CN117224975A - 游戏战报生成方法、装置、电子设备及存储介质 - Google Patents
游戏战报生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117224975A CN117224975A CN202311122087.5A CN202311122087A CN117224975A CN 117224975 A CN117224975 A CN 117224975A CN 202311122087 A CN202311122087 A CN 202311122087A CN 117224975 A CN117224975 A CN 117224975A
- Authority
- CN
- China
- Prior art keywords
- game
- report
- war
- data
- combat
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 40
- 238000003058 natural language processing Methods 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims description 45
- 230000015654 memory Effects 0.000 claims description 29
- 230000006399 behavior Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000002372 labelling Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种游戏战报生成方法、装置、电子设备及存储介质,涉及游戏技术领域。所述方法包括:响应于生成游戏战报的请求,获取目标对战的游戏数据;对游戏数据进行游戏领域的自然语言化处理得到初始游戏战报;将初始游戏战报输入到游戏战报模型,游戏战报模型分析玩家的行为模式和策略选择,在初始游戏战报中标注目标对战的结果总结和优化策略得到目标对战的游戏战报。依据本申请实施例,使得玩家可以直接从游戏战报中获取到结果总结和优化策略,极大地提升了游戏战报的应用价值、可读性和便捷性,有助于玩家在游戏中快速进步,增强了用户体验,提升了用户与游戏的粘合度,降低了游戏用户流失的概率。
Description
技术领域
本申请涉及游戏技术领域,尤其涉及一种游戏战报生成方法、装置、电子设备及存储介质。
背景技术
游戏战报是游戏玩家评估游戏表现和进一步制定游戏策略的重要依据。目前,游戏战报的内容普遍为游戏战斗的操作数据,真实记录了玩家在战斗过程中的各种操作以及游戏状态。但是,游戏战报的可读性较差,应用价值不高,既没有对游戏表现进行分析,也没有生成游戏策略。玩家很难从游戏战报内庞杂的信息中挖掘出有用的信息得到游戏决策,从而玩家无法在游戏中快速进步,降低了游戏的趣味性,影响用户体验,甚至导致游戏用户流失的情况发生。
发明内容
本申请实施例提供一种游戏战报生成方法、装置、电子设备及存储介质,以提升游戏战报的应用价值和可读性,增强用户体验。
在第一方面,本申请实施例提供了一种游戏战报生成方法,包括:
响应于生成游戏战报的请求,获取目标对战的游戏数据;
对所述游戏数据进行游戏领域的自然语言化处理,得到初始游戏战报;
将所述初始游戏战报输入到游戏战报模型,所述游戏战报模型分析玩家的行为模式和策略选择,在所述初始游戏战报中标注目标对战的结果总结和优化策略,得到目标对战的游戏战报。
在第二方面,本申请实施例提供了一种游戏战报生成装置,包括:
响应模块,用于响应于生成游戏战报的请求,获取目标对战的游戏数据;
处理模块,用于对所述游戏数据进行游戏领域的自然语言化处理,得到初始游戏战报;
生成模块,用于将所述初始游戏战报输入到游戏战报模型,所述游戏战报模型分析玩家的行为模式和策略选择,在所述初始游戏战报中标注目标对战的结果总结和优化策略,得到目标对战的游戏战报。
在第三方面,本申请实施例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的计算机程序,所述处理器在执行所述计算机程序时实现上述任一项所述的方法。
在第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法。
与现有技术相比,本申请具有如下优点:
通过响应于生成游戏战报的请求,获取目标对战的游戏数据,对游戏数据进行游戏领域的自然语言化处理得到初始游戏战报并输入游戏战报模型,由游戏战报模型分析玩家的行为模式和策略选择,在初始游戏战报中标注目标对战的结果总结和优化策略后得到目标对战的游戏战报,使得玩家可以直接从游戏战报中获取到结果总结和优化策略,极大地提升了游戏战报的应用价值、可读性和便捷性,有助于玩家在游戏中快速进步,增强了用户体验,提升了用户与游戏的粘合度,降低了游戏用户流失的概率。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本申请的一些实施方式,而不应将其视为是对本申请范围的限制。
图1为本申请提供的游戏战报生成方法的应用场景示意图;
图2为本申请一实施例的游戏战报生成方法流程图;
图3为本申请另一实施例的游戏战报生成方法流程图;
图4是本申请另一实施例的模型训练过程的流程图;
图5是本申请另一实施例的游戏战报生成过程示意图;
图6是本申请一实施例的游戏战报生成装置的结构框图;
图7为用来实现本申请实施例的电子设备的框图。
具体实施方式
在下文中,仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样,在不脱离本申请的构思或范围的情况下,可通过各种不同方式修改所描述的实施例。因此,附图和描述被认为本质上是示例性的,而非限制性的。
为便于理解本申请实施例的技术方案,以下对本申请实施例的相关技术进行说明。以下相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合,其均属于本申请实施例的保护范围。
首先对本申请所涉及的名词进行解释。
LLM(Large Language Model,大语言模型):一种基于深度学习的自然语言处理模型,它使用大规模的语料库进行训练,通常拥有数十亿到数万亿个参数,能够处理各种自然语言任务,如自然语言生成、文本分类、文本摘要、问答、对话、机器翻译或语音识别等。
SFT(Supervised Fine-Tuning,有监督的微调):一种模型优化技术,使用预训练模型作为初始状态,在目标任务的训练集上进行微调,使模型能够更好地适应目标任务。SFT可以提高模型的精度和泛化能力,并且可以大大减少训练时间和计算资源的消耗。
游戏战报:指对战类游戏在玩家之间对战产生的战报,用于记录玩家在对战过程中的各种操作以及游戏状态。
图1为示例性的用于实现本申请实施例的游戏战报生成方法的一个应用场景的示意图。其中,云端的服务器可以为一个或多个客户端提供游戏的相关服务,包括游戏战报生成服务等。用户可以在客户端体验游戏以及在游戏界面上发起生成游戏战报的请求等。云端的服务器可以根据需要部署,包括集中式部署或分布式部署。例如,可以在云端部署多个服务器或者也可以部署一个服务器,具体不限定。图中仅以部署一个服务器为例进行示意。客户端的类型可以有多种,包括但不限于计算机、手机、平板电脑或笔记本电脑等等。
本申请实施例提供的游戏战报生成方法和装置,可以应用于任何游戏中,如战斗类游戏或对战棋类游戏等。该方法和装置具体的应用场景可以有多种,包括但不限于:游戏战报分析或游戏辅助决策等场景。
本申请实施例提供了一种游戏战报生成方法,可以应用于服务器。如图2所示为本申请一实施例的游戏战报生成方法流程图,该方法可以包括如下步骤。
S201:响应于生成游戏战报的请求,获取目标对战的游戏数据。
其中,生成游戏战报的请求可以由客户端发起,如用户在客户端的游戏界面上触发游戏战报的生成入口,从而发起该请求到服务器。
上述目标对战可以为游戏执行过程中的当前对战,如刚刚结束的上一场战斗;或者,也可以为该游戏的某一场历史对战,如昨天结束的一场战斗等,本申请实施例对此不做具体限定。客户端可以在游戏界面上预留按钮或下拉菜单等作为请求入口,供用户选择需要的一场战斗来发起生成游戏战报的请求。
S202:对游戏数据进行游戏领域的自然语言化处理,得到初始游戏战报。
本申请实施例中的游戏领域可以理解为具有游戏世界观的领域。游戏世界观是指对游戏故事发生地的世界的认知,包括但不限于自然环境和社会环境。自然环境指游戏世界的山川河流、植被荒漠,以及各种普通生物的生存和分布。社会环境包括游戏世界的政治、经济和文化环境,以及各种智慧生物的生活方式、生存状态、信仰存在、集群规则、力量体系和阵营分布等多种情况。
上述游戏领域的自然语言化处理是指,按照游戏世界观以及符合游戏语言表达的方式,对游戏数据进行处理。经过该处理得到的初始游戏战报包括一段或多段文本,每段文本中的句子都符合游戏语言表达的方式,且句子的内涵都符合游戏世界观,本领域技术人员能够清楚地理解该句子所表达的游戏领域的含义。这种进行自然语言化处理的方式,能够让游戏战报模型更好地理解战报文本,提升模型的准确性,提高了游戏战报的便捷性。
S203:将初始游戏战报输入到游戏战报模型,游戏战报模型分析玩家的行为模式和策略选择,在初始游戏战报中标注目标对战的结果总结和优化策略,得到目标对战的游戏战报。
本申请实施例中,上述游戏战报模型是指具有生成游戏战报能力的模型,可以采用自然语言处理模型来实现。在一种实施方式下,该游戏战报模型可以为使用游戏数据进行有监督的微调训练后的大语言模型,而且,游戏战报可以由大语言模型使用提示词功能生成。另外,示例性地,上述大语言模型还可以在训练过程中针对游戏数据使用few-shot学习方式进行训练,本申请实施例对此不做具体限定。
上述优化策略可以至少包括以下一种:战法、武将搭配、武将走位、武将的技能释放顺序、升级等级级数、提升武器装备质量或属性加成程度等,本申请实施例对此不做具体限定。
在一种实施方式下,上述步骤S201可以包括:
响应于生成当前对战的游戏战报的请求,获取当前对战的游戏数据作为目标对战的游戏数据;或,响应于生成历史对战的游戏战报的请求,获取历史对战的游戏数据作为目标对战的游戏数据。
在一种实施方式下,上述步骤S202可以包括:
获取预先生成的游戏领域的语言模版,按照语言模版设置的字段和自然语言化的句式,将游戏数据填充到语言模板中,得到初始游戏战报。
在一种实施方式下,上述步骤S203可以包括:
将初始游戏战报输入到游戏战报模型,游戏战报模型对初始游戏战报中玩家的行为数据进行分析,得到玩家的行为模式,根据玩家的策略选择、行为模式以及目标对战的胜负生成结果总结;根据策略选择和结果总结生成游戏的优化策略;将结果总结和优化策略标注在初始游戏战报中,得到目标对战的游戏战报。
在一种实施方式下,上述方法还可以包括:
预先采集对战类游戏的游戏数据作为语料,按照预先生成的游戏领域的语言模版,对语料进行过滤得到训练样本,获取针对训练样本标注的结果总结和优化策略,使用训练样本和对应的标注,训练自然语言处理模型得到具有生成游戏战报能力的游戏战报模型。
在一种实施方式下,上述按照预先生成的游戏领域的语言模版,对语料进行过滤得到训练样本,可以包括:
对采集的语料进行数据清洗,去掉无效词语,按照预先生成的游戏领域的语言模版,对数据清洗后的语料进行过滤,筛选出符合语言模版中预设字段的词汇,并按照语言模版设定的自然语言化的句式处理词汇,得到训练样本。
本实施例提供的上述方法,通过响应于生成游戏战报的请求,获取目标对战的游戏数据,对游戏数据进行游戏领域的自然语言化处理得到初始游戏战报并输入游戏战报模型,由游戏战报模型分析玩家的行为模式和策略选择,在初始游戏战报中标注目标对战的结果总结和优化策略后得到目标对战的游戏战报,使得玩家可以直接从游戏战报中获取到结果总结和优化策略,极大地提升了游戏战报的应用价值、可读性和便捷性,有助于玩家在游戏中快速进步,增强了用户体验,提升了用户与游戏的粘合度,降低了游戏用户流失的概率。
本申请另一实施例提供了一种游戏战报生成方法,可以应用于服务器。如图3所示为本申请另一实施例的游戏战报生成方法流程图,该方法可以包括如下步骤。
S301:响应于生成游戏战报的请求,获取目标对战的游戏数据。
本申请实施例中,上述步骤S301可以具体包括:
响应于生成当前对战的游戏战报的请求,获取当前对战的游戏数据作为目标对战的游戏数据;或,响应于生成历史对战的游戏战报的请求,获取历史对战的游戏数据作为目标对战的游戏数据。
其中,当前对战或历史对战可以由客户端的用户即玩家选择,客户端可以在游戏界面上提供不同的按钮,用户通过选择需要的按钮来触发相应对战的战报生成请求。或者,客户端也可以在游戏界面上提供下拉菜单,用户通过选择下拉菜单中的不同选项来触发相应对战的战报生成请求。本申请实施例对具体实施方式不做限定。
S302:获取预先生成的游戏领域的语言模版。
其中,游戏领域的语言模版至少包括字段,进一步还可以包括句式。语言模版中的字段可以为一个或多个,可以预先根据需要设置。语言模版中的字段均为对生成游戏战报有意义的字段,即与游戏战报无关的字段可以忽略不设置在语言模版中。例如,设置语言模版中包括如下至少一个字段:敌我双方标识、战法、武将、装备、属性加成、策略选择或杀敌数等。
上述语言模版中的句式是指一个句子的语法结构,可以按照符合游戏语言表达的方式来设置。例如,句式为“主语+谓语+宾语”结构等。句式的设置能够保证句子的表达含义清楚且无歧义,从而能够保证游戏战报的准确性。
S303:按照语言模版设置的字段和自然语言化的句式,将游戏数据填充到语言模板中,得到初始游戏战报。
本申请实施例中,游戏数据包括玩家的游戏操作和游戏状态。其中,游戏操作包括玩家在战斗中执行的各种操作,游戏状态包括玩家的各种属性信息。例如,游戏数据包括:属性加成了多少,发动了哪些战法或造成了多少伤害等。通常,游戏数据比较庞杂,甚至没有条理性,因此,将其填充到语言模版中可以得到符合语言模版字段和句式的文字表达,方便游戏战报模型理解和处理。
进一步地,还可以对初始游戏战报中的文本进行优化处理,按照自然语言规律进行优化,使其更加简洁、准确以及易于理解。
本申请实施例中的初始游戏战报是指根据游戏数据整理出来的,符合游戏语言表达的文本,能够真实反映游戏中的各种操作和状态,但是还不具有战果分析和总结以及进一步地优化策略,因此称为初始游戏战报。该初始游戏战报作为游戏战报模型的输入,经过游戏战报模型的处理后,能够输出具有结果总结和优化策略的游戏战报。
S304:将初始游戏战报输入到游戏战报模型,游戏战报模型对初始游戏战报中玩家的行为数据进行分析,得到玩家的行为模式,根据玩家的策略选择、行为模式以及目标对战的胜负生成结果总结。
其中,玩家的行为模式可以理解在用户在游戏过程中的一些操作习惯,如用户经常选择的武将、经常使用的策略或经常使用的武器装备等。该行为模式可以用来分析用户的操作对战斗结果的影响,如是导致战斗胜利的概率大,还是导致战斗失败的概率大等。
本申请实施例中的结果总结是指对目标对战的胜负结果进行分析得出的结论。用户可以通过该结论获知目标对战中的表现如何,如哪里表现较好,哪里出现失误等,从而可以对目标对战有个清楚的认识和理解。
本申请实施例中,上述游戏战报模型可以为使用游戏数据进行SFT训练后的LLM。进一步地,SFT训练后的LLM还可以使用提示词功能还生成游戏战报,从而得到更符合玩家需求的游戏战报,以及为玩家输出合理的战报分析以及策略优化决策。
在一种实施方式下,上述大语言模型可以在训练过程中针对游戏数据使用few-shot学习方式进行训练。few-shot学习方式可以解决数据样本稀缺的问题,通过对少量的数据样本进行学习,可以使游戏战报模型对于游戏领域的语言规律和特点有更深入的理解和掌握,进而能够生成更准确的游戏战报。
S305:根据策略选择和结果总结生成游戏的优化策略。
本申请实施例中,上述优化策略是指对当前玩家使用的策略进行优化和调整后得到的策略,可以作为玩家后续游戏过程中的辅助决策,从而可以提供更加符合玩家需求的游戏体验和游戏玩法,帮助玩家在游戏中得到快速进步和提升。
在一种实施方式下,上述优化策略可以至少包括以下一种:战法、武将搭配、武将走位、武将的技能释放顺序、升级等级级数、提升武器装备质量或属性加成程度等,本申请实施例对此不做具体限定。例如,游戏战报中的优化策略包括:战法搭配如何更优、装备属性加成不够和武将搭配问题所在。
S306:将结果总结和优化策略标注在初始游戏战报中,得到目标对战的游戏战报。
本申请实施例中,初始游戏战报中已包括目标对战的游戏数据,且经自然语言化处理后得到一段或段文本。在进行标注时,可以为每个段落标注结果总结和优化策略,从而得到游戏战报。例如,目标对战包括10个回合,对应初始游戏战报中的10段文本,为每段文本标注结果总结和优化策略,即为每个回合标注结果总结和优化策略,从而得到最终的游戏战报。
本实施例提供的上述方法,生成的游戏战报使得玩家可以直接从游戏战报中获取到结果总结和优化策略,解决游戏玩家无法读懂战报的问题,极大地提升了游戏战报的应用价值、可读性和便捷性。为游戏玩家提供战报分析及游戏决策,为用户提供一条便捷的战报分析途径,有助于玩家在游戏中快速进步,能更好的提升玩家的游戏水平。不仅增强了用户体验,提升了用户与游戏的粘合度,而且降低了游戏用户流失的概率。
本申请上述任一实施例中,在使用游戏战报模型之前还可以包括模型训练的步骤。如图4所示为本申请另一实施例的模型训练过程的流程图,该过程可以包括如下步骤。
S401:预先采集对战类游戏的游戏数据作为语料。
其中,可以具体采集包括玩家的操作行为和策略选择的游戏数据。
S402:对采集的语料进行数据清洗,去掉无效词语。
其中,无效词语可以为对游戏来说无意义的修饰词或者语气叹词等,本申请实施例对此不做具体限定。
S403:按照预先生成的游戏领域的语言模版,对数据清洗后的语料进行过滤,筛选出符合语言模版中预设字段的词汇,并按照语言模版设定的自然语言化的句式处理词汇,得到训练样本。
其中,数据清洗可以达到保留符合语言模版中预设字段的词汇的效果,与该预设字段无关的词汇视为与游戏战报无关,则无需保留。另外,还可以根据需要对筛选后的数据进行归一化处理等操作,方便统计分析等,本申请实施例对此不做具体限定。
S404:获取针对训练样本标注的结果总结和优化策略。
本申请实施例中,为了提高训练的准确性,可以采用人工标注的方式,如可以采用高级玩家标注结果总结和优化策略的方式。因此,上述步骤S404可以具体为获取人工对训练样本标注的结果总结和优化策略。例如,获取的标注包括:“周瑜战法选择可优化为XXX,武将搭配可更改为YYY”,“等级差距太大,请提升等级级数”,或者“装备差距太大,请提升装备质量”等。
S405:使用训练样本和对应的标注,训练自然语言处理模型得到具有生成游戏战报能力的游戏战报模型。
其中,训练样本和对应的标注作为自然语言处理模型的输入,对自然语言处理模型进行训练,使得训练后的模型能够输出游戏战报。
上述使用游戏垂类领域的语料训练模型,能够克服LLM无法充分涵盖游戏领域的特定语言规律和语义特征的缺陷。经过SFT训练的LLM,可以使LLM适应特定的游戏垂类领域,提高其在该领域的表现能力。不仅可以更准确地对游戏战报进行语义分析,对游戏玩家的行为模式和策略选择进行深度挖掘,而且在游戏内提供战报分析输出,为游戏玩家提供更优质的对战决策以及辅助决策,进而提升玩家的游戏体验。
图5是本申请另一实施例的游戏战报生成过程示意图。如图5所示,初始化时先对LLM进行训练以及生成语言模版。其中,模型训练可以使用自然语言化的历史战报和游戏专有数据对LLM进行垂域训练,然后进行SFT训练,得到有监督微调训练后的大语言模型SFT-LLM。语言模版的设计可以根据游戏领域的特点,先定义战报内容如定义多个字段,然后定义句式得到语言模版。在游戏界面上可以预留入口,当游戏玩家通过触发该入口发起生成游戏战报的请求后,根据该请求针对的目标对战获取对应的游戏数据,并进行战报自然语言化处理。该自然语言化处理包括将获取的游戏数据填充至语言模版中并进行优化表达处理,从而可以得到初始游戏战报。然后将初始游戏战报输入训练好的模型SFT-LLM,结合提示词Prompt功能进行分析,标注目标对战的结果总结和优化策略,得到目标对战的游戏战报,从而可以辅助玩家进行游戏策略优化,提升游戏体验。
与本申请实施例提供的方法的应用场景以及方法相对应地,本申请实施例还提供一种游戏战报生成装置。如图6所示为本申请一实施例的游戏战报生成装置的结构框图,该装置可以包括:
响应模块601,用于响应于生成游戏战报的请求,获取目标对战的游戏数据;
处理模块602,用于对游戏数据进行游戏领域的自然语言化处理,得到初始游戏战报;
生成模块603,用于将初始游戏战报输入到游戏战报模型,游戏战报模型分析玩家的行为模式和策略选择,在初始游戏战报中标注目标对战的结果总结和优化策略,得到目标对战的游戏战报。
在一种实施方式下,处理模块可以具体用于:获取预先生成的游戏领域的语言模版,按照语言模版设置的字段和自然语言化的句式,将游戏数据填充到语言模板中,得到初始游戏战报。
在一种实施方式下,生成模块可以具体用于:将初始游戏战报输入到游戏战报模型,游戏战报模型对初始游戏战报中玩家的行为数据进行分析,得到玩家的行为模式,根据玩家的策略选择、行为模式以及目标对战的胜负生成结果总结;根据策略选择和结果总结生成游戏的优化策略;将结果总结和优化策略标注在初始游戏战报中,得到目标对战的游戏战报。
在一种实施方式下,上述游戏战报模型可以为使用游戏数据进行有监督的微调训练后的大语言模型,游戏战报由大语言模型使用提示词功能生成。
在一种实施方式下,上述大语言模型可以在训练过程中针对游戏数据使用few-shot学习方式进行训练。
在一种实施方式下,上述装置还包括:
采集模块,用于预先采集对战类游戏的游戏数据作为语料;
过滤模块,用于按照预先生成的游戏领域的语言模版,对语料进行过滤得到训练样本;
获取模块,用于获取针对训练样本标注的结果总结和优化策略;
训练模块,用于使用训练样本和对应的标注,训练自然语言处理模型得到具有生成游戏战报能力的游戏战报模型。
在一种实施方式下,过滤模块可以具体用于:对采集的语料进行数据清洗,去掉无效词语,按照预先生成的游戏领域的语言模版,对数据清洗后的语料进行过滤,筛选出符合语言模版中预设字段的词汇,并按照语言模版设定的自然语言化的句式处理词汇,得到训练样本。
本申请实施例中,优化策略可以至少包括以下一种:战法、武将搭配、武将走位、武将的技能释放顺序、升级等级级数、提升武器装备质量或属性加成程度。
在一种实施方式下,响应模块可以具体用于:响应于生成当前对战的游戏战报的请求,获取当前对战的游戏数据作为目标对战的游戏数据;或,响应于生成历史对战的游戏战报的请求,获取历史对战的游戏数据作为目标对战的游戏数据。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述,并具备相应的有益效果,在此不再赘述。
本实施例提供的上述装置,通过响应于生成游戏战报的请求,获取目标对战的游戏数据,对游戏数据进行游戏领域的自然语言化处理得到初始游戏战报并输入游戏战报模型,由游戏战报模型分析玩家的行为模式和策略选择,在初始游戏战报中标注目标对战的结果总结和优化策略后得到目标对战的游戏战报,使得玩家可以直接从游戏战报中获取到结果总结和优化策略,极大地提升了游戏战报的应用价值、可读性和便捷性,有助于玩家在游戏中快速进步,增强了用户体验,提升了用户与游戏的粘合度,降低了游戏用户流失的概率。
图7为用来实现本申请实施例的电子设备的框图。如图7所示,该电子设备包括:存储器710和处理器720,存储器710内存储有可在处理器720上运行的计算机程序。处理器720执行该计算机程序时实现上述实施例中的方法。存储器710和处理器720的数量可以为一个或多个。
该电子设备还包括:通信接口730,用于与外界设备进行通信,进行数据交互传输。
如果存储器710、处理器720和通信接口730独立实现,则存储器710、处理器720和通信接口730可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图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。
可选的,在具体实现上,如果存储器710、处理器720及通信接口730集成在一块芯片上,则存储器710、处理器720及通信接口730可以通过内部接口完成相互间的通信。
本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现本申请实施例中提供的方法。
本申请实施例还提供了一种芯片,该芯片包括处理器,用于从存储器中调用并运行存储器中存储的指令,使得安装有芯片的通信设备执行本申请实施例提供的方法。
本申请实施例还提供了一种芯片,包括:输入接口、输出接口、处理器和存储器,输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连,处理器用于执行存储器中的代码,当代码被执行时,处理器用于执行申请实施例提供的方法。
应理解的是,上述处理器可以是中央处理器(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是,处理器可以是支持进阶精简指令集机器(Advanced RISC Machines,ARM)架构的处理器。
进一步地,可选的,上述存储器可以包括只读存储器和随机访问存储器。该存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以包括随机访问存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM均可用。例如,静态随机访问存储器(Static RAM,SRAM)、动态随机访问存储器(Dynamic Random Access Memory,DRAM)、同步动态随机访问存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机访问存储器(Double Data RateSDRAM,DDR SDRAM)、增强型同步动态随机访问存储器(Enhanced SDRAM,ESDRAM)、同步链接动态随机访问存储器(Sync link DRAM,SLDRAM)和直接内存总线随机访问存储器(DirectRambus RAM,DR RAM)。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生依照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
流程图中描述的或在此以其他方式描述的任何过程或方法可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能。
在流程图中描述的或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。
应理解的是,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器,磁盘或光盘等。
需要说明的是,本申请实施例中可能会涉及到对用户数据的使用,在实际应用中,可以在符合所在国的适用法律法规要求的情况下(例如,用户明确同意,对用户切实通知,等),在适用法律法规允许的范围内在本文描述的方案中使用用户特定的个人数据。
以上所述,仅为本申请的示例性实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请记载的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种游戏战报生成方法,其特征在于,所述方法包括:
响应于生成游戏战报的请求,获取目标对战的游戏数据;
对所述游戏数据进行游戏领域的自然语言化处理,得到初始游戏战报;
将所述初始游戏战报输入到游戏战报模型,所述游戏战报模型分析玩家的行为模式和策略选择,在所述初始游戏战报中标注目标对战的结果总结和优化策略,得到目标对战的游戏战报。
2.根据权利要求1所述的方法,其特征在于,对所述游戏数据进行游戏领域的自然语言化处理,得到初始游戏战报,包括:
获取预先生成的游戏领域的语言模版;
按照所述语言模版设置的字段和自然语言化的句式,将所述游戏数据填充到所述语言模板中,得到初始游戏战报。
3.根据权利要求1所述的方法,其特征在于,所述游戏战报模型分析玩家的行为模式和策略选择,在所述初始游戏战报中标注目标对战的结果总结和优化策略,得到目标对战的游戏战报,包括:
所述游戏战报模型对所述初始游戏战报中玩家的行为数据进行分析,得到玩家的行为模式,根据玩家的策略选择、所述行为模式以及目标对战的胜负生成结果总结;
根据所述策略选择和所述结果总结生成游戏的优化策略;
将所述结果总结和优化策略标注在所述初始游戏战报中,得到目标对战的游戏战报。
4.根据权利要求3所述的方法,其特征在于,所述游戏战报模型为使用游戏数据进行有监督的微调训练后的大语言模型,所述游戏战报由所述大语言模型使用提示词功能生成。
5.根据权利要求4所述的方法,其特征在于,所述大语言模型在训练过程中针对所述游戏数据使用few-shot学习方式进行训练。
6.根据权利要求1所述的方法,其特征在于,还包括:
预先采集对战类游戏的游戏数据作为语料;
按照预先生成的游戏领域的语言模版,对所述语料进行过滤得到训练样本;
获取针对所述训练样本标注的结果总结和优化策略;
使用所述训练样本和对应的标注,训练自然语言处理模型得到具有生成游戏战报能力的游戏战报模型。
7.根据权利要求6所述的方法,其特征在于,按照预先生成的游戏领域的语言模版,对所述语料进行过滤得到训练样本,包括:
对采集的语料进行数据清洗,去掉无效词语;
按照预先生成的游戏领域的语言模版,对数据清洗后的语料进行过滤,筛选出符合所述语言模版中预设字段的词汇,并按照所述语言模版设定的自然语言化的句式处理所述词汇,得到训练样本。
8.根据权利要求1所述的方法,其特征在于,所述优化策略至少包括以下一种:战法、武将搭配、武将走位、武将的技能释放顺序、升级等级级数、提升武器装备质量或属性加成程度。
9.根据权利要求1所述的方法,其特征在于,响应于生成游戏战报的请求,获取目标对战的游戏数据,包括:
响应于生成当前对战的游戏战报的请求,获取当前对战的游戏数据作为目标对战的游戏数据;或,
响应于生成历史对战的游戏战报的请求,获取历史对战的游戏数据作为目标对战的游戏数据。
10.一种游戏战报生成装置,其特征在于,所述装置包括:
响应模块,用于响应于生成游戏战报的请求,获取目标对战的游戏数据;
处理模块,用于对所述游戏数据进行游戏领域的自然语言化处理,得到初始游戏战报;
生成模块,用于将所述初始游戏战报输入到游戏战报模型,所述游戏战报模型分析玩家的行为模式和策略选择,在所述初始游戏战报中标注目标对战的结果总结和优化策略,得到目标对战的游戏战报。
11.一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器在执行所述计算机程序时实现权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311122087.5A CN117224975A (zh) | 2023-08-31 | 2023-08-31 | 游戏战报生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311122087.5A CN117224975A (zh) | 2023-08-31 | 2023-08-31 | 游戏战报生成方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117224975A true CN117224975A (zh) | 2023-12-15 |
Family
ID=89092230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311122087.5A Pending CN117224975A (zh) | 2023-08-31 | 2023-08-31 | 游戏战报生成方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117224975A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101063989A (zh) * | 2006-04-26 | 2007-10-31 | 珠海市西山居软件有限公司 | 一种可显示即时战报的大规模pk战斗网络游戏系统 |
CN110180176A (zh) * | 2019-06-06 | 2019-08-30 | 腾讯科技(深圳)有限公司 | 战报展示界面的显示方法、装置、设备及可读存储介质 |
CN111836670A (zh) * | 2018-03-15 | 2020-10-27 | 科乐美数码娱乐株式会社 | 游戏倾向分析系统及其计算机程序和分析方法 |
CN112263835A (zh) * | 2020-11-16 | 2021-01-26 | 网易(杭州)网络有限公司 | 游戏平衡性测试方法、装置、电子设备和存储介质 |
CN113253976A (zh) * | 2021-06-16 | 2021-08-13 | 武汉卧友网络科技有限公司 | 一种基于游戏记录分析的研发模块构建方法及系统 |
CN115774774A (zh) * | 2021-09-07 | 2023-03-10 | 辉达公司 | 使用自然语言处理从游戏日志中提取事件信息 |
CN116271819A (zh) * | 2023-03-27 | 2023-06-23 | 北京字跳网络技术有限公司 | 一种内容展示方法、装置、计算机设备及存储介质 |
KR20230115731A (ko) * | 2022-01-27 | 2023-08-03 | 주식회사 써니마인드 | 언어 모델을 기초로 생성된 인공신경망을 이용한 게임 리뷰 분석 방법 및 장치 |
-
2023
- 2023-08-31 CN CN202311122087.5A patent/CN117224975A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101063989A (zh) * | 2006-04-26 | 2007-10-31 | 珠海市西山居软件有限公司 | 一种可显示即时战报的大规模pk战斗网络游戏系统 |
CN111836670A (zh) * | 2018-03-15 | 2020-10-27 | 科乐美数码娱乐株式会社 | 游戏倾向分析系统及其计算机程序和分析方法 |
CN110180176A (zh) * | 2019-06-06 | 2019-08-30 | 腾讯科技(深圳)有限公司 | 战报展示界面的显示方法、装置、设备及可读存储介质 |
CN112263835A (zh) * | 2020-11-16 | 2021-01-26 | 网易(杭州)网络有限公司 | 游戏平衡性测试方法、装置、电子设备和存储介质 |
CN113253976A (zh) * | 2021-06-16 | 2021-08-13 | 武汉卧友网络科技有限公司 | 一种基于游戏记录分析的研发模块构建方法及系统 |
CN115774774A (zh) * | 2021-09-07 | 2023-03-10 | 辉达公司 | 使用自然语言处理从游戏日志中提取事件信息 |
KR20230115731A (ko) * | 2022-01-27 | 2023-08-03 | 주식회사 써니마인드 | 언어 모델을 기초로 생성된 인공신경망을 이용한 게임 리뷰 분석 방법 및 장치 |
CN116271819A (zh) * | 2023-03-27 | 2023-06-23 | 北京字跳网络技术有限公司 | 一种内容展示方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
DUODUOWEIYI: "LLMs大语言模型在游戏和娱乐领域的应用有哪些?", pages 1 - 3, Retrieved from the Internet <URL:http://www.cnlangchain.com/articles/259> * |
HOYANZHANG: "从 ChatGPT 切入,浅谈大语言模型(LLM)在游戏生态中的应用前瞻", Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/614753394> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
LeClair et al. | A neural model for generating natural language summaries of program subroutines | |
Campbell et al. | NLP2Code: Code snippet content assist via natural language tasks | |
CN110489520A (zh) | 基于知识图谱的事件处理方法、装置、设备和存储介质 | |
CN109408821B (zh) | 一种语料生成方法、装置、计算设备及存储介质 | |
CN111506712B (zh) | 对话系统、对话方法、程序以及存储介质 | |
WO2021012649A1 (zh) | 问答样本的扩展方法及装置 | |
CN114186019A (zh) | 结合rpa和ai的企业项目的审核方法及装置 | |
CN113505198B (zh) | 关键词驱动的生成式对话回复方法、装置及电子设备 | |
CN112667796B (zh) | 一种对话回复方法、装置、电子设备及可读存储介质 | |
KR20220158573A (ko) | 페르소나 챗봇 제어 방법 및 시스템 | |
CN109658931B (zh) | 语音交互方法、装置、计算机设备及存储介质 | |
CN116663525A (zh) | 一种文档审核方法、装置、设备及存储介质 | |
CN116821290A (zh) | 面向多任务对话的大语言模型训练方法和交互方法 | |
CN115510194A (zh) | 问答语句检索方法、装置、电子设备及存储介质 | |
CN111553138A (zh) | 用于规范内容结构文档的辅助写作方法及装置 | |
CN110970030A (zh) | 一种语音识别转换方法及系统 | |
CN113901837A (zh) | 一种意图理解方法、装置、设备及存储介质 | |
CN112966076A (zh) | 智能问答问题的生成方法、装置、计算机设备及存储介质 | |
CN113268589B (zh) | 关键用户识别方法、装置、可读存储介质和计算机设备 | |
CN117085251A (zh) | 基于场景确定干预刺激模式的经颅直流电刺激装置 | |
CN116680391A (zh) | 定制对话方法、定制对话模型的训练方法、装置和设备 | |
CN117224975A (zh) | 游戏战报生成方法、装置、电子设备及存储介质 | |
CN116637375A (zh) | 智能剧情生成方法及装置 | |
CN115658921A (zh) | 一种基于预训练语言模型的开放域科学知识发现方法和装置 | |
CN115935358A (zh) | 一种恶意软件识别方法、装置、电子设备及存储介质 |
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 |