CN113934766B - 围棋定式对弈方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供一种围棋定式对弈方法、装置、电子设备及存储介质；该方法包括：在人机交互对弈过程中，获取用户当前步落子的落子点数据，以及用户当前步落子后的棋盘布局数据；根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索；其中，所述定式模板数据库包括有若干定式模板数据；响应于在所述定式模板数据库中匹配得到目标定式模板数据，根据所述目标定式模板数据，确定对应于下一步落子的定式落子点数据，并根据所述定式落子点数据执行下一步落子动作。

Description

围棋定式对弈方法、装置、电子设备及存储介质

技术领域

本申请涉及交互教学技术领域，尤其涉及一种围棋定式对弈方法、装置、电子设备及存储介质。

背景技术

围棋，一种策略型两人棋类游戏。流行于东亚国家(中、日、韩、朝)，属琴棋书画四艺之一。围棋起源于中国，后经朝鲜传入日本并流传到欧美各国。围棋蕴含着中华文化的丰富内涵，它是中国文化与文明的体现。

随着互联网、人工智能和智能终端技术的高速发展，现如今，借助智能终端实现的人机交互式围棋对弈，已经广泛的应用于围棋教学、比赛等诸多场景中。

定式，围棋术语，是指布局阶段双方在角部的争夺中，按照一定行棋次序，选择比较合理的着法，最终形成双方大体安定、利益大小均等的基本棋形。定式是围棋教学中的重要项目，然而，现有的人机交互式围棋教学方案中，还没有能够有效的实现定式对弈的方案，这也是目前人机交互式围棋教学领域中亟待解决的问题。

发明内容

针对上述技术问题，非常需要一种改进的方案，能够在人机交互式围棋教学中实现定式对弈，以提升人机交互式围棋教学的教学效果。

本申请示例性实施例提供了一种围棋定式对弈方法，包括：

在人机交互对弈过程中，获取用户当前步落子的落子点数据，以及用户当前步落子后的棋盘布局数据；

根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索；其中，所述定式模板数据库包括有若干定式模板数据；

响应于在所述定式模板数据库中匹配得到目标定式模板数据，根据所述目标定式模板数据，确定对应于下一步落子的定式落子点数据，并根据所述定式落子点数据执行下一步落子动作。

在一些可选的实施例中，所述根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索，之后还包括：

响应于未在所述定式模板数据库中匹配得到目标定式模板数据，根据预定的对弈策略，确定对应于下一步落子的目标落子点数据，并根据所述目标落子点数据执行下一步落子动作。

在一些可选的实施例中，所述定式模板数据，包括：定式落子点模板数据和定式棋盘布局模板数据；

所述根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索，具体包括：

对于任一所述定式模板数据，将所述所述棋盘布局数据与该定式模板数据的所述定式棋盘布局模板数据进行匹配；

响应于所述棋盘布局数据与所述定式棋盘布局模板数据匹配成功，进一步将所述落子点数据与该定式模板数据的所述定式落子点模板数据进行匹配；

响应于所述落子点数据与所述定式落子点模板数据匹配成功，将该定式模板数据确定为所述目标定式模板数据。

在一些可选的实施例中，所述定式模板数据还预先标记有优先级；

所述根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索，具体包括：

响应于在所述定式模板数据库中匹配得到多于一个的待选定式模板数据，分别确定每个所述待选定式模板数据的所述优先级，并根据所述优先级从所述待选定式模板数据中选择一个作为所述目标定式模板数据。

在一些可选的实施例中，在进行所述人机交互对弈之前，还包括：

获取一定数量的定式棋谱数据，对所述一定数量的定式棋谱数据进行预处理；所述预处理包括：清洗、去重、标记优先级中的至少一项；

对于每个预处理后的定式棋谱数据，通过预定的规则转化得到对应的所述定式模板数据；

根据所述定式模板数据构建得到所述定式模板数据库。

在一些可选的实施例中，对所述一定数量的定式棋谱数据进行清洗，具体包括：

对于每个所述定式棋谱数据，确定该定式棋谱数据对应的定式对弈过程开始时的第一特征值，以及对弈过程结束时的第二特征值；确定所述第一特征值与所述第二特征值的差值；响应于确定所述差值大于预定的第一阈值，将该定式棋谱数据去除；其中，所述第一特征值和所述第二特征值均包括：胜率、目差中的至少一项；

或，

对于每个所述定式棋谱数据，确定该定式棋谱数据对应的定式对弈过程中每一步后的第三特征值，并构成第三特征值集合；确定所述第三特征值集合的方差；响应于确定所述方差大于预定的第二阈值，将该定式棋谱数据去除；其中，所述第三特征值包括：胜率、目差中的至少一项。

在一些可选的实施例中，对所述一定数量的定式棋谱数据进行标记优先级，具体包括：

对于每个所述定式棋谱数据，确定该定式棋谱数据对应的定式对弈过程中每一步非用户落子的概率矩阵；

确定所述概率矩阵的离散度，并根据所述离散度确定该定式棋谱数据对应的所述定式模板数据的优先级；

其中，所述离散度与相应确定出的所述优先级为反相关关系。

基于同一发明构思，本申请示例性实施例还提供了一种围棋定式对弈装置，包括：

获取模块，被配置为在人机交互对弈过程中，获取用户当前步落子的落子点数据，以及用户当前步落子后的棋盘布局数据；

匹配模块，被配置为根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索；其中，所述定式模板数据库包括有若干定式模板数据；

执行模块，被配置为响应于在所述定式模板数据库中匹配得到目标定式模板数据，根据所述目标定式模板数据，确定对应于下一步落子的定式落子点数据，并根据所述定式落子点数据执行下一步落子动作。

基于同一发明构思，本申请示例性实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一项所述的方法。

基于同一发明构思，本申请示例性实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上任意一项所述的方法。

从上面所述可以看出，本申请示例性实施例提供的围棋定式对弈方法、装置、电子设备及存储介质，在人机交互对弈过程中，基于用户当前步落子和落子后的棋盘布局，在预先构建的定式模板数据库中进行匹配，当得到匹配结果时，表明当前的对局符合相应的定式，则进一步的根据该定式执行下一步落子动作，从而在人机交互对弈的实战过程中实现定式的练习，实现有效且高效的围棋定式对弈。

附图说明

为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关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为本申请示例性实施例的应用场景示意图；

图2为本申请示例性实施例的围棋定式对弈方法流程示意图；

图3为本申请示例性实施例的棋盘示意图；

图4为本申请示例性实施例的定式示意图；

图5为本申请示例性实施例的定式模板数据库的构建流程示意图；

图6为本申请示例性实施例的围棋定式对弈装置结构示意图；

图7为本申请示例性实施例的电子设备结构示意图。

具体实施方式

下面将参考若干示例性实施方式来描述本申请的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本申请，而并非以任何方式限制本申请的范围。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

根据本申请的实施方式，提出了一种围棋定式对弈方法、装置、电子设备及存储介质。

在本文中，需要理解的是，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。

下面参考本申请的若干代表性实施方式，详细阐释本申请的原理和精神。

发明概述

现有的人机交互式围棋教学中，用户可以通过智能终端与智能终端本地设置的智能体进行围棋对弈，或者是通过智能终端与云端的智能体进行围棋对弈。其中，智能体可以是预先设置的围棋对弈程序，例如，各种常见的围棋教学软件；或者是经过预先训练的具有围棋对弈功能的机器学习模型，例如，已经成功战胜职业围棋选手的人工智能Alphago(阿尔法围棋)。基于互联网、人工智能和智能终端技术，人机交互式围棋教学有效的克服了传统围棋教学中普遍存在的教学形式单一枯燥、教育资源不足的问题，并且符合现如今在线教学的整体教学趋势，已经逐渐成为围棋教学的主要方式。

定式教学，能够培养用户的基础对弈能力，是围棋教育中最为重要的项目之一。目前，已经有一些定式教学的解决方案。例如，用户直接记忆定式的方案；该方案中，教师在棋盘上摆出定式的走子顺序，或用户使用录制了定式的棋谱在棋盘上摆出定式的走子顺序，然后加以记忆。又如，用户与定式问答系统交互学习的方案；该方案中，问答系统在棋盘上摆出定式的少量步骤，用户按照指定的定式步骤落子，然后问答系统根据落子匹配定式，再落一子，若用户落子在错误的地方，问答系统会进行提示。此外，现有的人工智能对弈中，人工智能体在训练的过程中不存在定式的概念，因此单纯的人工智能对弈系统无法与用户进行定式走子的交互过程，用户与此类系统实战对弈无法达到学习、练习定式的目标。也即，现有的教学方案均无法为用户提供在实战场景下的定式练习，因此需要一种能够在实战中灵活运用定式的人机交互式围棋教学方案。

为解决上述问题，本申请提供了一种围棋定式对弈方案，具体包括：在人机交互对弈过程中，获取用户当前步落子的落子点数据，以及用户当前步落子后的棋盘布局数据；根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索；其中，所述定式模板数据库包括有若干定式模板数据；响应于在所述定式模板数据库中匹配得到目标定式模板数据，根据所述目标定式模板数据，确定对应于下一步落子的定式落子点数据，并根据所述定式落子点数据执行下一步落子动作。本申请实施例的方案，在人机交互对弈过程中，基于用户当前步落子和落子后的棋盘布局，在预先构建的定式模板数据库中进行匹配，当得到匹配结果时，表明当前的对局符合相应的定式，则进一步的根据该定式执行下一步落子动作，从而在人机交互对弈的实战过程中实现定式的练习，实现有效且高效的围棋定式对弈。

在介绍了本申请的基本原理之后，下面具体介绍本申请的各种非限制性实施方式。

应用场景总览

参考图1，其为本申请实施例提供的围棋定式对弈方法的应用场景示意图。该应用场景包括终端设备101、服务器102、和数据存储系统103。其中，终端设备101、服务器102以及数据存储系统103之间均可通过有线或无线的通信网络连接。终端设备101包括但不限于桌面计算机、移动电话、移动电脑、平板电脑、媒体播放器、智能可穿戴设备视、个人数字助理(personal digital assistant，PDA)或其它能够实现上述功能的电子设备等。服务器102和数据存储系统103均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。

服务器102用于向终端设备101的用户提供围棋对弈教学服务，终端设备101中安装有与服务器102通信的客户端，用户可通过该客户端进行人机交互式围棋对弈教学活动。在围棋对弈教学过程中，客户端通过调用终端设备101输入组件(如键盘、麦克风等)来获取用户输入的落子点数据、棋盘布局数据，并将该该些数据发送给服务器102。数据存储系统103中设置有定式模板数据库，定式模板数据库包括了海量的定式模板数据。服务器102通过用户的落子点数据和棋盘布局数据，在定式模板数据库中进行匹配检索，得到目标定式模板数据，根据该匹配到的目标定式模板数据确定出下一步落子的定式落子点数据并返回至终端设备101。终端设备101根据该定式落子点数据即能够执行下一步落子动作，从而在人机交互对弈的实战过程中实现定式的练习，实现有效且高效的围棋定式对弈。

此外，本申请实施例的围棋定式对弈方法，也可以完全在终端设备101本地实现。终端设备101预先设置有用于实现人机交互对弈的的程序或机器学习模型，并预先设置有包括了海量的定式模板数据的定式模板数据库。用户通过终端设备101中安装的客户端进行围棋对弈教学，并完成与前述类似的围棋定式对弈过程。

下面结合图1的应用场景，来描述根据本申请示例性实施方式的图像的处理方法。需要注意的是，上述应用场景仅是为了便于理解本申请的精神和原理而示出，本申请的实施方式在此方面不受任何限制。相反，本申请的实施方式可以应用于适用的任何场景。

示例性方法

参考图2，本申请实施例提供了一种围棋定式对弈方法，包括以下步骤：

步骤S201、在人机交互对弈过程中，获取用户当前步落子的落子点数据，以及用户当前步落子后的棋盘布局数据。

本申请实施例的方法是在人机交互对弈过程中实施的，具体的，可以是在每次用户进行落子后执行，并在执行完成后得到针对于用户落子的下一步落子。

具体实施时，在用户进行当前步的落子动作后，获取用户该当前步落子的落子点数据，该落子点数据用于记载用户当前步的落子在棋盘上位置。具体的，该落子点数据的表示和存储可以使用如下的数据结构：[坐标，棋子状态]。对于上述数据结构中的坐标，由于围棋棋盘为19*19横纵垂直交错的阵列式布局结构，则相应的可以基于围棋棋盘构建笛卡尔坐标系，并基于该坐标系的笛卡尔坐标来表示围棋棋盘中的任一位置。例如，参考图3所示，对于该围棋棋盘，纵线以A至T，但不包括I的19个英文字母分别表示；横线以1-19数字分别表示。基于该围棋棋盘，以A-1位置为坐标原点构建笛卡尔坐标系，即可以表示围棋棋盘上任一位置。对于上述数据结构中的棋子状态，以数字“1”表示一方棋子，数字“0”表示无棋子，数字“-1”表示另一方棋子，以上述数字即可以表示围棋棋盘上任一位置的棋子状态。基于上述数据结构，图3中所示棋盘中，C4位置的白子可以表示为[(2,3),1]，D5位置的黑子可以表示为[(3,4),-1]。

具体实施时，在用户进行当前步的落子动作后，还会获取用户当前步落子后的棋盘布局数据，该棋盘布局数据用于记载用户当前步的落子后，整个棋盘上的全部棋子的分布状态。具体的，可以通过前述[坐标，棋子状态]的数据结构来分别表示用户当前步的落子后整个棋盘上的全部棋子，从而得到所述的棋盘布局数据。19*19的围棋棋盘共有361个可落子的点，则所述的棋盘布局数据可以相应的是包括有361个前述[坐标，棋子状态]结构数据的数据集合。

步骤S202、根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索；其中，所述定式模板数据库包括有若干定式模板数据。

本申请实施例中，预先构建有存储了若干定式模板数据的定式模板数据库。该定式模板数据库可以设置在智能终端本地，也可以设置在提供围棋对弈教学服务的服务器上。

具体实施时，所述的定式模板数据用于记载围棋中各个定式的相关数据。具体的，定式模板数据可选选择任意的数据格式来存储，例如json。

以定式模板数据采用json格式存储为例，该定式模板数据可以包括：定式落子点模板数据(anchors)和定式棋盘布局模板数据(vertices)。

其中，定式落子点模板数据，表示用户的一步落子的落子点，若用户在该落子点落子则落子后的局面则满足该定式，可以用于检测用户的当前落子点是否匹配到该定式；定式落子点模板数据可以通过前述[坐标，棋子状态]的数据结构来表示和存储。

其中，定式棋盘布局模板数据，表示用户当前落子后棋盘上的棋子的分布，可以用于检测用户的当前落子点之外的其他棋子的分布是否匹配到该定式；定式棋盘布局模板数据可以通过前述[坐标，棋子状态]的数据结构来数据集合来表示和存储。需要说明的是，围棋中的定式一般仅是整个棋盘中的一个局部，所以定式棋盘布局模板数据也相应的是该定式所对应的局部棋盘的各个落子点的[坐标，棋子状态]数据组成的数据集合。

此外，根据具体的实施需要，定式模板数据还可以包括如下中的一项或多项数据：名称数据(name)，定式的名称。下一手落子点模板数据(next_move)，用于表示根据该定式的下一手落子点位置，以通过前述[坐标，棋子状态]的数据结构来表示和存储。棋盘大小数据(size)，用于表示该定式适用的棋盘大小。类型数据(type)，用于说明该定式是否仅在棋盘的角上匹配。说明数据(url)，用于记载该定式讲解文档的超链接。

基于前述的定式模板数据包括的各数据项，参考图4所述的定式，其中，白棋的落子通过“1”表示，黑棋的落子通过“-1”表示，棋子上的数字表示落子的序号，反映了双方依次的落子顺序。一个定式模板数据的示例可以表示为：{"name":"joseki_example17","anchors":[(6,3),1],"next_move":[(3,6),-1],"vertices":[[(0,0),0],[(0,1),0],[(0,2),0],[(0,3),0],[(0,4),0],[(0,5),0],[(0,6),0],[(0,7),0],[(0,8),0],[(0,9),0],[(1,0),0],[(1,1),0],[(1,2),0],[(1,3),0],[(1,4),0],[(1,5),0],[(1,6),0],[(1,7),0],[(1,8),0],[(1,9),0],[(2,0),0],[(2,1),0],[(2,2),0],[(2,3),-1],[(2,4),0],[(2,5),0],[(2,6),0],[(2,7),0],[(2,8),0],[(2,9),0],[(3,0),0],[(3,1),0],[(3,2),0],[(3,3),-1],[(3,4),1],[(3,5),0],[(3,6),0],[(3,7),0],[(3,8),0],[(3,9),0],[(4,0),0],[(4,1),0],[(4,2),1],[(4,3),1],[(4,4),-1],[(4,5),-1],[(4,6),0],[(4,7),0],[(4,8),0],[(4,9),0],[(5,0),0],[(5,1),0],[(5,2),0],[(5,3),0],[(5,4),1],[(5,5),0],[(5,6),0],[(5,7),0],[(5,8),0],[(5,9),0],[[6,0],0],[[6,1],0],[(6,2),-1],[(6,3),1],[(6,4),0],[(6,5),0],[(6,6),0],[(6,7),0],[(6,8),0],[(6,9),0],[(7,0),0],[(7,1),0],[(7,2),0],[(7,3),0],[(7,4),0],[(7,5),0],[(7,6),0],[(7,7),0],[(7,8),0],[(7,9),0],[(8,0),0],[(8,1),0],[(8,2),0],[(8,3),0],[(8,4),0],[(8,5),0],[(8,6),0],[(8,7),0],[(8,8),0],[(8,9),0],[(9,0),0],[(9,1),0],[(9,2),0],[(9,3),0],[(9,4),0],[(9,5),0],[(9,6),0],[(9,7),0],[(9,8),0],[(9,9),0]],"size":"19","type":"corner","url":"None"}。

具体实施时，根据前述步骤S201中获取到的落子点数据和棋盘布局数据，在定式模板数据库中进行匹配检索。具体的，将落子点数据和棋盘布局数据与定式模板数据库中的各定式模板数据进行逐一比对，比对二者具体的数据内容是否相同。

需要说明的是，由于定式棋盘布局模板数据是该定式所对应的局部棋盘的各个落子点的[坐标，棋子状态]数据组成的数据集合，则在将获取到的棋盘布局数据与定式棋盘布局模板数据进行比对时，可以仅将棋盘布局数据中与定式棋盘布局模板数据相应的部分进行比对即可。例如，前述示例中的定式模板数据其仅为棋盘上由原点开始的前10行列的数据，即对应棋盘上由原点开始的10*10的区域；则在进行比对时，可以仅将获取到的棋盘布局数据相应的由原点开始的10*10的区域对应的数据与该定式模板数据进行比对即可。

步骤S203、响应于在所述定式模板数据库中匹配得到目标定式模板数据，根据所述目标定式模板数据，确定对应于下一步落子的定式落子点数据，并根据所述定式落子点数据执行下一步落子动作。

具体实施时，经过将落子点数据和棋盘布局数据与定式模板数据库中的各定式模板数据进行比对，当二者的数据相同时判定其匹配，相应的将该匹配的定式模板数据确定出。本申请实施例中，将该匹配到的定式模板数据称为目标定式模板数据。进一步的，根据该目标定式模板数据，可以确定出其对应的定式下的下一步落子的落子点数据，该定式下的下一步落子的落子点数据本申请实施例中称为定式落子点数据。根据该定式落子点数据，通过用户使用的终端设备上的客户端执行下一步落子动作，从而实现符合定式的对弈过程。

作为一种可选的实施方式，基于定式模板数据包括有定式落子点模板数据和定式棋盘布局模板数据，匹配检索得到目标定式模板数据可以具体包括以下步骤：

对于任一所述定式模板数据，将所述所述棋盘布局数据与该定式模板数据的所述定式棋盘布局模板数据进行匹配；响应于所述棋盘布局数据与所述定式棋盘布局模板数据匹配成功，进一步将所述落子点数据与该定式模板数据的所述定式落子点模板数据进行匹配；响应于所述落子点数据与所述定式落子点模板数据匹配成功，将该定式模板数据确定为所述目标定式模板数据。

具体的，在将落子点数据、棋盘布局数据与定式模板数据进行匹配时，会先将棋盘布局数据与定式棋盘布局模板数据进行匹配，即先判断当前棋盘上的局面整体上是否满足该定式模板数据对应的定式。当判定棋盘布局数据与定式棋盘布局模板数据匹配成功，则进一步将落子点数据与定式落子点模板数据进行匹配，即进一步判断用户当前步的落子是否满足该定式下的落子位置。当判定落子点数据与定式落子点模板数据匹配成功，则可以确定该定式模板数据为所述的目标定式模板数据。

例如，参考图4，基于前述的定式模板数据的示例，用户的当前步落子为白棋序号为10的落子，落子位置为G4，对应的落子点数据为[(6,3),1]。经过匹配，用户当前步落子后的棋盘布局数据与vertices匹配，且该落子点数据在anchors中也匹配到相应数据，则根据该定式模板数据确定为目标定式模板数据，并根据该目标定式模板数据，确定出对应于下一步落子位置为D7，对应的定式落子点数据[(3,6),-1]，则客户端作为黑棋方，在D7位置处进行落子。

具体实施时，将获取到的落子点数据和棋盘布局数据在定式模板数据库中进行匹配检索后，若未匹配到目标定式模板数据，则表明当前的对弈局面不符合任一定式，则可以进一步的根据预定的对弈策略确定出下一步落子的位置，该根据预定的对弈策略确定出的落子位置对应的数据本申请实施例中称为目标落子点数据，进而可以根据该目标落子点数据，通过用户使用的终端设备上的客户端执行下一步落子动作。这样，即使用户的落子未能满足任一定式，本申请实施例的方法仍然可以正常的进行对弈过程。其中，根据预定的对弈策略可以是来自于任意用于实现人机交互对弈的的程序或机器学习模型，对于此本申请实施例中不做具体限定。

作为可选的实施例，在本申请实施例的方法中，根据落子点数据和棋盘布局数据在定式模板数据库中进行匹配检索时，会匹配得到数量多于一个的定式模板数据，也即当前的棋盘局面可能满足多个定式，但下一步的落子需要唯一确定出一个定式。针对于此，本申请实施例还可以进一步包括对于匹配得到的多个定式模板数据进行选择的步骤。

本申请实施例中，将匹配得到的多个定式模板数据称为待选定式模板数据。从多个待选定式模板数据中选定得到目标定式模板数据的步骤可以包括：响应于在所述定式模板数据库中匹配得到多于一个的待选定式模板数据，分别确定每个所述待选定式模板数据的所述优先级，并根据所述优先级从所述待选定式模板数据中选择一个作为所述目标定式模板数据。

具体实施时，对于定式模板数据库中的每个定式模板数据，其均预先标记有优先级。该优先级用于表示在多个定式模板数据同时被匹配检索出时，相应的定式模板数据被最终选择的倾向。根据具体的实施需要，定式模板数据的优先级可以通过任意的可行的方式进行标注。例如，可以通过人工主观标注，既根据具体的围棋教学需求，由教师决定定式学习路线，常见的如某些简单、常见的定式需要更高的优先级。又如，可以通过人工智能的方式进行标注，具体方式在后述实施例中进行说明。

具体实施时，经过匹配检索得到多个待选定式模板数据后，可以相应的确定这些待选定式模板数据的优先级，并进一步根据优先级进行选择。例如，可以是直接根据优先级的高低，选择优先级最高的待选定式模板数据作为目标定式模板数据；也可以是，以优先级为权值，对多个待选定式模板数据进行加权抽样以得到目标定式模板数据，这样可以使优先级较高的一些待选定式模板数据均有相对较高的概率被选择。

作为可选的实施例，在本申请实施例的方法，在进行人机交互对弈之前，还可以包括定式模板数据库的构建步骤。参考图5，该定式模板数据库的构建步骤具体包括：

步骤S501、获取一定数量的定式棋谱数据，对所述一定数量的定式棋谱数据进行预处理；所述预处理包括：清洗、去重、标记优先级中的至少一项；

步骤S502、对于每个预处理后的定式棋谱数据，通过预定的规则转化得到对应的所述定式模板数据；

步骤S503、根据所述定式模板数据构建得到所述定式模板数据库。

具体实施时，可以先获取一定数量的定式棋谱数据，该定式棋谱数据的格式可以为sgf(smart game format)，sgf是一种使用文本记录棋谱信息的格式，常用于棋谱信息的电子化记载和存储。通过对定式棋谱数据的解析，即可得到定式棋谱数据记载的相应定式棋谱的信息，具体包括各步落子的坐标以及棋盘上前部落子的坐标分布等。通过定式棋谱数据解析后得到的具体数据，可以进一步的根据前述实施例所述的定式模板数据的内容和格式，将定式棋谱数据转化为相应的定式模板数据。将获取到的定式棋谱数据均转化为相应的定式模板数据后，即能够根据该些定式模板数据构建得到定式模板数据库。

具体实施时，在获取到一定数量的定式棋谱数据后，还会对该些定式棋谱数据进行预处理，通过预处理来去除掉该些定式棋谱数据中不合适的数据。具体的，该预处理可以包括清洗、去重、标记优先级中的至少一项。

对定式棋谱数据进行去重，可以通过数据比对的方式来筛选出全部相同的定式棋谱数据，仅保留一份，并将其他多余的相同的定式棋谱数据去除。

对定式棋谱数据进行清洗，该清洗的目的在于去除对定式结果判断有严重偏差的定式。对于定式棋谱数据对应的定式对弈过程，可以通过定式开始时与结束后的胜率、目差的差距来判断定式的偏差程度，当胜率、目差的差距较大时，认为定式的偏差程度较大，不利于对定式结果的判断，故需要去除掉。具体的，可以将定式棋谱数据输入Alphago以获得该定式棋谱数据对应的定式在开始时与结束后的胜率、目差；此外，也可以通过任意其他可行的方式确定定式棋谱数据对应的定式在开始时与结束后的胜率、目差。在本实施例中，将定式棋谱数据对应的定式对弈过程开始时的胜率、目差称为第一特征值，将定式棋谱数据对应的定式对弈过程结束时的胜率、目差称为第二特征值。将第一特征值与第二特征值比对，确定其差值。相应的，获取预先确定的第一阈值，并将第一特征值与第二特征值的差值与该第一阈值比对，当该差值大于该第一阈值时，判定定式的偏差程度较大，相应的将该定式棋谱数据去除。需要说明的是，在具体实施时，第一特征值和第二特征值均可以为胜率、目差中的至少一项。

可选的，对定式棋谱数据进行清洗也可以通过定式对弈过程中的每一步后的胜率、目差来判断其偏差程度。具体的，可以将定式棋谱数据输入Alphago获取其他任意可行的方式获得该定式棋谱数据对应的定式对弈过程中的每一步后的胜率、目差，本实施例中称为第三特征值。基于每一步后的第三特征值得到第三特征值集合，进一步可以确定该第三特征值集合的方差。方差可以反映第三特征值集合中各个值得离散程度，当方差较大时，表明定式的偏差程度较大，相应的将该定式棋谱数据去除。其中，第三特征值可以为胜率、目差中的至少一项。

对定式棋谱数据进行标记优先级，可以通过人工智能的方式进行。具体的，可以将定式棋谱数据输入Alphago，以得到Alphago输出的每一步非用户落子的概率矩阵。该概率矩阵用于表示用户落子后的下一步落子的的概率分布，具体的，该概率矩阵为19*19大小(对应于围棋棋盘)矩阵，矩阵中的每个值分别为在棋盘上对应的位置处落子的概率值，对于落子的概率值可以以0-1区间内的数值表示，而对于非法的落子位置的概率则可以表示为NAN。进一步的，可以确定该概率矩阵的离散度；离散度为概率矩阵的一个统计量，其能够反映概率矩阵中的各概率值的离散程度。对应到本申请的应用场景中，概率矩阵的离散度越低，则表明该定式对弈过程中的可变情况较少，更加利于用户的学习。故在确定概率矩阵的离散度后，根据离散度来确定该定式棋谱数据对应的定式模板数据的优先级；而概率矩阵的离散度与相应的定式模板数据的优先级为反相关关系，即概率矩阵的离散度越低，则相应的定式模板数据的优先级越高，反之，则应的定式模板数据的优先级越低。其中，概率矩阵的离散度可以通过以下方式计算：

上式中，D(policy)为概率矩阵的离散度，n为概率矩阵的容量，具体为n＝19*19＝361，x_k为概率矩阵中第k项的值，k的取值范围为1≤k≤n。

由上述实施例可见，本申请实施例的围棋定式对弈方法，在人机交互对弈过程中，基于用户当前步落子和落子后的棋盘布局，在预先构建的定式模板数据库中进行匹配，当得到匹配结果时，表明当前的对局符合相应的定式，则进一步的根据该定式执行下一步落子动作，从而在人机交互对弈的实战过程中实现定式的练习，实现有效且高效的围棋定式对弈。

需要说明的是，本申请实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。

需要说明的是，上述对本申请的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

示例性设备

基于同一发明构思，与上述任意示例性实施例方法相对应的，本申请还提供了一种围棋定式对弈装置。

参考图6，该围棋定式对弈装置，包括：

获取模块601，被配置为在人机交互对弈过程中，获取用户当前步落子的落子点数据，以及用户当前步落子后的棋盘布局数据；

匹配模块602，被配置为根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索；其中，所述定式模板数据库包括有若干定式模板数据；

执行模块603，被配置为响应于在所述定式模板数据库中匹配得到目标定式模板数据，根据所述目标定式模板数据，确定对应于下一步落子的定式落子点数据，并根据所述定式落子点数据执行下一步落子动作。

在一些可选的实施例中，执行模块603，还被配置为响应于未在所述定式模板数据库中匹配得到目标定式模板数据，根据预定的对弈策略，确定对应于下一步落子的目标落子点数据，并根据所述目标落子点数据执行下一步落子动作。

在一些可选的实施例中，所述定式模板数据，包括：定式落子点模板数据和定式棋盘布局模板数据；匹配模块602，具体被配置为对于任一所述定式模板数据，将所述所述棋盘布局数据与该定式模板数据的所述定式棋盘布局模板数据进行匹配；响应于所述棋盘布局数据与所述定式棋盘布局模板数据匹配成功，进一步将所述落子点数据与该定式模板数据的所述定式落子点模板数据进行匹配；响应于所述落子点数据与所述定式落子点模板数据匹配成功，将该定式模板数据确定为所述目标定式模板数据。

在一些可选的实施例中，所述定式模板数据还预先标记有优先级；匹配模块602，具体被配置为响应于在所述定式模板数据库中匹配得到多于一个的待选定式模板数据，分别确定每个所述待选定式模板数据的所述优先级，并根据所述优先级从所述待选定式模板数据中选择一个作为所述目标定式模板数据。

在一些可选的实施例中，所述的围棋定式对弈装置还包括：构建模块，被配置为获取一定数量的定式棋谱数据，对所述一定数量的定式棋谱数据进行预处理；所述预处理包括：清洗、去重、标记优先级中的至少一项；对于每个预处理后的定式棋谱数据，通过预定的规则转化得到对应的所述定式模板数据；根据所述定式模板数据构建得到所述定式模板数据库。

在一些可选的实施例中，构建模块，具体被配置为对于每个所述定式棋谱数据，确定该定式棋谱数据对应的定式对弈过程开始时的第一特征值，以及对弈过程结束时的第二特征值；确定所述第一特征值与所述第二特征值的差值；响应于确定所述差值大于预定的第一阈值，将该定式棋谱数据去除；其中，所述第一特征值和所述第二特征值均包括：胜率、目差中的至少一项；或，对于每个所述定式棋谱数据，确定该定式棋谱数据对应的定式对弈过程中每一步后的第三特征值，并构成第三特征值集合；确定所述第三特征值集合的方差；响应于确定所述方差大于预定的第二阈值，将该定式棋谱数据去除；其中，所述第三特征值包括：胜率、目差中的至少一项。

在一些可选的实施例中，构建模块，具体被配置为对于每个所述定式棋谱数据，确定该定式棋谱数据对应的定式对弈过程中每一步非用户落子的概率矩阵；确定所述概率矩阵的离散度，并根据所述离散度确定该定式棋谱数据对应的所述定式模板数据的优先级；其中，所述离散度与相应确定出的所述优先级为反相关关系。

上述实施例的装置用于实现如上示例性方法部分中任一实施例中相应的围棋定式对弈方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

基于同一发明构思，与上述任意示例性实施例方法相对应的，本申请还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上任意一实施例所述的围棋定式对弈方法。

图7示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。

处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。

存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。

输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。

总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。

需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。

上述实施例的电子设备用于实现如上示例性方法部分中任一实施例中相应的围棋定式对弈方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

示例性程序产品

基于同一发明构思，与上述任意示例性实施例方法相对应的，本申请还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上示例性方法部分中任一实施例所述的围棋定式对弈方法。

上述非暂态计算机可读存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等。

上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上示例性方法部分中任一实施例所述的围棋定式对弈方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

本领域技术技术人员知道，本申请的实施方式可以实现为一种系统、方法或计算机程序产品。因此，本申请可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本申请还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。

可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举示例)例如可以包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。

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。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，这些计算机程序指令通过计算机或其它可编程数据处理装置执行，产生了实现流程图和/或框图中的方框中规定的功能/操作的装置。

也可以把这些计算机程序指令存储在能使得计算机或其它可编程数据处理装置以特定方式工作的计算机可读介质中，这样，存储在计算机可读介质中的指令就产生出一个包括实现流程图和/或框图中的方框中规定的功能/操作的指令装置的产品。

也可以把计算机程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其它可编程装置上执行的指令能够提供实现流程图和/或框图中的方框中规定的功能/操作的过程。

此外，尽管在附图中以特定顺序描述了本申请方法的操作，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操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

申请文件中提及的动词“包括”、“包含”及其词形变化的使用不排除除了申请文件中记载的那些元素或步骤之外的元素或步骤的存在。元素前的冠词“一”或“一个”不排除多个这种元素的存在。

虽然已经参考若干具体实施方式描述了本申请的精神和原理，但是应该理解，本申请并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本申请旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。所附权利要求的范围符合最宽泛的解释，从而包含所有这样的修改及等同结构和功能。

Claims (10)

1.一种围棋定式对弈方法，其特征在于，包括：

在人机交互对弈过程中，获取用户当前步落子的落子点数据，以及用户当前步落子后的棋盘布局数据；

根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索；其中，所述定式模板数据库包括有若干定式模板数据；所述若干定式模板数据是对一定数量的定式棋谱数据进行预处理后得到的；

响应于在所述定式模板数据库中匹配得到目标定式模板数据，根据所述目标定式模板数据，确定对应于下一步落子的定式落子点数据，并根据所述定式落子点数据执行下一步落子动作；

其中，所述预处理包括对所述一定数量的定式棋谱数据进行标记优先级，所述优先级用于表示在多个定式模板数据同时被匹配检索出时，相应的定式模板数据被最终选择的倾向；所述定式模板数据的优先级与根据该定式棋谱数据对应的定式对弈过程中每一步非用户落子的概率矩阵的离散度为反相关关系。

2.根据权利要求1所述的方法，其特征在于，所述根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索，之后还包括：

响应于未在所述定式模板数据库中匹配得到目标定式模板数据，根据预定的对弈策略，确定对应于下一步落子的目标落子点数据，并根据所述目标落子点数据执行下一步落子动作。

3.根据权利要求1所述的方法，其特征在于，所述定式模板数据，包括：定式落子点模板数据和定式棋盘布局模板数据；

所述根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索，具体包括：

对于任一所述定式模板数据，将所述所述棋盘布局数据与该定式模板数据的所述定式棋盘布局模板数据进行匹配；

响应于所述棋盘布局数据与所述定式棋盘布局模板数据匹配成功，进一步将所述落子点数据与该定式模板数据的所述定式落子点模板数据进行匹配；

响应于所述落子点数据与所述定式落子点模板数据匹配成功，将该定式模板数据确定为所述目标定式模板数据。

4.根据权利要求1所述的方法，其特征在于，所述定式模板数据还预先标记有优先级；

所述根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索，具体包括：

响应于在所述定式模板数据库中匹配得到多于一个的待选定式模板数据，分别确定每个所述待选定式模板数据的所述优先级，并根据所述优先级从所述待选定式模板数据中选择一个作为所述目标定式模板数据。

5.根据权利要求1所述的方法，其特征在于，在进行所述人机交互对弈之前，还包括：

获取一定数量的定式棋谱数据，对所述一定数量的定式棋谱数据进行预处理；所述预处理包括：清洗、去重中的至少一项；

对于每个预处理后的定式棋谱数据，通过预定的规则转化得到对应的所述定式模板数据；

根据所述定式模板数据构建得到所述定式模板数据库。

6.根据权利要求5所述的方法，其特征在于，对所述一定数量的定式棋谱数据进行清洗，具体包括：

对于每个所述定式棋谱数据，确定该定式棋谱数据对应的定式对弈过程开始时的第一特征值，以及对弈过程结束时的第二特征值；确定所述第一特征值与所述第二特征值的差值；响应于确定所述差值大于预定的第一阈值，将该定式棋谱数据去除；其中，所述第一特征值和所述第二特征值均包括：胜率、目差中的至少一项；

或，

对于每个所述定式棋谱数据，确定该定式棋谱数据对应的定式对弈过程中每一步后的第三特征值，并构成第三特征值集合；确定所述第三特征值集合的方差；响应于确定所述方差大于预定的第二阈值，将该定式棋谱数据去除；其中，所述第三特征值包括：胜率、目差中的至少一项。

7.根据权利要求5所述的方法，其特征在于，对所述一定数量的定式棋谱数据进行标记优先级，具体包括：

对于每个所述定式棋谱数据，确定该定式棋谱数据对应的定式对弈过程中每一步非用户落子的概率矩阵；

确定所述概率矩阵的离散度，并根据所述离散度确定该定式棋谱数据对应的所述定式模板数据的优先级。

8.一种围棋定式对弈装置，其特征在于，包括：

获取模块，被配置为在人机交互对弈过程中，获取用户当前步落子的落子点数据，以及用户当前步落子后的棋盘布局数据；

匹配模块，被配置为根据所述落子点数据和所述棋盘布局数据，在预先构建的定式模板数据库中进行匹配检索；其中，所述定式模板数据库包括有若干定式模板数据；所述若干定式模板数据是对一定数量的定式棋谱数据进行预处理后得到的；

执行模块，被配置为响应于在所述定式模板数据库中匹配得到目标定式模板数据，根据所述目标定式模板数据，确定对应于下一步落子的定式落子点数据，并根据所述定式落子点数据执行下一步落子动作；

其中，所述预处理包括对所述一定数量的定式棋谱数据进行标记优先级，所述优先级用于表示在多个定式模板数据同时被匹配检索出时，相应的定式模板数据被最终选择的倾向；所述定式模板数据的优先级与根据该定式棋谱数据对应的定式对弈过程中每一步非用户落子的概率矩阵的离散度为反相关关系。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。

10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，其特征在于，所述计算机指令用于使计算机执行权利要求1至7任一所述方法。

Images