CN110851542A - 数据处理方法、装置、电子设备及计算机可读存储介质 - Google Patents

数据处理方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN110851542A
CN110851542A CN201911083846.5A CN201911083846A CN110851542A CN 110851542 A CN110851542 A CN 110851542A CN 201911083846 A CN201911083846 A CN 201911083846A CN 110851542 A CN110851542 A CN 110851542A
Authority
CN
China
Prior art keywords
team
data
time
real
match
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.)
Granted
Application number
CN201911083846.5A
Other languages
English (en)
Other versions
CN110851542B (zh
Inventor
罗路天
胡立坤
李世岗
胡飞雄
梅俊
张佳宝
韩凯
王港加
黄浩倚
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201911083846.5A priority Critical patent/CN110851542B/zh
Publication of CN110851542A publication Critical patent/CN110851542A/zh
Application granted granted Critical
Publication of CN110851542B publication Critical patent/CN110851542B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • 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
    • A63F13/70—Game security or game management aspects
    • A63F13/77—Game security or game management aspects involving data related to game devices or game servers, e.g. configuration data, software version or amount of memory
    • 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
    • A63F13/70—Game security or game management aspects
    • A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/182—Distributed file systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供了一种数据处理方法、装置、电子设备及计算机可读存储介质，涉及大数据处理领域。包括：基于采集工具、和/或基于采集到的比赛图像，获取当前比赛过程中每时段的实时比赛数据，然后基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据，并基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据，然后基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据，并将赛事结果数据呈现给用户。本申请实施例实现了提升电子竞技数据分析处理的效率以及提高电子竞技数据分析结果的准确度，并提升用户体验。

Description

数据处理方法、装置、电子设备及计算机可读存储介质
技术领域
本申请涉及大数据处理技术领域，具体而言，本申请涉及一种数据处理方法、装置、电子设备及计算机可读存储介质。
背景技术
随着信息技术的发展，电子竞技随之发展，其中，电子竞技(Electronic Sports)就是电子游戏比赛达到“竞技”层面的体育项目。近年来，随着电子竞技产业的发展，对电子竞技数据的分析处理显得尤为重要，尤其是针对B端用户。
现有技术中对电子竞技数据进行分析处理主要为通过人工对电子竞技过程中产生的数据进行统计并录入，例如，某一战队的失败场数以及成功场数，然后对录入的数据进行人工分析，得到分析结果以在平台上进行显示，例如，两个战队在某一电子竞技过程中的结果为3:2等。
但是通过人工对电子竞技过程中产生的数据进行统计、录入，并对录入的数据进行分析，可能导致对电子竞技数据进行分析处理的效率较低，并且电子竞技数据分析结果的准确度也较低，进而导致用户体验较差。
发明内容
本申请提供了一种数据处理方法、装置、电子设备及计算机可读存储介质，可以解决上述至少一种技术问题。所述技术方案如下：
第一方面，提供了一种数据处理方法，包括：
基于采集工具、和/或基于采集到的比赛图像，获取当前比赛过程中每时段的实时比赛数据；
基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据；
基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据；
基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据；
将赛事结果数据呈现给用户。
在一种可能的实现方式中，基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据，包括：
将当前比赛过程中每时段的实时比赛数据进行清洗处理，得到清洗处理后的实时比赛数据；
对清洗处理后的实时比赛数据进行聚类处理，得到当前比赛过程中每时段各个玩家分别对应的实时比赛数据。
在一种可能的实现方式中，基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据，包括以下至少一项：
若各个玩家分别对应的实时比赛数据与预设比赛数据之间满足预设条件，则基于各个玩家分别对应的实时比赛数据计算各个战队每时段分别对应的实时比赛数据；
若各个玩家分别对应的实时比赛数据与预设比赛数据之间不满足预设条件，则删除各个玩家分别对应的实时比赛数据中不满足预设条件的数据，并基于删除处理后的数据计算各个战队每时段分别对应的实时比赛数据。
在一种可能的实现方式中，基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据，之后还包括：
将各个战队每时段分别对应的实时比赛数据存储至预设数据库；
预设数据库包括：关系型数据库以及分布式文件系统。
在一种可能的实现方式中，基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据，包括：
利用批处理技术从分布式文件系统中获取各个战队每时段分别对应的实时比赛数据；
基于获取到的各个战队每时段分别对应的实时比赛数据并利用批处理技术计算赛事结果数据；
其中，赛事结果数据包括：各个战队分别对应的赛事结果数据以及每个战队中各个玩家分别对应的赛事结果数据。
在一种可能的实现方式中，基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据，之后还包括：
存储当前比赛对应的赛事结果数据。
在一种可能的实现方式中，该方法还包括：
获取各个战队分别对应的历史比赛数据；
基于各个战队分别对应的历史比赛数据计算当前比赛各个战队分别对应的赛前预测数据；
将当前比赛各个战队分别对应的赛前预测数据呈现给用户。
在一种可能的实现方式中，基于各个战队分别对应的历史比赛数据计算当前比赛各个战队分别对应的赛前预测数据，包括以下至少一项：
基于各个战队分别对应的历史比赛数据并通过训练后的赛前预测模型计算赛前预测数据；
基于各个战队分别对应的历史比赛数据计算各个战队针对每个回合分别对应的预测数据，并基于各个战队针对每个回合分别对应的预测数据计算赛前预测数据。
在一种可能的实现方式中，各个战队分别对应的历史比赛数据包括：各个战队的当前排名信息以及各个战队的战绩数据的至少一项；
基于各个战队分别对应的历史比赛数据计算各个战队针对每个回合分别对应的预测数据，并基于各个战队针对每个回合分别对应的预测数据计算赛前预测数据，包括：
基于各个战队当前的排名信息以及各个战队的战绩数据中的至少一项计算各个战队针对每个回合分别对应的赛前预测胜率；
基于各个战队针对每个回合分别对应的赛前预测胜率计算赛前预测数据。
在一种可能的实现方式中，基于各个战队分别对应的历史比赛数据计算当前比赛各个战队分别对应的赛前预测数据，之后还包括：
存储当前比赛各个战队分别对应的赛前预测数据。
在一种可能的实现方式中，该方法还包括：
基于各个战队当前每时段分别对应的实时比赛数据，计算各个战队针对每个回合分别对应的实时胜率；
根据各个战队分别对应的历史比赛数据以及赛前预测数据中的至少一项，计算各个战队针对每个回合分别对应的历史胜率；
基于各个战队针对每个回合分别对应的历史胜率以及各个战队针对每个回合分别对应的实时胜率，计算各个战队分别对应的赛中预测数据；
将各个战队分别对应的赛中预测数据呈现给用户。
在一种可能的实现方式中，基于各个战队针对每个回合分别对应的历史胜率以及各个战队针对每个回合分别对应的实时胜率，计算各个战队分别对应的赛中预测数据，包括：
基于各个战队针对每个回合分别对应的历史胜率、各个战队针对每个回合分别对应的实时胜率，以及二者之间的权重信息，计算各个战队针对每个回合分别对应的赛中预测胜率；
基于各个战队针对每个回合分别对应的赛中预测胜率计算各个战队分别对应的赛中预测数据。
在一种可能的实现方式中，基于各个战队针对每个回合分别对应的历史胜率以及各个战队针对每个回合分别对应的实时胜率，计算各个战队分别对应的赛中预测数据，之后还包括：
存储各个战队分别对应的赛中预测数据。
第二方面，提供了一种数据处理装置，该装置包括：
第一获取模块，用于基于采集工具、和/或基于采集到的比赛图像，获取当前比赛过程中每时段的实时比赛数据；
第一计算模块，用于基于当前比赛过程中每时段的实时比赛数据，确定当前比赛过程中每时段各个玩家分别对应的实时比赛数据；
第二计算模块用于基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据；
第三计算模块，用于基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据；
第一呈现模块，用于将赛事结果数据呈现给用户。
在一种可能的实现方式中，第一计算模块在基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据时，具体用于：
将当前比赛过程中每时段的实时比赛数据进行清洗处理，得到清洗处理后的实时比赛数据；
对清洗处理后的实时比赛数据进行聚类处理，得到当前比赛过程中每时段各个玩家分别对应的实时比赛数据。
在一种可能的实现方式中，第二计算模块在基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据时，具体用于以下至少一项：
当各个玩家分别对应的实时比赛数据与预设比赛数据之间满足预设条件时，基于各个玩家分别对应的实时比赛数据计算各个战队每时段分别对应的实时比赛数据；
当各个玩家分别对应的实时比赛数据与预设比赛数据之间不满足预设条件时，删除各个玩家分别对应的实时比赛数据中不满足预设条件的数据，并基于删除处理后的数据计算各个战队每时段分别对应的实时比赛数据。
在一种可能的实现方式中，该装置还包括：存储模块，其中，
存储模块，用于将各个战队每时段分别对应的实时比赛数据存储至预设数据库；
预设数据库包括：关系型数据库以及分布式文件系统。
在一种可能的实现方式中，第三计算模块在基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据时，具体用于：
利用批处理技术从分布式文件系统中获取各个战队每时段分别对应的实时比赛数据；
基于获取到的各个战队每时段分别对应的实时比赛数据并利用批处理技术计算赛事结果数据；
其中，赛事结果数据包括：各个战队分别对应的赛事结果数据以及每个战队中各个玩家分别对应的赛事结果数据。
在一种可能的实现方式中，该装置还包括：第二获取模块以及第四计算模块，其中，
第二获取模块，用于获取各个战队分别对应的历史比赛数据；
第四计算模块，用于基于各个战队分别对应的历史比赛数据计算当前比赛各个战队分别对应的赛前预测数据；
第二呈现模块，用于将当前比赛各个战队分别对应的赛前预测数据呈现给用户。
在一种可能的实现方式中，第四计算模块在基于各个战队分别对应的历史比赛数据计算当前比赛各个战队分别对应的赛前预测数据时，具体用于以下至少一项：
基于各个战队分别对应的历史比赛数据并通过训练后的赛前预测模型计算赛前预测数据；
基于各个战队分别对应的历史比赛数据计算各个战队针对每个回合分别对应的预测数据，并基于各个战队针对每个回合分别对应的预测数据计算赛前预测数据。
在一种可能的实现方式中，各个战队分别对应的历史比赛数据包括：各个战队的当前排名信息以及各个战队的战绩数据的至少一项；
第四计算模块在基于各个战队分别对应的历史比赛数据计算各个战队针对每个回合分别对应的预测数据，并基于各个战队针对每个回合分别对应的预测数据计算赛前预测数据时，具体用于：
基于各个战队当前的排名信息以及各个战队的战绩数据中的至少一项计算各个战队针对每个回合分别对应的赛前预测胜率；
基于各个战队针对每个回合分别对应的赛前预测胜率计算赛前预测数据。
在一种可能的实现方式中，该装置还包括：第五计算模块，其中，
第五计算模块，用于基于各个战队当前每时段分别对应的实时比赛数据，计算各个战队针对每个回合分别对应的实时胜率；
第五计算模块，具体还用于根据各个战队分别对应的历史比赛数据以及赛前预测数据中的至少一项，计算各个战队针对每个回合分别对应的历史胜率；
第五计算模块，具体还用于基于各个战队针对每个回合分别对应的历史胜率以及各个战队针对每个回合分别对应的实时胜率，计算各个战队分别对应的赛中预测数据；
第三呈现模块，用于将各个战队分别对应的赛中预测数据呈现给用户。
在一种可能的实现方式中，第五计算模块在基于各个战队针对每个回合分别对应的历史胜率以及各个战队针对每个回合分别对应的实时胜率，计算各个战队分别对应的赛中预测数据时，具体用于：
基于各个战队针对每个回合分别对应的历史胜率、各个战队针对每个回合分别对应的实时胜率，以及二者之间的权重信息，计算各个战队针对每个回合分别对应的赛中预测胜率；
基于各个战队针对每个回合分别对应的赛中预测胜率计算各个战队分别对应的赛中预测数据。
第三方面，提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据第一方面或者第一方面任一可能的实现方式所示的数据处理方法对应的操作。
第四方面，提供了一种计算机可读存储介质，存储介质存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如第一方面或者第一方面任一可能的实现方式所示的数据处理方法。
本申请提供的技术方案带来的有益效果是：
本申请提供了一种数据处理方法、装置、电子设备及计算机可读存储介质，与现有技术中通过人工对电子竞技过程中产生的数据进行统计、录入，并对录入的数据进行分析相比，本申请基于采集工具、和/或基于采集到的比赛图像，获取当前比赛过程中每时段的实时比赛数据，然后基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据，并基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据，然后基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据，将赛事结果数据呈现给用户。即本申请中通过获取实时比赛数据能够根据获取到的比赛数据计算出各个战队分别对应的实时比赛数据，并且还可以根据各个战队分别对应的实时比赛数据计算赛事结果数据，并输出计算结果以显示给用户，而不需要通过人工对电子竞技数据进行录入、统计和分析，从而可以提升电子竞技数据分析处理的效率，并且也可以提高电子竞技数据分析结果的准确度，进而可以提升用户体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种数据处理方法的流程示意图；
图2为本申请实施例提供的一种数据处理装置的结构示意图；
图3为本申请实施例提供的一种数据处理的电子设备的结构示意图；
图4为现有技术中电子竞技信息管理平台的示意图；
图5为现有技术中获的电竞数据的示意图；
图6a为本申请实施例中一种各个战队分别对应的实时比赛数据呈现给用户的效果示意图；
图6b为本申请实施例中另一种各个战队分别对应的实时比赛数据呈现给用户的效果示意图；
图7a为本申请实施例中一种针对赛事结果数据的示意图；
图7b为本申请实施例中一种由第三方平台展示的赛事结果示意图；
图7c为本申请实施例中另一种针对赛事结果数据的示意图；
图7d为本申请实施例中另一种由第三方平台展示的赛事结果示意图；
图7e为本申请实施例中另一种针对赛事结果数据的示意图；
图7f为本申请实施例中另一种由第三方平台展示的赛事结果示意图；
图7g为本申请实施例中另一种针对赛事结果数据的示意图；
图7h为本申请实施例中另一种由第三方平台展示的赛事结果示意图；
图8a为本申请实施例中在直播过程中呈现赛前预测数据的效果示意图；
图8b为本申请实施例中在直播过程中呈现的针对当前地图的赛前预测结果的示意图；
图9为本申请实施例中在XX游戏地图中最终获胜的概率的变化趋势示意图；
图10为本申请实施例中数据处理总体架构示意图；
图11为本申请实施例中计算平台效果示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
首先对本申请涉及的几个名词进行介绍和解释：
蓝鲸：基础运维及运营工具平台即服务(Platform as a Service，PaaS)。
IEG数据平台：互动娱乐事业群数据平台，提供数据采集、实时计算、数据挖掘等原子服务。
LogBeat：IEG数据平台提供的文件采集器。
蓝鲸SaaS：蓝鲸上的SaaS应用。
随着新文创时代的到来，电子竞技越来越成为文化内容产业的一部分。近年来，电子竞技内容产业发展如火如荼，过去电子竞技过程中，由于游戏IP行为的限制，竞技过程中的数据大都停留人工统计，录入，分析的阶段。
在现有的有关电竞数据的系统的中，譬如面向高校的电子竞技信息管理平台：提供赛程录入、展示、电竞爱好者之间的留言、评论等等，并未对赛中的数据做任何的分析和处理，这样虽然能提升电竞爱好者的参与感，但赛中缺乏话题的讨论性。另外，一些面对职业联赛的电竞门户应用程序(Application，App)，已经具有移动端传播电竞文化的能力并且初具规模，运营良好，这是电竞门户也都是数据的消费者，并不是数据内容的生产者，这些门户大都是通过爬取各个游戏的官网或者直播平台的数据，从而导致数据的准确性较低及价值性较弱。并且这两种电竞文化传播的方式，大都都是面向C端用户，而B端用户(赛事执行方)获取数据方式，大都是通过人工统计、录入、分析。数据生产效率低下。这些方面的不足是这些电竞app的弊端。
现有电竞产品形态主要有两种，第一种是针对校园电竞赛事，例如：“电子竞技信息管理平台”，如图4所示，其主要功能模块：用户交互模块、发布系统、智能管理系统以及云数据存储系统。其中，用户交互模块，主要处理电竞爱好者进行会话连接、语音连接、留言板；发布系统，主要用于发布电子竞技信息(包含竞技论坛信息、赛事信息)；智能管理系统，主要用于提供图形化的操作界面、用于面向用户提供检索、查询电子竞技信息、以及赛事报名；第二种是职业联赛的电竞产品，均需要赛事人员通过人工将电竞数据录入赛事执行方客户端，赛事执行方后台从赛事执行方客户端拉取数据，然后赛事分析平台对数据进行展示。现有技术的流程图大致如图5所示。
但是上述提到的现有技术中对电竞数据执行录入、统计和分析的成本较高、准确度较低、效率较低以及安全性较差，并且对于用户的体验较差。
本申请实施例提供的数据处理方法、装置、电子设备和计算机可读存储介质，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
本申请实施例提供了一种数据处理方法，由服务器执行，如图1所示，该方法包括：
步骤S101、基于采集工具、和/或基于采集到的比赛图像，获取当前比赛过程中每时段的实时比赛数据。
对于本申请实施例，当前比赛过程中每时段的实时比赛数据可以是每个战队中各个玩家在对战过程中产生的游戏数据。在本申请实施例中，当前比赛过程中每时段的实时比赛数据可以由游戏的对局日志中获取，还可以通过获取内存数据来获取实时比赛数据。
例如，每个战队中各个玩家在对战过程中产生的游戏数据可以包括：对战过程中掉落物信息、每个战队中各个玩家的角色信息。
对于本申请实施例，基于采集工具获取当前比赛过程中每时段的实时比赛数据可以包括：通过采集工具实时采集实时比赛数据，得到每时段的实时比赛数据，还可以包括：每隔预设时间通过采集工作采集实时比赛数据，得到每时段的实时比赛数据。
例如，可以基于蓝鲸的logBeat或者实时数据框架flume实时采集实时比赛数据。又例如，通过crontab定时采集实时比赛数据。
对于本申请实施例，除了上述可以直接采集到实时比赛数据，还可以采集直播视频流并通过图像识别或者视频分析技术得到实时比赛数据。在本申请实施例中，基于采集到的比赛图像获取当前比赛过程中每时段的实时比赛数据，可以包括：采集比赛过程中的比赛图像，并对采集到的比赛图像进行图像识别，得到当前比赛过程中每时段的实时比赛数据。
步骤S102、基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据。
对于本申请实施例，当前比赛过程中每时段各个玩家分别对应的实时比赛数据为在比赛过程中对战各方战队的各个玩家分别对应的实时比赛数据。例如，某一玩家在当前比赛过程中得分信息。
对于本申请实施例，可以每隔预设时间基于当前比赛过程中每时段的实时比赛数据计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据；也可以当检测到满足预设条件时，基于当前比赛过程中每时段的实时比赛数据计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据。
例如，每隔5分钟或者10分钟基于当前比赛过程中每时段的实时比赛数据计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据；或者当检测到每局对战结束后，基于当前比赛过程中该局对战时段的实时比赛数据计算当前比赛过程中该局对战时段各个玩家分别对应的实时比赛数据。
步骤S103、基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据。
对于本申请实施例，各个战队每时段分别对应的实时比赛数据为在当前比赛过程中实时计算得到的各个战队分别对应的比赛数据。例如，当前比赛过程中对战双方分别对应的得分信息。
对于本申请实施例，在上述步骤S102中计算得到当前比赛过程中每时段各个玩家分别对应的实时比赛数据的基础上，可以基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据。在本申请实施例中，基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据的方式详见下述实施例，在此不在赘述。
对于本申请实施例，上述计算得到的当前比赛过程中每时段各个玩家分别对应的实时比赛数据以及各个战队每时段分别对应的实时比赛数据均可以在用户观看比赛的过程中实时呈现给用户，或者均可以输出至第三方服务，以使得第三方服务将计算结果呈现给用户。
步骤S104、基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据。
对于本申请实施例，赛事结果数据为在比赛结束之后计算得到的当前已结束的比赛对应的比赛结果。例如，当前已结束的比赛对战双方的比赛结果为3:2。
步骤S105、将赛事结果数据呈现给用户。
对于本申请实施例，上述计算得到当前比赛对应的赛事结果数据可以直接呈现给观看比赛的用户，或者将当前比赛对应的赛事结果数据可以输出至第三方服务，以将计算结果呈现给用户。
本申请实施例提供了一种数据处理方法，与现有技术中通过人工对电子竞技过程中产生的数据进行统计、录入，并对录入的数据进行分析相比，本申请实施例基于采集工具、和/或基于采集到的比赛图像，获取当前比赛过程中每时段的实时比赛数据，然后基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据，并基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据，然后基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据，将赛事结果数据呈现给用户。即本申请实施例中通过获取实时比赛数据能够根据获取到的比赛数据计算出各个战队分别对应的实时比赛数据，并且还可以根据各个战队分别对应的实时比赛数据计算赛事结果数据，并输出计算结果以显示给用户，而不需要通过人工对电子竞技数据进行录入、统计和分析，从而可以提升电子竞技数据分析处理的效率，并且也可以提高电子竞技数据分析结果的准确度，进而可以提升用户体验。
进一步地，上述步骤S101中采集到的当前比赛过程中每时段的实时比赛数据可以上报至数据平台，并且数据平台可以对上报的数据建立消息队列，作为消息队列的生产者，以供其它消费者进行消费。在本申请实施例中可以提供其它服务对消息队列进行消费。例如，在建立消息队列时可以通过Kafka建立消息队列，其中，Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。上述实施例中在获取当前比赛过程中每时段的实时比赛数据之后，可以先根据获取的当前比赛过程中每时段的实时比赛数据计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据，进而根据当前比赛过程中每时段各个玩家分别对应的实时比赛数据计算各个战队每时段分别对应的实时比赛数据，其中获取的当前比赛过程中每时段的实时比赛数据计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据的方式详见下述实施例：
本申请实施例的另一种可能的实现方式，步骤S102中基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据，具体包括：将当前比赛过程中每时段的实时比赛数据进行清洗处理，得到清洗处理后的实时比赛数据；对清洗处理后的实时比赛数据进行聚类处理，得到当前比赛过程中每时段各个玩家分别对应的实时比赛数据。
对于本申请实施例，由于获取到的当前比赛过程中每时段的实时比赛数据中可能包括玩家的比赛数据，也可能包括非比赛人员的比赛数据，因此需要对获取到的当前比赛过程中每时段的实时比赛数据进行清洗处理，以过滤得到玩家的比赛数据。在过滤得到玩家的比赛数据之后，可以对过滤得到的玩家的比赛数据进行聚合处理，得到各个玩家分别对应的实时比赛数据。
在通过上述方式聚合得到各个玩家分别对应的实时比赛数据之后，可以根据聚合之后得到的各个玩家分别对应的实时比赛数据计算实时赛事数据，还可以不直接对上述聚合之后得到各个玩家分别对应的实时比赛数据计算各个战队每时段分别对应的实时比赛数据，而是对上述聚合之后得到的各个玩家分别对应的实时比赛数据进行特定处理(二次确认以及再次聚合处理)之后，再进行计算各个战队每时段分别对应的实时比赛数据。下述实施例中介绍了对上述聚合之后得到的各个玩家分别对应的实时比赛数据进行特定处理(二次确认以及再次聚合处理)之后，再进行计算实时赛事数据的具体实现方式，如下所示：
本申请实施例的另一种可能的实现方式，基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据，包括以下至少一项：
若各个玩家分别对应的实时比赛数据与预设比赛数据之间满足预设条件，则基于各个玩家分别对应的实时比赛数据计算各个战队每时段分别对应的实时比赛数据；
若各个玩家分别对应的实时比赛数据与预设比赛数据之间不满足预设条件，则删除各个玩家分别对应的实时比赛数据中不满足预设条件的数据，并基于删除处理后的数据计算各个战队每时段分别对应的实时比赛数据。
对于本申请实施例，即在上述实施例中通过数据清洗和聚合之后得到每时段各个玩家分别对应的实时比赛数据之后，将每时段各个玩家分别对应的实时比赛数据与预设比赛数据进行匹配，以根据匹配结果确定是否可以直接基于每时段各个玩家分别对应的实时比赛数据计算每时段各个战队分别对应的实时比赛数据。具体地，若每时段各个玩家分别对应的实时比赛数据与预设比赛数据的条数等一致，则基于每时段各个玩家分别对应的实时比赛数据计算各个战队分别对应的实时比赛数据；若每时段各个玩家分别对应的实时比赛数据与预设比赛数据的条数等不一致，则删除各个玩家分别对应的实时比赛数据中不满足预设条件的数据，并基于删除处理后的数据计算每时段各个战队分别对应的实时比赛数据。
具体地，每时段各个玩家分别对应的实时比赛数据中不满足预设条件的数据可以包括：某玩家账号下比赛数据为空。进一步地，若检测到每时段各个玩家分别对应的实时比赛数据与预设比赛数据的条数等不一致，可能是由于实时数据采集延迟，因此还可以通过调整Spark streaming的窗口来调整从kafka中获取实时比赛数据的步长，以降低下次出现每时段各个玩家分别对应的实时比赛数据与预设比赛数据之间匹配结果不满足预设条件的概率。
进一步地，上述实施例中提到的预设比赛数据可以为人工录入的数据或者是通过其他方式得到的比赛数据。在本申请实施例中不做限定。
在上述实施例得到各个战队每时段分别对应的实时比赛数据之后，还可以将得到的各个战队每时段分别对应的实时比赛数据存储至预设数据库，以通过服务的形式提供给其他方。因此在步骤S103之后还可以包括：将各个战队每时段分别对应的实时比赛数据存储至预设数据库。在本申请实施例中除了将各个战队每时段分别对应的实时比赛数据存储至预设数据，还可以将每时段各个玩家分别对应的实时比赛数据存储至预设数据库。
其中，预设数据库包括：关系型数据库以及分布式文件系统。
本申请实施例中的关系型数据库，是指采用了关系模型来组织数据的数据库，其以行和列的形式存储数据，以便于用户理解，关系型数据库这一系列的行和列被称为表，一组表组成了数据库。
本申请实施例中的分布式文件系统(Distributed File System)是指文件系统管理的物理存储资源不一定直接连接在本地节点上，而是通过计算机网络与节点(例如，一台计算机)相连。
上述实施例中主要介绍了基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据，并基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据，以呈现给用户的方式，其中将计算得到的各个战队每时段分别对应的实时比赛数据呈现给用户的效果可以如图6a中的标注框内所示，在标注框1内显示对战双方(战队1和战队2)的实时比分2:1；在标注框2内显示防御等级(Armor Class，AC)为100，健康指数(HealthPower，HP)为100、回合MVP数为61、杀敌死亡比(KILL/DEATH，K/D)为101，爆头率为23％，回合均击杀0.78。
另一种可能的呈现实时计算结果(各个战队每时段分别对应的实时比赛数据)的方式如图6b所示，在图6b中正在进行比赛的为战队M与战队N，通过实时计算结果可以看到进行比赛的地图为港口地图，实时计算的回合胜负情况为战队M获胜。另外，图6b中展示的原始回合比分就是指实时计算的比分，由于各种原因(游戏程序原因游戏日志没有记录，赛中的选手和录入的系统参赛人不一致等等)，可能导致实时计算的结果不准，因此也提供一个修改数据的功能，修改后的数据就是最终回合数据和最终获胜队伍，刷新比分按钮的功能是用于请求最新比分，获取赛果用于请求最新的比赛数据；添加回合数据按钮用于用户触发以添加该回合的数据；同步原始数据的作用是在实时数据流自动入库有问题的时候的解决方案，当自动入库有问题时，可以点强制同步，以实现实时数据流自动入库；对局详情按钮用于呈现当前对战的详细信息。
需要说明的是：图6a以及图6b仅是一个具体场景示意图，并不作为本申请实施例的限定，其中与本申请实施例相关的部分详见图中标注框区域。
上述实施例中详细介绍了基于当前比赛过程中每时段的实时比赛数据计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据，进而根据每时段各个玩家分别对应的实时比赛数据计算各个战队每时段分别对应的实时比赛数据的过程，当然除了在比赛过程中实时计算各个战队每时段分别对应的实时比赛数据，还可以在比赛结束之后，计算该比赛对应的赛事结果数据，以呈现给用户，其中计算得到赛事结果数据的过程详见下述实施例。
本申请实施例的另一种可能的实现方式，基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据，包括：利用批处理技术从分布式文件系统中获取各个战队每时段分别对应的实时比赛数据；基于获取到的各个战队每时段分别对应的实时比赛数据并利用批处理技术计算赛事结果数据；
其中，赛事结果数据包括：各个战队分别对应的赛事结果数据以及每个战队中各个玩家分别对应的赛事结果数据。
本申请实施例中从分布式文件系统中获取各个战队每时段分别对应的实时比赛数据以及基于获取到的各个战队每时段分别对应的实时比赛数据计算赛事结果数据均可以采用批处理技术。例如，采用spark的批处理技术读取分布式文件系统中的历史比赛数据，然后采用spark dataframe的Sql Context模块并根据获取到的各个战队每时段分别对应的实时比赛数据计算赛事结果数据。
本申请实施例中可以利用批处理技术每隔预设时间从分布式文件中获取各个战队每时段分别对应的实时比赛数据，并基于获取到的各个战队每时段分别对应的实时比赛数据且利用批处理技术计算赛事结果数据；还可以满足特定的条件时利用批处理技术从分布式文件中获取各个战队每时段分别对应的实时比赛数据，并基于获取到的各个战队每时段分别对应的实时比赛数据且利用批处理技术计算赛事结果数据。其中，上述满足特定的条件可以包括：达到计算赛事结果数据的时间点、检测到当前比赛结束、检测到用户触发计算赛事结果数据的指令中的至少一项。
例如，每天从分布式文件系统中获取各个战队每时段分别对应的实时比赛数据，并基于获取到的各个战队每时段分别对应的实时比赛数据且利用批处理技术计算赛事结果数据，或者当检测到当前比赛结束，从分布式文件系统中获取历史比赛数据，并基于获取到的各个战队在比赛过程中每时段分别对应的实时比赛数据且利用批处理技术计算赛事结果数据。
在通过上述实施例中基于各个战队每时段分别对应的实时比赛数据计算得到赛事结果数据之后，还可以包括：存储赛事结果数据。
具体地，将赛事结果数据存储至预设数据库，例如，关系型数据库或者分布式文件系统。在本申请实施例中，在将赛事结果存储至预设数据库之后同样可以以服务的方式供第三方平台进行调用，以显示给用户。
进一步地，上述计算得到的赛事结果数据可以包括：每场比赛开始时间，每场比赛的对战双方战队，每场比赛的原始比分以及最终比分，比赛状态、比赛开关，以及操作；例如，比赛开始时间：2019-05-31 21:00:00，战队双方分别为战队1以及战队2，原始比分为1:2，最终比分为1:2，比赛状态为已结束，比赛开关包括：开始和结束，操作可以包括：刷新比分操作、修改数据操作、获取赛果操作；比赛开始时间：2019-06-01 19:00:00，战队双方分别为战队1以及战队2，原始比分为1:1，最终比分为1:2，比赛状态为已结束，比赛开关包括：开始和结束，操作可以包括：刷新比分操作、修改数据操作、获取赛果操作；比赛开始时间：2019-06-01 21:00:00，战队双方分别为战队1以及战队2，原始比分为2:1，最终比分为2:1，比赛状态为已结束，比赛开关包括：开始和结束，操作可以包括：刷新比分操作、修改数据操作、获取赛果操作；比赛开始时间：2019-06-02 21:00:00，战队双方分别为战队1以及战队2，原始比分为0:2，最终比分为0:2，比赛状态为已结束，比赛开关包括：开始和结束，操作可以包括：刷新比分操作、修改数据操作、获取赛果操作，具体如图7a所示。
进一步地，针对上述数据可以由第三平台进行调用，并在第三平台上进行显示，具体显示效果可以如图7b所示，在如图7b中呈现的赛事结果数据的效果中包括：常规赛第六轮(比赛时间：05-31 21:00)中战队1以及战队2的比分为1:2；常规赛第七轮(比赛时间：06-01 19:00)中战队3以及战队4的比分为1:2；常规赛第8轮(比赛时间：06-01 21:00)中战队5以及战队6的比分为2:1；常规赛第9轮(06-02 19:00)中战队7以及战队8的比分为0：0。
进一步地，上述计算得到的赛事结果还可以包括：针对某一赛事，各个战队的排名、各个战队分别对应的胜利次数以及失败次数、各个战队的积分、各个战队的净胜分、各个战队连胜或者连败次数、各个战队最大连胜场数、各个战队最大连败场数，例如，如图7c所示，战队排名1-10分别为战队1、战队2、战队3、战队4、战队5、战队6、战队7、战队8、战队9以及战队10，其中战队1次数为9、失败次数2为0，积分为9，净胜分为15，连胜数/连败数为9，最大连胜场数/为9，最大连败场数为0；其中战队2次数为7、失败次数2为2，积分为7，净胜分为8，连胜数为-2，最大连胜场数为7，最大连败场数为2；其中战队3次数为7、失败次数2为2，积分为7，净胜分为6，连胜数为4，最大连胜场数为4，最大连败场数为1；其中战队4次数为6、失败次数2为3，积分为6，净胜分为7，连胜数为-1，最大连胜场数为4，最大连败场数为1；其中战队5次数为6、失败次数2为3，积分为6，净胜分为6，连胜数为2，最大连胜场数为3，最大连败场数为2；其中战队6次数为3、失败次数为6，积分为3，净胜分为-6，连胜数为1，最大连胜场数为2，最大连败场数为3；其中战队7次数为3、失败次数为6，积分为3，净胜分为-8，连胜数为-6，最大连胜场数为3，最大连败场数为6；其中战队8次数为2、失败次数为6，积分为2，净胜分为-7，连胜数为2，最大连胜场数为2，最大连败场数为6；其中战队9次数为1、失败次数为7，积分为1，净胜分为-6，连胜数为-7，最大连胜场数为1，最大连败场数为7；其中战队10次数为0、失败次数为9，积分为0，净胜分为-15，连胜数为-9，最大连胜场数为0，最大连败场数为9。
进一步地，上述数据可以由第三平台进行调用，并在第三平台上进行显示，具体的显示效果如图7d所示，包括排名1-10的各个战队，胜/负次数，积分以及净积分，其中，战队排名1-10分别为战队1、战队2、战队3、战队4、战队5、战队6、战队7、战队8、战队9以及战队10，其中，战队1对应的胜/负次数为9/0，积分为9，净积分为15；战队2对应的胜/负次数为7/2，积分为7，净积分为8；战队3对应的胜/负次数为6/3，积分为6，净积分为7；战队4对应的胜/负次数为6/3，积分为6，净积分为6；战队5对应的胜/负次数为6/2，积分为6，净积分为4；战队6对应的胜/负次数为3/5，积分为3，净积分为-6；战队7对应的胜/负次数为3/6，积分为3，净积分为-6；战队8对应的胜/负次数为2/6，积分为2，净积分为-7；战队9对应的胜/负次数为1/7，积分为1，净积分为-6；战队10对应的胜/负次数为0/9，积分为0，净积分为-15。
进一步地，上述计算得到的赛事结果数据还可以包括：战队名称、排名、比赛场数、胜场次、负场次、积分、对阵净积分、对局净积分、胜利(小局数据)、失败(小局数据)、爆破局数(小局数据)、爆破胜利(小局数据)、爆破失败(小局数据)、潜伏者(回合胜率)以及保卫者(回合胜率)，具体数据详见如图7e所示。
其中，针对上述计算得到的赛事数据结果可以由第三方平台进行调用，并由第三方平台进行显示，具体的显示效果可以如图7f所示，主要显示：战队名称、常规赛排名、比赛场次、积分、净胜分、小局数据(包括：胜利、失败、爆破胜利、TD胜利、TD失败)、爆破回合胜率(爆破胜利、潜伏者胜率、保卫者胜率)、爆破回合数据(回合平均耗时、血率、5V4胜率、4V5胜率)以及TD模式(人头差以及分均人头)，具体数值详见如图7f，在此不再赘述。
进一步地，上述计算得到的赛事结果还可以包括：选手数据，例如，选手ID、所属战队、MVP次数、击杀数、爆头数、爆头率、死亡数、狙杀数、手枪杀、雷杀、刀杀、KD、场均击杀、场均爆头、场均死亡、场均狙杀、场均手枪杀、场均雷杀，具体的数据可以详见图7g所示。
其中，上述数据仍可以被第三平台进行调用，并在第三平台上显示，其中，具体的显示效果可以如图7h所示。
上述实施例中分别介绍了在比赛过程中计算各个战队每时段分别对应的实时比赛数据以及在比赛结束之后计算的赛事结果数据，下述实施例中介绍了计算赛前预测数据的方式(即在比赛之前对对战双方的胜负情况以及得分情况等进行预测)，具体详见下述实施例：
本申请实施例的另一种可能的实现方式，该方法还包括：获取各个战队分别对应的历史比赛数据；基于各个战队分别对应的历史比赛数据计算当前比赛各个战队分别对应的赛前预测数据；将当前比赛各个战队分别对应的赛前预测数据呈现给用户。
其中，历史比赛中每个战队对应的比赛数据可以包括：在各场历史比赛过程中产生的比赛数据，以及各场历史比赛过程中比赛结果数据。
例如，各场历史比赛过程中比赛结果数据可以包括：战队在每场历史比赛中的胜负情况以及得分信息等。
对于本申请实施例，赛前预测数据为在比赛之前对该比赛的预测信息。例如，赛前预测数据可以包括：对战双方分别获胜预测概率以及对战双方分别对应的预测得分信息。
进一步地，基于各个战队分别对应的历史比赛数据计算当前比赛各个战队分别对应的赛前预测数据，包括以下至少一项：基于各个战队分别对应的历史比赛数据并通过训练后的赛前预测模型计算赛前预测数据；基于各个战队分别对应的历史比赛数据计算各个战队针对每个回合分别对应的预测数据，并基于各个战队针对每个回合分别对应的预测数据计算赛前预测数据。
对于本申请实施例，在基于各个战队分别对应的历史比赛数据计算针对每个回合的预测数据可以通过训练后的神经网络模型获得，还可以不通过网络模型获得。在本申请实施例中不做限定。
进一步地，计算赛前预测数据所利用的赛前预测模型以及计算针对每个回合的预测数据所利用的网络模型可以包括：随机森林的分类模型以及逻辑回归等模型。
进一步地，在计算赛前预测数据所利用的各个战队分别对应的历史比赛数据可以包括：各个战队的当前排名信息以及各个战队的战绩数据的至少一项，因此基于各个战队分别对应的历史比赛数据计算各个战队针对每个回合分别对应的预测数据，并基于各个战队针对每个回合分别对应的预测数据计算赛前预测数据，包括：基于各个战队当前的排名信息以及各个战队的战绩数据中的至少一项计算各个战队针对每个回合分别对应的赛前预测胜率；基于各个战队针对每个回合分别对应的赛前预测胜率计算赛前预测数据。
例如，当前比赛的战队为战队A以及战队B，战队A针对每个回合的胜率为p，则针对bo3以及bo5赛制的比赛，战队A以及战队B得到各种比分的概率分别为：情况1和情况2。情况1：针对bo3赛制，战队A以及战队B的比分情况分别为2:0、2:1、0:2以及1:2，其中，战队A以及战队B的比分为2:0的概率为：p*p；战队A以及战队B的比分为2:1的概率为C2 1*p*(1-p)*p；战队A以及战队B的比分为0:2的概率为(1-p)*(1-p)；战队A以及战队B的比分为1:2的概率为：C2 1*(1-p)*p*(1-p)；
情况2：针对bo5赛制，战队A以及战队B的比分情况分别为3:0、3:1、3:2、0:3、1:3以及2:3，其中，战队A以及战队B的比分为3:0的概率为：p*p*p；战队A以及战队B的比分为3:1的概率为p*C3 2*p2*(1-p)；战队A以及战队B的比分为3:2的概率为p*C4 2*p2*(1-p)2；战队A以及战队B的比分为0:3的概率为(1-p)*(1-p)*(1-p)；战队A以及战队B的比分为1:3的概率为(1-p)*C3 2*(1-p)2*p；战队A以及战队B的比分为2:3的比分为(1-p)*C4 2*(1-p)2*p2。
由上可知，在bo3赛制中战队A获胜的概率为p*p+C2 1*p*(1-p)*p；在bo5中赛制中战队A获胜的概率为p*p*p+p*C3 2*p2*(1-p)+p*C4 2*p2*(1-p)2。
在一个具体的实例中，在bo5赛制中，赛前预测：战队A以及战队B的比分为1:3的概率为9.44％；战队A以及战队B的比分为0:3的概率为4.98％；战队A以及战队B的比分为3:1的概率为27.87％；战队A以及战队B的比分为3:0的概率为25.25％；战队A以及战队B的比分为3:2的概率为20.51％；战队A以及战队B的比分为2:3的概率为11.94％，具体如表一所示：
表一
序号 比分 战队 战队 概率
0 1:3 战队A 战队B 9.44％
1 0:3 战队A 战队B 4.98％
2 3:1 战队A 战队B 27.87％
3 3:0 战队A 战队B 25.25％
4 3:2 战队A 战队B 20.51％
5 2:3 战队A 战队B 11.94％
在另一个具体的实例中，针对赛前预测数据为针对赛前地图的预测数据，根据赛前预测数据战队A以及战队B在地图1内分别对应的胜率为58.41％、41.59％；根据赛前预测数据战队A以及战队B在地图2内分别对应的胜率为50.00％、50.00％；根据赛前预测数据战队A以及战队B在地图3内分别对应的胜率为46.12％、53.88％；根据赛前预测数据战队A以及战队B在地图4内分别对应的胜率为47.7％、52.3％；根据赛前预测数据战队A以及战队B在地图5内分别对应的胜率为52.16％、47.84％；根据赛前预测数据战队A以及战队B在地图6内分别对应的胜率为41.59％、58.41％；根据赛前预测数据战队A以及战队B在地图7内分别对应的胜率为53.16％、46.84％，如表二所示。
表二
地图 战队 战队 战队A胜率 战队B胜率
地图1 战队A 战队B 58.41％ 41.59％
地图2 战队A 战队B 50.0％ 50.0％
地图3 战队A 战队B 46.12％ 53.88％
地图4 战队A 战队B 47.7％ 52.3％
地图5 战队A 战队B 52.16％ 47.84％
地图6 战队A 战队B 41.59％ 58.41％
地图7 战队A 战队B 53.16％ 46.84％
进一步地，上述实施例中提到的各个战队的当前排名信息可以包括：各个战队当前分别对应的elo值，每个战队的战绩成绩可以包括：k/d、爆头率、命中率、伤害值、助攻数以及双杀数等等。在本申请实施例中，在前期数据量较少的情况下，可以对每个战队每回合对应的elo值设置为初始值，例如2000，然后可以根据每回合的结果来修改每个战队对应的elo值。
下述以对战双方(战队A以及战队B)战队A获胜为例，介绍根据每回合的结果来修改每个战队(战队A、战队B)对应的elo值的方式：通过下述公式得到修改后的每个战队(战队A、战队B)对应的elo值：
ρ＝1/(1+10∧(RankB-RankA)/400)；
NewRankA＝RankA+(k*(1-ρ))；
NewRankB＝RankB-NewDiffRank；
其中，NewDiffRank＝NewWinnerRankA-RankA；
其中，RankB为修改之前战队B对应的elo值；RankA为修改之前战队A对应的elo值；
其中，K是由获胜战队A的Rank值(RankA)决定的，
Figure BDA0002264773070000251
进一步地，由于假设战队A获胜，因此NewWinnerRankA与NewRankA相同。
进一步地，在上述计算得到赛前预测数据之后，也可以对计算得到的赛前预测数据进行存储，也可以通过服务的形式供第三方平台进行调用，以呈现给用户，例如如图8a所示，在直播过程中呈现赛前预测数据的效果，其中，赛前预测结果分别为战队A与战队B的比分分别为2:3且比分为2:3的概率为20.51％，具体如图8a的标注框3所示；赛前预测结果分别为战队A与战队B的比分为1:3，且比分为1:3的概率为27.87％，具体如图8a的标注框4所示；又例如，如图8b所示，在直播过程中呈现的针对当前地图的赛前预测结果，如标注框5所示，战队A获胜的概率为46.41％，战队B获胜的概率为53.59％。
需要说明的是：图8a和图8b仅是一个具体场景示意图，并不作为本申请实施例的限定，其中与本申请实施例相关的部分详见图中标注框。
上述实施例中介绍了进行赛前预测得到赛前预测数据的方式，为了提升电竞爱好者在观看赛事比赛的趣味性和玩家的参与感，可以在比赛过程中对比赛结果进行预测，即在比赛过程中根据对战双方的历史比赛数据以及当前比赛数据中的至少一项进行赛中预测，具体如下所示：
本申请实施例的另一种可能的实现方式，基于各个战队当前每时段分别对应的实时比赛数据，计算各个战队针对每个回合分别对应的实时胜率；根据各个战队分别对应的历史比赛数据以及赛前预测数据中的至少一项，计算各个战队针对每个回合分别对应的历史胜率；基于各个战队针对每个回合分别对应的历史胜率以及各个战队针对每个回合分别对应的实时胜率，计算各个战队分别对应的赛中预测数据；将各个战队分别对应的赛中预测数据呈现给用户。
对于本申请实施例，赛中预测数据可以为在比赛过程中对比赛结果的预测数据。例如，在比赛过程中预测的当前对战双方分别获胜的概率信息。
对于本申请实施例，可以在满足一定的条件下基于各个战队分别对应的实时比赛数据以及各个战队分别对应的历史比赛数据计算赛中预测数据。在本申请实施例中，可以在达到预测时间时基于各个战队分别对应的实时比赛数据以及各个战队分别对应的历史比赛数据计算赛中预测数据，也可以当每局对战结束之后，基于各个战队分别对应的实时比赛数据以及各个战队分别对应的历史比赛数据计算赛中预测数据。
基于实时比赛数据以及历史比赛数据计算赛中预测数据，包括：基于实时比赛数据以及历史比赛数据，确定每个战队的赛中预测胜率；基于确定出的赛中预测胜率，计算赛中预测数据。
其中，赛中预测胜率为在比赛过程中，根据每个战队在当前比赛过程中所获胜的回合数目以及当前已对战的回合数目确定出的每个战队在单一回合的获胜概率。
对于本申请实施例，当检测到满足计算实时胜率条件时，计算各个战队针对每个回合分别对应的历史胜率的步骤可以在计算各个战队针对每个回合分别对应的实时胜率的步骤之前执行，也可以在计算各个战队针对每个回合分别对应的实时胜率的步骤之后执行；还可以与计算各个战队针对每个回合分别对应的实时胜率的步骤同时执行。
进一步地，假设战队A以及战队B已对战x个回合，战队A获胜y个回合，则此时预测战队A在比赛中最终获胜的概率为：其中，p1表征此时(总共x个回合，此时A战队获胜y个回合)A战队获胜的概率(A战队对应的赛中预测胜率)；A表征本次比赛的总回合数目，B表征此时比赛获胜方优先获胜的回合数目。
例如，针对XXX游戏的比赛规则，总共比赛18个回合，优先获胜10个回合的战队为获胜方，即此时A为18，B为10。由上述可知，在对计算赛中预测数据时需要利用赛中预测胜率，下述实施例中介绍了确定每个战队对应的赛中预测胜率，以根据赛中预测胜率计算赛中预测数据的方式，其中，
基于各个战队针对每个回合分别对应的历史胜率以及各个战队针对每个回合分别对应的实时胜率，计算各个战队分别对应的赛中预测数据，包括：基于各个战队针对每个回合分别对应的历史胜率、各个战队针对每个回合分别对应的实时胜率，以及二者之间的权重信息，计算各个战队针对每个回合分别对应的赛中预测胜率；基于各个战队针对每个回合分别对应的赛中预测胜率计算各个战队分别对应的赛中预测数据。
进一步地，由于赛中预测主要是针对游戏地图的比赛结果进行预测，根据各个战队分别对应的历史比赛数据，计算各个战队针对每个回合分别对应的实时胜率，可以包括：基于各个战队分别对应的历史比赛数据确定出每个战队针对当前游戏地图所对应的历史比赛数据；基于确定出的每个战队针对当前游戏地图所对应的历史比赛数据确定每个战队针对当前游戏地图的历史胜率。
例如，战队A以及战队B当前针对XX港口游戏地图进行对战，则基于历史比赛数据确定出战队A以及战队B针对XX港口地图分别对应的历史比赛数据，基于此，分别确定战队A和战队B针对XX港口地图分别对应的历史胜率。
进一步地，基于确定出的每个战队针对当前游戏地图所对应的历史比赛数据确定每个战队针对当前游戏地图的历史胜率，具体可以通过统计的方式计算得到当前每个战队针对当前游戏地图的历史胜率，还可以通过随机森林分类算法和逻辑回归算法计算得到当前每个战队针对当前游戏地图的历史胜率。但是在本申请实施例中并不限定于通过上述两种方式计算得到当前每个战队针对当前游戏地图的历史胜率。
进一步地，在计算得到当检测到满足计算实时胜率条件时，基于实时比赛数据确定当前每个战队的实时胜率；具体地，当检测到每个回合对战结束之后，基于实时比赛数据确定当前每个战队的实时胜率，或者当检测到某个时间点，基于实时比赛数据确定当前每个战队的实时胜率，或者，当检测到用户指令之后，基于实时比赛数据确定当前每个战队的实时胜率。
进一步地，针对当前对战的游戏地图，当检测到每个回合对战结束之后，基于实时比赛数据确定当前每个战队针对当前游戏地图的实时胜率，或者当检测到某个时间点，基于实时比赛数据确定当前每个战队针对当前游戏地图的实时胜率，或者，当检测到用户指令之后，基于实时比赛数据确定当前每个战队针对当前游戏地图的实时胜率。
例如，在某个时刻，针对当前地图打了5个回合，战队A以及战队B的比分为3:2，基于此确定战队A以及战队B分别针对当前比赛地图的实时胜率。
进一步地，上述基于实时比赛数据确定当前每个战队针对当前游戏地图的实时胜率的方式与上述确定历史胜率的方式相同，即通过统计的方式、通过随机森林或者逻辑回归算法确定实时胜率。
具体地，在计算每个战队赛中获胜概率时，基于上述确定出的历史胜率、实时胜率，以及二者之间权重来确定。
进一步地，针对当前对战的游戏地图，基于上述确定出的当前每个战队针对当前游戏地图的历史胜率、当前每个战队针对当前游戏地图的历史胜率以及二者之间的权重来确定每个战队针对当前游戏地图的赛中预测概率。
例如，当前对战的战队为战队A以及战队B，其中，战队A针对当前对战地图的历史胜率为phistory，权重为：Whistory，战队A的实时胜率为preal_time，权重为Wreal_time，则此时预测战队A针对当前游戏地图的赛中预测概率为：phistory*Whistory+preal_time*Wreal_time，此时预测战队B针对当前游戏地图的赛中预测概率为：1-phistory*Whistory+preal_time*Wreal_time；
其中，上述权重可以动态调整。例如，在仅通过历史胜率以及一个实时胜率计算赛中预测概率时，可以设置历史胜率以及该实时胜率分别对应的权重均为0.5。
在上述实施例中介绍了两种方式计算各个战队针对每个回合分别对应的历史胜率，一种为基于通过各个战队分别对应的历史比赛数据计算各个战队针对每个回合分别对应的历史胜率，但是当历史比赛数据中样本数据较少，例如当前历史比赛数据中缺少每个战队针对当前游戏地图的样本数据，则可以将每个战队的赛前预测胜率作为历史比赛数据，去计算赛中预测数据。
若针对游戏地图对战，则赛前预测数据包括：每个战队针对当前地图的赛前预测胜率；
由上述可知每次计算得到的赛中获胜概率可能不同，因此基于赛中获胜概率预测每个战队在比赛中最终获胜的概率也存在不同。
例如，如图9所示，针对每个战队(战队A、战队B)在XX游戏地图中最终获胜的概率的变化趋势。其中，在图9中由于游戏特性，此图对应的的游戏特性是每个对局有若干个小回合组成。横轴表示回合数(第1/2/3…回合)，纵轴表示在当前回合下这个对局A、B分别胜利的概率，如果A的胜率为50％的，那B的胜率也是50％，那就是平场，所以中间是一条50％的虚线。例如此图9中在比赛进行到第4个回合的时候，A战队的胜率为90％多，B战队的胜率为10％不到，也就是判断打到第4回合的时候，通过预测图，我们判断A战队这个对局赢的概率很大。
结合上述方案，并通过一个具体的实例介绍本申请实施例所示的数据处理方法，本申请实施例介绍了一个架构以实现上述方法实施例，如图10所示，通过BK data获取服务器原始数据，并建立消息队列，然后通过对战队玩家战绩数据以及战队信息数据进行实时计算，并将计算结果存储至分布式数据库，进一步地，在进行离线计算时，可以对从分布式数据库中获取数据进行离线计算，并且实时计算结果包括：上述实施例中的实时计算结果和赛中预测数据(例如，战队或者玩家的实时数据)和离线计算结果包括上述实施例中的离线计算结果和赛前预测数据(例如，战队或者玩家的离线数据)可以通过API GateWay方式供第三方调用，以呈现给用户。
进一步地，在上述实施例的基础上，实现了计算实时数据、计算赛事结果数据、进行赛中预测以及赛前预测等，均可以在如图11所示的平台上实现，另外，还可以在如图11所示的平台上显示赛事日历，在赛事日历中显示每场比赛的比赛时间，例如在3月22号-4月6号显示进行“12a第1届XX枪王赛”以及“12a第一届XX枪王大奖赛”。
需要说明的是：图6a、图8a和图8b仅是一个具体场景示意图，并不作为本申请实施例的限定，其中与本申请实施例相关的部分详见图中标注区域以及文字。
上述方法实施例从方法流程的角度介绍了数据处理方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了数据处理装置，下述实施例介绍的数据处理装置适用于上述方法实施例，具体如下所示：
本申请实施例提供了一种数据处理装置，如图2所示，该数据处理装置20可以包括：第一获取模块21、第一计算模块22、第二计算模块23、第三计算模块24以及第一呈现模块25，其中，
第一获取模块21，用于基于采集工具以及采集到的比赛图像中的至少一项获取当前比赛过程中每时段的实时比赛数据；
第一计算模块22，用于基于当前比赛过程中每时段的实时比赛数据，确定当前比赛过程中每时段各个玩家分别对应的实时比赛数据；
第二计算模块23，用于基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据；
第三计算模块24，用于基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据；
第一呈现模块25，用于将赛事结果数据呈现给用户。本申请实施例的一种可能的实现方式，第一计算模块22在基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据时，具体用于：
将当前比赛过程中每时段的实时比赛数据进行清洗处理，得到清洗处理后的实时比赛数据；
对清洗处理后的实时比赛数据进行聚类处理，得到当前比赛过程中每时段各个玩家分别对应的实时比赛数据。
本申请实施例的一种可能的实现方式，第二计算模块23在基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据时，具体用于以下至少一项：
当各个玩家分别对应的实时比赛数据与预设比赛数据之间满足预设条件时，基于各个玩家分别对应的实时比赛数据计算各个战队每时段分别对应的实时比赛数据；
当各个玩家分别对应的实时比赛数据与预设比赛数据之间不满足预设条件时，删除各个玩家分别对应的实时比赛数据中不满足预设条件的数据，并基于删除处理后的数据计算各个战队每时段分别对应的实时比赛数据。
本申请实施例的一种可能的实现方式，该装置20还包括：存储模块，其中，
存储模块，用于将各个战队每时段分别对应的实时比赛数据存储至预设数据库；
其中，预设数据库包括：关系型数据库以及分布式文件系统。
本申请实施例的一种可能的实现方式，第三计算模块24在基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据时，具体用于：
利用批处理技术从分布式文件系统中获取各个战队每时段分别对应的实时比赛数据；
基于获取到的各个战队每时段分别对应的实时比赛数据并利用批处理技术计算赛事结果数据；
其中，赛事结果数据包括：各个战队分别对应的赛事结果数据以及每个战队中各个玩家分别对应的赛事结果数据。
本申请实施例的一种可能的实现方式，装置20还包括：第二获取模块、第四计算模块以及第二呈现模块，其中，
第二获取模块，用于获取各个战队分别对应的历史比赛数据；
第四计算模块，用于基于各个战队分别对应的历史比赛数据计算当前比赛各个战队分别对应的赛前预测数据；
第二呈现模块，用于将当前比赛各个战队分别对应的赛前预测数据呈现给用户。
本申请实施例的一种可能的实现方式，第四计算模块在基于各个战队分别对应的历史比赛数据计算当前比赛各个战队分别对应的赛前预测数据时，具体用于以下至少一项：
基于各个战队分别对应的历史比赛数据并通过训练后的赛前预测模型计算赛前预测数据；
基于各个战队分别对应的历史比赛数据计算各个战队针对每个回合分别对应的预测数据，并基于各个战队针对每个回合分别对应的预测数据计算赛前预测数据。
本申请实施例的一种可能的实现方式，各个战队分别对应的历史比赛数据包括：各个战队的当前排名信息以及各个战队的战绩数据的至少一项；
第四计算模块在基于各个战队分别对应的历史比赛数据计算各个战队针对每个回合分别对应的预测数据，并基于各个战队针对每个回合分别对应的预测数据计算赛前预测数据时，具体用于：
基于各个战队当前的排名信息以及各个战队的战绩数据中的至少一项计算各个战队针对每个回合分别对应的赛前预测胜率；
基于各个战队针对每个回合分别对应的赛前预测胜率计算赛前预测数据。
本申请实施例的一种可能的实现方式，装置20还包括：第五计算模块以及第三呈现模块，其中，
第五计算模块，用于基于各个战队当前每时段分别对应的实时比赛数据，计算各个战队针对每个回合分别对应的实时胜率；
第五计算模块，具体还用于根据各个战队分别对应的历史比赛数据以及赛前预测数据中的至少一项，计算各个战队针对每个回合分别对应的历史胜率；
第五计算模块，具体还用于基于各个战队针对每个回合分别对应的历史胜率以及各个战队针对每个回合分别对应的实时胜率，计算各个战队分别对应的赛中预测数据；
第三呈现模块，用于将各个战队分别对应的赛中预测数据呈现给用户。
本申请实施例的一种可能的实现方式，第五计算模块在基于各个战队针对每个回合分别对应的历史胜率以及各个战队针对每个回合分别对应的实时胜率，计算各个战队分别对应的赛中预测数据时，具体用于：
基于各个战队针对每个回合分别对应的历史胜率、各个战队针对每个回合分别对应的实时胜率，以及二者之间的权重信息，计算各个战队针对每个回合分别对应的赛中预测胜率；
基于各个战队针对每个回合分别对应的赛中预测胜率计算各个战队分别对应的赛中预测数据。
对于本申请实施例，第一计算模块22、第二计算模块23、第三计算模块24、第四计算模块以及第五计算模块可以均为相同的计算模块，也可以均为不同的计算模块，也可以任意组合为相同的计算模块；第一获取模块21和第二获取模块可以为相同的获取模块，也可以为不同的获取模块；第一呈现模块25、第二呈现模块以及第三呈现模块可以均为相同的呈现模块，也可以均为不同的呈现模块，还可以任意组合为相同的呈现模块。在本申请实施例中并不做限定。
本申请实施例提供了一种数据处理装置，与现有技术中通过人工对电子竞技过程中产生的数据进行统计、录入，并对录入的数据进行分析相比，本申请实施例基于基于采集工具、和/或基于采集到的比赛图像，获取当前比赛过程中每时段的实时比赛数据，然后基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据，并基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据，然后基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据，将赛事结果数据呈现给用户。即本申请实施例中通过获取实时比赛数据能够根据获取到的比赛数据计算出各个战队分别对应的实时比赛数据，并且还可以根据各个战队分别对应的实时比赛数据计算赛事结果数据，并输出计算结果以显示给用户，而不需要通过人工对电子竞技数据进行录入、统计和分析，从而可以提升电子竞技数据分析处理的效率，并且也可以提高电子竞技数据分析结果的准确度，进而可以提升用户体验。
本实施例的数据处理装置可执行上述方法实施例所示的数据处理方法，其实现原理相类似，此处不再赘述。
上述实施例分别从方法流程的角度介绍了数据处理方法以及从虚拟模块的角度介绍了数据处理装置，下述从实体装置角度介绍了一种电子设备，该电子设备可以为服务器，用于执行上述实施例所示的数据处理方法，具体如下所示：
本申请实施例提供了一种电子设备，如图3所示，图3所示的电子设备3000包括：处理器3001和存储器3003。其中，处理器3001和存储器3003相连，如通过总线3002相连。可选地，电子设备3000还可以包括收发器3004。需要说明的是，实际应用中收发器3004不限于一个，该电子设备3000的结构并不构成对本申请实施例的限定。
处理器3001可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器3001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线3002可包括一通路，在上述组件之间传送信息。总线3002可以是PCI总线或EISA总线等。总线3002可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器3003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、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，但不限于此。
存储器3003用于存储执行本申请方案的应用程序代码，并由处理器3001来控制执行。处理器3001用于执行存储器3003中存储的应用程序代码，以实现前述任一方法实施例所示的内容。
本申请实施例提供了一种电子设备，本申请实施例中的电子设备包括：存储器和处理器；至少一个程序，存储于存储器中，用于被处理器执行时，与现有技术相比可实现：本申请实施例基于采集工具、和/或基于采集到的比赛图像，获取当前比赛过程中每时段的实时比赛数据，然后基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据，并基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据，然后基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据，将赛事结果数据呈现给用户。即本申请实施例中通过获取实时比赛数据能够根据获取到的比赛数据计算出各个战队分别对应的实时比赛数据，并且还可以根据各个战队分别对应的实时比赛数据计算赛事结果数据，并输出计算结果以显示给用户，而不需要通过人工对电子竞技数据进行录入、统计和分析，从而可以提升电子竞技数据分析处理的效率，并且也可以提高电子竞技数据分析结果的准确度，进而可以提升用户体验。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与现有技术相比，本申请实施例基于采集工具、和/或基于采集到的比赛图像，获取当前比赛过程中每时段的实时比赛数据，然后基于当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据，并基于每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据，然后基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据，将赛事结果数据呈现给用户。即本申请实施例中通过获取实时比赛数据能够根据获取到的比赛数据计算出各个战队分别对应的实时比赛数据，并且还可以根据各个战队分别对应的实时比赛数据计算赛事结果数据，并输出计算结果以显示给用户，而不需要通过人工对电子竞技数据进行录入、统计和分析，从而可以提升电子竞技数据分析处理的效率，并且也可以提高电子竞技数据分析结果的准确度，进而可以提升用户体验。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (13)

1.一种数据处理方法，其特征在于，包括：
基于采集工具、和/或基于采集到的比赛图像，获取当前比赛过程中每时段的实时比赛数据；
基于所述当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据；
基于所述每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据；
基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据；
将所述赛事结果数据呈现给用户。
2.根据权利要求1所述的方法，其特征在于，所述基于所述当前比赛过程中每时段的实时比赛数据，计算当前比赛过程中每时段各个玩家分别对应的实时比赛数据，包括：
将所述当前比赛过程中每时段的实时比赛数据进行清洗处理，得到清洗处理后的实时比赛数据；
对所述清洗处理后的实时比赛数据进行聚类处理，得到当前比赛过程中每时段各个玩家分别对应的实时比赛数据。
3.根据权利要求2所述的方法，其特征在于，所述基于所述每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据，包括以下至少一项：
若所述各个玩家分别对应的实时比赛数据与预设比赛数据之间满足预设条件，则基于所述各个玩家分别对应的实时比赛数据计算各个战队每时段分别对应的实时比赛数据；
若所述各个玩家分别对应的实时比赛数据与预设比赛数据之间不满足预设条件，则删除所述各个玩家分别对应的实时比赛数据中不满足预设条件的数据，并基于删除处理后的数据计算所述各个战队每时段分别对应的实时比赛数据。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于所述每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据，之后还包括：
将所述各个战队每时段分别对应的实时比赛数据存储至预设数据库；
所述预设数据库包括：关系型数据库以及分布式文件系统。
5.根据权利要求4所述的方法，其特征在于，所述基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据，包括：
利用批处理技术从所述分布式文件系统中获取所述各个战队每时段分别对应的实时比赛数据；
基于获取到的各个战队每时段分别对应的实时比赛数据并利用所述批处理技术计算所述赛事结果数据；
其中，所述赛事结果数据包括：各个战队分别对应的赛事结果数据以及每个战队中各个玩家分别对应的赛事结果数据。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取各个战队分别对应的历史比赛数据；
基于所述各个战队分别对应的历史比赛数据计算当前比赛各个战队分别对应的赛前预测数据；
将所述当前比赛各个战队分别对应的赛前预测数据呈现给用户。
7.根据权利要求6所述的方法，其特征在于，所述基于所述各个战队分别对应的历史比赛数据计算当前比赛各个战队分别对应的赛前预测数据，包括以下至少一项：
基于所述各个战队分别对应的历史比赛数据并通过训练后的赛前预测模型计算所述赛前预测数据；
基于所述各个战队分别对应的历史比赛数据计算各个战队针对每个回合分别对应的预测数据，并基于所述各个战队针对每个回合分别对应的预测数据计算所述赛前预测数据。
8.根据权利要求7所述的方法，其特征在于，所述各个战队分别对应的历史比赛数据包括：各个战队的当前排名信息以及各个战队的战绩数据的至少一项；
所述基于所述各个战队分别对应的历史比赛数据计算各个战队针对每个回合分别对应的预测数据，并基于所述各个战队针对每个回合分别对应的预测数据计算所述赛前预测数据，包括：
基于所述各个战队当前的排名信息以及所述各个战队的战绩数据中的至少一项计算所述各个战队针对每个回合分别对应的赛前预测胜率；
基于所述各个战队针对每个回合分别对应的赛前预测胜率计算所述赛前预测数据。
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于各个战队当前每时段分别对应的实时比赛数据，计算各个战队针对每个回合分别对应的实时胜率；
根据各个战队分别对应的历史比赛数据以及赛前预测数据中的至少一项，计算各个战队针对每个回合分别对应的历史胜率；
基于所述各个战队针对每个回合分别对应的历史胜率以及所述各个战队针对每个回合分别对应的实时胜率，计算各个战队分别对应的赛中预测数据；
将所述各个战队分别对应的赛中预测数据呈现给用户。
10.根据权利要求9所述的方法，其特征在于，所述基于所述各个战队针对每个回合分别对应的历史胜率以及所述各个战队针对每个回合分别对应的实时胜率，计算各个战队分别对应的赛中预测数据，包括：
基于所述各个战队针对每个回合分别对应的历史胜率、各个战队针对每个回合分别对应的实时胜率，以及二者之间的权重信息，计算各个战队针对每个回合分别对应的赛中预测胜率；
基于所述各个战队针对每个回合分别对应的赛中预测胜率计算各个战队分别对应的赛中预测数据。
11.一种数据处理装置，其特征在于，包括：
第一获取模块，用于基于采集工具、和/或基于采集到的比赛图像，获取当前比赛过程中每时段的实时比赛数据；
第一计算模块，用于基于所述当前比赛过程中每时段的实时比赛数据，确定当前比赛过程中每时段各个玩家分别对应的实时比赛数据；
第二计算模块，用于基于所述每时段各个玩家分别对应的实时比赛数据以及预设比赛数据的关系，计算各个战队每时段分别对应的实时比赛数据；
第三计算模块，用于基于各个战队每时段分别对应的实时比赛数据，计算当前比赛对应的赛事结果数据；
第一呈现模块，用于将所述赛事结果数据呈现给用户。
12.一种电子设备，其特征在于，其包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1～10任一项所述的数据处理方法。
13.一种计算机可读存储介质，其特征在于，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1～10任一所述的数据处理方法。
CN201911083846.5A 2019-11-07 2019-11-07 数据处理方法、装置、电子设备及计算机可读存储介质 Active CN110851542B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911083846.5A CN110851542B (zh) 2019-11-07 2019-11-07 数据处理方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911083846.5A CN110851542B (zh) 2019-11-07 2019-11-07 数据处理方法、装置、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN110851542A true CN110851542A (zh) 2020-02-28
CN110851542B CN110851542B (zh) 2023-04-07

Family

ID=69599785

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911083846.5A Active CN110851542B (zh) 2019-11-07 2019-11-07 数据处理方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110851542B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539525A (zh) * 2020-04-15 2020-08-14 北京圣涛平试验工程技术研究院有限责任公司 无人机战队对抗中个体失效率与战队胜率的关系确定方法
CN111539530A (zh) * 2020-04-24 2020-08-14 杭州威佩网络科技有限公司 一种事件结果的预测方法及一种事件预测结果的获取方法
CN111603748A (zh) * 2020-05-20 2020-09-01 南京风之曲船艇设备有限公司 一种iBoat运动训练竞赛系统
CN112138407A (zh) * 2020-08-31 2020-12-29 杭州威佩网络科技有限公司 一种信息展示方法及装置
CN113111382A (zh) * 2021-04-19 2021-07-13 杭州奇宁数据科技有限公司 一种体育区块链存证、溯源批处理系统与方法
CN114247148A (zh) * 2021-12-22 2022-03-29 广州银汉科技有限公司 智能分析开发平台

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104998412A (zh) * 2015-07-14 2015-10-28 北京视博云科技有限公司 一种单机游戏实现方法及装置
CN106331365A (zh) * 2016-09-09 2017-01-11 腾讯科技（深圳）有限公司 一种飞行器对战的方法、相关设备以及系统
CN106339493A (zh) * 2016-08-31 2017-01-18 腾讯科技（深圳）有限公司 一种数据处理方法及相关装置
US20180203580A1 (en) * 2014-03-26 2018-07-19 Unanimous A. I., Inc. Adaptive confidence calibration for real-time swarm intelligence systems
CN110025956A (zh) * 2019-04-24 2019-07-19 杭州威佩网络科技有限公司 一种电竞数据推送方法、装置及服务器
CN110119547A (zh) * 2019-04-28 2019-08-13 腾讯科技（深圳）有限公司 一种预测团战胜负的方法、装置及控制设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180203580A1 (en) * 2014-03-26 2018-07-19 Unanimous A. I., Inc. Adaptive confidence calibration for real-time swarm intelligence systems
CN104998412A (zh) * 2015-07-14 2015-10-28 北京视博云科技有限公司 一种单机游戏实现方法及装置
CN106339493A (zh) * 2016-08-31 2017-01-18 腾讯科技（深圳）有限公司 一种数据处理方法及相关装置
CN106331365A (zh) * 2016-09-09 2017-01-11 腾讯科技（深圳）有限公司 一种飞行器对战的方法、相关设备以及系统
CN110025956A (zh) * 2019-04-24 2019-07-19 杭州威佩网络科技有限公司 一种电竞数据推送方法、装置及服务器
CN110119547A (zh) * 2019-04-28 2019-08-13 腾讯科技（深圳）有限公司 一种预测团战胜负的方法、装置及控制设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ONTANON等: "a survey of real-time strategy game ai research and competition in starcraft" *
黄薇: "Unity引擎方式下3D对战型游戏的网络设计与开发" *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539525A (zh) * 2020-04-15 2020-08-14 北京圣涛平试验工程技术研究院有限责任公司 无人机战队对抗中个体失效率与战队胜率的关系确定方法
CN111539525B (zh) * 2020-04-15 2023-10-03 北京圣涛平试验工程技术研究院有限责任公司 无人机战队对抗中个体失效率与战队胜率的关系确定方法
CN111539530A (zh) * 2020-04-24 2020-08-14 杭州威佩网络科技有限公司 一种事件结果的预测方法及一种事件预测结果的获取方法
CN111603748A (zh) * 2020-05-20 2020-09-01 南京风之曲船艇设备有限公司 一种iBoat运动训练竞赛系统
CN112138407A (zh) * 2020-08-31 2020-12-29 杭州威佩网络科技有限公司 一种信息展示方法及装置
CN113111382A (zh) * 2021-04-19 2021-07-13 杭州奇宁数据科技有限公司 一种体育区块链存证、溯源批处理系统与方法
CN114247148A (zh) * 2021-12-22 2022-03-29 广州银汉科技有限公司 智能分析开发平台
CN114247148B (zh) * 2021-12-22 2023-08-15 广州银汉科技有限公司 智能分析开发平台

Also Published As

Publication number Publication date
CN110851542B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN110851542B (zh) 数据处理方法、装置、电子设备及计算机可读存储介质
US10639553B2 (en) Systems and methods for crowd-sourced game strategy
CN108601980B (zh) 信息处理系统、信息处理方法、程序、服务器和信息处理终端
CN111274151B (zh) 一种游戏测试的方法、相关装置以及存储介质
Guo et al. An analysis of online match-based games
CN106506560B (zh) 一种权限管理方法，及装置
GB2598686A (en) Interactive system for enabling hybrid fantasy-style pari-mutuel wagering over network interfaces
Xiao et al. Wp-gbdt: An approach for winner prediction using gradient boosting decision tree
Ausloos et al. Ranking structures and rank–rank correlations of countries: The FIFA and UEFA cases
CN110585722A (zh) 基于区块链的游戏时间信息的处理方法及装置、游戏控制方法及装置
US20220096941A1 (en) Fantasy sports game system and method
Shim et al. Decision support of bad player identification in moba games using pagerank based evidence accumulation and normal distribution based confidence interval
Kim et al. Implementation of user playstyle coaching using video processing and statistical methods in league of legends
US10478722B2 (en) Server and program
CN106504397A (zh) 提供体育投注服务的方法、服务器及计算机程序
US9352234B2 (en) Player rankings based on long term opponent activity
CN113171617A (zh) 游戏中的信息处理方法、装置和电子设备
US20230053281A1 (en) Fantasy sports game system and method with catalog play
JP5142106B2 (ja) 競技者能力評価システム
KR20210004168A (ko) 가중치정보를 이용한 예상경기결과 정보제공 시스템 및 그 방법
Kuipers et al. The power of social features in online gaming
US20230063594A1 (en) Fantasy sports game system and method with multi-league play
KR20140060026A (ko) 게임 방법, 이를 수행하는 게임 서버 및 이를 저장한 기록매체
Gruber Football Penalty Kick Success Factors
Peng et al. Analysis of Critical Determinant Factors for Beach Volleyball Winning in Elite Men and Women Teams

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40022123

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant