KR20210000181A - Method for processing game data - Google Patents
Method for processing game data Download PDFInfo
- Publication number
- KR20210000181A KR20210000181A KR1020190075169A KR20190075169A KR20210000181A KR 20210000181 A KR20210000181 A KR 20210000181A KR 1020190075169 A KR1020190075169 A KR 1020190075169A KR 20190075169 A KR20190075169 A KR 20190075169A KR 20210000181 A KR20210000181 A KR 20210000181A
- Authority
- KR
- South Korea
- Prior art keywords
- activity
- game
- log
- activity information
- information
- Prior art date
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
- A63F13/77—Game security or game management aspects involving data related to game devices or game servers, e.g. configuration data, software version or amount of memory
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/55—Controlling game characters or game objects based on the game progress
- A63F13/58—Controlling game characters or game objects based on the game progress by computing conditions of game characters, e.g. stamina, strength, motivation or energy level
-
- 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
- A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
- A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 개시는 데이터 처리하는 방법으로써 보다 구체적으로는 게임 데이터를 처리하기 위한 방법에 관한 것이다. The present disclosure relates to a data processing method, and more specifically, to a method for processing game data.
전자 통신 기술의 발달로 게임을 즐기는 사람이 증가하면서 전략 시뮬레이션 게임, 롤플레잉 게임 등 다양한 종류의 게임이 개발되었다. 이러한 게임들은 온라인 및 오프라인 상황에서도 게임을 진행할 수 있고, 특히 온라인 게임은 시공간의 제약이 없어 수많은 유저들이 쉽게 모여 함께 게임을 즐길 수 있다. With the development of electronic communication technology, as the number of people who enjoy games increases, various types of games such as strategy simulation games and role-playing games have been developed. These games can be played in both online and offline situations. In particular, online games have no time and space constraints, so a large number of users can easily gather and enjoy the game together.
게임을 즐기는 유저의 수가 증가함에 따라, 축적되는 게임 데이터의 양도 증가하고 있다. 또한 게임을 즐기는 유저의 수가 증가함에 따라 기업들의 경쟁이 치열하다. 치열한 경쟁에서 생존하기 위해 방대한 양의 게임 데이터를 활용하여 유저에게 서비스를 제공하는 방법에 대해 당업계의 수요가 존재할 수 있다. As the number of users enjoying the game increases, the amount of accumulated game data also increases. In addition, as the number of users who enjoy games increases, competition among companies is fierce. There may be a demand in the art for a method of providing services to users by utilizing vast amounts of game data in order to survive the fierce competition.
따라서 최근에는 방대한 양의 게임 데이터 처리를 통해 유저에게 필요한 서비스를 제공하는 다양한 방법이 연구 및 개발되고 있다.Therefore, in recent years, various methods of providing necessary services to users through processing of vast amounts of game data have been researched and developed.
대한민국 공개특허공보 제 2019-0015441호에서는 온라인 게임 캐릭터의 조작을 위한 사용자 인터페이스의 실시간 재구성 장치 및 방법을 개시하고 있다.Korean Patent Publication No. 2019-0015441 discloses an apparatus and method for real-time reconfiguration of a user interface for manipulation of an online game character.
본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 데이터를 처리하기 위한 방법을 제공하기 위함이다. The present disclosure is conceived in response to the aforementioned background technology, and is to provide a method for processing data.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라, 컴퓨터 판독가능 저장 매체에 저장되어 컴퓨터로 하여금 이하의 동작들을 수행하도록 하는 명령들을 포함하는 컴퓨터 프로그램이 개시된다. 상기 동작들은 게임 로그를 획득하는 동작; 상기 게임 로그에서 활동 로그 및 결과 로그를 추출하는 동작; 상기 활동 로그 또는 상기 결과 로그 중 적어도 하나를 활동 정보 생성 모델에 입력시켜 활동 정보를 획득하는 동작; 및 사용자 단말의 요청에 기초하여 활동 정보를 제공하는 동작을 포함할 수 있다.According to an embodiment of the present disclosure for realizing the above-described problem, a computer program is disclosed that includes instructions stored in a computer-readable storage medium to cause a computer to perform the following operations. The operations may include obtaining a game log; Extracting an activity log and a result log from the game log; Inputting at least one of the activity log or the result log into an activity information generation model to obtain activity information; And providing activity information based on the request of the user terminal.
대안적 실시예에서, 상기 활동 로그는, 게임 상에서 캐릭터의 활동 기록, 캐릭터의 정보 또는 게임 환경 정보 중 적어도 하나를 포함할 수 있다.In an alternative embodiment, the activity log may include at least one of a character activity record, character information, or game environment information on a game.
대안적 실시예에서, 상기 결과 로그는, 게임 상에서 캐릭터의 활동으로 야기된 결과에 대한 기록을 포함할 수 있다.In an alternative embodiment, the result log may include a record of results caused by the character's activity in the game.
대안적 실시예에서, 상기 활동 정보는, 상기 활동 로그를 포함하는 제 1 활동 정보 또는 상기 활동 로그에 기초하여 생성된 제 2 활동 정보 중 적어도 하나를 포함할 수 있다.In an alternative embodiment, the activity information may include at least one of first activity information including the activity log or second activity information generated based on the activity log.
대안적 실시예에서, 상기 활동 정보는, 사용자 단말로부터 수신된 목표 정보에 기초하여 결정될 수 있다.In an alternative embodiment, the activity information may be determined based on target information received from the user terminal.
대안적 실시예에서, 사용자 단말의 요청에 기초하여 결과 정보를 생성하는 동작을 더 포함하고, 상기 결과 정보는, 상기 활동 정보를 기초로 게임 상의 캐릭터가 활동한 결과를 예측한 정보를 포함할 수 있다.In an alternative embodiment, the operation of generating result information based on the request of the user terminal may be further included, and the result information may include information predicting a result of the activity of the character in the game based on the activity information. have.
대안적 실시예에서, 상기 활동 정보 생성 모델은, 제 1 활동 정보를 획득하기 위한 확률론적 시퀸스 모델을 포함하는 제 1 서브 모델을 포함할 수 있다.In an alternative embodiment, the activity information generation model may include a first sub-model including a probabilistic sequence model for obtaining first activity information.
대안적 실시예에서, 상기 확률론적 시퀸스 모델은, 상기 활동 로그에 포함된 컴포넌트인 복수개의 활동 패턴 각각의 확률 값에 기초하여 상기 활동 정보를 생성하는 모델을 포함할 수 있다.In an alternative embodiment, the probabilistic sequence model may include a model that generates the activity information based on probability values of each of a plurality of activity patterns that are components included in the activity log.
대안적 실시예에서, 상기 활동 정보 생성 모델은, 제 2 활동 정보를 획득하기 위한 제 2 서브 모델을 포함하고, 제 2 활동 정보를 획득하기 위한 제 2 서브 모델은, 상기 활동 로그에 기초하여 제 2 활동 정보를 획득하기 위한 강화학습 모델을 포함할 수 있다.In an alternative embodiment, the activity information generation model includes a second sub-model for obtaining second activity information, and the second sub-model for obtaining second activity information is based on the activity log. 2 A reinforcement learning model for acquiring activity information may be included.
대안적 실시예에서, 상기 강화학습 모델은, 상기 활동 로그에서 게임 상태를 획득하고, 상기 게임 상태를 강화학습 모델을 이용하여 연산함으로써 사전결정된 결과 정보를 도출하도록 하는 제 2 활동 정보를 획득하기 위한 모델을 포함할 수 있다.In an alternative embodiment, the reinforcement learning model is for obtaining second activity information for obtaining a game state from the activity log and calculating the game state using a reinforcement learning model to derive predetermined result information. Can contain models.
대안적 실시예에서, 상기 강화학습 모델은, 근사 가치 함수(value function approximator)를 이용하여 제 2 활동 정보를 획득하기 위한 모델을 포함할 수 있다.In an alternative embodiment, the reinforcement learning model may include a model for obtaining second activity information using a value function approximator.
대안적 실시예에서, 상기 근사 가치 함수는, 실제 가치 함수와 근사 가치 함수의 차이를 줄이도록 학습된 파라미터를 이용하여, 활동 로그에서 획득한 게임 상태를 입력 받아 실제 가치 함수와 근사한 값을 산출하는 함수를 포함할 수 있다.In an alternative embodiment, the approximate value function uses a parameter learned to reduce the difference between the actual value function and the approximate value function, and calculates a value approximating the actual value function by receiving the game state obtained from the activity log. May contain functions.
대안적 실시예에서, 사용자 단말의 요청에 기초하여 활동 정보를 제공하는 동작은, 사용자 단말의 게임 화면에서 사용자가 적어도 하나 이상의 스킬을 상기 활동 정보에 기초하여 선택하도록 야기하는 동작을 포함할 수 있다.In an alternative embodiment, the operation of providing the activity information based on the request of the user terminal may include causing the user to select at least one or more skills based on the activity information on the game screen of the user terminal. .
대안적 실시예에서, 상기 제공받은 활동 정보에 기초하여 게임 상의 캐릭터 동작을 야기하는 동작을 더 포함할 수 있다.In an alternative embodiment, it may further include an action for causing a character motion in the game based on the provided activity information.
본 개시의 다른 일 실시예에 따라 게임 데이터를 처리하기 위한 방법이 개시된다. 게임 로그를 획득하는 단계; 상기 게임 로그에서 활동 로그 및 결과 로그를 추출하는 단계; 상기 활동 로그 또는 상기 결과 로그 중 적어도 하나를 활동 정보 생성 모델에 입력시켜 활동 정보를 획득하는 단계; 및 사용자 단말의 요청에 기초하여 활동 정보를 제공하는 단계를 포함할 수 있다.A method for processing game data according to another embodiment of the present disclosure is disclosed. Obtaining a game log; Extracting an activity log and a result log from the game log; Obtaining activity information by inputting at least one of the activity log or the result log into an activity information generation model; And providing activity information based on the request of the user terminal.
본 개시의 다른 일 실시예에 따라 컴퓨팅 장치가 개시된다. 상기 컴퓨팅 장치는 하나 이상의 프로세서; 및 상기 프로세서에서 실행가능한 명령들을 저장하는 메모리; 를 포함하고, 상기 하나 이상의 프로세서는, 게임 로그를 획득하고, 상기 게임 로그에서 활동 로그 및 결과 로그를 추출하고, 상기 활동 로그 또는 상기 결과 로그 중 적어도 하나를 활동 정보 생성 모델에 입력시켜 활동 정보를 획득하고, 그리고 사용자 단말의 요청에 기초하여 활동 정보를 제공할 수 있다.A computing device is disclosed according to another embodiment of the present disclosure. The computing device may include one or more processors; And a memory storing instructions executable in the processor. Including, wherein the at least one processor acquires a game log, extracts an activity log and a result log from the game log, and inputs at least one of the activity log or the result log into an activity information generation model to provide activity information And provide activity information based on the request of the user terminal.
본 개시의 일 실시예에 따라, 데이터를 처리하는 방법을 제공할 수 있다. According to an embodiment of the present disclosure, a method of processing data may be provided.
상기 언급된 본 개시내용의 특징들이 상세하게, 보다 구체화된 설명으로, 이하의 실시예들을 참조하여 이해될 수 있도록, 실시예들 중 일부는 첨부되는 도면에서 도시된다. 또한, 도면과의 유사한 참조번호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭하는 것으로 의도된다. 그러나, 첨부된 도면들은 단지 본 개시내용의 특정한 전형적인 실시예들만을 도시하는 것일 뿐, 본 발명의 범위를 한정하는 것으로 고려되지는 않으며, 동일한 효과를 갖는 다른 실시예들이 충분히 인식될 수 있다는 점을 유의하도록 한다.
도 1은 본 개시의 일 실시예에 따른 게임 데이터를 처리하기 위한 컴퓨팅 장치의 블록 구성도이다.
도 2는 본 개시의 일 실시예에 따라 게임 데이터를 처리하기 위한 네트워크 함수를 나타낸 개략도이다.
도 3은 본 개시의 일 실시예에 따라 활동 정보를 제공하는 방법을 설명하기 위한 예시도이다.
도 4는 본 개시의 일 실시예에 따라 캐릭터 정보에 기초하여 활동 정보를 제공하는 방법을 설명하기 위한 예시도이다.
도 5는 본 개시의 일 실시예에 따라 게임 환경 정보에 기초하여 활동 정보를 제공하는 방법을 설명하기 위한 예시도이다.
도 6a 및 도 6b는 본 개시의 일 실시예에 따라 근사 가치 함수를 설명하기 위한 예시도이다.
도 7은 본 개시의 일 실시예에 따라 게임 데이터를 처리하는 방법의 순서도이다.
도 8은 본 개시의 일 실시예에 따라 게임 데이터를 처리하기 위한 모듈을 도시한 블록 구성도이다.
도 9은 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.In order that the features of the present disclosure mentioned above may be understood in detail, in a more specific description, with reference to the following embodiments, some of the embodiments are shown in the accompanying drawings. In addition, like reference numbers in the drawings are intended to refer to the same or similar functions over several aspects. However, the accompanying drawings are merely illustrative of specific exemplary embodiments of the present disclosure, and are not considered to limit the scope of the present disclosure, and other embodiments having the same effect may be sufficiently recognized. Be careful.
1 is a block diagram of a computing device for processing game data according to an embodiment of the present disclosure.
2 is a schematic diagram showing a network function for processing game data according to an embodiment of the present disclosure.
3 is an exemplary diagram for explaining a method of providing activity information according to an embodiment of the present disclosure.
4 is an exemplary diagram for describing a method of providing activity information based on character information according to an embodiment of the present disclosure.
5 is an exemplary diagram for explaining a method of providing activity information based on game environment information according to an embodiment of the present disclosure.
6A and 6B are exemplary diagrams for describing an approximate value function according to an embodiment of the present disclosure.
7 is a flowchart of a method of processing game data according to an embodiment of the present disclosure.
8 is a block diagram illustrating a module for processing game data according to an embodiment of the present disclosure.
9 is a simplified and general schematic diagram of an exemplary computing environment in which embodiments of the present disclosure may be implemented.
다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.Various embodiments are now described with reference to the drawings. In this specification, various descriptions are presented to provide an understanding of the present disclosure. However, it is clear that these embodiments may be implemented without this specific description.
본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.The terms "component", "module", "system" and the like as used herein refer to computer-related entities, hardware, firmware, software, a combination of software and hardware, or execution of software. For example, a component may be, but is not limited to, a process executed on a processor, a processor, an object, an execution thread, a program, and/or a computer. For example, both an application running on a computing device and a computing device may be components. One or more components may reside within a processor and/or thread of execution. A component can be localized on a single computer. A component can be distributed between two or more computers. In addition, these components can execute from a variety of computer readable media having various data structures stored therein. Components can be, for example, via a signal with one or more data packets (e.g., data from one component interacting with another component in a local system, a distributed system, and/or a signal through another system and a network such as the Internet. Depending on the data being transmitted), it may communicate via local and/or remote processes.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.In addition, the term “or” is intended to mean an inclusive “or” rather than an exclusive “or”. That is, unless specified otherwise or is not clear from the context, "X employs A or B" is intended to mean one of the natural inclusive substitutions. That is, X uses A; X uses B; Or, when X uses both A and B, “X uses A or B” can be applied to either of these cases. In addition, the term "and/or" as used herein should be understood to refer to and include all possible combinations of one or more of the listed related items.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.In addition, the terms "comprising" and/or "comprising" are to be understood as meaning that the corresponding features and/or components are present. However, it is to be understood that the terms "comprising" and/or "comprising" do not exclude the presence or addition of one or more other features, elements, and/or groups thereof. In addition, unless otherwise specified or when the context is not clear as indicating a singular form, the singular in the specification and claims should be interpreted as meaning "one or more" in general.
그리고, "A 또는 B 중 적어도 하나"이라는 용어는, "A만을 포함하는 경우", "B 만을 포함하는 경우", "A와 B의 구성으로 조합된 경우"를 의미하는 것으로 해석되어야 한다. In addition, the term "at least one of A or B" should be interpreted as meaning "when including only A", "when including only B", and "when combined in a configuration of A and B".
당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.Those of skill in the art would further describe the various illustrative logical blocks, configurations, modules, circuits, means, logics, and algorithm steps described in connection with the embodiments disclosed herein, including electronic hardware, computer software, or a combination of both. It should be recognized that it can be implemented as To clearly illustrate the interchangeability of hardware and software, various illustrative components, blocks, configurations, means, logics, modules, circuits, and steps have been described above generally in terms of their functionality. Whether such functionality is implemented in hardware or as software depends on the specific application and design restrictions imposed on the overall system. Skilled technicians can implement the described functionality in various ways for each particular application. However, such implementation decisions should not be interpreted as causing a departure from the scope of the present disclosure.
제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예 들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다. A description of the presented embodiments is provided so that a person of ordinary skill in the art of the present disclosure can use or implement the present invention. Various modifications to these embodiments will be apparent to those of ordinary skill in the art. The general principles defined herein may be applied to other embodiments without departing from the scope of the present disclosure. Thus, the present invention is not limited to the embodiments presented herein. The present invention is to be accorded the widest scope consistent with the principles and novel features presented herein.
도 1은 본 개시의 일 실시예에 따른 게임 데이터를 처리하기 위한 컴퓨팅 장치의 블록 구성도이다.1 is a block diagram of a computing device for processing game data according to an embodiment of the present disclosure.
도 1에 도시된 컴퓨팅 장치(100)의 구성은 간략화 하여 나타낸 예시일 뿐이다. 본 개시의 일 실시예에서 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 컴퓨팅 장치(100)를 구성할 수도 있다.The configuration of the
컴퓨팅 장치(100)는 프로세서(110), 메모리(130), 네트워크부(150)를 포함할 수 있다.The
프로세서(110)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다. 프로세서(110)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다. 본 개시의 일실시예에 따라 프로세서(110)는 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(110)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 파라미터 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.
본 개시의 일 실시예에 따라, 프로세서(110)는 게임 로그를 획득할 수 있다.According to an embodiment of the present disclosure, the
본 개시의 일 실시예에 따라, 프로세서(110)는 상기 게임 로그에서 활동 로그 및 결과 로그를 추출할 수 있다. According to an embodiment of the present disclosure, the
본 개시의 일 실시예에 따라, 게임 로그는, 사용자가 게임을 수행하는 과정에서 발생하는 모든 기록을 포함할 수 있다. 게임 로그는 활동 로그 또는 결과 로그 중 적어도 하나를 포함할 수 있다. According to an embodiment of the present disclosure, the game log may include all records generated while a user plays a game. The game log may include at least one of an activity log or a result log.
활동 로그는 게임 상에서 캐릭터의 활동에 관련된 모든 기록을 포함할 수 있다. 게임 상에서 캐릭터의 활동에 관련된 모든 기록은 게임 상의 캐릭터가 게임에 포함된 구성요소(예를 들어, 게임 오브젝트, 캐릭터 등) 및/또는 게임에 포함된 구성요소들과 상호작용한 기록을 포함할 수 있다. 활동 로그는 게임 상에서 캐릭터의 활동 기록, 캐릭터의 정보 또는 게임 환경 정보 중 적어도 하나를 포함할 수 있다. 결과 로그는, 게임 상에서 캐릭터의 활동으로 야기된 결과에 대한 기록을 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.The activity log may contain all records related to the character's activity in the game. All records related to a character's activity in the game may include records of interactions of the character in the game with components (e.g., game objects, characters, etc.) and/or components included in the game. have. The activity log may include at least one of a character's activity record, character information, or game environment information on the game. The result log may include a record of results caused by the character's activity in the game. The foregoing is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에 따라, 게임 상에서 캐릭터의 활동 기록은 캐릭터가 게임 상에서 수행한 모든 활동의 기록을 포함할 수 있다. 게임 상에서 캐릭터의 활동 기록은 예를 들어, 캐릭터가 사용한 스킬, 캐릭터가 사용한 스킬 시퀸스, 캐릭터가 사용한 복수개의 스킬 간의 시간 간격, 캐릭터 플레이 타임, 계정 플레이 타임, 아이템별 사용빈도, 개인상점 거래품목, 아이템 생성, 아이템 습득, 아이템 드랍, 아이템 소비, 아이템 생성, 아이템 소멸, 아이템 거래, 아이템 강화, 캐릭터 이동, 캐릭터 사망, 캐릭터 레벨업, 캐릭터 생성, 캐릭터 공격, 캐릭터 방어 등과 같은 활동을 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the activity record of a character in the game may include a record of all activities performed by the character in the game. In the game, the character's activity record is, for example, the skill used by the character, the skill sequence used by the character, the time interval between multiple skills used by the character, character play time, account play time, frequency of use by item, personal store transaction items, It can include activities such as item creation, item acquisition, item drop, item consumption, item creation, item destruction, item transaction, item enhancement, character movement, character death, character level up, character creation, character attack, character defense, etc. . The foregoing is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에 따라, 캐릭터의 정보는 게임 상에 존재하는 캐릭터에 대한 기록을 포함할 수 있다. 캐릭터의 정보는 예를 들어, 캐릭터의 능력치, 캐릭터의 착용 아이템, 캐릭터의 보유 아이템, 캐릭터가 사용 가능한 스킬을 포함할 수 있다. 또한 캐릭터의 정보는 예를 들어, 복수개의 캐릭터가 게임 플레이(예를 들어, 스테이지 진입)를 하는 경우, 게임 플레이에 참여하는 캐릭터의 순서, 게임 플레이에 참여하는 캐릭터의 조합을 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the character information may include a record of a character existing in the game. The character information may include, for example, a character's ability value, a character's wearing item, a character's holding item, and a skill that the character can use. In addition, the character information may include, for example, a sequence of characters participating in the game play, and combinations of characters participating in the game play, when a plurality of characters play a game (eg, entering a stage). The foregoing is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에 따라, 게임 환경 정보는 게임 상의 캐릭터가 게임 플레이하는 환경에 대한 정보를 포함할 수 있다. 게임 환경 정보는 예를 들어, 게임 상의 캐릭터가 플레이하는 스테이지 정보(예를 들어, 스테이지 난이도, 스테이지를 클리어하는데 소요되는 제한 시간) 또는 게임 오브젝트 정보를 포함할 수 있다. 게임 오브젝트 정보는 예를 들어, 플레이어가 게임 내에서 활동할 수 있는 맵을 포함할 수 있다. 또한 게임 오브젝트 정보는 예를 들어, 게임 환경에서 플레이어 캐릭터가 이동 가능한 요소, 게임 환경에서 플레이어의 캐릭터 이동이 제한되는 요소, 플레이어 캐릭터에 사전 결정된 효과를 발생시키는 요소, 캐릭터 생성 위치 등을 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the game environment information may include information on an environment in which a character in a game plays a game. The game environment information may include, for example, stage information (eg, stage difficulty, a limited time required to clear the stage) or game object information played by a character on the game. The game object information may include, for example, a map through which the player can act in the game. In addition, the game object information may include, for example, an element in which a player character can move in a game environment, an element in which movement of a player's character is restricted in a game environment, an element that generates a predetermined effect on the player character, a character creation position, etc. have. The foregoing is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에 따라, 결과 로그는, 게임 상에서 캐릭터의 활동으로 야기된 결과에 대한 기록을 포함할 수 있다. 결과 로그는 하나 이상의 항목을 포함할 수 있다. 결과 로그는 예를 들어, 총 데미지, 단위 시간당 데미지, 스킬 당 데미지, 공격 당 데미지, 자원 소모량 대비 데미지, 캐릭터가 사용한 스킬의 효과, 캐릭터가 사용한 스킬 시퀸스의 효과, 스테이지 클리어 여부, 스테이지 클리어한 경우 소요된 시간, 게임 플레이를 수행하여 산출된 스코어를 포함할 수 있다. 본 개시의 일 실시예에 따라, 결과 로그는 캐릭터A가 스테이지1에서 스킬 시퀸스(스킬A, 스킬B, 스킬C)사용하여 획득한 스킬 시퀸스의 효과, 스테이지1의 클리어 여부(예를 들어, 클리어 한 경우, 클리어 못한 경우), 스테이지1을 클리어한 경우 소요된 시간(예를 들어, 15분)을 포함할 수 있다. 따라서 프로세서(110)는 스테이지1에서 캐릭터A를 통해 스킬 시퀸스(스킬A, 스킬B, 스킬C)를 사용한 경우, 스테이지1 클리어한 경우 소요된 시간이 15분이라는 결과 로그를 획득할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the result log may include a record of a result caused by the activity of a character in a game. The resulting log may contain one or more items. The result log is, for example, total damage, damage per unit time, damage per skill, damage per attack, damage compared to resource consumption, effect of the skill used by the character, effect of the skill sequence used by the character, whether the stage was cleared, or the stage was cleared. It may include the required time and a score calculated by performing game play. According to an embodiment of the present disclosure, the result log is the effect of the skill sequence acquired by the character A using the skill sequence (skill A, skill B, skill C) in
본 개시의 일 실시예에 따라, 활동 정보는 게임 목표를 달성하기 위한 캐릭터의 활동에 관련한 정보를 포함할 수 있다. 활동 정보는 사용자 단말로부터 수신된 목표 정보에 기초하여 결정될 수 있다. 예를 들어, 활동 정보는 플레이어에게 캐릭터의 활동에 대한 가이드 정보를 제공하기 위한 정보를 포함하며, 활동 로그를 포함하는 제 1 활동 정보 또는 활동 로그에 기초하여 생성된 제 2 활동 정보 중 적어도 하나를 포함할 수 있다. 활동 정보는 게임 상의 캐릭터의 활동을 야기하기 위한 정보를 포함할 수 있다. 게임 상의 캐릭터의 활동을 야기하기 위한 정보는 사용자로 하여금 캐릭터의 활동을 선택하도록 유도하는 정보를 포함할 수 있다. 또한 게임 상의 캐릭터의 활동을 야기하기 위한 정보는 사용자 단말 상에서 게임 캐릭터가 자동으로 게임 플레이를 수행하도록 하는 정보를 포함할 수 있다. 예를 들어, 게임 캐릭터의 공격, 방어, 스킬 각각의 사용을 야기하기 위한 정보, 게임 캐릭터의 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하기 위한 정보, 캐릭터의 이동을 야기하기 위한 정보, 게임 시뮬레이션을 수행하기 위한 정보를 포함할 수 있다. 게임 캐릭터의 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하기 위한 정보는 예를 들어, 스테이지를 클리어하기 위한 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하기 위한 정보, 스테이지를 최단 시간에 클리어하기 위한 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하기 위한 정보, 스테이지를 목표 점수로 클리어하기 위한 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하기 위한 정보를 포함할 수 있다. 캐릭터의 이동을 야기하기 위한 정보는 예를 들어, 스테이지를 클리어하기 위한 이동 경로 정보를 포함할 수 있다. 게임 시뮬레이션을 수행하기 위한 정보는 게임 캐릭터의 스킬 시퀸스를 시뮬레이션하기 위한 정보, 게임 캐릭터의 이동 경로를 시뮬레이션하기 위한 정보, 게임 캐릭터의 특정 스테이지에서의 플레이를 시뮬레이션하기 위한 정보를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the activity information may include information related to an activity of a character to achieve a game goal. The activity information may be determined based on target information received from the user terminal. For example, the activity information includes information for providing guide information on the activity of the character to the player, and includes at least one of first activity information including an activity log or second activity information generated based on the activity log. Can include. The activity information may include information for causing an activity of a character on the game. The information for causing the activity of the character on the game may include information for inducing the user to select the activity of the character. In addition, the information for causing the activity of the character in the game may include information that causes the game character to automatically play the game on the user terminal. For example, information for causing the attack, defense, and use of each skill of the game character, information for causing the player character to perform the skill sequence of the game character, information for causing movement of the character, and game simulation. It may contain information to perform. Information for causing the player character to perform the skill sequence of the game character is, for example, information for causing the player character to perform the skill sequence for clearing the stage, and the skill sequence for clearing the stage in the shortest time. Information for causing the player's character to perform, and information for causing the player's character to perform a skill sequence for clearing the stage with a target score may be included. The information for causing the character to move may include, for example, movement path information for clearing the stage. The information for performing the game simulation may include information for simulating a skill sequence of the game character, information for simulating a moving path of the game character, and information for simulating the play of the game character in a specific stage. The foregoing is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에 따라, 제 1 활동 정보는 획득한 게임 로그에 포함된 활동 로그의 사용을 야기하기 위한 정보를 포함할 수 있다. 활동 로그는 예를 들어, 스킬 시퀸스를 포함할 수 있다. 제 1 활동 정보는 예를 들어, 활동 로그에 포함된 스킬 시퀸스(예를 들어, 사용자들의 게임 플레이를 통해 기록된 스킬 시퀸스)의 사용을 야기하기 위한 정보를 포함할 수 있다. 따라서 프로세서(110)는 제 1 서브 모델을 이용하여 기존에 사용자들이 플레이하였던 스킬 시퀸스의 사용을 야기하는 정보를 생성할 수 있다. 제 1 활동 정보는 예를 들어, 기존에 사용자들이 특정 스테이지를 클리어한 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하는 정보를 포함할 수 있다. 따라서 프로세서(110)는 활동 정보 생성 모델을 이용하여 기존에 사용자들이 특정 스테이지를 클리어한 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하는 제 1 활동 정보를 생성할 수 있다. 제 1 활동 정보는 예를 들어, 기존에 사용자들이 특정 스테이지를 특정 캐릭터를 이용하여 클리어한 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하는 정보를 포함할 수 있다. 따라서 프로세서(110)는 제 1 서브 모델을 이용하여 기존에 사용자들이 특정 스테이지를 특정 캐릭터를 이용하여 클리어한 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하는 제 1 활동 정보를 생성할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the first activity information may include information for causing use of an activity log included in the acquired game log. The activity log may include, for example, a skill sequence. The first activity information may include, for example, information for causing use of a skill sequence (eg, a skill sequence recorded through gameplay of users) included in the activity log. Accordingly, the
본 개시의 일 실시예에 따라, 제 2 활동 정보는 활동 로그에 기초하여 생성된 활동 정보를 포함할 수 있다. 제 2 활동 정보는 기존의 활동 로그에 기초하여 새롭게 생성된 활동 정보일 수 있다. 예를 들어, 제 2 활동 정보는 게임의 플레이어들이 수행한 활동 로그에 포함되지 않는 새로운 정보를 포함할 수 있다. 즉, 제 2 활동 정보는 게임 결과를 달성하기 위한 활동 정보를 포함할 수 있으며, 제 2 활동 정보는 기존의 플레이어들이 수행하지 않은 새로운 패턴의 활동 정보를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the second activity information may include activity information generated based on an activity log. The second activity information may be activity information newly generated based on an existing activity log. For example, the second activity information may include new information that is not included in an activity log performed by players of the game. That is, the second activity information may include activity information for achieving a game result, and the second activity information may include activity information of a new pattern that existing players did not perform. The foregoing is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에 따라, 활동 정보는 사용자 단말로부터 수신된 목표 정보에 기초하여 결정될 수 있다. 결과 로그는, 게임 상에서 캐릭터의 활동으로 야기된 결과에 대한 기록을 포함할 수 있다. 목표 정보는 결과 로그의 하나 이상의 항목의 속성을 식별하기 위한 정보를 포함할 수 있다. 예를 들어, 결과 로그는 스테이지 클리어 여부, 초당 데미지 등을 항목으로 포함할 수 있다. 목표 정보는 예를 들어, 스테이지 클리어, 초당 데미지 1000 이상 등의 정보를 포함하여, 결과 로그의 하나 이상의 항목의 속성을 식별하기 위한 정보를 포함할 수 있다. 즉, 어떤 스테이지를 클리어 한 결과 로그 만을 선택하고자 하는 경우, 목표 정보는 스테이지 클리어를 결과 로그의 스테이지 클리어 항목의 속성 중 스테이지 클리어 만을 식별하기 위한 정보를 포함할 수 있다. 전술한 목표 정보는 예시일 뿐이며 본 개시는 이에 제한되지 않는다. According to an embodiment of the present disclosure, the activity information may be determined based on target information received from the user terminal. The result log may include a record of results caused by the character's activity in the game. The target information may include information for identifying attributes of one or more items of the result log. For example, the result log may include whether the stage is cleared, damage per second, etc. as items. The target information may include information for identifying attributes of one or more items of the result log, including information such as stage clear, damage per second of 1000 or more. That is, in the case of selecting only the log as a result of clearing a certain stage, the target information may include information for identifying only the stage clear among the attributes of the stage clear item of the stage clear result log. The above-described target information is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에 따라, 프로세서(110)는 사용자 단말 요청에 기초하여 사용자가 요청한 목표를 달성할 수 있도록 돕는 활동 정보를 생성할 수 있다. 예를 들어, 목표 정보가 스테이지를 클리어하기 위한 목표 정보인 경우, 활동 정보는 스테이지를 클리어하기 위한 캐릭터의 스킬 시퀸스를 포함할 수 있다. 목표 정보가 스테이지를 최단 시간에 클리어하기 위한 목표 정보 경우, 활동 정보는 스테이지를 최단 시간에 클리어하기 위한 스킬 시퀸스를 포함할 수 있다. 목표 정보가 스테이지를 목표 점수로 클리어하기 위한 목표 정보인 경우, 활동 정보는 스테이지를 목표 점수로 클리어하기 위한 스킬 시퀸스를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the
활동 정보는 도 3을 참조하여 후술하여 설명된다.The activity information will be described later with reference to FIG. 3.
본 개시의 일 실시예에 따라, 프로세서(110)는 상기 활동 로그 또는 상기 결과 로그 중 적어도 하나를 활동 정보 생성 모델에 입력시켜 활동 정보를 획득할 수 있다. 활동 정보 생성 모델은 제 1 활동 정보를 획득하기 위한 제 1 서브 모델 또는 제 2 활동 정보를 획득하기 위한 제 2 서브 모델 중 적어도 하나를 포함할 수 있다. 제 1 서브 모델 및 제 2 서브 모델은 후술하여 설명된다. 전술한 활동 정보 생성 모델은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the
본 개시의 일 실시예에 따라, 프로세서(110)는 사용자 단말의 요청에 기초하여 결과 정보를 생성할 수 있다. 결과 정보는, 활동 정보를 기초로 게임 상의 캐릭터가 활동한 결과를 예측한 정보를 포함할 수 있다. 예를 들어, 사용자 단말이 제공받은 활동 정보에 기초하여 결과 정보를 요청한 경우, 프로세서(110)는 활동 정보에 기초하여 결과 정보를 생성할 수 있다. 프로세서(110)는 활동 정보를 기초로 게임 시뮬레이션을 수행하여 캐릭터가 활동한 결과를 예측할 수 있다. 예를 들어, 프로세서(110)는 캐릭터A로 스테이지1을 스킬 시퀸스(스킬B, 스킬A, 스킬C)를 사용한 경우 스테이지1을 클리어하는데 소요되는 시간을 결과 정보로 생성할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the
본 개시의 일 실시예에 따라, 활동 정보 생성 모델은, 제 1 활동 정보를 획득하기 위한 확률론적 시퀸스 모델(Probabilistic Sequence Model)을 포함하는 제 1 서브 모델을 포함할 수 있다. 프로세서(110)는 확률론적 시퀸스 모델에 컴포넌트의 시퀸스를 입력한 후, 다음 컴포넌트가 나올 확률 값을 확률론적 시퀸스 모델을 이용하여 획득할 수 있다. 확률론적 시퀸스 모델은 입력되는 복수개의 컴포넌트가 독립적인 경우에 사용되는 유니그램 모형, 입력되는 복수개의 컴포넌트가 각 컴포넌트의 바로 전 컴포넌트와 상관관계를 갖는 경우에 사용되는 바이그램 모델, 복수개의 컴포넌트가 각 컴포넌트의 전에 나타난 모든 컴포넌트와 상관관계가 있는 경우(예를 들어, n 번째 컴포넌트는 1번째부터 n-1번째 컴포넌트와 상관관계 갖는 경우)에 사용되는 N-그램 모델을 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the activity information generation model may include a first sub-model including a probabilistic sequence model for obtaining the first activity information. After inputting a sequence of components to the probabilistic sequence model, the
본 개시의 일 실시예에 따라, 상기 확률론적 시퀸스 모델은, 상기 활동 로그에 포함된 컴포넌트인 복수개의 활동 패턴 각각의 확률 값에 기초하여 상기 활동 정보를 생성하는 모델을 포함할 수 있다. 활동 패턴은 활동 로그에 포함된 컴포넌트를 포함할 수 있다. 예를 들어, 활동 패턴이 스킬이고, 확률론적 시퀸스 모델에 입력된 스킬 시퀸스가 스킬A, 스킬B, 스킬C인 경우, 프로세서(110)는 확률론적 시퀸스 모델을 이용하여 다음 스킬에 대한 확률 값을 획득할 수 있다. 예를 들어 프로세서(110)는 입력된 스킬 시퀸스(스킬A, 스킬B, 스킬C)다음에 나올 스킬C의 확률은 0.3, 스킬D의 확률은 0.6, 스킬E의 확률은 0.1인 확률 값을 획득할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the probabilistic sequence model may include a model that generates the activity information based on probability values of each of a plurality of activity patterns that are components included in the activity log. The activity pattern may include components included in the activity log. For example, if the activity pattern is a skill, and the skill sequence input to the probabilistic sequence model is skill A, skill B, or skill C, the
본 개시의 일 실시예에 따라, 활동 정보 생성 모델은, 제 2 활동 정보를 획득하기 위한 제 2 서브 모델을 포함할 수 있다. 제 2 활동 정보를 획득하기 위한 제 2 서브 모델은, 활동 로그에 기초하여 제 2 활동 정보를 획득하기 위한 강화학습 모델을 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the activity information generation model may include a second sub-model for obtaining second activity information. The second sub-model for obtaining the second activity information may include a reinforcement learning model for obtaining the second activity information based on the activity log. The foregoing is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에 따라, 강화학습 모델은, 활동 로그에서 게임 상태를 획득하고, 게임 상태를 강화학습 모델을 이용하여 연산함으로써 사전결정된 결과 정보를 도출하도록 하는 제 2 활동 정보를 획득하기 위한 모델을 포함할 수 있다. 게임 상태를 강화학습 모델을 이용하여 연산하는 과정은 게임 상태로부터 정책 네트워크(policy network)를 통해 캐릭터의 활동을 결정하고, 게임 상태로부터 가치 네트워크(value network)를 통해 게임 상황을 판단하는 과정을 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the reinforcement learning model is for obtaining second activity information for obtaining a game state from an activity log and calculating the game state using a reinforcement learning model to derive predetermined result information. Can contain models. The process of calculating the game state using the reinforcement learning model includes determining the activity of the character from the game state through a policy network, and determining the game state through a value network from the game state. can do. The foregoing is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에서, 상기 정책 네트워크는 입력으로 게임 상태가 주어졌을 때 현재 게임 상태에서 취할 수 있는 캐릭터의 활동을 결정하기 위한 네트워크일 수 있다. 따라서 상기 정책 네트워크는 현재 상태가 주어졌을 때, 현재 상태에서 최대 리워드를 획득하기 위한 캐릭터의 활동에 대한 확률을 학습하여 현재 상태에서 취할 수 있는 각각의 캐릭터 활동에 대한 확률 데이터를 저장할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.In an embodiment of the present disclosure, the policy network may be a network for determining an activity of a character that can be taken in a current game state when a game state is given as an input. Accordingly, when the current state is given, the policy network may learn the probability of a character's activity for obtaining the maximum reward in the current state, and store probability data for each character activity that can be taken in the current state. The foregoing is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에서, 가치 네트워크는 현재 상태 및/또는 정책이 입력으로 주어졌을 때, 가치 함수(Value Function) 값을 예측하는 네트워크일 수 있다. 상기 가치 함수는 입력된 현재 상태와 정책을 기초로 기대되는 미래 리워드들의 총합의 평균일 수 있다. 리워드는 현재 상태에서 어떤 정책을 취했을 때 얻어지는 보상일 수 있다. 정책은 현재 상태에서 최대 리워드를 획득하기 위한 캐릭터의 활동을 선택하도록 하는 전략일 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.In one embodiment of the present disclosure, the value network may be a network that predicts a value function value when a current state and/or policy is given as input. The value function may be an average of the sum of expected future rewards based on the input current state and policy. Rewards can be rewards earned when a policy is taken in the current state. The policy may be a strategy for selecting an activity of a character to obtain the maximum reward in the current state. The foregoing is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에 따라, 사전결정된 결과 정보를 도출하도록 하는 제 2 활동 정보는 현재 상태에서 최대 리워드를 획득하기 위한 캐릭터의 활동을 선택하도록 하는 전략에 기초하여 생성된 활동 정보를 포함할 수 있다. 사전결정된 결과는 리워드가 최대가 되는 결과를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the second activity information for deriving the predetermined result information may include activity information generated based on a strategy for selecting an activity of a character for obtaining the maximum reward in a current state. have. The pre-determined outcome may include the outcome at which the reward is maximized. The foregoing is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에 따라, 프로세서(110)는 제 2 서브 모델을 이용하여 제 2 활동 정보를 생성할 수 있다. 프로세서(110)는 제 2 서브 모델을 이용하여 언씬 데이터(획득한 게임 로그에 포함되어 있지 않는 데이터)를 포함하는 제 2 활동 정보를 생성할 수 있다. 예를 들어, 언씬 데이터가 스킬 시퀸스(스킬B, 스킬A, 스킬C)를 포함하고 있는 경우, 프로세서(110)는 제 2 서브 모델을 이용하여 입력 받은 게임 상태에 대해 언씬 데이터인 스킬 시퀸스(스킬B, 스킬A, 스킬C)를 획득할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the
본 개시의 일 실시예에 따라, 제 2 서브 모델을 강화학습시키기 위해 프로세서(110)는 강화학습을 위한 상태, 액션, 리워드를 결정할 수 있다. According to an embodiment of the present disclosure, in order to reinforce the second sub-model, the
상태는 예를 들어 현재 게임 상태를 포함할 수 있다. 현재 게임 상태는 게임 로그로부터 획득될 수 있다. 현재 게임 상태는 예를 들어 사용한 스킬 시퀸스, 현재 게임 플레이를 수행하는 스테이지, 캐릭터의 현재 상태(예를 들어, 캐릭터의 착용 아이템, 캐릭터의 체력, 마력) 등을 포함할 수 있으나, 본 개시는 이에 제한되지 않는다. The state may include, for example, the current game state. The current game state can be obtained from the game log. The current game state may include, for example, a skill sequence used, a stage performing a current game play, a current state of a character (eg, a character's wearing item, a character's physical strength, a horsepower), etc. Not limited.
액션은 플레이어의 캐릭터가 수행할 수 있는 게임 상의 액션을 포함할 수 있으며, 예를 들어, 캐릭터가 사용 가능한 스킬, 캐릭터의 이동, 캐릭터의 공격, 방어 등을 포함할 수 있으나 본 개시는 이에 제한되지 않는다. Actions may include in-game actions that a player's character can perform, for example, skills that a character can use, movement of a character, attack of a character, defense, etc., but the present disclosure is not limited thereto. Does not.
리워드는 결과 정보를 포함할 수 있다. 리워드는 예를 들어, 스테이지를 클리어했는지 여부, 스테이지 클리어한 시간이 단축되었는지 여부, 게임 플레이를 통해 획득한 점수가 증가하였는지 여부에 기초하여 결정될 수 있다. 예를 들어, 입력된 상태, 액션을 통해 스테이지를 클리어한 경우 리워드를 증가시킬 수 있다. 또한 입력된 상태, 액션을 통해 스테이지를 클리어한 시간이 단축된 경우 리워드를 증가시킬 수 있다. 입력된 상태, 액션을 통해 게임 플레이를 통해 획득한 점수가 증가한 경우 리워드를 증가시킬 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.Rewards may include result information. The reward may be determined based on, for example, whether the stage has been cleared, whether the stage clearing time has been shortened, and whether the score obtained through game play has increased. For example, when a stage is cleared through an input state or action, the reward can be increased. Also, if the time to clear the stage through the input state or action is shortened, the reward can be increased. Rewards can be increased when the number of points acquired through game play increases through the input state and action. The foregoing is only an example, and the present disclosure is not limited thereto.
예를 들어, 프로세서(110)가 스킬 시퀸스(스킬B, 스킬A, 스킬C)를 게임 상태로 입력 받은 경우, 선택 가능한 스킬은 스킬A, 스킬D, 스킬E일 수 있다. 강화학습 개념을 적용하면 스킬 시퀸스(스킬B, 스킬A, 스킬C)는 상태에 대응되고, 각각의 스킬A, 스킬D, 스킬E는 액션에 대응된다. 프로세서(110)는 강화학습을 통해 리워드가 최대화되는 스킬을 선택할 수 있으며, 스킬D가 리워드(예를 들어, 초당 데미지)를 최대화시키는 스킬인 경우, 스킬D를 다음 스킬로 선택할 수 있다. 프로세서는 이러한 스킬 시퀸스를 종합하여, 제 2 활동 정보를 생성할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.For example, when the
본 개시에 따라 제 2 서브 모델이 강화학습 모델을 포함함으로써, 프로세서(110)가 획득한 게임 로그에 포함되지 않는 언씬 데이터도 생성할 수 있으며, 최적의 활동 정보에 대한 결과를 획득할 수 있다. 따라서 강화학습 모델을 이용하여 더 다양하고 풍부한 활동 정보를 생성해 냄으로써, 사용자의 게임 상황에 맞는 활동 정보를 제공하여 사용자의 게임에 대한 흥미를 증진시킬 수 있다.According to the present disclosure, since the second sub-model includes the reinforcement learning model, unscene data that is not included in the game log obtained by the
본 개시의 일 실시예에 따라, 강화학습 모델은, 근사 가치 함수를 이용하여 제 2 활동 정보를 획득하기 위한 모델을 포함할 수 있다. 본 개시의 일 실시예에 따라, 근사 가치 함수는, 실제 가치 함수와 근사 가치 함수의 차이를 줄이도록 학습된 파라미터를 이용하여, 활동 로그에서 획득한 게임 상태를 입력 받아 실제 가치 함수와 근사한 값을 산출하는 함수를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the reinforcement learning model may include a model for obtaining second activity information by using an approximate value function. According to an embodiment of the present disclosure, the approximate value function uses a parameter learned to reduce the difference between the real value function and the approximate value function, receives the game state obtained from the activity log, and calculates a value approximating the real value function. It may include a function to calculate. The foregoing is only an example, and the present disclosure is not limited thereto.
근사 가치 함수는 도 6a 및 도 6b를 참조하여 후술하여 설명된다.The approximate value function will be described later with reference to FIGS. 6A and 6B.
본 개시의 일 실시예에 따라, 프로세서(110)는 사용자 단말의 요청에 기초하여 활동 정보를 제공할 수 있다.According to an embodiment of the present disclosure, the
본 개시의 일 실시예에 따라, 프로세서(110)는 사용자 단말의 요청에 기초하여 활동 정보를 제공할 수 있다. 활동 정보는 사용자 단말의 게임 화면에서 사용자가 적어도 하나 이상의 스킬을 상기 활동 정보에 기초하여 선택하도록 하는 그래픽 표현을 야기할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the
사용자 단말의 게임 화면에서 사용자가 적어도 하나 이상의 스킬을 상기 활동 정보에 기초하여 선택하도록 야기하는 동작은 도3을 참조하여 후술하여 설명된다.An operation of causing the user to select at least one skill based on the activity information on the game screen of the user terminal will be described later with reference to FIG. 3.
본 개시의 일 실시예에 따라, 프로세서(110)는 활동 정보를 사용자 단말에 전달함으로써 사용자 단말 상에서 수행되는 게임 상의 캐릭터 동작을 야기할 수 있다. 사용자 단말은 제공받은 활동 정보에 기초하여 게임 상의 캐릭터가 사용자의 입력 신호 없이 자동으로 게임 플레이를 수행할 수 있도록 할 수 있다. 예를 들어, 사용자 단말에서 수행되는 게임은 게임의 일부 컨텐츠에 대하여 자동 수행(예를 들어, 자동 사냥 등)이 가능한 게임일 수 있다. 예를 들어, 제공받은 활동 정보에 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하는 정보가 포함되어 있는 경우, 사용자 단말은 제공받은 활동 정보에 기초하여 게임 상의 게임 캐릭터가 해당 스킬 시퀸스에 따라 자동으로 게임 플레이를 수행하도록 할 수 있다. 제공받은 활동 정보에 캐릭터의 이동을 야기하는 정보가 포함되어 있는 경우, 프로세서(110)는 게임 상의 게임 캐릭터가 이동을 야기하는 정보에 기초하여 이동하도록 할 수 있다. (예를 들어, 스테이지를 클리어 하기 위한 최단 경로에 따라 이동) 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the
게임에서는 스킬의 능숙한 사용 유무는 게임의 진행을 원할하게 하는 중요한 요소이다. 스킬의 능숙한 사용 유무에 따라 게임의 승패가 결정될 수 있고, 나아가 사용자의 게임에 대한 흥미를 증가시킬 수도 있다. 따라서 스킬의 능숙한 사용 시퀸스를 분석하여 사용자에게 제공함으로써, 게임에 익숙하지 않은 사용자들도 게임을 원할하게 수행할 수 있어 게임에 대한 흥미가 증가할 수 있다.In the game, the skillful use of skills is an important factor that makes the game progress smoothly. The win or loss of the game may be determined according to the skillful use of the skill, and further, the user's interest in the game may be increased. Therefore, by analyzing the skillful use sequence and providing it to the user, users who are not familiar with the game can smoothly play the game, thereby increasing the interest in the game.
본 개시에 따라, 활동 정보 생성 모델을 이용하여 활동 정보(예를 들어, 스킬 시퀸스)를 사용자에게 제공함으로써, 게임에 익숙하지 않는 사용자들도 게임을 원할하게 수행할 수 있다. 또한 활동 정보 생성 모델을 통해 획득하는 활동 정보는 방대한 양의 게임 데이터를 기초로 분석한 결과를 가지고 생성된 것이므로, 사용자들의 활동 정보에 대한 신뢰도가 높을 수 있다. 또한 효율적인 활동 정보를 폐쇄적인 커뮤니티에서만 일부 공유되는 것이 아니라 모든 유저가 공유하도록 함으로써, 공유되었던 활동 정보가 효율적인지에 대한 검증을 명확한 기준을 통해 수행할 수 있어 정보의 왜곡 및 편향이 없는 활동 정보를 사용자에게 제공할 수 있다.According to the present disclosure, by providing activity information (eg, skill sequence) to a user using an activity information generation model, users who are not familiar with the game can smoothly play the game. In addition, since the activity information acquired through the activity information generation model is generated based on an analysis result based on a vast amount of game data, the reliability of the activity information of users may be high. In addition, by allowing all users to share efficient activity information not only in a closed community, it is possible to verify whether the shared activity information is effective through clear standards, so that activity information without distortion and bias Can be provided to the user.
도 2는 본 개시의 일 실시예에 따라 게임 데이터를 처리하기 위한 네트워크 함수를 나타낸 개략도이다.2 is a schematic diagram showing a network function for processing game data according to an embodiment of the present disclosure.
본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.Throughout this specification, a computational model, a neural network, a network function, and a neural network may be used with the same meaning. A neural network may consist of a set of interconnected computational units, which may generally be referred to as nodes. These nodes may also be referred to as neurons. The neural network includes at least one or more nodes. Nodes (or neurons) constituting neural networks may be interconnected by one or more links.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다. In a neural network, one or more nodes connected through a link may relatively form a relationship between an input node and an output node. The concepts of an input node and an output node are relative, and any node in an output node relationship with respect to one node may have an input node relationship in a relationship with another node, and vice versa. As described above, the relationship between the input node and the output node may be created around a link. One or more output nodes may be connected to one input node through a link, and vice versa.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 노드는 파라미터를 가질 수 있다. 파라미터는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 파라미터에 기초하여 출력 노드 값을 결정할 수 있다.In the relationship between the input node and the output node connected through one link, the value of the output node may be determined based on data input to the input node. Here, a node interconnecting the input node and the output node may have parameters. The parameters may be variable and may be varied by a user or an algorithm in order for the neural network to perform a desired function. For example, when one or more input nodes are interconnected to one output node by respective links, the output node includes values input to input nodes connected to the output node and a link corresponding to each input node. The output node value may be determined based on the parameter.
상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 파라미터의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 파라미터 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.As described above, in a neural network, one or more nodes are interconnected through one or more links to form an input node and an output node relationship in the neural network. The characteristics of the neural network may be determined according to the number of nodes and links in the neural network, the relationship between nodes and links, and values of parameters assigned to each of the links. For example, when there are the same number of nodes and links, and two neural networks having different parameter values between the links exist, the two neural networks may be recognized as different from each other.
신경망은 하나 이상의 노드들을 포함하여 구성될 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.A neural network can be configured including one or more nodes. Some of the nodes constituting the neural network may configure one layer based on distances from the initial input node. For example, a set of nodes having a distance n from an initial input node may constitute n layers. The distance from the first input node may be defined by the minimum number of links that must be traversed to reach the node from the first input node. However, the definition of such a layer is arbitrary for explanation, and the order of the layer in the neural network may be defined in a different way than that described above. For example, the layer of nodes may be defined by the distance from the last output node.
최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다. 본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.The first input node may mean one or more nodes to which data is directly input without going through a link in a relationship with other nodes among nodes in the neural network. Alternatively, in a relationship between nodes in a neural network network based on a link, it may mean nodes that do not have other input nodes connected by a link. Similarly, the final output node may mean one or more nodes that do not have an output node in relation to other nodes among nodes in the neural network. In addition, the hidden node may refer to nodes constituting a neural network other than the first input node and the last output node. In the neural network according to an embodiment of the present disclosure, the number of nodes in the input layer may be the same as the number of nodes in the output layer, and the number of nodes decreases and then increases again as the input layer proceeds to the hidden layer. I can. In addition, the neural network according to another embodiment of the present disclosure may be a neural network in which the number of nodes of an input layer is less than the number of nodes of an output layer, and the number of nodes decreases as the number of nodes progresses from the input layer to the hidden layer. have. In addition, the neural network according to another embodiment of the present disclosure may be a neural network in which the number of nodes of an input layer is greater than the number of nodes of an output layer, and the number of nodes increases as the number of nodes progresses from the input layer to the hidden layer. I can. A neural network according to another embodiment of the present disclosure may be a neural network in the form of a combination of the aforementioned neural networks.
딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다. A deep neural network (DNN) may mean a neural network including a plurality of hidden layers in addition to an input layer and an output layer. Deep neural networks can be used to identify potential structures in data. In other words, it is possible to grasp the potential structure of photos, texts, videos, voices, and music (e.g., what objects are in photos, what are the content and emotions of the text, what are the contents and emotions of the voice, etc.) . Deep neural networks include convolutional neural networks (CNNs), recurrent neural networks (RNNs), auto encoders, Generative Adversarial Networks (GANs), and restricted Boltzmann machines (RBMs). boltzmann machine), deep belief network (DBN), Q network, U network, and Siam network. The foregoing description of the deep neural network is only an example, and the present disclosure is not limited thereto.
본 개시의 일 실시예에서 네트워크 함수는 오토 인코더를 포함할 수도 있다. 오토 인코더는 입력 데이터와 유사한 출력 데이터를 출력하기 위한 인공 신경망의 일종일 수 있다. 오토 인코더는 적어도 하나의 히든 레이어를 포함할 수 있으며, 홀수 개의 히든 레이어가 입출력 레이어 사이에 배치될 수 있다. 각각의 레이어의 노드의 수는 입력 레이어의 노드의 수에서 병목 레이어(인코딩)라는 중간 레이어로 축소되었다가, 병목 레이어에서 출력 레이어(입력 레이어와 대칭)로 축소와 대칭되어 확장될 수도 있다. 이 경우, 도 2의 예시에서는 차원 감소 레이어와 차원 복원 레이어가 대칭되는 것으로 도시되어 있으나, 본 개시는 이에 제한되지 않으며, 차원 감소 레이어와 차원 복원 레이어의 노드는 대칭일 수도 있고 아닐 수도 있다. 오토 인코더는 비선형 차원 감소를 수행할 수 있다. 입력 레이어 및 출력 레이어의 수는 입력 데이터의 전처리 이후에 남은 센서들의 수와 대응될 수 있다. 오토 인코더 구조에서 인코더에 포함된 히든 레이어의 노드의 수는 입력 레이어에서 멀어질수록 감소하는 구조를 가질 수 있다. 병목 레이어(인코더와 디코더 사이에 위치하는 가장 적은 노드를 가진 레이어)의 노드의 수는 너무 작은 경우 충분한 양의 정보가 전달되지 않을 수 있으므로, 특정 수 이상(예를 들어, 입력 레이어의 절반 이상 등)으로 유지될 수도 있다.In an embodiment of the present disclosure, the network function may include an auto encoder. The auto encoder may be a kind of artificial neural network for outputting output data similar to input data. The auto encoder may include at least one hidden layer, and an odd number of hidden layers may be disposed between input/output layers. The number of nodes in each layer may be reduced from the number of nodes in the input layer to an intermediate layer called a bottleneck layer (encoding), and then reduced and expanded symmetrically from the bottleneck layer to an output layer (symmetric with the input layer). In this case, in the example of FIG. 2, the dimensionality reduction layer and the dimensional restoration layer are illustrated as being symmetrical, but the present disclosure is not limited thereto, and nodes of the dimensionality reduction layer and the dimensional restoration layer may or may not be symmetrical. Auto encoders can perform nonlinear dimensionality reduction. The number of input layers and output layers may correspond to the number of sensors remaining after pre-processing of input data. In the auto-encoder structure, the number of nodes of the hidden layer included in the encoder may have a structure that decreases as it moves away from the input layer. If the number of nodes in the bottleneck layer (the layer with the fewest nodes located between the encoder and the decoder) is too small, a sufficient amount of information may not be delivered, so more than a certain number (e.g., more than half of the input layer, etc.) ) May be maintained.
뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning), 및 반교사학습(semi supervised learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 출력의 오류를 최소화하기 위한 것이다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 파라미터를 업데이트 하는 과정이다. 교사 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨이 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 파라미터가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 파라미터는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.The neural network may be learned by at least one of supervised learning, unsupervised learning, and semi supervised learning. Learning of neural networks is to minimize output errors. In learning of a neural network, iteratively inputs training data to the neural network, calculates the output of the neural network for the training data and the error of the target, and reduces the error from the output layer of the neural network to the input layer. This is a process of updating the parameters of each node of the neural network by backpropagation in the direction. In the case of teacher learning, learning data in which the correct answer is labeled in each learning data is used (ie, labeled learning data), and in the case of non-satellite learning, the correct answer may not be labeled in each learning data. That is, for example, in the case of teacher learning related to data classification, the learning data may be data in which a category is labeled with each learning data. Labeled training data is input to a neural network, and an error may be calculated by comparing an output (category) of the neural network with a label of the training data. As another example, in the case of comparative history learning regarding data classification, an error may be calculated by comparing the input training data with the neural network output. The calculated error is backpropagated in the neural network in the reverse direction (ie, from the output layer to the input layer), and connection parameters of each node of each layer of the neural network may be updated according to the backpropagation. The amount of change in the connection parameter of each node to be updated may be determined according to a learning rate. The computation of the neural network for the input data and the backpropagation of the error can constitute a learning cycle (epoch). The learning rate may be applied differently according to the number of repetitions of the learning cycle of the neural network. For example, a high learning rate is used in the early stages of learning of a neural network, so that the neural network quickly secures a certain level of performance to increase efficiency, and a low learning rate can be used in the later stages of learning to increase accuracy.
뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 생략하는 드롭아웃(dropout) 등의 방법이 적용될 수 있다.In the learning of a neural network, in general, the training data may be a subset of actual data (that is, data to be processed using the learned neural network), and thus, errors in the training data decrease, but errors in the actual data occur. There may be increasing learning cycles. Overfitting is a phenomenon in which errors in actual data increase due to over-learning on learning data. For example, a neural network learning a cat by showing a yellow cat may not recognize that it is a cat when it sees a cat other than yellow, which may be a kind of overfitting. Overfitting can cause an increase in errors in machine learning algorithms. Various optimization methods can be used to prevent such overfitting. In order to prevent overfitting, methods such as increasing training data, regularization, and dropout in which some of the nodes of the network are omitted during the training process may be applied.
도 3은 본 개시의 일 실시예에 따라 활동 정보를 제공하는 방법을 설명하기 위한 예시도이다.3 is an exemplary diagram for explaining a method of providing activity information according to an embodiment of the present disclosure.
도 3에서 참조번호 310은 스킬 버튼이 위치한 영역을 표시하고 있다. 스킬 버튼이 위치한 영역에는 스킬A 버튼(311), 스킬B 버튼(313), 스킬C 버튼(315), 스킬D 버튼(317)이 도시되어 있다. In FIG. 3,
본 개시의 일 실시예에 따라, 컴퓨팅 장치(100)는 활동 정보 생성 모델을 이용하여 활동 정보를 생성할 수 있다. 컴퓨팅 장치(100)는 사용자 단말의 요청에 기초하여 활동 정보를 제공할 수 있다. 활동 정보는 게임 상의 캐릭터의 활동을 야기하기 위한 정보를 포함할 수 있다. 게임 상의 캐릭터의 활동을 야기하기 위한 정보는 사용자로 하여금 캐릭터의 활동을 선택하도록 유도하는 정보를 포함할 수 있다. 사용자는 제공받은 활동 정보를 기초로 게임 플레이를 할 수 있다. 예를 들어, 활동 정보는 스킬 시퀸스를 사용하도록 야기하는 정보를 포함할 수 있다. 스킬 시퀸스를 사용하도록 야기하는 정보는 사용자로 하여금 해당 스킬 시퀸스를 선택하도록 유도하는 정보를 포함할 수 있다. 예를 들어, 해당 스킬 시퀸스는 스킬A, 스킬B, 스킬D, 스킬C를 포함할 수 있다. 사용자 단말은 활동 정보에 기초하여 스킬 시퀸스 스킬A, 스킬B, 스킬D, 스킬C를 사용자가 순차적으로 선택하도록 유도하기 위해 스킬A 버튼(311), 스킬B 버튼(313), 스킬D 버튼(317), 스킬C 버튼(315)을 순차적으로 사용자의 시각을 자극하는 방법(예를 들어, 버튼에 하이라이트 표시)으로 표시할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the
본 개시의 일 실시예에 따라, 컴퓨팅 장치(100)는 활동 정보 생성 모델을 이용하여 활동 정보를 생성할 수 있다. 컴퓨팅 장치(100)는 사용자 단말의 요청에 기초하여 활동 정보를 제공할 수 있다. 활동 정보는 게임 결과를 달성하기 위한 캐릭터의 활동에 관련한 정보를 포함할 수 있다. 활동 정보는 게임 상의 캐릭터의 활동을 야기하기 위한 정보를 포함할 수 있다. 게임 상의 캐릭터의 활동을 야기하기 위한 정보는 사용자 단말 상에서 게임 캐릭터가 자동으로 게임 플레이를 수행하도록 하는 정보를 포함할 수 있다. 예를 들어, 활동 정보는 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하는 정보를 포함할 수 있다. 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하는 정보는 사용자의 입력 신호 없이 캐릭터가 자동으로 해당 스킬 시퀸스를 사용하여 게임 플레이를 수행하도록 야기하는 정보를 포함할 수 있다. 스킬 시퀸스를 사용하도록 야기하는 활동 정보는 해당 스킬 시퀸스를 사용하여 게임 자동 플레이를 수행하기 위한 명령어를 포함할 수 있다. 따라서 활동 정보에 포함된 스킬 시퀸스가 스킬A, 스킬B, 스킬D, 스킬C인 경우, 사용자 단말은 활동 정보에 기초하여 게임 상에서 게임 캐릭터가 스킬A, 스킬B, 스킬D, 스킬C를 사용하여 게임 플레이를 자동으로 수행하도록 제어할 수 있다. 게임 플레이가 자동으로 수행되는 경우, 사용자 단말 상의 게임 화면에 자동 전투(330)가 표시되어, 사용자 단말은 자동 전투 모드임을 표시할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the
본 개시의 일 실시예에 따라, 컴퓨팅 장치(100)는 결과 정보를 생성할 수 있다. 결과 정보는, 활동 정보를 기초로 게임 상의 캐릭터가 활동한 결과를 예측한 정보를 포함할 수 있다. 컴퓨팅 장치(100)는 활동 정보를 기초로 게임 시뮬레이션을 수행하여 캐릭터가 활동한 결과를 예측할 수 있다. 예를 들어, 활동 정보는 게임 캐릭터가 스킬A, 스킬B, 스킬D, 스킬C 순서대로 사용하도록 야기하는 정보를 포함할 수 있다. 이를 통해, 컴퓨팅 장치(100)는 캐릭터가 스킬A, 스킬B, 스킬D, 스킬C를 순서대로 사용한 경우의 결과 정보를 획득할 수 있다. 스킬A, 스킬B, 스킬D, 스킬C를 순서대로 사용하는 시뮬레이션 결과가 참조번호 350에 도시된 바와 같이 데미지가 각각 585, 590, 591, 576인 경우, 컴퓨팅 장치(100)는 스킬A, 스킬B, 스킬D, 스킬C를 사용하면 데미지가 각각 585, 590, 591, 576을 발생시킨다는 예측을 포함하는 결과 정보를 생성할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the
도 4는 본 개시의 일 실시예에 따라 캐릭터 정보에 기초하여 활동 정보를 제공하는 방법을 설명하기 위한 예시도이다.4 is an exemplary diagram for describing a method of providing activity information based on character information according to an embodiment of the present disclosure.
도 4는 복수개의 캐릭터 및 각각의 캐릭터 정보를 도시하고 있다.4 shows a plurality of characters and each character information.
본 개시의 일 실시예에 따라, 컴퓨팅 장치(100)는 사용자 단말의 요청에 기초하여 활동 정보를 제공할 수 있다. 사용자 단말의 요청은 목표 정보를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the
본 개시의 일 실시예에 따라, 사용자 단말의 요청은 사용자가 선택한 캐릭터를 기초한 활동 정보의 생성 요청을 포함할 수 있다. 즉 예를 들어, 목표 정보는 사용자가 선택한 캐릭터를 사용하여 스테이지 클리어 일 수 있다. 예를 들어 사용자 단말의 요청은 토르(410) 캐릭터를 기초로 생성된 활동 정보 요청을 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the request of the user terminal may include a request for generating activity information based on a character selected by the user. That is, for example, the target information may be stage clear using a character selected by the user. For example, the request from the user terminal may include a request for activity information generated based on the
본 개시의 일 실시예에 따라, 사용자 단말의 요청은 스테이지를 클리어하기 위하여 게임 내에서 수행하여야 하는 동작에 관한 활동 정보의 생성 요청을 포함할 수 있다. 따라서 사용자 단말의 요청이 토르(410) 캐릭터로 스테이지를 클리어하기 위한 활동 정보의 생성 요청인 경우, 컴퓨팅 장치(100)는 토르(410) 캐릭터로 스테이지를 클리어하기 위한 활동 정보를 생성할 수 있다. 전술한 바와 같이 활동 정보는 플레이어의 캐릭터가 활도 정보의 활동 패턴을 수행하도록 야기하는 정보를 포함할 수 있다. 예를 들어, 토르(410) 캐릭터로 스테이지를 클리어하기 위한 스킬 시퀸스는 스킬A, 스킬B, 스킬D, 스킬C의 순차적 사용일 수 있다. 이 경우 컴퓨팅 장치(100)는 전술한 스킬 시퀸스를 포함하는 활동 정보를 생성하여 사용자 단말에게 제공할 수 있다. 사용자 단말은 전술한 스킬 시퀸스를 포함하는 활동 정보에 기초하여 사용자의 스킬A, 스킬B, 스킬D, 스킬C의 순차적 사용을 유도하기 위하여 스킬 버튼들에 대한 시각 효과를 제공할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the request of the user terminal may include a request for generating activity information regarding an operation to be performed in a game in order to clear a stage. Accordingly, when the request of the user terminal is a request for generating activity information for clearing the stage with the
본 개시의 일 실시예에 따라, 컴퓨팅 장치(100)는 사용자 단말의 요청에 기초하여 활동 정보를 제공할 수 있다. 사용자 단말의 요청은 자동 전투를 위한 활동 정보 생성 요청을 포함할 수 있다. 예를 들어, 사용자 단말의 요청은 헬라(430) 캐릭터를 이용하여 스테이지를 클리어하기 위하여 수행하여야 하는 동작에 대한 활동 정보 요청을 포함할 수 있다. 따라서 컴퓨팅 장치(100)는 헬라(430) 캐릭터를 이용하여 스테이지를 클리어하는 자동 전투를 수행하는 활동 정보를 생성하여 사용자 단말에게 제공할 수 있다. 사용자 단말은 활동 정보에 기초하여 자동 전투를 수행할 수 있다. 예를 들어, 활동 정보가 스킬 시퀸스를 플레이어의 캐릭터가 수행하도록 야기하는 정보를 포함하는 경우, 헬라(430) 캐릭터로 스테이지를 클리어하기 위한 스킬 시퀸스는 스킬A, 스킬F, 스킬D, 스킬C를 포함할 수 있다. 따라서 사용자 단말은 스테이지를 클리어하기 위한 활동 정보에 기초하여 스킬 시퀸스(스킬A, 스킬F, 스킬D, 스킬C)를 사용하여 플레이어의 캐릭터의 자동 전투를 수행할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the
본 개시의 일 실시예에 따라, 컴퓨팅 장치(100)는 사용자 단말의 요청에 기초하여 활동 정보를 제공할 수 있다. 사용자 단말의 요청은 사용자가 선택한 복수개의 캐릭터조합을 기초로 생성된 활동 정보 요청을 포함할 수 있다. 예를 들어, 사용자 단말의 요청은 토르(410) 캐릭터, 헬라(430) 캐릭터, 안젤라(450) 캐릭터를 사용하여 스테이지 클리어를 수행하는 활동 정보 생성 요청을 포함할 수 있다. 캐릭터의 조합에 따라 각 캐릭터의 활동 정보가 달라질 수 있다. 따라서 캐릭터 조합이 토르(410) 캐릭터, 헬라(430) 캐릭터, 안젤라(450) 캐릭터인 경우, 스테이지를 클리어 하기 위한 토르(410) 캐릭터의 활동 정보가 변경될 수 있다. 예를 들어, 토르(410) 캐릭터 단독으로 게임 플레이하는 경우, 최적의 스킬 시퀸스는 스킬A, 스킬B, 스킬D, 스킬C일 수 있다. 하지만 캐릭터 조합이 토르(410) 캐릭터, 헬라(430) 캐릭터, 안젤라(450) 캐릭터인 경우, 토르(410) 캐릭터의 최적의 스킬 시퀸스는 스킬A, 스킬C, 스킬B, 스킬D로 변경될 수 있다. 따라서 컴퓨팅 장치(100)는 캐릭터 조합을 고려하여 활동 정보를 생성할 수 있다. 이를 통해, 다양한 경우의 수가 존재하는 게임 상황에 더욱 적합한 활동 정보를 생성하여 사용자의 능숙한 게임 플레이를 도움으로써 사용자의 게임에 대한 흥미가 증가할 수 있다.According to an embodiment of the present disclosure, the
도 5는 본 개시의 일 실시예에 따라 게임 환경 정보에 기초하여 활동 정보를 제공하는 방법을 설명하기 위한 예시도이다.5 is an exemplary diagram for describing a method of providing activity information based on game environment information according to an embodiment of the present disclosure.
도 5는 게임 환경 정보에 포함된 스테이지를 도시하고 있다. 5 shows a stage included in the game environment information.
본 개시의 일 실시예에 따라, 사용자 단말은 게임에서 달성하고자 하는 목표 정보를 컴퓨팅 장치(100)에 전송함으로써, 컴퓨팅 장치(100)로부터 목표를 달성하기 위하여 수행되어야 할 행동 정보를 수신할 수 있다. 사용자 단말은 게임에서 달성하고자 하는 목표를 컴퓨팅 장치로 요청할 수 있다. 게임에서 달성하고자 하는 목표는 결과 로그의 항목의 속성을 식별하는 정보일 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the user terminal may receive action information to be performed to achieve the goal from the
본 개시의 일 실시예에 따라, 사용자 단말의 활동 정보 요청은 사용자가 선택한 게임 환경에서 목표 정보를 달성하기 위한 활동 정보 요청을 포함할 수 있다. 예를 들어, 활동 정보 요청은 목표 정보에 기초한 활동 정보 요청을 포함할 수 있다. 예를 들어, 목표 정보는 캐릭터, 스테이지, 난이도 등을 포함할 수 있다. 즉, 본 예시에서 예를 들어, 사용자 단말의 활동 정보 요청은 특정 캐릭터를 사용하는 경우의 활동 정보(예를 들어, A캐릭터를 이용한 스테이지 클리어), 특정 스테이지를 클리어 하기 위한 활동 정보(예를 들어, A 및 B 캐릭터의 스테이지 입장 등)을 포함할 수 있다. According to an embodiment of the present disclosure, the request for activity information from the user terminal may include a request for activity information for achieving target information in a game environment selected by the user. For example, the activity information request may include an activity information request based on target information. For example, the target information may include a character, a stage, and a difficulty level. That is, in this example, for example, the request for activity information from the user terminal is activity information when using a specific character (eg, clearing a stage using a character A), activity information for clearing a specific stage (for example, , A and B characters entering the stage, etc.).
본 개시의 일 실시예에 따라, 사용자 단말의 요청이 토르(410) 캐릭터를 이용하여 스테이지2(510)를 클리어하기 위한 활동 정보 생성 요청을 포함하는 경우, 컴퓨팅 장치(100)는 토르(410) 캐릭터를 이용하여 스테이지2(510)를 클리어하기 위한 활동 정보를 생성할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, when the request of the user terminal includes a request for generating activity information for clearing the
본 개시의 일 실시예에 따라, 사용자 단말의 요청이 헬라(430) 캐릭터를 이용하여 스테이지5(530)를 최단 시간에 클리어하기 위한 활동 정보 생성 요청을 포함하는 경우, 컴퓨팅 장치(100)는 헬라(430) 캐릭터를 이용하여 스테이지5(530)를 최단 시간에 클리어하기 위한 활동 정보를 생성할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, when the request of the user terminal includes a request for generating activity information for clearing the stage 5 530 in the shortest time using the
본 개시의 일 실시예에 따라, 사용자 단말의 요청이 안젤라(450) 캐릭터를 이용하여 스테이지7(550)을 게임 플레이를 통해 가장 높은 스코어를 획득하기 위한 활동 정보 생성 요청인 경우, 컴퓨팅 장치(100)는 안젤라(450) 캐릭터를 이용하여 스테이지7(550)를 최단 시간에 클리어하기 위한 활동 정보를 생성할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, when the request of the user terminal is a request for generating activity information for obtaining the highest score through game play on the stage 7 550 using the
본 개시의 일 실시예에 따라, 활동 정보는 스테이지 난이도에 기초하여 달라질 수 있다. 예를 들어, 스테이지2(510)는 난이도 하, 스테이지5(530)는 난이도 중, 스테이지7(550)은 난이도 상인 경우, 컴퓨팅 장치(100)는 난이도에 따라 활동 정보를 각각 생성할 수 있다. 사용자 요청이 난이도 상인 스테이지7(550)을 클리어하기 위한 요청인 경우, 컴퓨팅 장치(100)는 헬라(430) 및 안젤라(450) 캐릭터를 이용하여 해당 스테이지에 입장할 것과, 각각의 캐릭터의 최적의 스킬 시퀸스를 포함하는 활동 정보를 생성할 수 있다. 사용자 요청이 난이도 중인 스테이지5(530)를 최단시간 클리어하기 위한 요청인 경우, 헬라(430) 캐릭터를 이용하여 해당 스테이지에 입장할 것과 헬라 케릭터의 최적의 스킬 시퀸스 및 이동 경로를 포함하는 활동 정보를 생성할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the activity information may be changed based on the stage difficulty. For example, when the
본 개시에 따라, 스테이지에 따라 활동 정보 생성을 달리함으로써, 사용자가 게임을 플레이함에 있어 큰 영향을 미치는 스테이지 난이도에 적합한 활동 정보를 생성할 수 있다. 따라서 다양한 게임 환경에서도 사용자에게 적합한 활동 정보를 제공함으로써, 게임에 익숙하지 않아 게임 이탈 위험성이 있는 사용자도, 능숙하게 게임 플레이를 진행할 수 있어, 게임 플레이를 즐기는 사용자 수를 유지하거나 증가시킬 수 있다.According to the present disclosure, by varying the generation of activity information according to the stage, it is possible to generate activity information suitable for the stage difficulty, which has a great influence on the user playing the game. Accordingly, by providing appropriate activity information to the user even in various game environments, even a user who is unfamiliar with the game and is at risk of leaving the game can competently play the game, thereby maintaining or increasing the number of users enjoying the game play.
도 6a 및 도 6b는 본 개시의 일 실시예에 따라 근사 가치 함수를 설명하기 위한 예시도이다.6A and 6B are exemplary diagrams for explaining an approximate value function according to an embodiment of the present disclosure.
도 6a는 상태, 액션 쌍에 대한 실제 가치 함수 값(610)을 도시하고 있다. 컴퓨팅 장치(100)는 메모리(130)에 모든 상태, 액션 쌍에 대한 실제 가치 함수 값(610)을 저장할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.6A shows the actual
도 6b는 상태, 액션 쌍에 대한 근사 가치 함수 값(751)을 도시하고 있다. 참조번호 700번의 그래프에서, x축을 상태, 액션 쌍, y축은 가치 함수 값을 나타낼 수 있다. 참조번호 700번의 그래프에서 참조번호 710번은 상태, 액션 쌍에 대한 실제 가치 함수 값(610)을 나타낼 수 있다. 참조번호 730번은 근사 가치 함수의 그래프를 나타낼 수 있다. 컴퓨팅 장치(100)는 메모리(130)에 모든 상태, 액션 쌍에 대한 실제 가치 함수 값(610)이 아닌, 파라미터w(755)만 저장할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.6B shows an approximate
본 개시의 일 실시예에 따라, 근사 가치 함수는 실제 가치 함수(true value function)와 근사 가치 함수의 차이를 줄이도록 학습된 파라미터w(755)를 이용하여, 활동 로그에서 획득한 게임 상태를 입력 받아 실제 가치 함수와 근사한 값을 산출하는 함수를 포함할 수 있다. 예를 들어, 근사 가치 함수가 f(x) = ax4 +bx3 + cx2 + dx + e 인 경우, x는 상태, 액션 쌍, f(x)는 근사 가치 함수 값, a, b, c, d, e는 파라미터w(755)에 포함된 파라미터일 수 있다. 컴퓨팅 장치(100)는 학습 과정을 통해 a, b, c, d, e 값을 반복적으로 업데이트 함으로써(예를 들어, 경사 하강법을 사용한 업데이트) 근사 가치 함수 값 f(x)와 실제 가치 함수 값의 차이를 줄여 나갈 수 있다. 이를 통해 컴퓨팅 장치(100)는 모든 상태, 액션 쌍에 대한 가치 함수 값을 메모리(130)에 저장하지 않더라도, 파라미터w(755)를 통해 근사 가치 함수 값을 획득할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, the approximate value function inputs the game state acquired from the activity log using the learned
게임에 입력될 수 있는 상태, 액션 쌍은 무수히 많을 수 있다. 예를 들어, 상태는 스킬 시퀸스의 수에 기초하여 결정될 수 있다. 스킬 수가 100가지이고 스킬 시퀸스의 길이가 1010인 경우 상태는 1012가지 상태를 포함할 수 있다. 또한 액션은 캐릭터의 공격, 방어, 이동, 스킬을 포함하여 1010가지 액션을 존재할 수 있다. 종합하면 상태, 액션 쌍은 1022 개에 해당하여 메모리(130)는 1022 개의 가치 함수를 저장할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.There can be countless pairs of states and actions that can be entered into the game. For example, the state can be determined based on the number of skill sequences. When the number of skills is 100 and the length of the skill sequence is 10 10 , the states may include 10 or 12 states. In addition, there can be 10 or 10 actions including character's attack, defense, movement, and skill. In sum, there are 10 22 pairs of states and actions, and the
본 개시의 일 실시예에 따라, 컴퓨팅 장치(100)가 근사 가치 함수를 이용함으로써, 메모리(130)에 모든 상태, 액션 쌍에 대한 가치 함수 값이 아닌 파라미터를 저장하여 높은 저장 공간 효율성을 도모할 수 있다. 따라서 수많은 경우의 수가 존재하는 게임 특성 상, 대규모 데이터를 이용하여 강화학습을 수행해야할 수 있다. 대규모 데이터를 이용하여 강화학습을 수행하는 경우 근사 가치 함수를 이용하여 빠른 시간 내에 원하는 활동 정보를 획득할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.According to an embodiment of the present disclosure, by using the approximate value function, the
게임에서는 수많은 게임 상태가 존재하고 수많은 액션을 선택할 수 있다. 본 개시에 따라, 근사 가치 함수를 사용함으로써, 방대한 양의 게임 데이터를 효율적으로 처리하여 적은 연산량으로 활동 정보를 획득할 수 있다.In the game, there are numerous game states and numerous actions to choose from. According to the present disclosure, by using an approximate value function, it is possible to efficiently process a vast amount of game data to obtain activity information with a small amount of computation.
도 7은 본 개시의 일 실시예에 따라 게임 데이터를 처리하는 방법의 순서도이다.7 is a flowchart of a method of processing game data according to an embodiment of the present disclosure.
컴퓨팅 장치(100)는 게임 로그를 획득(810)할 수 있다.The
컴퓨팅 장치(100)는 상기 게임 로그에서 활동 로그 및 결과 로그를 추출(820)할 수 있다.The
본 개시의 일 실시예에서, 상기 활동 로그는, 게임 상에서 캐릭터의 활동 기록, 캐릭터의 정보 또는 게임 환경 정보 중 적어도 하나를 포함할 수 있다.In an embodiment of the present disclosure, the activity log may include at least one of a character activity record, character information, or game environment information in a game.
본 개시의 일 실시예에서, 상기 결과 로그는, 게임 상에서 캐릭터의 활동으로 야기된 결과에 대한 기록을 포함할 수 있다. In one embodiment of the present disclosure, the result log may include a record of a result caused by a character's activity in a game.
본 개시의 일 실시예에서, 상기 활동 정보는, 상기 활동 로그를 포함하는 제 1 활동 정보 또는 상기 활동 로그에 기초하여 생성된 제 2 활동 정보 중 적어도 하나를 포함할 수 있다.In an embodiment of the present disclosure, the activity information may include at least one of first activity information including the activity log or second activity information generated based on the activity log.
본 개시의 일 실시예에서, 상기 활동 정보는, 상기 목표 정보에 기초하여 결정된 활동 정보를 포함하고, 상기 목표 정보는 사용자 단말의 요청에 기초하여 결정된 값을 포함할 수 있다.In an embodiment of the present disclosure, the activity information may include activity information determined based on the target information, and the target information may include a value determined based on a request from a user terminal.
컴퓨팅 장치(100)는 상기 활동 로그 또는 상기 결과 로그 중 적어도 하나를 활동 정보 생성 모델에 입력시켜 활동 정보를 획득(830)할 수 있다.The
본 개시의 일 실시예에서, 상기 활동 정보 생성 모델은, 제 1 활동 정보를 획득하기 위한 확률론적 시퀸스 모델을 포함하는 제 1 서브 모델을 포함할 수 있다. In an embodiment of the present disclosure, the activity information generation model may include a first sub-model including a probabilistic sequence model for obtaining first activity information.
본 개시의 일 실시예에서, 상기 확률론적 시퀸스 모델은, 상기 활동 로그에 포함된 컴포넌트인 복수개의 활동 패턴 각각의 확률 값에 기초하여 상기 활동 정보를 생성하는 모델을 포함할 수 있다.In an embodiment of the present disclosure, the probabilistic sequence model may include a model that generates the activity information based on probability values of each of a plurality of activity patterns that are components included in the activity log.
본 개시의 일 실시예에서, 상기 활동 정보 생성 모델은, 제 2 활동 정보를 획득하기 위한 제 2 서브 모델을 포함하고, 제 2 활동 정보를 획득하기 위한 제 2 서브 모델은, 상기 활동 로그에 기초하여 제 2 활동 정보를 획득하기 위한 강화학습 모델을 포함할 수 있다.In an embodiment of the present disclosure, the activity information generation model includes a second sub-model for obtaining second activity information, and the second sub-model for obtaining second activity information is based on the activity log Thus, a reinforcement learning model for acquiring the second activity information may be included.
본 개시의 일 실시예에서, 상기 강화학습 모델은, 상기 활동 로그에서 게임 상태를 획득하고, 상기 게임 상태를 강화학습 모델을 이용하여 연산함으로써 사전결정된 결과 정보를 도출하도록 하는 제 2 활동 정보를 획득하기 위한 모델을 포함할 수 있다.In an embodiment of the present disclosure, the reinforcement learning model acquires the game state from the activity log, and obtains second activity information to derive predetermined result information by calculating the game state using the reinforcement learning model. It can include a model for doing.
본 개시의 일 실시예에서, 상기 강화학습 모델은, 근사 가치 함수를 이용하여 제 2 활동 정보를 획득하기 위한 모델을 포함할 수 있다.In an embodiment of the present disclosure, the reinforcement learning model may include a model for obtaining second activity information using an approximate value function.
컴퓨팅 장치(100)는 사용자 단말의 요청에 기초하여 활동 정보를 제공(840)할 수 있다.The
본 개시의 일 실시예에서, 상기 근사 가치 함수는, 실제 가치 함수와 근사 가치 함수의 차이를 줄이도록 학습된 파라미터를 이용하여, 활동 로그에서 획득한 게임 상태를 입력 받아 실제 가치 함수와 근사한 값을 산출하는 함수를 포함할 수 있다.In an embodiment of the present disclosure, the approximate value function uses a parameter learned to reduce the difference between the real value function and the approximate value function, receives the game state obtained from the activity log, and calculates a value approximating the real value function. It may include a function to calculate.
본 개시에 따라, 획득한 활동 로그에 포함된 제 1 활동 정보 및 획득한 활동 로그에 기초하여 생성된 제 2 활동 정보를 사용자에게 제공함으로써, 사용자가 게임을 원할하게 수행하여 게임에서 이탈하지 않고 더욱 더 게임에 대해 흥미를 느낄 수 있도록 할 수 있다.According to the present disclosure, by providing the user with the first activity information included in the acquired activity log and the second activity information generated based on the acquired activity log, the user smoothly performs the game and does not leave the game. It can make you feel more interested in the game.
도 8은 본 개시의 일 실시예에 따라 게임 데이터를 처리하기 위한 모듈을 도시한 블록 구성도이다.8 is a block diagram illustrating a module for processing game data according to an embodiment of the present disclosure.
본 개시의 일 실시예에 따라 게임 데이터 처리는 다음과 같은 모듈에 의해 구현될 수 있다.Game data processing according to an embodiment of the present disclosure may be implemented by the following modules.
본 개시의 일 실시예에 따라, 게임 로그를 획득하기 위한 모듈(910), 상기 게임 로그에서 활동 로그 및 결과 로그를 추출하기 위한 모듈(920), 상기 활동 로그 또는 상기 결과 로그 중 적어도 하나를 활동 정보 생성 모델에 입력시켜 활동 정보를 획득하기 위한 모듈(930) 및 사용자 단말의 요청에 기초하여 활동 정보를 제공하기 위한 모듈(940)에 의하여 구현될 수 있다.According to an embodiment of the present disclosure, a
게임 데이터 처리의 대안적 실시예에서, 사용자 단말의 요청에 기초하여 결과 정보를 생성하기 위한 모듈을 더 포함할 수 있다. 상기 결과 정보는, 상기 활동 정보를 기초로 게임 상의 캐릭터가 활동한 결과를 예측한 정보를 포함할 수 있다.In an alternative embodiment of processing game data, it may further include a module for generating result information based on the request of the user terminal. The result information may include information predicting a result of an activity of a character in a game based on the activity information.
게임 데이터 처리의 대안적 실시예에서, 사용자 단말의 요청에 기초하여 활동 정보를 제공하기 위한 모듈(940)은 사용자 단말의 게임 화면에서 사용자가 적어도 하나 이상의 스킬을 상기 활동 정보에 기초하여 선택하도록 야기하기 위한 모듈을 포함할 수 있다. In an alternative embodiment of game data processing, the
게임 데이터 처리의 대안적 실시예에서, 상기 제공받은 활동 정보에 기초하여 게임 상의 캐릭터 동작을 야기하기 위한 모듈을 더 포함할 수 있다. In an alternative embodiment of game data processing, it may further include a module for causing a character motion on the game based on the provided activity information.
본 개시의 일 실시예에 따르면 게임 데이터를 처리하기 위한 모듈은, 컴퓨팅 장치를 구현하기 위한 수단, 회로 또는 로직에 의하여 구현될 수도 있다. 당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있으나, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.According to an embodiment of the present disclosure, a module for processing game data may be implemented by means, circuits, or logic for implementing a computing device. Those of skill in the art would further describe the various illustrative logical blocks, configurations, modules, circuits, means, logics and algorithm steps described in connection with the embodiments disclosed herein, in electronic hardware, computer software, or combinations of both. It should be recognized that it can be implemented as To clearly illustrate the interchangeability of hardware and software, various illustrative components, blocks, configurations, means, logics, modules, circuits, and steps have been described above generally in terms of their functionality. Whether such functionality is implemented in hardware or as software depends on the specific application and design restrictions imposed on the overall system. Skilled artisans may implement the described functionality in varying ways for each particular application, but such implementation decisions should not be interpreted as causing a departure from the scope of the present disclosure.
도 9은 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.9 is a simplified and general schematic diagram of an exemplary computing environment in which embodiments of the present disclosure may be implemented.
본 개시가 일반적으로 컴퓨팅 장치(100)에 의해 구현될 수 있는 것으로 전술되었지만, 당업자라면 본 개시가 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어 및/또는 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로써 구현될 수 있다는 것을 잘 알 것이다.While the present disclosure has been described above as generally capable of being implemented by the
일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.Generally, program modules include routines, programs, components, data structures, etc. that perform particular tasks or implement particular abstract data types. Further, to those skilled in the art, the method of the present disclosure is not limited to single-processor or multiprocessor computer systems, minicomputers, mainframe computers, as well as personal computers, handheld computing devices, microprocessor-based or programmable household appliances, and the like (each of which It will be appreciated that it may be implemented with other computer system configurations, including one or more associated devices).
본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘 다에 위치할 수 있다.The described embodiments of the present disclosure may also be practiced in a distributed computing environment where certain tasks are performed by remote processing devices that are connected through a communication network. In a distributed computing environment, program modules may be located in both local and remote memory storage devices.
컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.Computers typically include a variety of computer-readable media. Computer-readable media can be any computer-readable media, including volatile and non-volatile media, transitory and non-transitory media, removable and non-transitory media. Includes removable media. By way of example, and not limitation, computer-readable media may include computer-readable storage media and computer-readable transmission media. Computer-readable storage media include volatile and nonvolatile media, transitory and non-transitory media, removable and non-removable media implemented in any method or technology for storing information such as computer-readable instructions, data structures, program modules or other data. Includes the medium. Computer-readable storage media include RAM, ROM, EEPROM, flash memory or other memory technology, CD-ROM, digital video disk (DVD) or other optical disk storage, magnetic cassette, magnetic tape, magnetic disk storage, or other magnetic storage. Devices, or any other medium that can be accessed by a computer and used to store desired information.
컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터 등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.Computer-readable transmission media typically implement computer-readable instructions, data structures, program modules, or other data on a modulated data signal such as a carrier wave or other transport mechanism. Includes all information transmission media. The term modulated data signal refers to a signal in which one or more of the characteristics of the signal is set or changed to encode information in the signal. By way of example, and not limitation, computer-readable transmission media include wired media such as a wired network or direct-wired connection, and wireless media such as acoustic, RF, infrared, and other wireless media. Combinations of any of the above-described media are also intended to be included within the scope of computer-readable transmission media.
컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.An exemplary environment 1100 is shown that implements various aspects of the present disclosure, including a
시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇 가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.The
컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)-이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음-, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.The
이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.These drives and their associated computer readable media provide non-volatile storage of data, data structures, computer executable instructions, and the like. In the case of
운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.A number of program modules, including the
사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.A user may input commands and information to the
모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.A
컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 컴퓨팅 디바이스 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.
LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 컴퓨팅 디바이스에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.When used in a LAN networking environment, the
컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.
Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a, b, g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.Wi-Fi (Wireless Fidelity) allows you to connect to the Internet, etc. without wires. Wi-Fi is a wireless technology such as a cell phone that allows such devices, for example computers, to transmit and receive data indoors and outdoors, ie anywhere within the coverage area of a base station. Wi-Fi networks use a wireless technology called IEEE 802.11 (a, b, g, etc.) to provide a secure, reliable and high-speed wireless connection. Wi-Fi can be used to connect computers to each other, to the Internet, and to a wired network (using IEEE 802.3 or Ethernet). Wi-Fi networks can operate in unlicensed 2.4 and 5 GHz radio bands, for example, at a data rate of 11 Mbps (802.11a) or 54 Mbps (802.11b), or in products that include both bands (dual band). .
본 개시의 기술 분야에서 통상의 지식을 가진 자는 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 수 있다.Those of ordinary skill in the art of this disclosure will understand that information and signals may be represented using any of a variety of different technologies and techniques. For example, data, instructions, commands, information, signals, bits, symbols and chips that may be referenced in the above description are voltages, currents, electromagnetic waves, magnetic fields or particles, optical fields. Or particles, or any combination thereof.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 소프트웨어로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.A person of ordinary skill in the art of the present disclosure includes various exemplary logical blocks, modules, processors, means, circuits and algorithm steps described in connection with the embodiments disclosed herein, electronic hardware, (convenience). For the sake of clarity, it will be appreciated that it may be implemented by various types of programs or design code or a combination of both (referred to herein as software). To clearly illustrate this interchangeability of hardware and software, various illustrative components, blocks, modules, circuits and steps have been described above generally in terms of their functionality. Whether such functionality is implemented as hardware or software depends on the particular application and design constraints imposed on the overall system. A person of ordinary skill in the art of the present disclosure may implement the described functions in various ways for each specific application, but such implementation decisions should not be interpreted as being outside the scope of the present disclosure.
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 제조 물품은 임의의 컴퓨터-판독가능 저장장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다.The various embodiments presented herein may be implemented as a method, apparatus, or article of manufacture using standard programming and/or engineering techniques. The term article of manufacture includes a computer program, carrier, or media accessible from any computer-readable storage device. For example, computer-readable storage media include magnetic storage devices (e.g., hard disks, floppy disks, magnetic strips, etc.), optical disks (e.g., CD, DVD, etc.), smart cards, and flash Memory devices (eg, EEPROM, cards, sticks, key drives, etc.), but are not limited thereto. In addition, the various storage media presented herein include one or more devices and/or other machine-readable media for storing information.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.It is to be understood that the specific order or hierarchy of steps in the presented processes is an example of exemplary approaches. Based on the design priorities, it is to be understood that within the scope of the present disclosure a specific order or hierarchy of steps in processes may be rearranged. The appended method claims provide elements of the various steps in a sample order, but are not meant to be limited to the specific order or hierarchy presented.
제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.The description of the presented embodiments is provided to enable any person skilled in the art to make or use the present disclosure. Various modifications to these embodiments will be apparent to those of ordinary skill in the art, and general principles defined herein may be applied to other embodiments without departing from the scope of the present disclosure. Thus, the present disclosure is not to be limited to the embodiments presented herein, but is to be interpreted in the widest scope consistent with the principles and novel features presented herein.
Claims (16)
게임 로그를 획득하는 동작;
상기 게임 로그에서 활동 로그 및 결과 로그를 추출하는 동작;
상기 활동 로그 또는 상기 결과 로그 중 적어도 하나를 활동 정보 생성 모델에 입력시켜 활동 정보를 획득하는 동작; 및
사용자 단말의 요청에 기초하여 활동 정보를 제공하는 동작;
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
A computer program stored in a computer-readable storage medium, wherein the computer program performs the following operations for processing game data when executed on one or more processors, the operation comprising:
Obtaining a game log;
Extracting an activity log and a result log from the game log;
Inputting at least one of the activity log or the result log into an activity information generation model to obtain activity information; And
Providing activity information based on the request of the user terminal;
Containing,
A computer program stored on a computer-readable storage medium.
상기 활동 로그는,
게임 상에서 캐릭터의 활동 기록, 캐릭터의 정보 또는 게임 환경 정보 중 적어도 하나를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 1,
The activity log,
Including at least one of a character's activity record, character information, or game environment information on the game,
A computer program stored on a computer-readable storage medium.
상기 결과 로그는,
게임 상에서 캐릭터의 활동으로 야기된 결과에 대한 기록을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 1,
The result log is,
Containing a record of the consequences of a character's activity in the game,
A computer program stored on a computer-readable storage medium.
상기 활동 정보는,
상기 활동 로그를 포함하는 제 1 활동 정보 또는 상기 활동 로그에 기초하여 생성된 제 2 활동 정보 중 적어도 하나를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 1,
The above activity information,
Including at least one of first activity information including the activity log or second activity information generated based on the activity log,
A computer program stored on a computer-readable storage medium.
상기 활동 정보는,
사용자 단말로부터 수신된 목표 정보에 기초하여 결정되는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 1,
The above activity information,
Determined based on the target information received from the user terminal,
A computer program stored on a computer-readable storage medium.
사용자 단말의 요청에 기초하여 결과 정보를 생성하는 동작;
을 더 포함하고,
상기 결과 정보는,
상기 활동 정보를 기초로 게임 상의 캐릭터가 활동한 결과를 예측한 정보를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 1,
Generating result information based on the request of the user terminal;
Including more,
The result information is,
Including information predicting a result of the activity of the character in the game based on the activity information,
A computer program stored on a computer-readable storage medium.
상기 활동 정보 생성 모델은,
제 1 활동 정보를 획득하기 위한 확률론적 시퀸스 모델(Probabilistic Sequence Model)을 포함하는 제 1 서브 모델을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 1,
The activity information generation model,
Including a first sub-model including a probabilistic sequence model for obtaining the first activity information,
A computer program stored on a computer-readable storage medium.
상기 확률론적 시퀸스 모델은,
상기 활동 로그에 포함된 컴포넌트인 복수개의 활동 패턴 각각의 확률 값에 기초하여 상기 활동 정보를 생성하는 모델인,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 7,
The probabilistic sequence model,
A model that generates the activity information based on probability values of each of a plurality of activity patterns that are components included in the activity log,
A computer program stored on a computer-readable storage medium.
상기 활동 정보 생성 모델은,
제 2 활동 정보를 획득하기 위한 제 2 서브 모델을 포함하고,
제 2 활동 정보를 획득하기 위한 제 2 서브 모델은,
상기 활동 로그에 기초하여 제 2 활동 정보를 획득하기 위한 강화학습 모델을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 1,
The activity information generation model,
Including a second sub-model for obtaining second activity information,
The second sub-model for obtaining the second activity information,
Including a reinforcement learning model for obtaining second activity information based on the activity log,
A computer program stored on a computer-readable storage medium.
상기 강화학습 모델은,
상기 활동 로그에서 게임 상태를 획득하고, 상기 게임 상태를 강화학습 모델을 이용하여 연산함으로써 사전결정된 결과 정보를 도출하도록 하는 제 2 활동 정보를 획득하기 위한 모델을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 9,
The reinforcement learning model,
Comprising a model for acquiring a game state from the activity log, and obtaining second activity information to derive predetermined result information by calculating the game state using a reinforcement learning model,
A computer program stored on a computer-readable storage medium.
상기 강화학습 모델은,
근사 가치 함수(value function approximator)를 이용하여 제 2 활동 정보를 획득하기 위한 모델을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 9,
The reinforcement learning model,
Including a model for obtaining second activity information using an approximate value function (value function approximator),
A computer program stored on a computer-readable storage medium.
상기 근사 가치 함수는,
실제 가치 함수(true value function)와 근사 가치 함수의 차이를 줄이도록 학습된 파라미터를 이용하여, 활동 로그에서 획득한 게임 상태를 입력 받아 실제 가치 함수와 근사한 값을 산출하는 함수를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 11,
The approximate value function,
Including a function that calculates an approximate value to the actual value function by receiving the game state obtained from the activity log using parameters learned to reduce the difference between the true value function and the approximate value function,
A computer program stored on a computer-readable storage medium.
사용자 단말의 요청에 기초하여 활동 정보를 제공하는 동작은,
사용자 단말의 게임 화면에서 사용자가 적어도 하나 이상의 스킬을 상기 활동 정보에 기초하여 선택하도록 야기하는 동작;
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 1,
The operation of providing the activity information based on the request of the user terminal,
Causing a user to select at least one skill based on the activity information on the game screen of the user terminal;
Containing,
A computer program stored on a computer-readable storage medium.
상기 제공받은 활동 정보에 기초하여 게임 상의 캐릭터 동작을 야기하는 동작;
을 더 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 1,
Causing a character motion in the game based on the provided activity information;
Further comprising,
A computer program stored on a computer-readable storage medium.
게임 로그를 획득하는 단계;
상기 게임 로그에서 활동 로그 및 결과 로그를 추출하는 단계;
상기 활동 로그 또는 상기 결과 로그 중 적어도 하나를 활동 정보 생성 모델에 입력시켜 활동 정보를 획득하는 단계; 및
사용자 단말의 요청에 기초하여 활동 정보를 제공하는 단계;
를 포함하는,
게임 데이터 처리 방법.
Game data processing method,
Obtaining a game log;
Extracting an activity log and a result log from the game log;
Obtaining activity information by inputting at least one of the activity log or the result log into an activity information generation model; And
Providing activity information based on the request of the user terminal;
Containing,
How to process game data.
하나 이상의 프로세서; 및
상기 하나 이상의 프로세서에서 실행 가능한 명령들을 저장하는 메모리;
를 포함하고,
상기 하나 이상의 프로세서는,
게임 로그를 획득하고,
상기 게임 로그에서 활동 로그 및 결과 로그를 추출하고,
상기 활동 로그 또는 상기 결과 로그 중 적어도 하나를 활동 정보 생성 모델에 입력시켜 활동 정보를 획득하고, 그리고
사용자 단말의 요청에 기초하여 활동 정보를 제공하는
게임 데이터를 처리하기 위한 컴퓨팅 장치.
A computing device for processing game data, comprising:
One or more processors; And
A memory storing instructions executable in the one or more processors;
Including,
The one or more processors,
Get the game log,
Extracting the activity log and result log from the game log,
Acquiring activity information by inputting at least one of the activity log or the result log into an activity information generation model, and
Providing activity information based on the request of the user terminal
A computing device for processing game data.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190075169A KR102259786B1 (en) | 2019-06-24 | 2019-06-24 | Method for processing game data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190075169A KR102259786B1 (en) | 2019-06-24 | 2019-06-24 | Method for processing game data |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210000181A true KR20210000181A (en) | 2021-01-04 |
KR102259786B1 KR102259786B1 (en) | 2021-06-01 |
Family
ID=74127484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190075169A KR102259786B1 (en) | 2019-06-24 | 2019-06-24 | Method for processing game data |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102259786B1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117046111A (en) * | 2023-10-11 | 2023-11-14 | 腾讯科技(深圳)有限公司 | Game skill processing method and related device |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009064216A (en) * | 2007-09-06 | 2009-03-26 | Univ Of Tsukuba | Function approximation device, enhanced learning system, function approximation system, and function approximation program |
KR20160014701A (en) * | 2013-05-30 | 2016-02-11 | 엠파이어 테크놀로지 디벨롭먼트 엘엘씨 | Controlling a massively multiplayer online role-playing game |
KR101975542B1 (en) * | 2018-11-07 | 2019-05-07 | 넷마블 주식회사 | Method and apparatus for providing game target guide service |
-
2019
- 2019-06-24 KR KR1020190075169A patent/KR102259786B1/en active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009064216A (en) * | 2007-09-06 | 2009-03-26 | Univ Of Tsukuba | Function approximation device, enhanced learning system, function approximation system, and function approximation program |
KR20160014701A (en) * | 2013-05-30 | 2016-02-11 | 엠파이어 테크놀로지 디벨롭먼트 엘엘씨 | Controlling a massively multiplayer online role-playing game |
KR101975542B1 (en) * | 2018-11-07 | 2019-05-07 | 넷마블 주식회사 | Method and apparatus for providing game target guide service |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117046111A (en) * | 2023-10-11 | 2023-11-14 | 腾讯科技(深圳)有限公司 | Game skill processing method and related device |
CN117046111B (en) * | 2023-10-11 | 2024-01-30 | 腾讯科技(深圳)有限公司 | Game skill processing method and related device |
Also Published As
Publication number | Publication date |
---|---|
KR102259786B1 (en) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Risi et al. | Increasing generality in machine learning through procedural content generation | |
Zocca et al. | Python deep learning | |
Vasilev et al. | Python Deep Learning: Exploring deep learning techniques and neural network architectures with Pytorch, Keras, and TensorFlow | |
JP7399277B2 (en) | Information processing methods, devices, computer programs and electronic devices | |
KR102199467B1 (en) | Method for collecting data for machine learning | |
KR102199466B1 (en) | Method for changing game environment | |
Dutta | Reinforcement Learning with TensorFlow: A beginner's guide to designing self-learning systems with TensorFlow and OpenAI Gym | |
Zhao et al. | Player behavior modeling for enhancing role-playing game engagement | |
KR102259786B1 (en) | Method for processing game data | |
US11458397B1 (en) | Automated real-time engagement in an interactive environment | |
KR102193115B1 (en) | A computer program for performing drawing-based security authentication | |
Tsikerdekis et al. | Efficient deep learning bot detection in games using time windows and long short-term memory (lstm) | |
CN112274935A (en) | AI model training method, use method, computer device and storage medium | |
Saito et al. | Python reinforcement learning projects: eight hands-on projects exploring reinforcement learning algorithms using TensorFlow | |
KR102404407B1 (en) | Method for game data processing | |
Olesen et al. | Evolutionary planning in latent space | |
KR20200060140A (en) | Method for providing payment analysis information in game providing apparatus and game providing apparatus | |
KR102096935B1 (en) | Computing device for providing replay | |
Rajabi et al. | A dynamic balanced level generator for video games based on deep convolutional generative adversarial networks | |
KR102716522B1 (en) | Method for predicting of preference | |
Balabanov et al. | Developing a general video game ai controller based on an evolutionary approach | |
KR102660586B1 (en) | Method for detecting online game bot accounts | |
KR102336067B1 (en) | A compuer program for generating audio data corresponding to a game play situation | |
Martin et al. | Teaching and Learning Computer-Intelligent Games | |
KR20210005833A (en) | Method for changing game environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |