合竞技属性对各所述虚拟角色进行匹配。

11.根据权利要求10所述的方法，其特征在于，根据各所述虚拟角色的多种竞技属性的预测值确定各所述虚拟角色的综合竞技属性包括：

对任一所述虚拟角色的所述多种当前竞技属性的预测值进行加权运算，得到该虚拟角色的综合竞技属性。