CN115348888A - 动态基于事件的排名方法和系统 - Google Patents

Abstract

用于包括处理器的动态基于事件的排名服务器的系统和方法。该服务器还包括通信地耦合到处理器的存储器。存储器至少包括事件数据、玩家技能数据和游戏逻辑，游戏逻辑被配置为由处理器处理，以便执行具有多个玩家的游戏，直到达到游戏结束。该存储器进一步包括事件捕获逻辑，该事件捕获逻辑被配置为由处理器处理以标识所执行的游戏内的多个事件。要捕获的事件在游戏结束之前完成。此外，捕获的事件数据可以与多个事件相关。最后，存储器包括事件更新逻辑，该事件更新逻辑被配置为由处理器处理，以响应于在游戏期间捕获的事件数据来更新玩家技能数据评分。

Description

动态基于事件的排名方法和系统

优先权

本申请要求2021年4月6日提交的申请号为17/223,730的美国专利申请的权益，该美国专利申请要求2020年4月7日提交的申请号为63/006,332的美国临时申请的优先权，上述申请以其整体并入本文。

技术领域

本公开在技术上涉及基于计算机的游戏内的排名。更特别地，本公开在技术上涉及基于标识的事件在游戏内动态排名。

背景技术

对游戏内的玩家以及其相对技能进行排名的方法已经使用了几十年。对玩家进行排名的先前方法包括由Aprad Elo开发的ELO排名系统，作为评估棋玩家之间相对技能水平的手段。可以给新玩家基础排名，该基础排名可以响应于获胜或输掉游戏而向上或向下调整，直到实现相对稳定的排名。排名被看作是对于棋玩家而言合期望的，因为他们投入到运动中，以便提升他们的排名，并且因此面对技能类似的对手。这样对玩家进行排名的方法继续在棋界内使用，并最终移植到其他类型的游戏内。

随着视频游戏成熟，并在玩家之间创建了联网连接，对玩家的相对技能进行排名的能力在确定如何有效匹配在线竞赛游戏中的玩家中变得有用。利用玩家的在线排名提供了增强的客户享受，因为与非常弱或强的对手匹配的机会减少了，从而创建了适度和令人满意的挑战。开发了用更多准确度跟踪玩家排名的另外方法，诸如来自华盛顿州雷蒙德市的微软公司的Glicko排名系统和Trueskill™排名系统。

然而，这些传统的评分系统具有局限性。例如，某些排名方法限制于像棋之类的一对一的竞赛游戏。随着视频游戏和因特网持续增长，多人游戏成为可能，这创建了对多玩家团队针对其他团队进行排名的需要。一些匹配过程试图通过简单地将团队内玩家的个体排名相加来创建总体团队排名来完成这一点。每个团队内玩家的排名在比赛结束时被更新，仅仅基于该团队在该比赛中是获胜还是输掉。

传统的排名方法在现代游戏中进一步受到限制，因为这些游戏增长得更复杂。该复杂性为团队内的玩家创建了更多的机会，基于可能发生的某些特定事件来改变游戏的结果。例如，传统的排名方法将应用调整因子来对获胜团队的所有玩家平等地排名，不管该团队的一个成员是否比在游戏期间根本未能玩的另一个玩家贡献得多得多。在接收排名奖励方面的该感知到的差异可能导致游戏玩家群体内不公平的感觉，从而导致不满。现代游戏内存在大量事件，其可以反映玩家的真实技能水平并且在更短的时间量内为他们提供更准确的排名。

附图说明

根据以下描述，如结合附图中的以下几个图呈现的，本公开的几个实施例的上述和其他方面、特征和优点将更清楚。

图1描绘了根据本发明实施例的动态基于事件的排名系统的系统图解；

图2描绘了根据本发明实施例的动态基于事件的排名服务器的示例性硬件框图；

图3是描绘根据本发明实施例的用于在游戏内生成和更新玩家排名的传统过程的流程图；

图4是描绘根据本发明实施例的用于基于游戏内的事件生成和更新玩家排名的过程的流程图；

图5是描绘根据本发明实施例的用于基于遭遇（encounter）事件类型数据评估更新遭遇技能评分的过程的流程图；

图6是描绘根据本发明实施例的用于基于回合事件类型数据评估更新获胜技能评分的过程的流程图；

图7是根据本发明实施例的玩家技能评分的概念性描绘；

图8是根据本发明实施例用于为玩家生成总体技能评分的过程的概念性描绘；和

图9是根据本发明实施例用于为玩家生成小组遭遇技能评分的过程的概念性描绘。

遍及附图中的几个图，对应的参考字符指示对应的部件。几个图中的元件是为了简单和清楚而图示的，并且不一定按比例绘制。例如，为了促进理解各种当前公开的实施例，各图中一些元件的尺寸可能相对于其他元件被强调。此外，在商业上可行的实施例中有用或必要的常见但公知的元件通常没有被描绘，以便促进对本公开的这些不同实施例一览无余。

具体实施方式

响应于上述问题，存在对开发一种动态基于事件的排名系统的需要，该排名系统可以在更少的时间内以更精细的水平开发玩家排名和技能评分。本文描述的实施例利用一种或多种方法和系统来标识视频游戏内的事件、收集事件数据、解析事件数据以确定个体玩家的结果和贡献，并且生成与视频游戏内的不同事件相关的一系列子评分，所述一系列子评分可以用于确定总体的玩家技能评分，该总体的玩家技能评分可以在更少数量的游戏中更准确地反映玩家的真实技能/排名水平。

如下文将更详细讨论的，现代视频游戏可以分区成离散事件，其中许多游戏具有类似特性的大量可重复事件。动态基于事件的排名系统可以监视游戏或接收游戏内正在发生特定事件的指示器。可以记录、传输和/或解析与这些事件相关的数据，使得可以标识参与事件的每个玩家，并且可以基于外部属性或变量计算和/或分配他们对事件结果的贡献。如本文描述的事件的示例可以包括“遭遇”和“回合”。为了事件分类的目的，可以将视频游戏分区成多个回合，所述多个回合通常分别对应于预定的长度或目标。在多个实施例中，遭遇是一个或多个玩家和任何数量的对手之间的交战。在许多实施例中，遭遇通常随机发生或者至少没有任何预定的规律性。在一些游戏中，遭遇可以在游戏内的回合内发生。这样，如本文所公开的，动态基于事件的排名系统和方法的某些实施例可以递归地评估游戏内的回合，并且然后评估回合内的遭遇，以生成总体玩家技能评分和排名。更精细和更准确的个体玩家评分和排名的生成可以随后用于生成更准确和更精细的团队排名和评分。

如本文所述，动态基于事件的排名系统和方法内使用的各种部件和逻辑可以允许在游戏期间和直接在游戏结束之后对玩家进行复杂的精细评分和排名。随着现代视频游戏变得更复杂，并且要监视的事件和数据的潜在类型增长，在大多数玩家将想要进入下一个匹配游戏大厅来玩随后的游戏之前，在令人满意的时间间隔上手动监视、解码和评分计算变得更困难。事件的绝对数量，虽然变得更难以检测和计算，但也可以提供增加数量的机会来微调和调整玩家总体技能评分的每个方面，从而允许新玩家跳到准确的技能水平和排名，这与传统方法相比，玩了更少的游戏。事实上，取决于视频游戏的配置，与传统排名方法相比，动态基于事件的排名系统可以在少于一半的时间内实现更准确的技能水平评分排名。

本文的描述不在限制性的意义上被理解，而是仅出于描述示例性实施例的一般原理的目的被理解。本公开的范围应当参照权利要求来确定。遍及本说明书对“一个实施例”、“实施例”或类似语言的引用意味着结合所引用的实施例描述的特定特征、结构或特性至少包括在所引用的实施例中。同样，遍及本说明书对“一些实施例”或类似语言的引用意味着结合参考的实施例描述的特定特征、结构或特性至少包括在参考的实施例中。因此，遍及本说明书出现的短语“在一个实施例中”、“在一实施例中”、“在一些实施例中”以及类似语言可以但不一定都指代同一实施例。

此外，本公开的所述特征、结构或特性可以在一个或多个实施例中以任何合适的方式进行组合。在描述中，为了对本公开实施例的透彻理解，提供了许多具体细节。然而，相关领域中的技术人员将认识到，本公开的实施例可以在没有一个或多个具体细节的情况下实践，或者利用其他方法、部件、材料等来实践。在其他情况下，没有详细示出或描述公知的结构、材料或操作，以避免模糊本公开的各方面。

在以下描述中，某些术语用于描述本发明的特征。例如，在某些情形下，术语“逻辑”和“引擎”二者代表被配置为执行一个或多个功能的硬件、固件和/或软件。作为硬件，逻辑（或引擎）可以包括具有数据处理或存储功能性的电路。这样的电路的示例可以包括但不限于或局限于微处理器、一个或多个处理器内核、可编程门阵列、微控制器、控制器、专用集成电路、无线接收器、发射器和/或收发器电路、半导体存储器或组合逻辑。

逻辑可以是一个或多个软件模块形式的软件，诸如以可执行应用程序形式的可执行代码、应用编程接口（API）、子例程、函数、程序、小应用程序、小服务程序、例程、源代码、目标代码、共享库/动态链接库或一个或多个指令。这些软件模块可以存储在任何类型的合适的非暂时性存储介质或暂时性存储介质中（例如，电、光、声或其他形式的传播信号，诸如载波、红外信号或数字信号）。非暂时性存储介质的示例可以包括但不限于或局限于可编程电路；半导体存储器；非永久性存储装置，诸如易失性存储器（例如，任何类型的随机存取存储器“RAM”）；永久性存储装置，诸如非易失性存储器（例如，只读存储器“ROM”）、电源支持的RAM、闪存、相变存储器等）、固态驱动器、硬盘驱动器、光盘驱动器或便携式存储器设备。作为固件，可执行代码存储在永久性存储装置中。

术语“处理”可以包括启动应用程序，其中启动应当被解释为将移动应用程序置于打开状态，并且执行对人类与移动应用程序的典型交互动作的模拟。例如，可以处理应用程序（英雄联盟（LEAGUE OF LEGENDS®）），使得应用程序被打开，并且执行诸如用户认证、选择查看简档、滚动游戏大厅以及选择要玩的游戏等之类的动作。

术语“应用程序”应当被解释为包括模块的逻辑、软件或电子可执行指令，移动应用程序在网络设备上可下载和可安装。应用程序可以是被专门设计为在网络设备的操作系统上运行的软件应用程序。附加地，应用程序可以为网络设备的用户提供图形用户界面（GUI）。

术语“网络设备”应当被解释为具有连接至网络、下载和安装应用程序能力的任何电子设备。这样的网络可以是诸如因特网的公共网络或者诸如无线数据电信网络、广域网、一种局域网（LAN）或网络组合的私有网络。网络设备的示例可以包括但不限于或局限于膝上型计算机、移动电话、平板计算机等。在本文中，术语“网络设备”、“端点设备”、“游戏设备”和“移动设备”将可互换使用。术语“移动应用程序”和“应用程序”应当被解释为逻辑、软件或其他被开发为专门在网络设备上运行的电子可执行指令。

最后，如本文使用的术语“或”和“和/或”应当被解释为包含性的或意指任何一个或任何组合。因此，“A、B或C”或“A、B和/或C”意指“以下各项中的任一项： A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能、步骤或动作的组合以某种方式固有地相互排斥时，才将出现对该定义的例外。

参考图1，示出了根据本发明实施例的动态基于事件的排名系统100的系统图解。动态基于事件的排名系统100包括多个设备，所述多个设备被配置为传输和接收与游戏、游戏玩家、游戏内的事件、游戏统计、音频/视觉资产和其他游戏相关联数据相关的数据。在许多实施例中，动态基于事件的排名服务器110连接到网络120，诸如例如因特网。动态基于事件的排名服务器110被配置为跨网络120向任何数量的计算设备传输多种数据，所述计算设备诸如但不限于个人计算机130、视频游戏控制台140和移动计算设备，包括膝上型计算机170、蜂窝电话160、便携式平板计算机180和可穿戴计算设备190。在附加的实施例中，动态基于事件的排名数据可以被镜像到附加的基于云的服务提供商服务器或边缘网络系统111中。在仍附加的实施例中，动态基于事件的排名服务器110可以作为基于云的服务内的虚拟服务器来托管。

在另外的实施例中，动态基于事件的排名系统数据的发送和接收可以通过有线和/或无线连接在网络120上发生。在图1中描绘的实施例中，移动计算设备160、170、180、190经由无线网络接入点150无线连接到网络120。本领域技术人员应当理解，动态基于事件的排名系统100上的设备之间的有线和/或无线连接的类型可以按照需要由设备和连接的任何组合组成。

在各种实施例中，动态基于事件的排名系统100可以基于所期望的游戏类型，经由任何数量的个人计算机130、视频游戏控制台140和/或移动计算装置160、170、180、190广泛处理来自玩家的游戏和/或事件数据。玩家在网络设备上玩的每个游戏通常可以生成与游戏内发生的事件相关的多个数据，所述多个数据然后可以被传送回到动态基于事件的排名服务器110和/或其他边缘网络系统111。在另外的实施例中，事件的一些或全部处理在网络设备上完成。在这些情况下，部分事件数据或结果/排名数据可以通过网络120传输到动态基于事件的排名服务器110和/或其他边缘网络系统111

在许多实施例中，事件数据可以剥夺个人标识数据，并传输至动态基于事件的排名服务器110和/或其他基于云的服务进行处理。这样，所传输的数据可以包括唯一的标识号，该唯一的标识号仅被游戏提供商已知或者在动态基于事件的排名服务器110上可访问。这样，可以减轻修改、窥探和/或预测即将到来的排名的试图。

参考图2，示出了根据本发明实施例的动态基于事件的排名服务器110的示例性硬件框图。动态基于事件的排名服务器110可以是能够实现动态基于事件的排名过程的任何网络或计算设备。这些计算设备可以包括如图1中所述的个人计算机130、视频游戏控制台140和/或移动计算设备160、170、180、190，或者可以包括足以接收、传输和响应于来自玩家的事件数据的任何计算设备。在许多实施例中，动态基于事件的排名服务器110可以至少包括处理器210、存储器230、输入和输出设备220以及数据存储240。存储器230可以包括游戏逻辑231、事件捕获逻辑232、排名逻辑233、基于事件的更新逻辑234和预测逻辑235。数据存储240可以包括包含标识数据251和排名数据252的玩家数据250、包含遭遇数据244的事件数据243、获胜偏移或回合数据245、贡献数据246和属性数据247、玩家技能数据248和重量分布数据249。

在多种实施例中，动态基于事件的排名服务器110可以作为视频游戏的部件操作。这样，存储器230和数据存储240的组成可以包括进一步支持玩视频游戏和/或支持应用程序的附加逻辑和数据。设想到，动态基于事件的排名服务器110的操作可以由较大程序内的专用应用程序或者由与游戏逻辑231分离的网络设备来处理。事实上，动态基于事件的排名服务器110的多个实施例可以包括许多逻辑和数据，所述许多逻辑和数据基于期望的应用程序按照需要被组合和/或分离。

在许多实施例中，游戏逻辑231可以被配置为促进玩视频游戏。游戏逻辑231可以处理和执行动态基于事件的排名服务器110内的大部分游戏代码，所述大部分游戏代码然后可以通过网络传输到玩家的计算设备。在其他实施例中，游戏逻辑231可以充当跨网络的多个玩家计算设备的中介和/或主机。在一些实施例中，动态基于事件的排名服务器110可以不包括任何游戏逻辑231，并且与包括游戏逻辑231的其他网络设备通信。

游戏逻辑231的另外实施例还可以包括为多个玩家生成和/或促进匹配安排操作的能力。这样，游戏逻辑231可以标识和利用每个玩家的排名数据252，并基于接收到的玩家输入来确定最佳多玩家匹配设置。如本领域技术人员可以认识到的，最佳匹配安排通常涉及选择具有类似技能/排名水平的对手玩家和/或团队，以便促进玩家/团队有均等机会获胜的匹配。

在附加的实施例中，事件捕获逻辑232可以被配置为检查正在进行的游戏的数据内容，并且按照需要提取事件数据243。如关于图4中描绘的实施例更详细讨论的，玩家和/或游戏管理员可能期望捕获在每个特定游戏的开始和结束之间的游戏进程期间发生的各种事件。代替捕获和分析游戏的整体，事件捕获逻辑232可以被配置为搜索、提取和/或生成与开始点和结束点之间的正在进行的游戏的一部分直接相关的事件数据。作为示例而非限制，事件可以是第一人称射击风格游戏内两个玩家之间的直接遭遇，或者可以是“回合”或游戏的其他划分部分，诸如棒球游戏中的局或团队对战游戏中的捕获旗帜。

每个事件可以由事件捕获逻辑232处理，以产生事件数据243集，该事件数据243集可以在以后被处理，以促进每个玩家的技能评分和/或排名中的更新。事件数据243的格式和游戏内的什么参数构成事件捕获逻辑232要处理的事件可以根据期望的应用程序而极大地不同。例如，当两个玩家交互时，遭遇数据244可以基于预定义的时间窗口生成。在其他实施例中，遭遇数据244可以仅在玩家被杀死时生成一次，其中后续数据是通过回溯游戏逻辑231内的事件缓冲器而生成的。回溯可能发生，直到达到指定的时间限制或者当出现初始条件时（诸如一个玩家从另一个玩家接收到伤害）。

在某些实施例中，事件捕获逻辑232可以取而代之地位于玩家的计算设备上，其被配置为在所述设备上发生游戏时检查游戏，并将事件数据243传送到动态基于事件的排名服务器110以供进一步处理。在许多实施例中，为了规避欺骗或其他未经授权的数据访问和/或篡改，事件捕获逻辑232和后续事件数据243被生成并完全存储在诸如动态基于事件的排名服务器110的远程服务器上。

在另外的实施例中，排名逻辑233促进处理和生成排名数据252，该排名数据252然后可以与各种玩家的玩家数据250相关联。通常，排名逻辑233的任务是基于一个或多个玩家技能评分为玩家生成匹配排名（“MMR”）。排名数据252一旦被生成，就通常不被动态基于事件的排名服务器更新或调整，直到后续游戏结束。然而，某些实现可以添加“衰减”因子，这可能导致排名数据252所利用的一个或多个技能评分中的降低。在某些实施例中，衰减可以基于自从与排名数据252相关联的玩家已经玩了当前游戏和/或模式以来过了多久。这样，可以在游戏的匹配安排之前调用排名逻辑233，以基于玩家的技能评分和衰减来确定更准确的匹配安排排名。设想到，排名逻辑233可以被配置为生成和处理与多个排名算法中的任一个相关联的数据。更详细地在图3中描绘了通过排名逻辑233实现的排名过程的示例。

在更多的实施例中，基于事件的更新逻辑234可以促进基于玩游戏期间捕获的事件数据243更新多个玩家评分之一的过程。如在图5-6的描述中更详细讨论的，基于事件的更新逻辑可以为玩家生成多个评分/排名，所述多个评分/排名可以用于生成可以包括玩家技能评分的玩家技能数据248。如在图7的描述中更详细讨论的，玩家技能评分可以由一个或多个子技能组成，所述一个或多个子技能可以与游戏内发生的多个事件相关联。在每个游戏期间或之后，基于事件的更新逻辑234可以利用事件数据243来生成每个子技能或属性的更新评分。

在仍更多的实施例中，预测逻辑235可以提供在游戏内生成结果预测的方法。预测逻辑235可以生成每个游戏内总体获胜和输掉的传统预测。这可以通过分析每个玩家/团队的总体排名连同在一些实施例中他们相应的获胜/输掉记录来完成。来自预测逻辑235的预测一旦被生成，就可以按照需要被基于事件的更新逻辑234、排名逻辑233和/或其他逻辑利用。

在基于事件的更新过程期间处理事件数据243时，生成预测，特别是事件结果的预测。在许多实施例中，事件数据243是在游戏内事件发生之后捕获的，但是更新评分的过程需要事件结果的预测，就好像它发生在事件发生之前一样。如可以理解的，因为事件和相关联的事件数据243通常可能直到事件发生之后才被识别或可用，所以预测逻辑235可以处理数据，使得基于与它们在事件发生之前一样的游戏状态、数据、排名和/或评分来生成预测。这样，基于事件的更新逻辑234可以利用这些预测来检查并生成事件的预测和实际结果之间的差异。然后，可以利用该差异来更新游戏内每个玩家的玩家技能数据248内的各种评分/排名。

在一些实施例中，玩家数据250涉及与来自游戏内所有存储和/或当前可用玩家池中的特定玩家相关联的任何数据。玩家数据250可以进一步包括标识数据251和排名数据252。标识数据251可以是标识信息，诸如姓名、用户句柄、客户标识号、出生日期、位置、联系人等。典型地，标识数据251可以用于将一个玩家与每个其他玩家分离开并且进行标识，但是也可以包括基于期望的应用按照需要的另外数据。

排名数据252可以包括与排名相关的数据，诸如匹配安排排名（“MMR”）、总体获胜/输掉记录、隐藏排名数据和/或各种游戏模式和游戏活动位置内的个体排名。在一些实施例中，排名数据252可以包括在标识数据251内，并且在某些实施例中可以与玩家数据250分离存储，以规避欺骗。

在各种实施例中，玩家方差数据242可以用于调整系统评分/排名的总体置信度。玩家方差数据242可以包括总体方差，该总体方差可以被用作玩家技能和/或排名数据更新的后续处理中的因子。系统利用方差来确定作为事件/游戏的结果对玩家的评分和/或排名可能发生的改变量。较高的方差允许对评分和/或排名有较大的改变，而较低的方差响应于获胜或输掉来提供较小的评分/排名移动。传统上，当玩家的技能评分和/或排名的总体置信度低时，排名系统将向该玩家分配较高的方差。通常，较高方差的该分配是为了没有玩过许多游戏的玩家而进行的。随着玩家完成更多游戏，所生成的玩家技能评分和/或排名的置信度增加，从而导致更低的相关联方差。当玩家在预先确定的时间量内没有玩游戏时，方差也可以更高。这被称为“衰减”。

设想到，某些实施例可以在紧急情形下调整玩家方差数据242，诸如玩家已连续玩了许多小时，检测到指示玩家正在经历极度负面情绪的事件和/或数据，或当事件数据243指示玩家在特定游戏内处于长期获胜和/或连败时。

在又更多的实施例中，事件数据243由游戏内的事件捕获逻辑232捕获。事件数据243可以进一步包括遭遇数据244、回合数据245、贡献数据246和/或属性数据247。然而，设想到，事件数据243可以包括可以与游戏内的事件和/或属性相关联的数据的任何子集，并且被处理以更新总体玩家技能数据248，从而更准确地反映玩家的真实技能评分/排名。

遭遇数据244可以包括与游戏内发生的特定遭遇相关联的数据。在多个实施例中，这可以包括在线游戏内两个玩家之间的交战。通常，在在线游戏期间，玩家可以彼此交战，直到一个人胜利并且另一个人未胜利，并且玩家能够保持继续玩，直到另一个事件发生以结束整个游戏，而不是结束游戏。

作为示例而非限制，在线游戏可以包括团队对战游戏中的多个玩家。每个玩家在指定的地图地形上自由奔跑，并且可以攻击来自其他团队的玩家。两个或更多个的玩家一旦交战，就可以彼此攻击，直到一个人被杀死，让另一个玩家胜利并且能够向前移动，而被杀死的玩家通常被放回到起始位置。在某些实施例中，一旦玩家被杀死，事件捕获逻辑232就可以通过缓冲器往回看，以收集与玩家的死亡相关的遭遇数据244。遭遇数据244可以包括关于什么玩家在遭遇的哪一方、什么玩家在遭遇中获胜或输掉、什么玩家对死去的玩家造成最大伤害、协助遭遇胜利的玩家、实现游戏目标的玩家的分类。设想了，与遭遇相关的其他数据可以被记录在遭遇数据244内。

在许多实施例中，回合数据245可以类似于遭遇数据244。然而，虽然遭遇数据244通常包括与游戏期间随机发生的各种遭遇相关的数据，但是回合数据245通常与游戏的预定划分部分相关联。例如，模拟棒球视频游戏可以收集与游戏内每一局相关联的回合数据245。棒球局是可以用不同于遭遇数据244的规则捕获的事件的预先知道的跨度。如本领域技术人员可以认识到的，回合数据245可以被配置为包含游戏的多种部分中的任何部分。

对于基于事件动态生成排名有用的另一类型的事件数据243是贡献数据246。正如许多游戏玩家所认识到的，游戏内的各个部分和事件可能受到特定玩家或团队成员（既正面又负面）更大影响。例如，在团队格斗游戏内，来自第一团队的一个玩家可能被来自第二团队的多个玩家攻击并杀死。在攻击期间，来自获胜团队的第一个玩家对其他团队造成的百分之九十的伤害负责，而第二个玩家仅对造成的总伤害贡献百分之十。在传统的排名方法下，获胜团队的每个成员将被同等地奖励，并且（如果他们具有类似的排名和方差）将经历相同的排名/评分提升。许多玩家经历了像这样的结果，并且将它们感知为不公平。因此，事件捕获逻辑232可以捕获贡献数据246，该贡献数据246可以在玩家评分的计算和更新中使用。设想到，贡献数据246可以反映可以与玩家的贡献相关联的任何种类的数据。这可以包括但不限于造成的伤害、给予的协助、实现的目标、使用的物品、给予的物品、玩家角色类型和/或使用的攻击。

利用上文给出的示例，事件捕获逻辑232可以确定第一个玩家递送了百分之九十的伤害，这意味着他们对获胜负有百分之九十的责任，而第二个玩家负有百分之十的责任。此后，如在图5的讨论内更详细描述的，后续的预测计算可以利用贡献数据246来生成遭遇结果的更准确的预测。因此，获胜玩家的排名和/或技能评分的更新可以更准确地反映遭遇的实际结果。设想到，贡献数据246可以被配置为跟踪和/或利用各种各样的游戏状态和数据，其包括但不限于当前装备的增强（“buffs”）和去增强（“debuffs”），在遭遇的开始时间点期间是活跃的/活动的，和/或基于可用的视觉/显示数据的遭遇开始的构思。

可以存储在事件数据243内的另外类型的数据是通用属性数据247。在许多实施例中，属性数据247可以是关于未来计算可能期望的事件的全方位数据（catch-all fordata）。属性数据247可以包括但不限于与游戏在什么地图上玩、玩家的角色类是什么、游戏期间的网络条件是什么样的、某些事件在游戏地图内的何处发生、某些事件在游戏内何时发生和/或哪些玩家展现出有关或有问题的动作（诸如离开游戏、让自动化（机器人）玩家来玩、奖励耕作相关的动作或欺骗动作）相关的数据。设想到，游戏内的任何类型的属性可以存储在属性数据247内，该属性对出于评分/排名访问和验证的目的而以后访问可以是合期望的。

在多个实施例中，玩家技能数据248包括玩家技能评分，该玩家技能评分可以被配置为表示特定游戏内玩家的总体技能。由于某些游戏可能具有多个模式、角色类型和位置来玩，各种实施例包括对于游戏中这些不同变化中的每一个的多个玩家技能评分。如在对于图7的讨论内更详细地示出的，玩家技能评分可以包括与游戏内的各种事件类型相关联的多个属性和子评分。作为示例而非限制，棒球模拟视频游戏可以基于每个玩家在什么位置玩、获胜了多少局（赚取的局比放弃的局多）、他们玩哪个团队和/或玩家的什么组合彼此交互来生成针对每个玩家的玩家技能评分。类似地，针对团队战斗游戏的示例玩家技能评分可以基于与玩家遭遇的次数、游戏期间获胜的回合数（诸如旗帜被捕获了多少次等）、与接收到多少伤害相比给予了多少伤害、玩家使用的角色的历史以及所玩的地图相关的事件数据243来生成。玩家技能数据248可以被排名逻辑233用来确定适当的排名和/或游戏逻辑231，从而选择更公平的匹配。

在仍另外的实施例中，重量分布数据249可以在生成和更新玩家技能评分内被利用，以强调和/或不强调哪些事件准确地反映了正确的玩家技能评分。作为示例而非限制，如果玩家技能评分是通过利用获胜遭遇数和获胜回合数（与他们的遭遇表现估计相比较）来生成的，并且游戏管理员认为根据获胜遭遇数计算的技能因子占玩家总体技能的百分之二十，而根据基于他们的遭遇的获胜回合数预测/实际计算的技能因子占玩家技能的百分之八十，则权重分布数据249可以用于表述这些差异。如在图8的讨论中更详细地示出的，玩家技能评分可以包括多个乘积的总和，所述多个乘积的总和它们本身包括各种事件数据评分和相关联的权重。设想到，在一些方面，权重分布数据249内的各种权重可以经由更新或根据算法随时间动态改变和/或调整。

进一步参考图2，一般而言，动态基于事件的排名服务器110可以包括计算机器可读介质。计算机器可读介质可以是可以由动态基于事件的排名系统100访问的任何可用介质，并且包括易失性和非易失性介质二者，连同可移动和不可移动介质。作为示例而非限制，计算机器可读介质包括信息的存储，诸如计算机可读指令、数据结构、其他可执行软件或其他数据。计算机器可读介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘（DVD）、蓝光光盘（BD）或其他光盘存储装置、磁带盒、磁带、磁盘存储装置或其他磁存储设备，或者可以用于存储所期望信息并可以由动态基于事件的排名服务器110访问的任何其他有形介质。诸如无线信道的暂时性介质不包括在计算机器可读介质中。通信介质通常体现计算机可读指令、数据结构、其他可执行软件或其他传输机制，并且包括任何信息递送介质。

玩家可以通过输入/输出设备220——诸如键盘、触摸屏、软件或硬件输入按钮、麦克风、或定点设备或滚动输入部件，诸如鼠标、轨迹球或触摸板——将命令和信息输入与动态基于事件的排名服务器110通信的网络设备。该输入可以直接在动态基于事件的排名服务器110上完成，或者可以经由诸如例如视频游戏控制台140或个人计算机130之类的其他网络设备从因特网收集输入。

参考图3，示出了描绘根据本发明实施例用于基于游戏内的事件生成和更新玩家排名的过程300的流程图。过程300通常用于在游戏完成之后更新评分和对玩家进行排名。在开始新游戏之前，过程300可以在玩之前评价玩家1的技能（框310）。这可能发生在玩家以前从未玩过该游戏（新玩家）或者在很长时间内没有玩过该游戏（并且可能遭受衰减）的情形下。在某些实施例中，评价可以是从数据存储中访问玩家的技能水平。

然后，过程300可以通常基于玩家的技能将玩家分配到游戏（框320）。在许多实施例中，该分配可以用于多玩家和/或多团队匹配安排会话。在其他实施例中，任务可以是针对单个玩家游戏的，并且评价技能以便确定游戏将提供的难度水平。通常，分配玩家的过程将涉及处理他们的技能和/或排名。通常，玩家对手的技能水平和排名也是可用的。过程300可以利用玩家和对手的相对技能和/或排名来为玩家生成结果预测（框330）。在多个实施例中，结果预测可以采取玩家成功概率的数值表示的形式。

然后，玩家针对所选的对手玩游戏（框340）。作为玩游戏的结果，到达结束状态，并且确定游戏结果（框350）。通常，游戏结果以获胜或输掉的形式提供。过程300然后可以评估游戏结果和先前生成的结果预测之间的差异（框360）。在一些实施例中，差异可以被评估为获胜概率和实际结果之间的数值差异。

一旦评估了预期和实际结果的差异，过程300就可以更新玩家的技能评价（框370）。这通常包括当玩家获胜时增加他们的技能评价评分，并且当他们输掉时降低它。评分更新中的移动量可能受到几个因子所影响，所述几个因子包括可以指示评分总体置信度的相关联方差。与具有较低方差因子的玩家相比，具有较高方差的玩家可以在更大的裕度内调整他们的技能评分。附加地，对手的技能评价也可以影响在过程300期间玩家技能评分的改变量。作为示例而非限制，玩家可能已经面对了具有高得多的技能评分的对手。在这种情况下，当面对输掉时，玩家的技能评分将与在他们面对较低技能对手的情况下相比相对较少地向下移动。类似地，如果该示例中的玩家针对高技能玩家获胜，则该玩家的评价技能评分将被调整得与在对手的技能评分等于或小于该玩家的评分的情况下相比高得多。

在多种实施例中，可以基于游戏结果更新附加的匹配安排排名（“MMR”）（框380）。类似于评价玩家的技能评分，对手的排名越大，对于玩家响应于获胜将具有的排名增加将越大。一旦响应于已完成的游戏，已经评价并更新了玩家的所有技能和排名，过程300就更新数据库，使得玩家的数据现在反映新赚取的评分和/或排名（框390）。

参考图4，示出了描绘根据本发明实施例用于基于游戏内的事件生成和更新玩家排名的过程400的流程图。如上面讨论的，本发明的实施例可以捕获和利用游戏内的事件数据，以便更高效地生成合适的评分/排名。当玩家进入游戏时，更新的过程400开始（框410）。

一旦进入游戏，过程400就可以开始事件数据捕获循环，直至游戏结束。一旦事件已经开始，监听循环就开始（框420）。在事件期间和之后，过程400生成事件数据（框430）。在一些实施例中，游戏本身可以生成和输出事件数据。在附加的实施例中，其他逻辑（诸如图2中描述的事件捕获逻辑232）可以在游戏或主机计算设备内操作，并捕获事件数据以供进一步使用。一旦事件完成，过程400就可以确定游戏是否已经结束（框440）。当游戏尚未完成时，过程400可以简单地进入监听状态，并等待新事件开始（框445）。在单个游戏过程期间，该过程可以重复本身多次。

一旦游戏结束，过程400然后就可以对MMR和玩家方差进行标准更新（如需要），类似于如图3中所述的过程（框450）。该过程还可以处理事件以更新玩家的总体技能评分（框460）。在图5-6的讨论中更详细地描述了处理事件数据以评估玩家技能评分的过程。设想到，MMR、玩家方差和事件的处理和更新可以并行或以相反的次序进行，因为在大多数实施例中，对于每个步骤进行的处理不存在直接的顺序基础。

在某些实施例中，过程400可能想要基于游戏结果或根据更新或其他预定因子更新权重分布（框470）。例如，在事件数据的处理内用来确定玩家技能评分的权重可以基于所处理的事件而随时间改变。游戏管理员的分析可以指示，一种事件类型在玩家玩的最初几个游戏期间可能更关键，但是随着完成的游戏数量增加，可能改变或不太重要。一旦MMR、方差、事件数据、玩家技能评分和权重分布都被更新，它们就可以被写入数据库（框480）。

参考图5，示出了描绘根据本发明实施例用于基于遭遇事件类型数据评估更新遭遇技能评分的过程500的流程图。如以上参考图4所讨论的，动态基于事件的排名系统处理事件以生成事件数据，该事件数据可以用于为玩家创建更精细的技能排名评分。虽然实际上可以利用游戏内的任何类型的事件，但是图5中描绘的实施例示出了正在处理的“遭遇”事件类型。

在许多实施例中，遭遇事件类型可以定义为参与冲突的一个或多个玩家。例如，在棒球模拟视频游戏中，遭遇可以是特定击球手和投手之间的击球，而在团队战斗视频游戏中，遭遇可以被分类为一个或多个玩家彼此攻击（并因此引起伤害），直到参与的玩家死亡或脱离。设想到，遭遇类型事件可以以各种各样的方式分类，并且可以在实际遭遇期间或者在遭遇或游戏结束时被捕获。在图5中描绘的实施例中，一旦遭遇结束，就处理遭遇，尽管不一定必须是这种情况。

一旦遭遇事件结束，示例性实施例的过程500就可以开始（框510）。如上所述，这可以由视频游戏开发者以多种方式来定义。一旦遭遇结束，过程500就可以进入遭遇评估过程（框520）。虽然这里描述的实施例在遭遇事件类型完成时直接进入评估过程，但是设想到，各种实施例可以在稍后的时间、例如在游戏结束时进入遭遇评估。

过程500接收并解析可用的遭遇数据（框530）。遭遇数据可以是存储在诸如图2中描绘的数据存储240之类的数据存储内的事件数据。在其他实施例中，遭遇数据可以从游戏缓冲器或者从远程服务器接收。对遭遇数据的解析允许过程500从遭遇中标识获胜和输掉的玩家（框540）。如上面讨论的，获胜的团队玩家可以以多种方式被标识，包括确定哪个玩家在团队战斗视频游戏中对杀戮评分，哪个玩家对另一个玩家造成了伤害，是否有任何玩家对辅助评分，和/或游戏目标是否由玩家在遭遇期间完成。输掉的玩家可以通过确定玩家是否在遭遇中输掉（例如，当另一个团队队友在团队对战中被杀时，他是被杀还是活着）来标识。设想到，可以利用多种条件来做出关于哪些玩家参与了遭遇以及哪些玩家将被认为是获胜或输掉的确定。

除了确定遭遇内的获胜者和输家，过程500还可以计算每个玩家对遭遇的贡献（框550）。例如，在团队对战视频游戏中，两个玩家可能攻击一个对手玩家。当对手玩家在遭遇中被杀死时，第一个玩家对对手造成百分之九十的伤害，而第二个玩家仅对对手造成百分之十的伤害。动态基于事件的排名系统可以收集贡献数据，以便基于这些类型的情形适应随后的技能评分和排名。如上面讨论的，存在可以收集和解析贡献数据以确定遭遇期间的玩家贡献的多种方式。作为示例而非限制，可以通过确定谁对致命一击评分（在团队对战视频游戏内）、谁对对手造成了伤害/评分、玩家是否进行了辅助以及特定玩家在遭遇期间是否实现了团队目标来评价玩家。然而，如关于标识步骤所讨论的，计算玩家贡献可以以多种方式完成，并根据游戏开发者的期望进行调整。

然后，过程500可以基于遭遇之前发生的条件，同时还考虑玩家技能评分和实际玩家贡献，生成遭遇的预测（框560）。如以上关于图2的预测逻辑235所讨论的，即使在遭遇已经完成之后，也可以生成关于遭遇结果的预测。在许多实施例中，可以通过利用玩家遭遇技能同时也将他们所记录的贡献纳入考虑因素来生成预测。这样，预测逻辑可以考虑，例如，如果具有职业玩家的团队仅对遭遇的结果贡献了非常小的百分比，则他们就不是压倒性的获胜热门。这样，即使游戏没有预先确定在任何给定遭遇类型事件中涉及的玩家的数量、复杂性或技能，预测生成也可以反映平衡的结果，该平衡的结果可以被用来更正确地更新总体玩家技能评分（框570）。设想到，许多视频游戏可以用不同的时间量非常快地生成许多遭遇。这可以允许在单个游戏期间增加数量的评估，在许多实施例中，这可以允许动态基于事件的排名系统比传统方法更快地实现更准确的玩家排名，这在复杂的视频游戏期间用手将是不可能做到的。

参考图6，示出了描绘根据本发明实施例的用于基于回合事件类型数据评估更新获胜技能评分的过程600的流程图。如上面讨论的，在动态基于事件的排名系统内，可以存在可以被记录、解析和利用的各种各样的事件类型。在图6中，描绘了示出处理“回合”事件的示例性实施例。

用于利用回合事件类型的方法类似于遭遇事件类型的方法。例如，一旦回合事件结束，过程600也可以开始（框610）。然而，回合事件类型数据的处理可以在视频游戏结束之后完成，并且不一定如在当前图示的实施例中那样一旦回合事件立即结束。在各种实施例中，回合数据评估发生在回合事件完成之后（框620）。

负责处理回合事件数据的逻辑——诸如例如图2中描绘的基于事件的更新逻辑234——可以接收并解析回合事件数据（框630）。如上面讨论的，“回合”可以以适合游戏开发者的任何方式来定义，但是在多种实施例中可以由游戏的预定义或已知部分组成。游戏的一部分可以包括预定义的时间（诸如篮球模拟视频游戏中的四分之一时段），或者预定义的事件（在团队对战游戏中捕获旗帜）。

一旦被捕获，过程600就可以确定每个玩家对回合的贡献（框640）。类似于确定遭遇的贡献，回合贡献可以包括但不限于评估哪个玩家被评分、被杀、造成伤害、存活、实现目标或对辅助评分。设想到，游戏开发者可以基于期望的需求来利用对这些不同贡献类型的权重的改变。

可以在最终评估（框650）之前，通过过程600生成预回合结果预测。预回合预测可以利用诸如玩家的遭遇技能、玩家的回合获胜技能和/或玩家对总体回合的贡献之类的因子。如同用图5的遭遇类型数据生成的预测一样，通过利用贡献数据，动态基于事件的排名系统可以为可能对结果具有过大影响的回合生成更准确的预测。

响应于生成预回合预测，过程600可以基于生成的预回合预测和实际结果的结果数据之间的差异更新每个玩家的回合获胜技能（框660）。因为预测将来自每个玩家的贡献纳入考虑因素，所以技能评分和排名的所得更新可以在每个回合中收敛到更准确的玩家技能评分。视频游戏可以被配置为遍及单个游戏的过程中提供大量回合，这将进一步减少玩家接收准确排名所需的已完成视频游戏的数量。

参考图7，示出了根据本发明实施例的玩家技能评分700的概念性描绘。如上面讨论的，可以利用玩家的总体技能评分700以便对比赛内的玩家进行排名，或者该总体技能评分700可以被用作比较各种玩家以便匹配安排目的的手段。生成玩家技能评分和/或排名的传统方法涉及利用评分范围内的正态分布，其中方差依据一个或多个标准偏差来表述。这里，在多个实施例中，玩家技能评分700由多个子评分组成，所述多个子评分可以包括但不限于遭遇技能评分710、回合获胜技能评分720以及由属性N评分790指示的游戏开发者可以将其纳入考虑因素的任何其他属性。

每个子评分710、720、790本身由排名、方差和权重组成。例如，遭遇技能评分710可以通过利用遭遇技能排名711来生成，该遭遇技能排名711具有相关联的遭遇技能方差712，该遭遇技能方差712可以指示在遭遇技能排名711中的置信度。遭遇技能权重713通常可以指示遭遇技能评分710对整个玩家技能评分700的影响量。在许多实施例中，这被表示为百分比。

类似地，回合获胜技能评分720可以指示玩家在一回合内胜利的总体效果。像遭遇技能评分710一样，回合获胜技能评分720包括回合获胜技能排名721、回合获胜技能方差722，以及回合获胜技能权重723，该回合获胜技能权重723进一步调整回合获胜技能评分720对整个玩家技能评分700的影响量。最后，设想到，在确定有效玩家技能评分700中，可以汇编和利用其他技能评分方法。如上面讨论的，在描绘的实施例中表示为属性N 790的其他静态属性也可以影响总体玩家技能评分700。对玩家的影响也可以描述为提供属性N排名791（其具有相关联的属性N方差792），以及修改属性N权重793。属性可以包括但不限于玩家在哪个视频游戏平台上收集他们的评分。例如，玩家可以在像图1中描绘的视频游戏控制台140一样的视频游戏控制台上玩游戏来赚取第一个玩家技能评分700。传统上，与像图1中描绘的个人计算机130一样的传统个人计算机相比，对于玩家而言在家用控制台单元上赚取高玩家技能评分被认为是更难的。这样，如果要跨多个平台上的所有玩家之间实现同等，则将很可能需要属性评分和权重来使多个平台上的玩家技能评分700和后续排名均等。

参考图8，示出了根据本发明实施例用于为玩家生成总体技能评分的过程800的概念性描绘。为了生成玩家1的总体技能评分800，必须计算子评分815、825、895的每个乘积的总和。在图8中描绘的示例中，第一乘积815包括玩家1的遭遇技能评分810和遭遇技能权重813。如上面讨论的，遭遇技能权重813可以直接影响遭遇技能评分810如何影响最终玩家1的技能评分800。权重越高，玩家1遭遇技能评分810将对最终总和影响就越大，并且反之权重越低，玩家1遭遇技能评分810将对最终总和影响就越小。

同样，玩家1的回合获胜技能评分820连同玩家1回合获胜技能权重823一起用于第二乘积825中。事实上，取决于总体玩家技能评分的配置，游戏开发者可以调整计算以包括总体技能评分总和内的任何数量的乘积。这通过包括属性N乘积895来表示，该属性N乘积895包括玩家1的属性N评分890和玩家1的属性N权重893。在某些实施例中，权重813、823、893可以表示为0和1之间的百分比小数。在另外的实施例中，所有权重813、823、893一起的总和等于或不超过1。

参考图9，示出了根据本发明实施例用于为玩家生成小组遭遇技能评分的过程900的概念性描绘。如先前讨论的，为团队生成技能评分的传统方法简单地将团队中每个成员的技能评分或排名相加起来，以生成总和的团队评分。利用动态基于事件的排名系统，不仅可以生成团队评分，而且还可以基于每个玩家贡献和个人子评分来预测和生成团队子评分。这允许对每个玩家的组合评分和排名的更精细的理解，该更精细的理解可以用于基于视频游戏内的改变或其他属性来动态调整团队比赛，从而在团队之间创建更均匀的比赛。

类似于如图8中所见的总体技能评分的生成，例如，可以通过对每个玩家的相应评分以及其衍生贡献的乘积915、925、995求和来发生小组遭遇技能评分900的生成。在某些实施例中，每个玩家可以具有可以利用的遭遇技能评分。如图9中描绘的，玩家1遭遇技能评分910乘以玩家1的贡献评分950，以创建第一乘积915。这与包括玩家2的遭遇技能评分911和贡献评分960的第二乘积925相加。设想到，视频游戏内的团队/小组可以由任何数量的玩家组成，这仅受游戏设计或计算能力限制。因此，可以对任何数量的玩家求和来生成小组遭遇技能评分900。这由玩家N乘积995表示，其包括玩家N遭遇技能评分912乘以玩家N贡献评分970。

贡献评分可以用多种方式生成。例如，小组贡献评分通常可以表示为0和1之间的百分比小数。在这些实施例中，所有玩家贡献评分950、960、970的总和将等于或小于1。该贡献评分950、960、970可以基于例如在先前游戏或游戏窗口中给出的贡献来确定。贡献评分950、960、970可以由每个玩家的总体玩家技能评分或排名来确定，这意味着较高水平的玩家比较低排名的较新的玩家更有可能做出贡献。

尽管图9中描绘的小组子评分是小组遭遇技能评分900，但设想到，可以通过与关于图9所述过程类似的方式从任何子评分中生成小组/团队技能评分。例如，可以通过将每个玩家的个体回合获胜评分与他们的个体贡献评分的乘积相加来生成小组总体回合获胜技能评分。进一步的小组子评分也可以潜在地指示属性弹性，诸如小组在利用某些地图、角色、武器、物品等方面的技能。

如本文示出和详细描述的信息完全能够实现本公开的上述目的，即本公开的当前优选实施例，并且因此代表了本公开广泛设想的主题。本公开的范围完全包括对本领域技术人员来说可能变得明显的其他实施例，并且因此仅由所附权利要求来限定。以单数形式对元件做出的任何引用不旨在意指“一个且仅一个”（除非明确地如此说明），而是“一个或多个”。如本领域普通技术人员所认为的上述优选实施例和附加实施例的元件的所有结构和功能等同物特此通过引用明确地并入，并且旨在被本权利要求所包含。

此外，不存在针对解决本公开寻求解决的每一个问题的系统或方法的需要，对这样的问题的解决方案将被本权利要求所包含。此外，本公开中的任何元素、部件或方法步骤都不旨在奉献给公众，无论该元素、部件或方法步骤是否在权利要求中明确地记载。在不脱离本公开的精神和范围的情况下，可以对形式、材料、工件和制造材料细节进行各种改变和修改——如所附权利要求中阐述的，这对本领域普通技术人员来说可能是清楚的——也由本公开所包含。

Claims (21)

1.一种动态基于事件的排名服务器，包括：

处理器；和

通信地耦合到处理器的存储器，所述存储器包括：

游戏逻辑，由所述处理器处理以执行具有多个玩家的游戏，直到达到游戏结束；

事件捕获逻辑，由所述处理器处理以在游戏结束之前标识所执行的游戏内的多个事件，并捕获与所述多个事件相关的关联事件数据；和

事件更新逻辑，由所述处理器处理以响应于在游戏期间捕获的事件数据来更新玩家技能数据。

2.根据权利要求1所述的动态基于事件的排名服务器，其中，所述多个事件包括两个或更多个事件类型。

3.根据权利要求2所述的动态基于事件的排名服务器，其中，所述两个或更多个事件类型至少包括遭遇类型事件和回合类型事件。

4.根据权利要求3所述的动态基于事件的排名服务器，其中，玩家技能数据至少包括与所述多个玩家相关联的多个玩家技能评分。

5.根据权利要求4所述的动态基于事件的排名服务器，其中，所述玩家技能数据进一步至少包括与玩家在遭遇类型事件内的过去结果相关联的玩家遭遇技能评分。

6.根据权利要求5所述的动态基于事件的排名服务器，其中，所述玩家技能数据进一步至少包括与玩家在获胜偏移类型事件内的过去结果相关联的玩家获胜偏移技能评分。

7.根据权利要求6所述的动态基于事件的排名服务器，其中，所述服务器进一步包括权重分布数据，所述权重分布数据包括与每个事件类型对玩家技能评分的数值贡献相关联的多个事件类型权重。

8.根据权利要求7所述的动态基于事件的排名服务器，其中，所述玩家技能评分可以通过将事件类型评分与其相应的事件类型权重的多个乘积相加来生成。

9.根据权利要求8所述的动态基于事件的排名服务器，其中，所述事件类型评分包括遭遇技能评分和获胜偏移技能评分。

10.根据权利要求9所述的动态基于事件的排名服务器，其中，基于在游戏内捕获的事件数据，响应于游戏的结束，更新每个事件类型技能评分，并且其中，基于更新的事件类型技能评分，更新所述多个玩家中的每个玩家的玩家技能评分。

11.一种用于生成动态基于事件的排名的方法，包括：

执行具有多个玩家的游戏，直到达到游戏结束；

在游戏结束之前标识所执行的游戏内的多个事件；

捕获与所述多个事件相关的关联事件数据；和

响应于在游戏期间捕获的事件数据来更新玩家技能数据，其中所述玩家技能数据包括与所述多个玩家相关联的多个评分，所述多个评分可以用于生成排名集。

12.根据权利要求11所述的方法，其中，所述多个事件包括两个或更多个事件类型。

13.根据权利要求12所述的方法，其中，所述两个或更多个事件类型至少包括遭遇类型事件和回合类型事件。

14.根据权利要求13所述的方法，进一步包括玩家技能数据，所述玩家技能数据至少包括与所述多个玩家相关联的多个玩家技能评分。

15.根据权利要求14所述的方法，进一步至少包括与玩家在遭遇类型事件内的过去结果相关联的玩家遭遇技能评分。

16.根据权利要求15所述的方法，进一步至少包括与玩家在获胜偏移类型事件内的过去结果相关联的玩家获胜偏移技能评分。

17.根据权利要求16所述的方法，进一步包括权重分布数据，所述权重分布数据包括与每个事件类型对玩家技能评分的数值贡献相关联的多个事件类型权重。

18.根据权利要求17所述的方法，其中，所述玩家技能评分可以通过将事件类型评分与其相应的事件类型权重的多个乘积相加来生成。

19.根据权利要求18所述的方法，其中，所述事件类型评分包括遭遇技能评分和获胜偏移技能评分。

20.根据权利要求19所述的方法，其中，基于在游戏内捕获的事件数据，响应于游戏的结束，更新每个事件类型技能评分，并且其中，基于更新的事件类型技能评分，更新所述多个玩家中的每个玩家的玩家技能评分。

21.一种包括软件的非暂时性计算机可读介质，所述软件在由处理器执行时执行操作以生成动态基于事件的排名，所述操作包括：|

执行具有多个玩家的游戏，直到达到游戏结束；

在游戏结束之前标识所执行的游戏内的多个事件；

捕获与所述多个事件相关的关联事件数据；和

响应于在游戏期间捕获的事件数据来更新玩家技能数据，其中所述玩家技能数据包括与所述多个玩家相关联的多个评分，所述多个评分可以用于生成排名集。

Images