CN111905377A - 一种数据处理方法、装置、设备及存储介质 - Google Patents
一种数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111905377A CN111905377A CN202010844233.5A CN202010844233A CN111905377A CN 111905377 A CN111905377 A CN 111905377A CN 202010844233 A CN202010844233 A CN 202010844233A CN 111905377 A CN111905377 A CN 111905377A
- Authority
- CN
- China
- Prior art keywords
- user
- network model
- influence degree
- game
- marketing
- 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
Links
Images
Classifications
-
- 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
- A63F13/795—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories for finding other players; for building a team; for providing a buddy list
Abstract
本申请实施例公开了一种数据处理方法、装置、设备及存储介质,该方法包括:获取游戏客户端中的第一阵营以及第一阵营对应的业务辅助参数;第一阵营包括N个待竞技用户;N为正整数;基于阵营确定时间戳获取N个待竞技用户的游戏属性特征;在获取到与游戏客户端相关联的目标网络模型时,基于N个待竞技用户的游戏属性特征、目标网络模型,确定第一阵营对应的第一团体竞技影响度;在第一阵营满足业务截止条件时,确定与第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,将第二阵营和第一阵营确定为游戏业务对应的竞技对象组。采用本申请实施例,可以提高竞技影响度的预测效率和预测准确度,进而可以提高阵营匹配的准确度。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种数据处理方法、装置、设备及存储介质。
背景技术
目前在游戏客户端的游戏业务(例如,联盟对战业务)中,计算机设备需要通过人工经验确定待竞技联盟的作战能力。应当理解,该计算机设备需要根据人工经验,筛选出部分与个人玩家战力相关联的属性特征,例如,城堡等级、龙脉等级、净胜场数、步兵等级等。可以理解的是,人工经验在筛选属性特征时,无法充分挖掘出与个人玩家作战能力相关的有效属性特征。进一步地,对于筛选出来的各个属性特征,需要凭借人工经验所构建出的数值映射规则,以预测该联盟的作战能力。其中,每个属性特征都需要人工设计一套数值映射规则,整个设计过程耗时耗力,与此同时,人工经验导致衡量的准确程度也难以保证。由此可见,传统的联盟作战能力评估方法严重依赖于历史经验,且需要人工参与的环节步骤较多,从而导致预估联盟作战能力的效率低下。此外,由于人工构建的数值映射规则一成不变,实时性不足,从而降低了联盟作战能力的预测准确度。
发明内容
本申请实施例提供一种数据处理方法、装置、设备及存储介质,可以提高竞技影响度的预测效率和预测准确度,进而提高了阵营匹配的准确度。
本申请实施例一方面提供一种数据处理方法,包括:
获取游戏客户端中的第一阵营以及第一阵营对应的业务辅助参数;业务辅助参数包括阵营确定时间戳以及游戏客户端中的游戏业务对应的业务截止条件;第一阵营包括N个待竞技用户;N为正整数;
基于阵营确定时间戳获取N个待竞技用户的游戏属性特征;
在获取到与游戏客户端相关联的目标网络模型时,基于N个待竞技用户的游戏属性特征、目标网络模型,确定第一阵营对应的第一团体竞技影响度;
在第一阵营满足业务截止条件时,确定与第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,将第二阵营和第一阵营确定为游戏业务对应的竞技对象组。
本申请实施例一方面提供一种数据处理方法,包括:
响应针对与游戏客户端相关联的业务提交控件的触发操作,生成与第一阵营相关联的阵营匹配请求;阵营匹配请求中携带属于第一阵营的N个待竞技用户;N为正整数;
向游戏客户端对应的服务器发送阵营匹配请求,以使服务器通过目标网络模型,确定第一阵营的第一团体竞技影响度;第一团体竞技影响度用于指示服务器在第一阵营满足业务截止条件时,确定与第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,且将第二阵营和第一阵营确定为游戏业务对应的竞技对象组;
接收服务器返回的竞技对象组,在游戏客户端对应的终端界面上输出竞技对象组。
本申请实施例一方面提供一种数据处理装置,包括:
阵营获取模块,用于获取游戏客户端中的第一阵营以及第一阵营对应的业务辅助参数;业务辅助参数包括阵营确定时间戳以及游戏客户端中的游戏业务对应的业务截止条件;第一阵营包括N个待竞技用户;N为正整数;
特征获取模块,用于基于阵营确定时间戳获取N个待竞技用户的游戏属性特征;
影响度确定模块,用于在获取到与游戏客户端相关联的目标网络模型时,基于N个待竞技用户的游戏属性特征、目标网络模型,确定第一阵营对应的第一团体竞技影响度;
阵营匹配模块,用于在第一阵营满足业务截止条件时,确定与第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,将第二阵营和第一阵营确定为游戏业务对应的竞技对象组。
其中,阵营获取模块包括:
匹配请求获取单元,用于获取游戏客户端对应的用户终端发送的阵营匹配请求,将与阵营匹配请求相关联的阵营确定为第一阵营;阵营匹配请求是由用户终端响应针对与游戏业务相关联的业务提交控件的触发操作所得到的;
第一获取单元,用于获取阵营匹配请求中携带的阵营确定时间戳以及游戏业务对应的业务截止条件;
辅助参数确定单元,用于基于阵营确定时间戳以及业务截止条件,确定第一阵营对应的业务辅助参数。
其中,该装置还包括:
历史阵营获取模块,用于在样本选择时长达到样本选择周期时,从日志数据库中获取与样本选择周期相关联的历史阵营;历史阵营为在阵营确定时间戳之前执行完游戏业务的阵营;
训练模块,用于基于历史阵营、历史阵营对应的历史团体竞技影响度,对初始网络模型进行迭代训练,得到模型训练结果;
目标模型确定模块,用于当模型训练结果指示初始网络模型满足模型收敛条件时,将满足模型收敛条件的初始网络模型作为用于预测第一阵营对应的第一团体竞技影响度的目标网络模型。
其中,历史团体竞技影响度是基于历史阵营中的所有样本用户的个人竞技影响度所确定的;每个样本用户均为历史阵营中的已竞技用户;
该训练模块包括:
第二获取单元,用于获取样本用户的历史属性特征以及样本用户在历史阵营中完成游戏业务时的个人竞技影响度;
第三获取单元,用于将历史属性特征作为用于训练初始网络模型的样本属性特征,且将个人竞技影响度作为样本属性特征对应的样本标签信息;
训练单元,用于基于样本属性特征对应的样本特征向量以及样本标签信息,对初始网络模型进行迭代训练,得到模型训练结果。
其中,样本属性特征包括K个历史属性特征,一个历史属性特征对应一个权重;K个历史属性特征对应的权重之和为1;K为正整数;
该训练单元包括:
特征转换子单元,用于将K个历史属性特征分别进行特征转换处理,得到每个历史属性特征对应的历史特征向量;
样本向量确定子单元,用于将每个历史属性特征对应的历史特征向量,与对应历史属性特征所对应的权重之间的乘积确定为样本特征向量;
标签信息预测子单元,用于将样本特征向量输入至初始网络模型,由初始网络模型预测样本特征向量对应的预测标签信息;
训练结果确定子单元,用于基于预测标签信息和样本标签信息,得到初始网络模型对应的模型损失函数,基于模型损失函数确定初始网络模型对应的模型训练结果。
其中,该装置还包括:
模型参数调整模块,用于当模型训练结果指示初始网络模型的模型损失函数不满足模型收敛条件时,基于不满足模型收敛条件的模型损失函数,对初始网络模型的模型参数进行调整;
过渡模型确定模块,用于将调整模型参数后的初始网络模型确定为过渡网络模型,对过渡网络模型进行迭代训练,直到迭代训练后的过渡网络模型满足模型收敛条件时,将满足模型收敛条件的过渡网络模型作为用于预测团体竞技影响度的目标网络模型。
其中,N个待竞技用户包括第一待竞技用户和第二待竞技用户;
该影响度确定模块包括:
第一影响度确定单元,用于在获取到与游戏客户端相关联的目标网络模型时,确定第一待竞技用户的第一游戏属性特征对应的第一特征向量,将第一特征向量输入至目标网络模型,由目标网络模型预测第一待竞技用户对应的第一个人竞技影响度;
第二影响度确定单元,用于确定第二待竞技用户的第二游戏属性特征对应的第二特征向量,将第二特征向量输入至目标网络模型,由目标网络模型预测第二待竞技用户对应的第二个人竞技影响度;
累加单元,用于对第一个人竞技影响度和第二个人竞技影响度进行累加处理,得到第一阵营的第一团体竞技影响度。
其中,该装置还包括:
参数获取模块,用于获取第二阵营的阵营名称以及第二阵营中的用户数量;用户数量包括第二阵营中的用户总数量以及第二阵营中的待竞技用户数量;
匹配参数确定模块,用于将阵营名称、用户数量以及第二团体竞技影响度,确定为业务匹配参数;业务匹配参数用于输出至N个待竞技用户的终端界面。
其中,该装置还包括:
报名请求获取模块,用于获取属于第一阵营的用户发送的业务报名请求,在与游戏客户端相关联的非法用户列表中查询发起业务报名请求的用户;
第一确定模块,用于若在非法用户列表中未查询到用户,则确定用户具备报名权限,且将用户确定为第一阵营中的待竞技用户。
其中,该装置还包括:
第二确定模块,用于若在非法用户列表中查询到用户,则确定用户不具备报名权限,且将用户确定为非法用户。
本申请一方面提供了一种计算机设备,包括:处理器、存储器、网络接口;
该处理器与存储器、网络接口相连,其中,网络接口用于提供数据通信功能,该存储器用于存储计算机程序,该处理器用于调用该计算机程序,以执行本申请实施例中上述一方面中的方法。
本申请一方面提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序包括程序指令,该程序指令当被处理器执行时,执行本申请实施例中上述一方面中的方法。
本申请一方面提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述一方面中的方法。
本申请实施例一方面提供一种数据处理装置,包括:
匹配请求生成模块,用于响应针对与游戏客户端相关联的业务提交控件的触发操作,生成与第一阵营相关联的阵营匹配请求;阵营匹配请求中携带属于第一阵营的N个待竞技用户;N为正整数;
匹配请求发送模块,用于向游戏客户端对应的服务器发送阵营匹配请求,以使服务器通过目标网络模型,确定第一阵营的第一团体竞技影响度;第一团体竞技影响度用于指示服务器在第一阵营满足业务截止条件时,确定与第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,且将第二阵营和第一阵营确定为游戏业务对应的竞技对象组;
竞技对象组接收模块,用于接收服务器返回的竞技对象组,在游戏客户端对应的终端界面上输出竞技对象组。
本申请一方面提供了一种计算机设备,包括:处理器、存储器、网络接口;
该处理器与存储器、网络接口相连,其中,网络接口用于提供数据通信功能,该存储器用于存储计算机程序,该处理器用于调用该计算机程序,以执行本申请实施例中上述一方面中的方法。
本申请一方面提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序包括程序指令,该程序指令当被处理器执行时,执行本申请实施例中上述一方面中的方法。
本申请一方面提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述一方面中的方法。
在本申请实施例中,计算机设备可以获取游戏客户端中的第一阵营以及第一阵营对应的业务辅助参数。这里的第一阵营是指已经报名参与该游戏客户端的游戏业务(例如,联盟对战业务)的阵营,这里的业务辅助参数可以包括阵营确定时间戳以及该游戏客户端中的游戏业务对应的业务截止条件。其中,该第一阵营可以包括N个待竞技用户;N为正整数。这里的待竞技用户是指该第一阵营中报名参与游戏业务的用户。应当理解,该计算机设备可以基于阵营确定时间戳,获取这N个待竞技用户的游戏属性特征。这里的游戏属性特征是指与对应待竞技用户的个人竞技影响度相关联的属性特征。进一步地,该计算机设备可以通过所获取到的与游戏客户端相关联的目标网络模型,基于这N个待竞技用户的游戏属性特征和该目标网络模型,快速且准确的确定第一阵营对应的第一团体竞技影响度。在该第一阵营满足业务截止条件时,该计算机设备能够准确的确定出与第一团体竞技影响度相匹配的第二团体竞技影响度,进而可以确定该第二团体竞技影响度所对应的第二阵营,且将第二阵营和第一阵营确定为游戏业务对应的竞技对象组。由此可见,该计算机设备在确定第一阵营的第一团体竞技影响度时,可以直接通过该计算机设备所训练得到的目标网络模型,无需过多的人工参与,快速且准确的预测该第一阵营的第一团体竞技影响度,从而可以提高团体竞技影响度的预测效率和预测准确度,进而可以提高阵营匹配时的准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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申请的一些实施例,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是本申请实施例提供的一种网络架构的结构示意图;
图2是本申请实施例提供的一种进行数据交互的场景示意图;
图3是本申请实施例提供的一种数据处理方法的流程示意图;
图4是本申请实施例提供的一种确定待竞技用户的场景示意图;
图5是本申请实施例提供的一种发起阵营匹配请求的场景示意图;
图6是本申请实施例提供的一种确定竞技对象组的场景示意图;
图7是本申请实施例提供的一种数据处理方法的流程示意图;
图8是本申请实施例提供的一种确定目标网络模型的场景示意图;
图9是本申请实施例提供的一种系统架构示意图;
图10是本申请实施例提供的一种数据处理装置的结构示意图;
图11是本申请实施例提供的一种计算机设备的示意图;
图12是本申请实施例提供的一种数据处理装置的结构示意图;
图13是本申请实施例提供的一种计算机设备的示意图;
图14是本申请实施例提供的一种数据处理系统的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参见图1,图1是本申请实施例提供的一种网络架构的结构示意图。如图1所示,该网络架构可以包括服务器10用户终端集群。该用户终端集群可以包括一个或者多个用户终端,这里将不对用户终端的数量进行限制。如图1所示,该用户终端集群具体可以包括用户终端100a、用户终端100b、用户终端100c、…、用户终端100n。如图1所示,用户终端100a、用户终端100b、用户终端100c、…、用户终端100n可以分别与上述服务器10进行网络连接,以便于每个用户终端可以通过该网络连接与服务器10进行数据交互。
如图1所示,本申请实施例中的服务器10可以为该应用客户端对应的服务器。该服务器10可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
其中,该用户终端集群中的每个用户终端均可以包括:智能手机、平板电脑、笔记本电脑、桌上型电脑、可穿戴设备、智能家居、头戴设备等具有数据处理功能的智能终端。应当理解,如图1所示的用户终端集群中的每个用户终端均可以安装有目标应用(即应用客户端),当该应用客户端运行于各用户终端中时,可以分别与上述图1所示的服务器10之间进行数据交互。其中,该应用客户端可以包括娱乐客户端(例如,游戏客户端)。可以理解的是,该游戏客户端可以为网络游戏团队成长模式(Group vs Group,简称GVG)的游戏客户端(例如,“乱世王者”手游)。
为便于理解,本申请实施例可以在图1所示的用户终端集群中选择一个用户终端作为目标用户终端。例如,本申请实施例可以将图1所示的用户终端100a作为目标用户终端。该目标用户终端中可以运行有该游戏客户端。此时,该目标用户终端可以通过该游戏客户端对应的业务数据平台与服务器10之间实现数据交互。
本申请实施例提供的数据处理方法可以涉及人工智能领域中的机器学习方向。可以理解的是,所谓人工智能(Artificial Intelligence,简称AI)是指利用数字计算机或者数据计算机控制的计算机设备(例如,图1所示服务器10)来进行模拟、延伸和扩展人的智能的理论、方法、技术以及应用系统的一门新的技术科学。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等方向。
其中,机器学习(Machine Learning,简称ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
可以理解的是,本申请实施例提供的数据处理方法可以应用于战争策略(Simulation Game,简称SLG)游戏对应的游戏客户端中的游戏业务(例如,联盟对战业务)。比如,该游戏业务可以为“乱世王者”手游中的九鼎联盟对战业务(即“九鼎之战”)。其中,本申请实施例中的计算机设备可以通过使用目标网络模型,快速且准确的预测与游戏业务相关联的阵营(例如,阵营1)的团体竞技影响度,以匹配到与该阵营1的团体竞技影响度相近的阵营(例如,阵营2),从而可以减少出现碾压局的情况,提升了用户体验。其中,该目标网络模型可以为该计算机设备经过迭代训练后所得到的深度神经网络回归模型(DeepNeural Network,简称DNN)。
这里的阵营是指在该游戏客户端能够执行游戏业务的作战联盟,这里的团体竞技影响度是指该阵营的联盟作战能力,应当理解,该团体竞技影响度可以由该阵营中所有待竞技用户的个人竞技影响度所确定的。其中,这里的待竞技用户可以为该阵营中报名参与本次游戏业务的用户,个人竞技影响度是指在该游戏客户端中以战斗系统为基础,融合各种作战要素、作战单元、作战力量和作战系统计算出的数值。
应当理解,本申请实施例中的计算机设备可以为实体终端,该实体终端可以为服务器,可选的,该实体终端也可以为用户终端,在此不做限定。其中,本申请实施例中的计算机设备可以以服务器(例如,图1所示的服务器10)为例,用以阐述该计算机设备训练以及应用模型(例如,目标网络模型)的过程。
为便于理解,进一步地,请参见图2,图2是本申请实施例提供的一种进行数据交互的场景示意图。如图2所示,本申请实施例中的用户终端20A中可以运行有应用客户端(例如,游戏客户端),该用户终端20A可以为上述图1所示的用户终端集群中的任意一个用户终端,例如,用户终端100a。本申请实施例中的计算机设备可以为图2所示的服务器20B,该服务器20B可以为该游戏客户端对应的服务器。其中,该服务器20B可以为上述图1所示的服务器10。
应当理解,该用户终端20A对应的用户(例如,用户a)可以为该游戏客户端中属于阵营1(即第一阵营)中的用户,其中,该用户a可以为盟主或者团长等具有阵营管理权限的用户。这里的阵营管理权限是指该用户a可以具有管理该阵营1中的用户的权限,即该用户a可以在该阵营1中指定参与该游戏业务的用户,也可以取消该阵营1中已经报名参与本次游戏业务的用户,此外,该用户a还可以发起与该阵营1相关联的阵营匹配请求,以使该服务器10可以基于该阵营匹配请求,确定与该阵营1相匹配作的阵营。
可以理解的是,在该阵营1未满足业务截止条件时,该用户a可以针对该游戏客户端的业务提交控件执行触发操作。其中,该触发操作可以包括点击、长按等接触性操作,也可以包括语音、手势等非接触性操作,在此不做限定。此时,该用户终端20A可以响应该触发操作,生成与该阵营1相关联的阵营匹配请求,进而可以将该阵营匹配请求发送至图2所示的服务器20B,以使该阵营1中的N个待竞技用户可以参与本次游戏业务。其中,N可以为正整数。这里的待竞技用户可以是指该阵营1中主动提交业务报名请求的用户,可选的,这里的待竞技用户也可以为该用户a指定参与游戏业务的用户,在此不做限定。
这里的业务截止条件可以为在业务报名倒计时长为零时,该游戏客户端中的阵营无法参与本次游戏业务。例如,若该游戏业务的业务报名倒计时长为03:02:53时,则该用户a可以针对该业务提交控件执行触发操作,以使该用户a所在的阵营1能够参与该游戏业务;若该游戏业务的业务报名倒计时长为00:00:00时,则该用户a所在的阵营1无法参与本次游戏业务。可选的,这里的业务截止条件还可以为在业务截止时间戳(例如,2020年8月13日,12:00:00)之后,该游戏客户端中的阵营无法参与本次游戏业务。例如,若当前时间戳为2020年8月12日,20:12:31,则该用户a可以针对该业务提交控件执行触发操作,以使该用户a所在的阵营1无法参与本次游戏业务。若当前时间戳为2020年8月13日,12:01:23,则该用户a所在的阵营1无法参与本次游戏业务。当然,该业务截止条件还可以为其他形式,这里不对其进行限定。
进一步地,在服务器20B接收到该阵营匹配请求时,该服务器20B可以获取该阵营1以及该阵营1对应的业务辅助参数。其中,这里的业务辅助参数可以包括阵营确定时间戳以及该游戏业务的业务截止条件。可以理解的是,该阵营确定时间戳是指用户a针对业务提交控件执行触发操作时,用户终端20A所记录的与该触发操作相关联的响应时间戳。此时,该服务器20B可以基于该阵营确定时间戳,获取这N个待竞技用户的游戏属性特征。其中,这里的游戏属性特征可以是指与对应待竞技用户的个人竞技影响度相关联的属性特征。该游戏属性特征可以包括道具特征(例如,龙脉等级、医馆数量以及资源矿数量等)、城堡特征(例如,皇城等级等)、兵种特征(例如,步兵等级、枪兵等级、弓兵等级以及盾兵等级等)、历史出勤率以及其余特征。
应当理解,该服务器20B可以获取与该游戏客户端相关联的目标网络模型(例如,图2所示的目标网络模型200)。该目标网络模型200可以用于预测阵营的团体竞技影响度。如图2所示,该目标网络模型200可以包括输入层1、归一化层2、隐藏层3以及输出层4。进一步地,该服务器20B可以基于这N个待竞技用户的游戏属性特征以及该目标网络模型200,能够快速且准确的确定出阵营1对应的团体竞技影响度(例如,图2所示的团体竞技影响度1)。比如,该团体竞技影响度1(即第一团体竞技影响度)可以为49947960分。
可以理解的是,在该阵营1满足上述业务截止条件时,该服务器20B可以确定与该团体竞技影响度1相匹配的团体竞技影响度(例如,图2所示的团体竞技影响度2)。比如,该团体竞技影响度2(即第二团体竞技影响度)可以为49947962分。此时,该服务器20B可以确定该团体竞技影响度2所对应的阵营(例如,图2所示的阵营2)。进一步地,该服务器20B可以将该阵营1与该阵营2确定为与该游戏业务对应的竞技对象组,以在游戏业务中进行竞技。
其中,该计算机设备通过目标网络模型,预测第一阵营的第一团体竞技影响度,且基于该第一团体竞技影响度,确定与第一阵营相匹配的第二阵营的具体实现方式可以参见下述图3-图9所对应的实施例。
进一步地,请参见图3,图3是本申请实施例提供的一种数据处理方法的流程示意图。如图3所示,该方法可以由计算机设备执行,该计算机设备可以为用户终端,也可以为服务器(例如,上述图1所示的服务器10),在此不做限定。该方法至少可以包括以下步骤S101-步骤S104:
步骤S101,获取游戏客户端中的第一阵营以及第一阵营对应的业务辅助参数。
应当理解,在游戏客户端中,具有阵营管理权限的用户(例如,用户a)可以针对与该游戏客户端相关联的业务提交控件执行触发操作。比如,该用户a可以为所在阵营(例如,阵营1)的盟主或者团长等。这里的触发操作可以包括点击、长按等接触性操作,也可以包括语音、手势等非接触性操作。此时,该用户a对应的用户终端(例如,用户终端1)可以响应该触发操作,生成与该阵营1相关联的阵营匹配请求。其中,该阵营匹配请求中可以携带属于第一阵营的N个待竞技用户;这里的N可以为正整数。进一步地,该用户终端1可以向该游戏客户端对应的计算机设备(例如,服务器)发送该阵营匹配请求。在该计算机设备接收到该阵营匹配请求时,可以将与该阵营匹配请求相关联的阵营1确定为第一阵营。可以理解的是,该计算机设备可以获取该阵营匹配请求中携带的阵营确定时间戳以及游戏业务对应的业务截止条件,进而可以将所获取到的阵营确定时间戳以及业务截止条件确定为该第一阵营对应的业务辅助参数。
其中,本申请实施例中的计算机设备可以存储有与该游戏客户端相关联的非法用户列表,该非法用户列表可以用于确定该游戏客户端中的用户的报名权限。应当理解,该非法用户列表中的非法用户可以为在该游戏客户端中因挂机、发布敏感言论等原因,被其他用户进行举报的用户。该非法用户暂时不被允许参与该游戏客户端所发布的游戏业务,进而能够有效规范用户在游戏业务中的操作行为。
为便于理解,进一步地,请参见表1,表1是本申请实施例提供的一种与游戏客户端相关联的非法用户列表。
表1
用户名称 | 用户账号信息 |
用户X | 用户账号信息10 |
用户Y | 用户账号信息20 |
用户Z | 用户账号信息30 |
如表1所示,该非法用户列表中的用户可以包括多个非法用户以及对应非法用户的用户账号信息,本申请实施例可以以3个为例,具体可以包括用户X、用户Y以及用户Z。其中,用户X可以为通过用户账号信息10访问该游戏客户端的用户,用户Y可以为通过用户账号信息20访问该游戏客户端的用户,该用户Z可以为通过用户账号信息30访问该游戏客户端的用户。可以理解的是,本申请实施例中的非法用户列表还可以包括对应非法用户的基本信息,例如,用户昵称、用户性别等。这里将不对非法用户列表的具体呈现方式进行限定。
应当理解,在本申请实施例中的第一阵营(例如,阵营1)未满足业务截止条件时,该第一阵营中的用户(例如,用户b)可以针对与该游戏客户端相关联的业务报名控件执行触发操作,以报名参与该游戏业务。此时,该用户b对应的用户终端(例如,用户终端2)可以响应该触发操作,生成业务报名请求,进而可以将该业务报名请求发送至计算机设备。该计算机设备在获取到该业务报名请求时,可以在与该游戏客户端相关联的非法用户列表中查询发起该业务报名请求的用户。若在非法用户列表中未查询到用户,则该计算机设备可以确定该用户具备报名权限,且将该用户确定为该第一阵营中的待竞技用户。若在该非法用户列表中查询到用户,则该计算机设备可以确定该用户不具备报名权限,且将该用户确定为非法用户。
为便于理解,进一步地,请参见图4,图4是本申请实施例提供的一种确定待竞技用户的场景示意图。如图4所示,本申请实施例中的用户终端40A可以为上述图1所示的用户终端集群中的任意一个用户终端,例如,用户终端100a。该用户终端40A可以运行有游戏客户端(例如,“乱世王者”手游)。该游戏客户端对应的计算机设备可以为图4所示的服务器40B,该服务器40B可以为上述图1所示的服务器10。
应当理解,该用户终端40A对应的用户(如图4所示的用户b)可以为该游戏客户端中的第一阵营中的用户。该用户终端40A的业务界面(例如,业务界面400)可以该游戏客户端的游戏业务(例如,“九鼎之战”业务)所对应的报名界面。如图4所示,该业务界面400中可以包括业务报名控件(例如,“点击报名”控件)以及该游戏业务对应的业务截止条件。例如,该业务截止条件可以为21:17:09后报名截止。
该用户b可以在该第一阵营未满足业务截止条件时,针对图4所示的业务报名控件执行触发操作,以报名参与该游戏业务。此时,该用户终端40A可以响应该触发操作,生成与用户b相关联的业务报名请求,进而可以将该业务报名请求发送至图4所示的服务器40B。在该服务器40B获取到该业务报名请求时,该服务器40B可以在与该游戏客户端相关联的非法用户列表(图4所示的非法用户列表4)中查询该用户b,以确定该用户b的报名权限。
若在该非法用户列表4中未查询到用户b,则该服务器40B可以确定该用户b具备报名权限,且将该用户b确定为该第一阵营中的待竞技用户。若在该非法用户列表中查询到该用户b,则该服务器40B可以确定该用户b不具备报名权限,且将该用户b确定为非法用户。换言之,该用户b暂时不被允许参与该游戏业务。
应当理解,本申请实施例中阵营1的用户a可以为盟主或者团长等具备阵营管理权限的用户。这里的阵营管理权限可以是指能够指定所在阵营(即阵营1)的待竞技用户,以及能够发起与战营1相关联的阵营匹配请求。例如,该用户a选取个人作战能力(即个人竞技影响度)强的用户参与本次游戏业务,进而可以有效的确保本次参与游戏业务的阵营的作战能力(即团体竞技影响度)。阵营的作战能力越强,意味着在游戏业务结束后,该阵营所能得到的奖励越丰富,进而可以激励阵营中的用户提升个人作战能力,增强用户粘度。
其中,可以理解的是,该用户a可以针对与游戏业务相关联的业务提交控件执行触发操作,从而使得该用户a对应的用户终端1响应该触发操作,生成向游戏客户端对应的计算机设备发送的阵营匹配请求。该计算机设备在获取到该用户终端1发送的阵营匹配请求时,可以将该阵营匹配请求相关联的阵营(即阵营1)确定为第一阵营。进一步地,该计算机设备可以获取该阵营匹配请求中携带的阵营确定时间戳,以及该游戏业务的业务截止条件,进而可以基于该阵营确定时间戳以及业务截止条件确定该第一阵营的业务辅助参数。其中,该业务辅助参数还可以包括第一阵营的竞技时间。
比如,该第一阵营的阵营确定时间戳可以为2020年8月3日,周一12:00,该业务截止条件可以为在业务报名倒计时长为零时,该游戏客户端中的阵营无法参与本次游戏业务。该第一阵营的竞技时间可以为2020年8月4日,周二14:32-14:51。
为便于理解,进一步地,请参见图5,图5是本申请实施例提供的一种发起阵营匹配请求的场景示意图。如图5所示,本申请实施例中的用户a可以为该游戏客户端中的阵营1的具备阵营管理权限的用户,该用户a对应的用户终端可以为用户终端50A,该用户终端50A可以为上述图1所示的用户终端集群中的任意一个用户终端,例如,用户终端100a。该用户终端50A可以运行有游戏客户端(例如,“乱世王者”手游)。该游戏客户端对应的计算机设备可以为图5所示的服务器50B,该服务器50B可以为上述图1所示的服务器10。
应当理解,用户a对应的游戏客户端的业务界面可以为图5所示的业务界面500,该业务界面500可以为游戏业务所对应的报名界面。其中,该业务界面500中可以包括业务报名控件1(例如,“点击报名”控件)以及业务管理控件2(例如,“军团管理”控件)。这里的业务报名控件1可以用于指示用户a报名参与本次游戏业务,即该用户a可以成为该阵营1中的待竞技用户。这里的业务报名控件2可以用于指示用户a对该阵营1的待竞技用户进行管理。
可以理解的是,该业务界面500中可以显示用户a所在阵营(例如,阵营1)的用户总数量M以及阵营1的待竞技用户数量N。其中,M可以为正整数,N可以为小于或者等于M的正整数。例如,该阵营1中可以包括30个用户,在这30个用户中有3个用户报名参与本次游戏业务,即该阵营1中可以包括3个待竞技用户。此外,该业务界面500还可以显示该游戏业务的业务截止条件。例如,该业务截止条件可以为00:05:32后报名截止。
在该阵营1未满足业务截止条件时,该用户a可以将阵营1作为参与本次游戏业务的竞技对象,并将该阵营1提交至游戏客户端对应的服务器50B,以使该服务器50B为该阵营1匹配到实力相近的阵营(例如,阵营2)。其中,可以理解的是,该用户a可以针对图5所示的业务管理控件2执行触发操作,此时,该用户终端50A可以响应该触发操作,输出独立于该业务界面500的阵营管理子界面(例如,图5所示的阵营管理子界面510)。其中,该阵营管理子界面510可以为叠加在该业务界面500上的界面,且该阵营管理子界面510的尺寸小于该业务界面500的尺寸。其中,该阵营管理子界面510可以用于指示用户a对该阵营1中的待竞技用户进行管理,以便于选择该阵营1中实力较强(即个人竞技影响度较高)的用户参与本次游戏业务,从而可以增加该阵营1的获胜概率。例如,该用户a可以指定该阵营1的其他用户参与本次游戏业务,该用户a还可以取消已经报名参与本次游戏业务的待竞技用户。如图5所示,该阵营管理子界面510中还可以包括时间报名控件3(例如,“报名”控件)。该时间报名控件3可以用于指示用户a选择阵营1参与本次游戏业务的竞技时间(即参战时间)。这里的竞技时间可以为一个具体的竞技时间戳(例如,2020年8月4日,周二12:00),可以为一段竞技时长(例如,2020年8月4日,周二14:32-14:51),在此不做限定。
应当理解,该用户a可以针对阵营管理子界面510中的时间报名控件3执行触发操作,此时,该用户终端50A可以响应该触发操作,关闭阵营管理子界面510,在业务界面500上输出独立于该业务界面500的时间选择子界面(例如,图5所示的时间选择子界面520)。其中,该时间选择子界面520可以为叠加在该业务界面500上的界面,且该时间选择子界面520的尺寸小于该业务界面500的尺寸。如图5所示,该时间选择子界面520中可以包括与游戏业务相关联的业务提交控件4(例如,“报名”控件)、排名查看控件5以及排名查看控件6。其中,该时间选择子界面可以显示该阵营1的军团排名(例如,9)。这里的排名查看控件5和排名查看控件6可以用于查看该游戏客户端中的其他阵营的排名。
应当理解,该时间选择子界面520中还可以显示多个竞技时间,本申请实施例可以以2个竞技时间为例,具体可以包括竞技时间1和竞技时间2。比如,该竞技时间1可以为2020年8月4日,周二14:32-14:51,该竞技时间2可以为2020年8月5日,周三16:00-17:30。可以理解的是,用户a可以在该时间选择子界面520中确定该阵营1的竞技时间(例如,竞技时间1),进一步地,该用户a可以针对该时间选择子界面中的业务提交控件4执行触发操作,此时,用户终端50A可以响应该触发操作,且将与该触发操作相关联的响应时间戳(例如,2020年8月3日,周一12:00),确定为该阵营1的阵营确定时间戳,进而可以生成与阵营1相关联的阵营匹配请求,并将该阵营匹配请求发送至服务器50B,以使该服务器50B确定与该阵营1相匹配的阵营2。
步骤S102,基于阵营确定时间戳获取N个待竞技用户的游戏属性特征。
具体地,该计算机设备可以基于第一阵营的阵营确定时间戳,获取N个待竞技用户的游戏属性特征。这里的游戏属性特征可以是指与对应待竞技用户的个人竞技影响度相关联的属性特征。该游戏属性特征可以包括道具特征(例如,龙脉等级、医馆数量以及资源矿数量等)、城堡特征(例如,皇城等级等)、兵种特征(例如,步兵等级、枪兵等级、弓兵等级以及盾兵等级等)、历史出勤率以及其余特征。
应当理解,该第一阵营中可以包括N个待竞技用户,以N=3为例,这3个待竞技用户可以为用户a、用户b以及用户c。该计算机设备可以根据阵营确定时间戳(例如,2020年8月3日,周一12:00),获取该用户a在阵营确定时间戳时的游戏属性特征(例如,游戏属性特征1)、用户b在阵营确定时间戳时的游戏属性特征(例如,游戏属性特征2),以及用户c在阵营确定时间戳时的游戏属性特征(例如,游戏属性特征3)。
步骤S103,在获取到与游戏客户端相关联的目标网络模型时,基于N个待竞技用户的游戏属性特征、目标网络模型,确定第一阵营对应的第一团体竞技影响度。
具体地,该计算机设备可以获取与游戏客户端相关联的目标网络模型。这里的目标网络模型可以用于预测阵营的团体竞技影响度。进一步地,该计算机设备可以基于该N个待竞技用户的游戏属性特征、目标网络模型,确定第一阵营对应的团体竞技影响度。其中,本申请实施例可以将第一阵营对应的团体竞技影响度称之为第一团体竞技影响度。
其中,本申请实施例中的目标网络模型可以为能够预测待竞技用户的个人竞技影响度的网络模型。应当理解,该第一阵营中的N个待竞技用户可以包括第一待竞技用户和第二待竞技用户。该计算机设备在获取到与该游戏客户端相关联的目标网络模型时,可以根据独热编码(one-hot编码)等方式,确定该第一待竞技用户的第一游戏属性特征对应的第一特征向量。进一步地,该计算机设备可以将该第一特征向量输入至该目标网络模型,进而由该目标网络模型预测该第一待竞技用户对应的第一个人竞技影响度。与此同时,该计算机设备可以确定该第二待竞技用户的第二游戏属性特征对应的第二特征向量。进一步地,该计算机设备可以将该第二特征向量输入至该目标网络模型,由该目标网络模型预测第二待竞技用户对应的第二个人竞技影响度。此时,该计算机设备可以对第一个人竞技影响度和第二个人竞技影响度进行累加处理,从而可以得到该第一阵营的第一团体竞技影响度。
例如,该计算机设备在上述步骤S102中可以分别获取第一阵营中的3个待竞技用户的对应游戏属性特征,例如,用户a的游戏属性特征1、用户b的游戏属性特征2以及用户c的游戏属性特征3。此时,该计算机设备可以确定该用户a的游戏属性特征1对应的特征向量1,进而可以将该特征向量1输入至所获得的目标网络模型,由该目标网络模型可以预测该用户a对应的个人竞技影响度1。与此同时,该计算机设备可以确定该用户b的游戏属性特征2对应的特征向量2,进而可以将该特征向量2输入至所获得的目标网络模型,由该目标网络模型可以预测该用户b对应的个人竞技影响度2。同理,该计算机设备可以确定该用户c的游戏属性特征3对应的特征向量3,进而可以将该特征向量3输入至所获得的目标网络模型,由该目标网络模型可以预测该用户c对应的个人竞技影响度3。此时,该计算机设备可以对个人竞技影响度1、个人竞技影响度2以及个人竞技影响度3进行累加处理,从而可以得到该第一阵营的第一团体竞技影响度。
由此可见,本申请实施例无需过多的人工参与,可以根据N个待竞技用户的游戏属性特征,目标网络模型,直接预测待竞技用户的个人作战能力(即个人竞技影响度),进而可以通过累加处理得到阵营的团体竞技影响度,提高了竞技影响度的预测效率和预测准确度。
可选的,本申请实施例中的目标网络模型还可以为能够直接预测阵营的团体竞技影响度的网络模型。应当理解,该计算机设备可以将该第一阵营中的N个待竞技用户的游戏属性特征分别进行特征转换处理,从而可以得到这N个待竞技用户对应的特征向量。进一步地,该计算机设备可以根据这N个待竞技用户对应的特征向量,构建出一个与第一阵营相关联的特征向量矩阵,进而可以将该特征向量矩阵作为该目标网络模型的一个整体的输入,由该目标网络模型直接预测该第一阵营的第一团体竞技影响度,而无需对每个待竞技用户的个人竞技影响度进行累加处理,从而可以提升团体竞技影响度的预测效率。
例如,该计算机设备在上述步骤S102中可以分别获取第一阵营中的3个待竞技用户的对应游戏属性特征,例如,用户a的游戏属性特征1、用户b的游戏属性特征2以及用户c的游戏属性特征3。此时,该计算机设备可以确定该用户a的游戏属性特征1对应的特征向量1,该用户b的游戏属性特征2对应的特征向量2以及该用户c的游戏属性特征3对应的特征向量3。进一步地,该计算机设备可以根据特征向量1、特征向量2以及特征向量3,构建一个与第一阵营相关联的特征向量矩阵(例如,特征向量矩阵J)。此时,该计算机设备可以将特征向量矩阵J输入至该目标网络模型中,由该目标网络模型直接预测出该第一阵营的第一团体竞技影响度。
步骤S104,在第一阵营满足业务截止条件时,确定与第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,将第二阵营和第一阵营确定为游戏业务对应的竞技对象组。
具体地,该计算机设备可以在该第一阵营满足业务截止条件时,获取该第一阵营对应的业务辅助参数中的竞技时间。进一步地,该计算机设备可以在该竞技时间内,确定与该第一团体竞技影响度相匹配的第二团体竞技影响度。可以理解的是,该计算机设备可以在该竞技时间内,确定参与本次游戏业务的所有阵营的团体竞技影响度分别与该第一团体竞技影响度的差值,进而可以将具有最小差值的团体竞技影响度确定为第二团体竞技影响度,并且可以将该第二团体竞技影响度的阵营确定为第二阵营。此时,该计算机设备可以将该第一阵营和第二阵营确定为在该竞技时间内参与游戏业务的竞技对象组。
应当理解,在该计算机设备确定出与该第一阵营相匹配的第二阵营时,该计算机设备可以获取该第二阵营的阵营名称以及该第二阵营中的用户数量。其中,这里的用户数量可以包括该第二阵营中的用户总数量以及该第二阵营中的待竞技用户数量。进一步地,该计算机设备可以将该第二阵营的阵营名称、该第二阵营的用户数量以及该第二团体竞技影响度,确定为业务匹配参数。其中,该业务匹配参数可以用于输出至该第一阵营中的N个待竞技用户的终端界面。
为便于理解,进一步地,请参见图6,图6是本申请实施例提供的一种确定竞技对象组的场景示意图。如图6所示,本申请实施例中的用户终端60A可以为上述图1所示的用户终端集群中的任意一个用户终端,例如,用户终端100a。该用户终端60A可以运行有游戏客户端(例如,“乱世王者”手游)。该游戏客户端对应的计算机设备可以为图6所示的服务器60B,该服务器60B可以为上述图1所示的服务器10。
应当理解,该用户终端60A对应的用户a可以为该阵营1中具备阵营管理权限的用户,换言之,该用户a可以通过该用户终端60A发起与阵营1相关联的阵营匹配请求,并将该阵营匹配请求发送至图6所示的服务器60B。此外,该用户a还可以属于该阵营1的N个待竞技用户。其中,N可以为正整数。
此时,该服务器60B可以通过获取与游戏客户端相关联的目标网络模型,预测该阵营1的团体竞技影响度(例如,团体竞技影响度1)。比如,该团体竞技影响度1可以为49947960分。进一步地,该服务器60B可以获取该阵营1的竞技时间,并在该竞技时间内,确定与团体竞技影响度1相匹配的团体竞技影响度(例如,团体竞技影响度2)。比如,该团体竞技影响度2可以为49947961分。此时,该计算机设备可以获取该团体竞技影响度2对应的阵营(例如,阵营2)。
进一步地,该计算机设备可以获取该阵营2的阵营名称(例如,[逍遥派]动物园)以及该阵营2中的用户数量。其中,该用户数量可以包括该第二阵营中的用户总数量(例如,70)以及该阵营2中的待竞技用户数量(例如,22)。此时,该计算机设备可以将该阵营2的阵营名称、用户数量、以及团体竞技影响度2作为业务匹配参数,进而可以将该业务匹配参数返回至该阵营1中的N个待竞技用户的用户终端。
应当理解,由于本申请实施例中的用户a为该阵营1中的待竞技用户,所以,该用户终端60A的终端界面(如图6所示的终端界面600)可以显示该服务器60B发送的业务匹配参数。其中,该终端界面600还可以显示该游戏业务的战场开始倒计时长,例如,该战场开始倒计时长可以为06:25:40,换言之,该游戏业务对应的竞技战场可以在06:25:40后开启。应当理解,当该终端界面600中的战场开启倒计时长为零时,该用户终端60A的显示界面可以由终端界面600切换至图6所示的终端界面610。其中,该终端界面610可以为该游戏业务对应的显示界面,该终端界面610中可以显示阵营1与阵营2的竞技开始倒计时长,例如,该竞技开始倒计时长可以为92秒,换言之,在92秒后,阵营1与阵营2可以开始执行该游戏业务。
在本申请实施例中,计算机设备可以获取游戏客户端中的第一阵营以及第一阵营对应的业务辅助参数。这里的第一阵营是指已经报名参与该游戏客户端的游戏业务(例如,联盟对战业务)的阵营,这里的业务辅助参数可以包括阵营确定时间戳以及该游戏客户端中的游戏业务对应的业务截止条件。其中,该第一阵营可以包括N个待竞技用户;N为正整数。这里的待竞技用户是指该第一阵营中报名参与游戏业务的用户。应当理解,该计算机设备可以基于阵营确定时间戳,获取这N个待竞技用户的游戏属性特征。这里的游戏属性特征是指与对应待竞技用户的个人竞技影响度相关联的属性特征。进一步地,该计算机设备可以通过所获取到的与游戏客户端相关联的目标网络模型,基于这N个待竞技用户的游戏属性特征和该目标网络模型,快速且准确的确定第一阵营对应的第一团体竞技影响度。在该第一阵营满足业务截止条件时,该计算机设备能够准确的确定出与第一团体竞技影响度相匹配的第二团体竞技影响度,进而可以确定该第二团体竞技影响度所对应的第二阵营,且将第二阵营和第一阵营确定为游戏业务对应的竞技对象组。由此可见,该计算机设备在确定第一阵营的第一团体竞技影响度时,可以直接通过该计算机设备所训练得到的目标网络模型,无需过多的人工参与,快速且准确的预测该第一阵营的第一团体竞技影响度,从而可以提高团体竞技影响度的预测效率和预测准确度,进而可以提高阵营匹配时的准确度。
进一步地,请参见图7,图7是本申请实施例提供的一种数据处理方法的流程示意图。如图7所示,该方法可以由运行有游戏客户端的用户终端、该游戏客户端对应的计算机设备共同执行,该用户终端可以为上述图1所示的用户终端集群中的任意一个用户终端,例如,用户终端100a。该计算机设备(例如,服务器)可以为上述图1所示的服务器10。该方法至少可以包括以下步骤S201-步骤S207:
步骤S201,用户终端响应针对与游戏客户端相关联的业务提交控件的触发操作,生成与第一阵营相关联的阵营匹配请求。
步骤S202,用户终端向该游戏客户端对应的服务器发送该阵营匹配请求。
步骤S203,服务器基于阵营匹配请求,获取游戏客户端中的第一阵营以及第一阵营对应的业务辅助参数。
其中,本申请实施例的业务辅助参数可以包括阵营确定时间戳,以便于后续无需过多的人工参与,就可以基于阵营确定时间戳,快速且准确的获取第一阵营中的待竞技用户的游戏属性特征,从而可以解决人工参与时,存在遗漏与待竞技用户的个人作战能力(即个人竞技影响度)相关的有效特征的问题。
步骤S204,服务器基于业务辅助参数中的阵营确定时间戳,获取第一阵营中的N个待竞技用户的游戏属性特征。
步骤S205,服务器在获取到与该游戏客户端相关联的目标网络模型时,基于该N个待竞技用户的游戏属性特征、该目标网络模型,确定该第一阵营对应的第一团体竞技影响度。
步骤S206,服务器在该第一阵营满足该业务截止条件时,确定与该第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,将该第二阵营和该第一阵营确定为该游戏业务对应的竞技对象组。
其中,本申请实施例中的服务器在满足业务截止条件时,可以基于第一阵营的第一团体竞技影响度进行匹配,从而可以从已报名参与本次游戏业务的阵营中,快速且准确的匹配到与第一阵营的作战能力相近的第二阵营,进而可以提升阵营匹配的准确度。
步骤S207,用户终端接收服务器返回的竞技对象组,在游戏客户端对应的终端界面上输出竞技对象组。
其中,该步骤S201-步骤S207的具体实施方式可参见上述图3所对应实施例中对步骤S101-步骤S104的描述,这里将不再赘述。
应当理解,该计算机设备可以在执行步骤S201至步骤S207之前,训练得到能够预测该游戏客户端中的阵营的团体竞技影响度的目标网络模型,进而在后续预测竞技影响度(个人竞技影响度或者团体竞技影响度)时,无需人工经验对与作战能力(竞技影响度)相关联的属性特征构建映射规则,可以直接根据该目标网络模型,得到阵营的作战能力,进而提高了团体竞技影响度的预测效率以及预测准确度。可以理解的是,该目标网络模型可以为能够预测待竞技用户的个人竞技影响度的网络模型,即将样本用户的样本特征向量作为初始网络模型的输入,由初始网络模型输出该样本用户的预测样本信息(即预测的样本用户的个人竞技影响度)。可选的,该目标网络模型还可以为能够直接预测阵营的团体竞技影响度的网络模型,即将历史阵营中所有样本用户的样本特征向量所构成的样本特征向量矩阵作为初始网络模型的输入,由该初始网络模型输出该历史阵营的预测样本信息(即预测的历史阵营的团体竞技影响度)。
其中,本申请实施例以该目标网络模型为预测待竞技用户的个人竞技影响度的网络模型为例,用以阐述目标网络模型的训练过程。可以理解的是,该计算机设备可以在样本选择时长达到样本选择周期时,从日志数据库中获取与该样本选择周期相关联的历史阵营。这里的样本选择周期可以为3天、一周、一月等。这里的日志数据库(例如,TDW离线日志数据库)可以为存储有与该游戏客户端相关联的历史数据,例如,该历史数据可以包括参与过该游戏业务的历史阵营。其中,该历史阵营是指在第一阵营的该阵营确定时间戳之前执行完该游戏业务的阵营。比如,该计算机设备可以在样本选择时长达到样本选择周期(例如,一个周)时,从该日志数据库中获取近一个周内的历史阵营。本申请实施例中的计算机设备可以基于样本选择周期,对目标网络模型进行实时性更新,因此,该计算机设备可以无需人工参与且更新速度快,进而可以极大的改进传统方法凭借过多人工经验以及时效性低下等特点。
进一步地,该计算机设备可以基于该历史阵营、该历史阵营对应的历史团体竞技影响度,对初始网络模型进行迭代训练,得到模型训练结果。其中,该历史团体竞技影响度是基于该历史阵营中的所有样本用户的个人竞技影响度所确定的;每个样本用户均为该历史阵营中的已竞技用户。应当理解,该样本用户的个人竞技影响度可以是由该计算机设备根据竞技过程中的已竞技用户自身的“九鼎”控制时间、迁城次数、攻占传送点次数、建筑得分、杀敌地方、粮仓抢占数量等各项条件所确定的综合积分。
其中,可以理解的是,该计算机设备在对初始网络模型进行迭代训练的过程中,可以获取该样本用户的历史属性特征以及该样本用户在该历史阵营中完成该游戏业务时的个人竞技影响度。这里的历史属性特征可以为与个人竞技影响度相关联的属性特征。该历史属性特征可以包括该样本用户的道具特征(例如,龙脉等级、医馆数量以及资源矿数量等)、城堡特征(例如,皇城等级等)、兵种特征(例如,步兵等级、枪兵等级、弓兵等级以及盾兵等级等)、历史出勤率以及其余特征。进一步地,该计算机设备可以将该历史属性特征作为用于训练初始网络模型的样本属性特征,且将该个人竞技影响度作为该样本属性特征对应的样本标签信息。此时,该计算机设备可以基于该样本属性特征对应的样本特征向量以及该样本标签信息,对该初始网络模型进行迭代训练,得到模型训练结果。
其中,输入至该初始网络模型的样本特征向量可以为该计算机设备对该样本属性特征进行特征转换处理后所得到的特征向量。可选的,该样本特征向量还可以为该计算机设备先对该样本属性特征进行特征转换处理,再赋予额外的权重之后所得到的特征向量。其中,样本属性特征可以包括K个历史属性特征,一个历史属性特征可以对应一个权重;该K个历史属性特征对应的权重之和可以为1。其中,K为正整数。
可以理解的是,该计算机设备可以将该K个历史属性特征分别进行特征转换处理,得到该每个历史属性特征对应的历史特征向量。进一步地,该计算机设备可以将该每个历史属性特征对应的历史特征向量,与对应历史属性特征所对应的权重之间的乘积确定为样本特征向量。此时,该计算机设备可以将该样本特征向量输入至该初始网络模型,由该初始网络模型预测该样本特征向量对应的预测标签信息。进一步地,该计算机设备可以基于该预测标签信息和该样本标签信息,得到该初始网络模型对应的模型损失函数,进而可以基于该模型损失函数确定该初始网络模型对应的模型训练结果。
其中,该初始网络模型的模型损失函数可以通过下述公式(1)确定:
其中,predictAbility是指预测标签信息,即预测的样本用户的个人竞技影响度,trueScore是指样本标签信息,即样本用户在历史阵营中完成该游戏业务时的实际个人竞技影响度。
当该模型训练结果指示该初始网络模型满足模型收敛条件时,该计算机设备可以将满足该模型收敛条件的初始网络模型,作为用于预测该第一阵营对应的第一团体竞技影响度的目标网络模型。当该模型训练结果指示该初始网络模型的模型损失函数不满足模型收敛条件时,该计算机设备可以基于不满足该模型收敛条件的模型损失函数,对该初始网络模型的模型参数进行调整。进一步地,该计算机设备可以将调整模型参数后的初始网络模型确定为过渡网络模型,进而可以对该过渡网络模型进行迭代训练,直到迭代训练后的过渡网络模型满足该模型收敛条件时,该计算机设备可以将满足该模型收敛条件的过渡网络模型,作为用于预测团体竞技影响度的目标网络模型。
可以理解的是,该计算机设备可以采用合适的优化算法对该初始网络模型的模型参数进行调整。该优化算法可以为GD算法,SGD算法,Momentum算法,RMSProp算法和Adam算法等任意一种或多种优化算法。其中,本申请实施例可以以训练速度较快的Adam优化算法为例,对该初始网络模型的模型参数进行更新。该Adam优化算法主要作用于模型网络结构的输出层,该Adam算法不仅具有实现简单、计算高效,对内存需求少的优点,还适用于梯度稀疏或梯度存在很大噪声的问题。
其中,该Adam算法具体实现步骤可以如下所示:首先,该Adam算法可以确定步长α,指数衰减率β1和β2(在[0,1)之间),以及参数向量为θ的目标函数f(θ)。其中,该目标函数f(θ)可以为本申请实施例中的模型损失函数(即上述公式(1)所示的模型损失函数),参数向量θ是指该初始网络模型的模型参数。其次,该Adam算法可以获取初始化参数向量θ0,初始化一阶冲量向量m0,初始化二阶冲量向量v0以及初始化时间步t。最后,当参数向量θt没有收敛时,该Adam算法可以循环迭代地更新各个部分。其中,该Adam算法循环迭代更新各部分的公式可以参见下述公式(2)至公式(8):
t←t+1, (2)
mt←β1·mt-1+(1-β1)·gt, (4)
应当理解,当参数向量θt没有收敛时,该Adam算法可以根据上述公式(2)时间步t加1,根据上述公式(3)更新目标函数在该时间步上对参数向量θ所求的梯度值gt,根据上述公式(4)更新有偏差的一阶冲量向量mt,根据上述公式(5)更新有偏差的二阶冲量向量vt,进而可以根据上述公式(6)修正一阶冲量向量的偏差根据上述公式(7)修正二阶冲量向量的偏差然后再根据上述公式(8)更新该初始网络模型的参数向量θt(即模型参数)。
例如,在时间步t为1时,该参数向量θ1没有收敛,此时,该计算机设备可以根据上述公式(2)将时间步t由1更新为2,进而可以根据上述公式(3)更新目标函数f2(θ1)在该时间步上对参数向量θ所求的梯度值g2,根据上述公式(4)更新有偏差的一阶冲量向量m2,根据上述公式(5)更新有偏差的二阶冲量向量v2,进而可以根据上述公式(6)修正一阶冲量向量的偏差根据上述公式(7)修正二阶冲量向量的偏差然后再根据上述公式(8)更新该初始网络模型的参数向量θ2(即模型参数)。
为便于理解,进一步地,请参见图8,图8是本申请实施例提供的一种确定目标网络模型的场景示意图。如图8所示,本申请实施例中的计算机设备可以为具有模型训练功能的计算机设备,该计算机设备可以为用户终端,也可以为服务器,在此不做限定。
应当理解,该计算机设备可以获取样本用户的样本属性特征和样本标签信息,进而可以确定该样本属性特征对应的样本特征向量。进一步地,该计算机设备可以将该样本特征向量输入至图8所示的初始网络模型800中,进而可以由该初始网络模型800预测该样本特征向量对应的预测标签信息(即预测的该样本用户的个人竞技影响度)。
进一步地,该计算机设备可以通过该样本用户的样本标签信息以及预测标签信息,基于上述公式(1)确定该初始网络模型800的模型损失参数,进而可以基于该模型损失参数,确定该初始网络模型800的模型训练结果。可以理解的是,当该模型训练结果指示该初始网络模型800的模型损失函数满足该模型收敛条件时,该计算机设备可以直接将满足该模型条件的初始网络模型800确定为用于预测第一阵营对应的第一团体竞技影响度的目标网络模型(例如,图8所示的目标网络模型810)。
当该模型训练结果指示该初始网络模型800的模型损失函数不满足模型收敛条件时,该计算机设备可以基于不满足该模型收敛条件的模型损失函数,对该初始网络模型800的模型参数进行调整。进一步地,该计算机设备可以将该调整模型参数后的初始网络模型确定为过渡网络模型,进而可以对该过渡网络模型进行迭代训练,直到迭代训练后的过渡网络模型满足该模型收敛条件时,该计算机设备可以将满足该模型收敛条件的过渡网络模型,作为用于预测团体竞技影响度的目标网络模型(例如,图8所示的目标网络模型810)。
进一步地,请参见图9,图9是本申请实施例提供的一种系统架构示意图。如图9所示,本申请实施例中的计算机设备可以通过对初始网络模型进行迭代训练,得到与游戏客户端相关联的目标网络模型。
应当理解,该计算机设备可以在样本选择时长达到样本选择周期时,从日志数据库中获取与该样本选择周期相关联的历史阵营,进而可以获取该历史阵营中的样本用户的历史属性特征以及该样本用户在历史阵营中完成游戏业务时的个人竞技影响度。其中,该历史属性特征可以包括城堡等级、龙脉等级、步兵等级、历史出勤率以及其余特征。
进一步地,该计算机设备可以将该样本用户的历史属性特征作为用于训练初始网络模型的样本属性特征,将样本用户的个人竞技影响度作为该样本属性特征对应的样本标签信息。该计算机设备可以基于该样本属性特征与该样本标签信息对初始网络模型进行迭代训练,从而可以得到图9所示的目标网络模型。
应当理解,在该计算机设备获取到第一阵营的N个待竞技用户的游戏属性特征(例如,城堡等级、龙脉等级、步兵等级、历史出勤率以及其余特征)时,该计算机设备可以基于该游戏属性特征,目标网络模型,预测出每个待竞技用户的个人竞技影响度,进而可以对这每个待竞技用户的个人竞技影响度进行累加处理,从而可以得到该第一阵营的第一团体竞技影响度,以便于后续在第一阵营满足业务截止条件时,为该第一阵营匹配实力相近的第二阵营。其中,该计算机设备训练模型和应用模型的具体实施方式可以参见上述图7所示的步骤S201-步骤S207以及上述图3所示的步骤S101-步骤S104,在此不再继续进行赘述。
在本申请实施例中,计算机设备可以获取游戏客户端中的第一阵营以及第一阵营对应的业务辅助参数。这里的第一阵营是指已经报名参与该游戏客户端的游戏业务(例如,联盟对战业务)的阵营,这里的业务辅助参数可以包括阵营确定时间戳以及该游戏客户端中的游戏业务对应的业务截止条件。其中,该第一阵营可以包括N个待竞技用户;N为正整数。这里的待竞技用户是指该第一阵营中报名参与游戏业务的用户。应当理解,该计算机设备可以基于阵营确定时间戳,获取这N个待竞技用户的游戏属性特征。这里的游戏属性特征是指与对应待竞技用户的个人竞技影响度相关联的属性特征。进一步地,该计算机设备可以通过所获取到的与游戏客户端相关联的目标网络模型,基于这N个待竞技用户的游戏属性特征和该目标网络模型,快速且准确的确定第一阵营对应的第一团体竞技影响度。在该第一阵营满足业务截止条件时,该计算机设备能够准确的确定出与第一团体竞技影响度相匹配的第二团体竞技影响度,进而可以确定该第二团体竞技影响度所对应的第二阵营,且将第二阵营和第一阵营确定为游戏业务对应的竞技对象组。由此可见,该计算机设备在确定第一阵营的第一团体竞技影响度时,可以直接通过该计算机设备所训练得到的目标网络模型,无需过多的人工参与,快速且准确的预测该第一阵营的第一团体竞技影响度,从而可以提高团体竞技影响度的预测效率和预测准确度,进而可以提高阵营匹配时的准确度。
进一步地,请参见图10,图10是本申请实施例提供的一种数据处理装置的结构示意图。该数据处理装置1可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如,该数据处理装置1为一个应用软件;该数据处理装置1可以用于执行本申请实施例提供的方法中的相应步骤。如图10所示,该数据处理装置1可以运行于上述图2所示的服务器20B。该数据处理装置1可以包括:阵营获取模块11,特征获取模块12,影响度确定模块13,阵营匹配模块14,历史阵营获取模块15,训练模块16,目标模型确定模块17,模型参数调整模块18,过渡模型确定模块19,参数获取模块20,匹配参数确定模块21,报名请求获取模块22,第一确定模块23以及第二确定模块24。
该阵营获取模块11,用于获取游戏客户端中的第一阵营以及第一阵营对应的业务辅助参数;业务辅助参数包括阵营确定时间戳以及游戏客户端中的游戏业务对应的业务截止条件;第一阵营包括N个待竞技用户;N为正整数。
其中,阵营获取模块11包括:匹配请求获取单元111,第一获取单元112以及辅助参数确定单元113。
该匹配请求获取单元111,用于获取游戏客户端对应的用户终端发送的阵营匹配请求,将与阵营匹配请求相关联的阵营确定为第一阵营;阵营匹配请求是由用户终端响应针对与游戏业务相关联的业务提交控件的触发操作所得到的;
该第一获取单元112,用于获取阵营匹配请求中携带的阵营确定时间戳以及游戏业务对应的业务截止条件;
该辅助参数确定单元113,用于基于阵营确定时间戳以及业务截止条件,确定第一阵营对应的业务辅助参数。
其中,该匹配请求获取单元111,第一获取单元112以及辅助参数确定单元113的具体实现方式可以参见上述图3所对应实施例中对步骤S101的描述,这里将不再继续进行赘述。
该特征获取模块12,用于基于阵营确定时间戳获取N个待竞技用户的游戏属性特征;
该影响度确定模块13,用于在获取到与游戏客户端相关联的目标网络模型时,基于N个待竞技用户的游戏属性特征、目标网络模型,确定第一阵营对应的第一团体竞技影响度。
其中,N个待竞技用户包括第一待竞技用户和第二待竞技用户;
该影响度确定模块13包括:第一影响度确定单元131,第二影响度确定单元132以及累加单元133。
该第一影响度确定单元131,用于在获取到与游戏客户端相关联的目标网络模型时,确定第一待竞技用户的第一游戏属性特征对应的第一特征向量,将第一特征向量输入至目标网络模型,由目标网络模型预测第一待竞技用户对应的第一个人竞技影响度;
该第二影响度确定单元132,用于确定第二待竞技用户的第二游戏属性特征对应的第二特征向量,将第二特征向量输入至目标网络模型,由目标网络模型预测第二待竞技用户对应的第二个人竞技影响度;
该累加单元133,用于对第一个人竞技影响度和第二个人竞技影响度进行累加处理,得到第一阵营的第一团体竞技影响度。
其中,该第一影响度确定单元131,第二影响度确定单元132以及累加单元133的具体实现方式可以参见上述图3所对应实施例中对步骤S103的描述,这里将不再继续进行赘述。
该阵营匹配模块14,用于在第一阵营满足业务截止条件时,确定与第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,将第二阵营和第一阵营确定为游戏业务对应的竞技对象组。
该历史阵营获取模块15,用于在样本选择时长达到样本选择周期时,从日志数据库中获取与样本选择周期相关联的历史阵营;历史阵营为在阵营确定时间戳之前执行完游戏业务的阵营;
该训练模块16,用于基于历史阵营、历史阵营对应的历史团体竞技影响度,对初始网络模型进行迭代训练,得到模型训练结果。
其中,历史团体竞技影响度是基于历史阵营中的所有样本用户的个人竞技影响度所确定的;每个样本用户均为历史阵营中的已竞技用户;
该训练模块16包括:第二获取单元161,第三获取单元162以及训练单元163。
该第二获取单元161,用于获取样本用户的历史属性特征以及样本用户在历史阵营中完成游戏业务时的个人竞技影响度;
该第三获取单元162,用于将历史属性特征作为用于训练初始网络模型的样本属性特征,且将个人竞技影响度作为样本属性特征对应的样本标签信息;
该训练单元163,用于基于样本属性特征对应的样本特征向量以及样本标签信息,对初始网络模型进行迭代训练,得到模型训练结果。
其中,样本属性特征包括K个历史属性特征,一个历史属性特征对应一个权重;K个历史属性特征对应的权重之和为1;K为正整数;
该训练单元163包括:特征转换子单元1631,样本向量确定子单元1632,标签信息预测子单元1633以及训练结果确定子单元1634。
该特征转换子单元1631,用于将K个历史属性特征分别进行特征转换处理,得到每个历史属性特征对应的历史特征向量;
该样本向量确定子单元1632,用于将每个历史属性特征对应的历史特征向量,与对应历史属性特征所对应的权重之间的乘积确定为样本特征向量;
该标签信息预测子单元1633,用于将样本特征向量输入至初始网络模型,由初始网络模型预测样本特征向量对应的预测标签信息;
该训练结果确定子单元1634,用于基于预测标签信息和样本标签信息,得到初始网络模型对应的模型损失函数,基于模型损失函数确定初始网络模型对应的模型训练结果。
其中,该特征转换子单元1631,样本向量确定子单元1632,标签信息预测子单元1633以及训练结果确定子单元1634的具体实现方式可以参见上述图7所对应实施例中对样本特征向量的描述,这里将不再继续进行赘述。
其中,该第二获取单元161,第三获取单元162以及训练单元163的具体实现方式可以参见上述图7所对应实施例中对初始网络模型进行迭代训练的描述,这里将不再继续进行赘述。
该目标模型确定模块17,用于当模型训练结果指示初始网络模型满足模型收敛条件时,将满足模型收敛条件的初始网络模型作为用于预测第一阵营对应的第一团体竞技影响度的目标网络模型。
该模型参数调整模块18,用于当模型训练结果指示初始网络模型的模型损失函数不满足模型收敛条件时,基于不满足模型收敛条件的模型损失函数,对初始网络模型的模型参数进行调整;
该过渡模型确定模块19,用于将调整模型参数后的初始网络模型确定为过渡网络模型,对过渡网络模型进行迭代训练,直到迭代训练后的过渡网络模型满足模型收敛条件时,将满足模型收敛条件的过渡网络模型作为用于预测团体竞技影响度的目标网络模型。
该参数获取模块20,用于获取第二阵营的阵营名称以及第二阵营中的用户数量;用户数量包括第二阵营中的用户总数量以及第二阵营中的待竞技用户数量;
该匹配参数确定模块21,用于将阵营名称、用户数量以及第二团体竞技影响度,确定为业务匹配参数;业务匹配参数用于输出至N个待竞技用户的终端界面。
该报名请求获取模块22,用于获取属于第一阵营的用户发送的业务报名请求,在与游戏客户端相关联的非法用户列表中查询发起业务报名请求的用户;
该第一确定模块23,用于若在非法用户列表中未查询到用户,则确定用户具备报名权限,且将用户确定为第一阵营中的待竞技用户。
该第二确定模块24,用于若在非法用户列表中查询到用户,则确定用户不具备报名权限,且将用户确定为非法用户。
其中,该阵营获取模块11,特征获取模块12,影响度确定模块13,阵营匹配模块14,历史阵营获取模块15,训练模块16,目标模型确定模块17,模型参数调整模块18,过渡模型确定模块19,参数获取模块20,匹配参数确定模块21,报名请求获取模块22,第一确定模块23以及第二确定模块24的具体实现方式可以参见上述图7所对应实施例中对步骤S201-步骤S207的描述,这里将不再继续进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
进一步地,请参见图11,图11是本申请实施例提供的一种计算机设备的示意图。如图11所示,该计算机设备1000可以为上述图2对应实施例中的服务器20B,该计算机设备1000可以包括:至少一个处理器1001,例如CPU,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display)、键盘(Keyboard),网络接口1004可选地可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选地还可以是至少一个位于远离前述处理器1001的存储装置。如图11所示,作为一种计算机存储介质的存储器1005可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图11所示的计算机设备1000中,网络接口1004主要用于与运行有游戏客户端的用户终端进行网络通信;而用户接口1003主要用于为用户提供输入的接口;而处理器1001可以用于调用存储器1005中存储的设备控制应用程序,以实现:
获取游戏客户端中的第一阵营以及第一阵营对应的业务辅助参数;业务辅助参数包括阵营确定时间戳以及游戏客户端中的游戏业务对应的业务截止条件;第一阵营包括N个待竞技用户;N为正整数;
基于阵营确定时间戳获取N个待竞技用户的游戏属性特征;
在获取到与游戏客户端相关联的目标网络模型时,基于N个待竞技用户的游戏属性特征、目标网络模型,确定第一阵营对应的第一团体竞技影响度;
在第一阵营满足业务截止条件时,确定与第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,将第二阵营和第一阵营确定为游戏业务对应的竞技对象组。
应当理解,本申请实施例中所描述的计算机设备1000可执行前文图3和图7所对应实施例中对该数据处理方法的描述,也可执行前文图10所对应实施例中对该数据处理装置1的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
此外,这里需要指出的是:本申请实施例还提供了一种计算机可读存储介质,且该计算机可读存储介质中存储有前文提及的数据处理装置1所执行的计算机程序,且该计算机程序包括程序指令,当该处理器执行该程序指令时,能够执行前文图3或者图7所对应实施例中对该数据处理方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。作为示例,程序指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行,分布在多个地点且通过通信网络互连的多个计算设备可以组成区块链系统。
本申请一方面提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备可执行前文图3或者图7所对应实施例中对数据处理方法的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
进一步地,请参见图12,图12是本申请实施例提供的一种数据处理装置的结构示意图。该数据处理装置2可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如,该数据处理装置2为一个应用软件;该数据处理装置2可以用于执行本申请实施例提供的方法中的相应步骤。如图12所示,该数据处理装置2可以运行于上述图2所示的用户终端20A。该数据处理装置2可以包括:匹配请求生成模块100,匹配请求发送模块200以及竞技对象组接收模块300。
该匹配请求生成模块100,用于响应针对与游戏客户端相关联的业务提交控件的触发操作,生成与第一阵营相关联的阵营匹配请求;阵营匹配请求中携带属于第一阵营的N个待竞技用户;N为正整数;
该匹配请求发送模块200,用于向游戏客户端对应的服务器发送阵营匹配请求,以使服务器通过目标网络模型,确定第一阵营的第一团体竞技影响度;第一团体竞技影响度用于指示服务器在第一阵营满足业务截止条件时,确定与第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,且将第二阵营和第一阵营确定为游戏业务对应的竞技对象组;
该竞技对象组接收模块300,用于接收服务器返回的竞技对象组,在游戏客户端对应的终端界面上输出竞技对象组。
其中,该匹配请求生成模块100,匹配请求发送模块200以及竞技对象组接收模块300的具体实现方式可以参见上述图7所对应实施例中对步骤S201-步骤S207的描述,这里将不再继续进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
进一步地,请参见图13,图13是本申请实施例提供的一种计算机设备的示意图。如图13所示,该计算机设备3000可以为上述图2所对应实施例中的用户终端20A,该计算机设备3000可以包括:至少一个处理器3001,例如CPU,至少一个网络接口3004,用户接口3003,存储器3005,至少一个通信总线3002。其中,通信总线3002用于实现这些组件之间的连接通信。其中,用户接口3003可以包括显示屏(Display)、键盘(Keyboard),网络接口3004可选地可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器3005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储3005可选地还可以是至少一个位于远离前述处理器3001的存储装置。如图13所示,作为一种计算机存储介质的存储器3005可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图13所示的计算机设备3000中,网络接口3004主要用于与计算机设备(例如,上述图2所示的服务器20B)进行网络通信;而用户接口3003主要用于为用户提供输入的接口;而处理器3001可以用于调用存储器3005中存储的设备控制应用程序,以实现:
响应针对与游戏客户端相关联的业务提交控件的触发操作,生成与第一阵营相关联的阵营匹配请求;阵营匹配请求中携带属于第一阵营的N个待竞技用户;N为正整数;
向游戏客户端对应的服务器发送阵营匹配请求,以使服务器通过目标网络模型,确定第一阵营的第一团体竞技影响度;第一团体竞技影响度用于指示服务器在第一阵营满足业务截止条件时,确定与第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,且将第二阵营和第一阵营确定为游戏业务对应的竞技对象组;
接收服务器返回的竞技对象组,在游戏客户端对应的终端界面上输出竞技对象组。
应当理解,本申请实施例中所描述的计算机设备3000可执行前文图3或者图7所对应实施例中对该数据处理方法的描述,也可执行前文图12所对应实施例中对该数据处理装置2的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
此外,这里需要指出的是:本申请实施例还提供了一种计算机可读存储介质,且该计算机可读存储介质中存储有前文提及的数据处理装置2所执行的计算机程序,且该计算机程序包括程序指令,当该处理器执行该程序指令时,能够执行前文图3或者图7所对应实施例中对该数据处理方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。作为示例,程序指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行,分布在多个地点且通过通信网络互连的多个计算设备可以组成区块链系统。
本申请一方面提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备可执行前文图3或者图7所对应实施例中对数据处理方法的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
进一步的,请参见图14,图14是本申请实施例提供的一种数据处理系统的结构示意图。该数据处理系统3可以包含数据处理装置1a和数据处理装置2a。其中,数据处理装置1a可以为上述图10所对应实施例中的数据处理装置1,可以理解的是,该数据处理装置1a可以集成在上述图2所对应实施例中的服务器20B,因此,这里将不再进行赘述。其中,数据处理装置2a可以为上述图12所对应实施例中的数据处理装置2,可以理解的是,该数据处理装置2a可以集成在上述图2所对应实施例中的用户终端20A,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的数据处理系统实施例中未披露的技术细节,请参照本申请方法实施例的描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (15)
1.一种数据处理方法,其特征在于,包括:
获取游戏客户端中的第一阵营以及所述第一阵营对应的业务辅助参数;所述业务辅助参数包括阵营确定时间戳以及所述游戏客户端中的游戏业务对应的业务截止条件;所述第一阵营包括N个待竞技用户;所述N为正整数;
基于所述阵营确定时间戳获取所述N个待竞技用户的游戏属性特征;
在获取到与所述游戏客户端相关联的目标网络模型时,基于所述N个待竞技用户的游戏属性特征、所述目标网络模型,确定所述第一阵营对应的第一团体竞技影响度;
在所述第一阵营满足所述业务截止条件时,确定与所述第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,将所述第二阵营和所述第一阵营确定为所述游戏业务对应的竞技对象组。
2.根据权利要求1所述的方法,其特征在于,所述获取游戏客户端中的第一阵营以及所述第一阵营对应的业务辅助参数,包括:
获取游戏客户端对应的用户终端发送的阵营匹配请求,将与所述阵营匹配请求相关联的阵营确定为第一阵营;所述阵营匹配请求是由所述用户终端响应针对与游戏业务相关联的业务提交控件的触发操作所得到的;
获取所述阵营匹配请求中携带的阵营确定时间戳以及所述游戏业务对应的业务截止条件;
基于所述阵营确定时间戳以及所述业务截止条件,确定所述第一阵营对应的业务辅助参数。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在样本选择时长达到样本选择周期时,从日志数据库中获取与所述样本选择周期相关联的历史阵营;所述历史阵营为在所述阵营确定时间戳之前执行完所述游戏业务的阵营;
基于所述历史阵营、所述历史阵营对应的历史团体竞技影响度,对初始网络模型进行迭代训练,得到模型训练结果;
当所述模型训练结果指示所述初始网络模型满足模型收敛条件时,将满足所述模型收敛条件的初始网络模型作为用于预测所述第一阵营对应的第一团体竞技影响度的目标网络模型。
4.根据权利要求3所述的方法,其特征在于,所述历史团体竞技影响度是基于所述历史阵营中的所有样本用户的个人竞技影响度所确定的;每个样本用户均为所述历史阵营中的已竞技用户;
所述基于所述历史阵营、所述历史阵营对应的历史团体竞技影响度,对初始网络模型进行迭代训练,得到模型训练结果,包括:
获取所述样本用户的历史属性特征以及所述样本用户在所述历史阵营中完成所述游戏业务时的个人竞技影响度;
将所述历史属性特征作为用于训练初始网络模型的样本属性特征,且将所述个人竞技影响度作为所述样本属性特征对应的样本标签信息;
基于所述样本属性特征对应的样本特征向量以及所述样本标签信息,对所述初始网络模型进行迭代训练,得到模型训练结果。
5.根据权利要求4所述的方法,其特征在于,所述样本属性特征包括K个历史属性特征,一个历史属性特征对应一个权重;所述K个历史属性特征对应的权重之和为1;所述K为正整数;
所述基于所述样本属性特征对应的样本特征向量以及所述样本标签信息,对所述初始网络模型进行迭代训练,得到模型训练结果,包括:
将所述K个历史属性特征分别进行特征转换处理,得到所述每个历史属性特征对应的历史特征向量;
将所述每个历史属性特征对应的历史特征向量,与对应历史属性特征所对应的权重之间的乘积确定为样本特征向量;
将所述样本特征向量输入至所述初始网络模型,由所述初始网络模型预测所述样本特征向量对应的预测标签信息;
基于所述预测标签信息和所述样本标签信息,得到所述初始网络模型对应的模型损失函数,基于所述模型损失函数确定所述初始网络模型对应的模型训练结果。
6.根据权利要求5所述的方法,其特征在于,还包括:
当所述模型训练结果指示所述初始网络模型的模型损失函数不满足模型收敛条件时,基于不满足所述模型收敛条件的所述模型损失函数,对所述初始网络模型的模型参数进行调整;
将调整模型参数后的初始网络模型确定为过渡网络模型,对所述过渡网络模型进行迭代训练,直到迭代训练后的过渡网络模型满足所述模型收敛条件时,将满足所述模型收敛条件的过渡网络模型作为用于预测团体竞技影响度的目标网络模型。
7.根据权利要求1所述的方法,其特征在于,所述N个待竞技用户包括第一待竞技用户和第二待竞技用户;
所述在获取到与所述游戏客户端相关联的目标网络模型时,基于所述N个待竞技用户的游戏属性特征、所述目标网络模型,确定所述第一阵营对应的第一团体竞技影响度,包括:
在获取到与所述游戏客户端相关联的目标网络模型时,确定所述第一待竞技用户的第一游戏属性特征对应的第一特征向量,将所述第一特征向量输入至所述目标网络模型,由所述目标网络模型预测所述第一待竞技用户对应的第一个人竞技影响度;
确定所述第二待竞技用户的第二游戏属性特征对应的第二特征向量,将所述第二特征向量输入至所述目标网络模型,由所述目标网络模型预测所述第二待竞技用户对应的第二个人竞技影响度;
对所述第一个人竞技影响度和所述第二个人竞技影响度进行累加处理,得到所述第一阵营的第一团体竞技影响度。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述第二阵营的阵营名称以及所述第二阵营中的用户数量;所述用户数量包括所述第二阵营中的用户总数量以及所述第二阵营中的待竞技用户数量;
将所述阵营名称、所述用户数量以及所述第二团体竞技影响度,确定为业务匹配参数;所述业务匹配参数用于输出至所述N个待竞技用户的终端界面。
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:
获取属于第一阵营的用户发送的业务报名请求,在与所述游戏客户端相关联的非法用户列表中查询发起所述业务报名请求的用户;
若在所述非法用户列表中未查询到所述用户,则确定所述用户具备报名权限,且将所述用户确定为所述第一阵营中的待竞技用户。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
若在所述非法用户列表中查询到所述用户,则确定所述用户不具备报名权限,且将所述用户确定为非法用户。
11.一种数据处理方法,其特征在于,包括:
响应针对与游戏客户端相关联的业务提交控件的触发操作,生成与第一阵营相关联的阵营匹配请求;所述阵营匹配请求中携带属于所述第一阵营的N个待竞技用户;所述N为正整数;
向所述游戏客户端对应的服务器发送所述阵营匹配请求,以使所述服务器通过目标网络模型,确定所述第一阵营的第一团体竞技影响度;所述第一团体竞技影响度用于指示所述服务器在所述第一阵营满足所述业务截止条件时,确定与所述第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,且将所述第二阵营和所述第一阵营确定为所述游戏业务对应的竞技对象组;
接收所述服务器返回的所述竞技对象组,在所述游戏客户端对应的终端界面上输出所述竞技对象组。
12.一种数据处理装置,其特征在于,包括:
阵营获取模块,用于获取游戏客户端中的第一阵营以及所述第一阵营对应的业务辅助参数;所述业务辅助参数包括阵营确定时间戳以及所述游戏客户端中的游戏业务对应的业务截止条件;所述第一阵营包括N个待竞技用户;所述N为正整数;
特征获取模块,用于基于所述阵营确定时间戳获取所述N个待竞技用户的游戏属性特征;
影响度确定模块,用于在获取到与所述游戏客户端相关联的目标网络模型时,基于所述N个待竞技用户的游戏属性特征、所述目标网络模型,确定所述第一阵营对应的第一团体竞技影响度;
阵营匹配模块,用于在所述第一阵营满足所述业务截止条件时,确定与所述第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,将所述第二阵营和所述第一阵营确定为所述游戏业务对应的竞技对象组。
13.一种数据处理装置,其特征在于,包括:
匹配请求生成模块,用于响应针对与游戏客户端相关联的业务提交控件的触发操作,生成与第一阵营相关联的阵营匹配请求;所述阵营匹配请求中携带属于所述第一阵营的N个待竞技用户;所述N为正整数;
匹配请求发送模块,用于向所述游戏客户端对应的服务器发送所述阵营匹配请求,以使所述服务器通过目标网络模型,确定所述第一阵营的第一团体竞技影响度;所述第一团体竞技影响度用于指示所述服务器在所述第一阵营满足所述业务截止条件时,确定与所述第一团体竞技影响度相匹配的第二团体竞技影响度所对应的第二阵营,且将所述第二阵营和所述第一阵营确定为所述游戏业务对应的竞技对象组;
竞技对象组接收模块,用于接收所述服务器返回的所述竞技对象组,在所述游戏客户端对应的终端界面上输出所述竞技对象组。
14.一种计算机设备,其特征在于,包括:处理器、存储器、网络接口;
所述处理器与存储器、网络接口相连,其中,网络接口用于提供数据通信功能,所述存储器用于存储计算机程序,所述处理器用于调用所述计算机程序,以执行权利要求1-11任一项所述的方法。
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存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时,执行权利要求1-11任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010844233.5A CN111905377B (zh) | 2020-08-20 | 2020-08-20 | 一种数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010844233.5A CN111905377B (zh) | 2020-08-20 | 2020-08-20 | 一种数据处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111905377A true CN111905377A (zh) | 2020-11-10 |
CN111905377B CN111905377B (zh) | 2021-12-10 |
Family
ID=73278434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010844233.5A Active CN111905377B (zh) | 2020-08-20 | 2020-08-20 | 一种数据处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111905377B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112426724A (zh) * | 2020-11-30 | 2021-03-02 | 北京达佳互联信息技术有限公司 | 游戏用户的匹配方法、装置、电子设备及存储介质 |
CN113117312A (zh) * | 2021-04-22 | 2021-07-16 | 网易(杭州)网络有限公司 | 一种游戏中事件的执行方法、装置、电子设备及存储介质 |
CN114489897A (zh) * | 2022-01-21 | 2022-05-13 | 北京字跳网络技术有限公司 | 一种对象处理方法、装置、终端设备及介质 |
CN115944921A (zh) * | 2023-03-13 | 2023-04-11 | 腾讯科技(深圳)有限公司 | 游戏数据处理方法、装置、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104436656A (zh) * | 2014-12-24 | 2015-03-25 | 深圳市腾讯计算机系统有限公司 | 游戏应用中用户的匹配方法和装置 |
CN108786116A (zh) * | 2018-04-24 | 2018-11-13 | 网易(杭州)网络有限公司 | 对战游戏中的队伍匹配方法、电子设备及存储介质 |
CN109603159A (zh) * | 2018-12-18 | 2019-04-12 | 网易(杭州)网络有限公司 | 匹配游戏玩家的方法、装置及系统 |
CN109821244A (zh) * | 2019-01-21 | 2019-05-31 | 网易(杭州)网络有限公司 | 游戏数据处理方法、装置、存储介质和电子装置 |
CN109966743A (zh) * | 2019-03-06 | 2019-07-05 | 网易(杭州)网络有限公司 | 一种游戏胜率的预测方法、模型生成方法和装置 |
CN110025962A (zh) * | 2019-04-22 | 2019-07-19 | 深圳市腾讯网域计算机网络有限公司 | 对象匹配的方法、装置、设备及存储介质 |
US20190247755A1 (en) * | 2012-06-07 | 2019-08-15 | Activision Publishing, Inc. | Bounded competitions in a video game framework |
CN110368696A (zh) * | 2019-08-15 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 一种非对称游戏玩家能力获取方法、装置、设备及介质 |
CN110772796A (zh) * | 2018-07-30 | 2020-02-11 | 优视科技有限公司 | 组队方法、装置及电子设备 |
CN110960853A (zh) * | 2019-04-15 | 2020-04-07 | 镇江多游网络科技有限公司 | 一种游戏中团战玩家的匹配方法 |
CN111265867A (zh) * | 2020-01-20 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 对局画面的显示方法、装置、终端及存储介质 |
-
2020
- 2020-08-20 CN CN202010844233.5A patent/CN111905377B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190247755A1 (en) * | 2012-06-07 | 2019-08-15 | Activision Publishing, Inc. | Bounded competitions in a video game framework |
CN104436656A (zh) * | 2014-12-24 | 2015-03-25 | 深圳市腾讯计算机系统有限公司 | 游戏应用中用户的匹配方法和装置 |
CN108786116A (zh) * | 2018-04-24 | 2018-11-13 | 网易(杭州)网络有限公司 | 对战游戏中的队伍匹配方法、电子设备及存储介质 |
CN110772796A (zh) * | 2018-07-30 | 2020-02-11 | 优视科技有限公司 | 组队方法、装置及电子设备 |
CN109603159A (zh) * | 2018-12-18 | 2019-04-12 | 网易(杭州)网络有限公司 | 匹配游戏玩家的方法、装置及系统 |
CN109821244A (zh) * | 2019-01-21 | 2019-05-31 | 网易(杭州)网络有限公司 | 游戏数据处理方法、装置、存储介质和电子装置 |
CN109966743A (zh) * | 2019-03-06 | 2019-07-05 | 网易(杭州)网络有限公司 | 一种游戏胜率的预测方法、模型生成方法和装置 |
CN110960853A (zh) * | 2019-04-15 | 2020-04-07 | 镇江多游网络科技有限公司 | 一种游戏中团战玩家的匹配方法 |
CN110025962A (zh) * | 2019-04-22 | 2019-07-19 | 深圳市腾讯网域计算机网络有限公司 | 对象匹配的方法、装置、设备及存储介质 |
CN110368696A (zh) * | 2019-08-15 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 一种非对称游戏玩家能力获取方法、装置、设备及介质 |
CN111265867A (zh) * | 2020-01-20 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 对局画面的显示方法、装置、终端及存储介质 |
Non-Patent Citations (2)
Title |
---|
匿名: "乱世王者匹配机制,九鼎匹配规则", 《HTTP://WWW.EOEMARKET.COM/GL/29145.HTML》 * |
空白格: "乱世王者吧", 《HTTPS://TIEBA.BAIDU.COM/P/5370727866?RED_TAG=2110852134》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112426724A (zh) * | 2020-11-30 | 2021-03-02 | 北京达佳互联信息技术有限公司 | 游戏用户的匹配方法、装置、电子设备及存储介质 |
CN112426724B (zh) * | 2020-11-30 | 2023-07-25 | 北京达佳互联信息技术有限公司 | 游戏用户的匹配方法、装置、电子设备及存储介质 |
CN113117312A (zh) * | 2021-04-22 | 2021-07-16 | 网易(杭州)网络有限公司 | 一种游戏中事件的执行方法、装置、电子设备及存储介质 |
CN113117312B (zh) * | 2021-04-22 | 2024-02-02 | 网易(杭州)网络有限公司 | 一种游戏中事件的执行方法、装置、电子设备及存储介质 |
CN114489897A (zh) * | 2022-01-21 | 2022-05-13 | 北京字跳网络技术有限公司 | 一种对象处理方法、装置、终端设备及介质 |
CN114489897B (zh) * | 2022-01-21 | 2023-08-08 | 北京字跳网络技术有限公司 | 一种对象处理方法、装置、终端设备及介质 |
CN115944921A (zh) * | 2023-03-13 | 2023-04-11 | 腾讯科技(深圳)有限公司 | 游戏数据处理方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111905377B (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111905377B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN111111204B (zh) | 交互模型训练方法、装置、计算机设备和存储介质 | |
CN111754000A (zh) | 质量感知的边缘智能联邦学习方法及系统 | |
US20220176248A1 (en) | Information processing method and apparatus, computer readable storage medium, and electronic device | |
WO2019144892A1 (zh) | 数据处理方法、装置、存储介质和电子装置 | |
CN111523939B (zh) | 一种推广内容的投放方法、装置、存储介质和电子设备 | |
CN112791394A (zh) | 游戏模型训练方法、装置、电子设备及存储介质 | |
WO2016128960A1 (en) | System and method for retaining a strategy video game player by predicting the player game satisfaction using player game behavior data | |
CN106453608A (zh) | 一种基于云端的移动应用的后台请求自适应调度算法 | |
CN111185014A (zh) | 对象匹配方法、装置和计算机可读存储介质 | |
CN115034836B (zh) | 一种模型训练方法及相关装置 | |
CN114372589A (zh) | 一种联邦学习方法及相关装置 | |
CN117236421B (zh) | 一种基于联邦知识蒸馏的大模型训练方法 | |
CN112269943B (zh) | 一种信息推荐系统及方法 | |
CN113343089A (zh) | 用户召回方法及装置、设备 | |
CN110827075A (zh) | 一种数据处理方法、装置、服务器及计算机可读存储介质 | |
US11478716B1 (en) | Deep learning for data-driven skill estimation | |
CN111753855B (zh) | 一种数据处理方法、装置、设备及介质 | |
CN113409794A (zh) | 声纹识别模型的优化方法、装置、计算机设备及存储介质 | |
CN113988254B (zh) | 用于多个环境的神经网络模型的确定方法及装置 | |
CN117618918B (zh) | 虚拟场景处理方法、装置、电子设备及存储介质 | |
CN117010467A (zh) | 一种对象价值预测模型的训练方法和相关装置 | |
CN116821667A (zh) | 一种模型训练方法和相关装置 | |
CN114723094A (zh) | 市场决策系统、方法、电子设备及可读存储介质 | |
CN116983664A (zh) | 游戏组队方法及其装置、存储介质、程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Xu Guanggen Inventor after: Liu Yan Inventor after: Yang He Inventor after: Li Pengfei Inventor before: Xu Guanggen Inventor before: Liu Yan Inventor before: Yang He |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |