【技术实现步骤摘要】
获胜值的确定方法及装置、存储介质及电子装置
本专利技术涉及计算机领域,具体而言,涉及一种获胜值的确定方法及装置、存储介质及电子装置。
技术介绍
目前,预测游戏中玩家获胜值的方式,通常是统计玩家过往的对战信息(玩家历史胜率、玩家游戏段位等),从而实现根据历史对战信息,来预测玩家在当前所参与的游戏中的获胜值。但是,这种方式所得到的获胜值只考虑了玩家在以往游戏中所产生的历史对战信息,从而导致所获取的获胜值的准确性较低。针对上述的问题,目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供一种获胜值的确定方法及装置、存储介质及电子装置,以至少解决相关技术中所获取的获胜值的准确性较低的技术问题。根据本专利技术实施例的一个方面,提供了一种获胜值的确定方法,包括:获取参与所述一局游戏中的第一帐号集合的第一目标信息,其中,所述第一目标信息包括所述第一帐号集合中的帐号在历史游戏中的第一统计信息和所述第一帐号集合中的帐号在所述一局游戏中所确定的游戏角色的第一属性信息;获取参与所述一局游戏中的第二帐号集合的第二目标信息,其中,所述第二目标信息包括所述第二帐号集合中的帐号在历史游戏中的第二统计信息和所述第二帐号集合中的帐号在所述一局游戏中所确定的游戏角色的第二属性信息;使用目标函数对所述第一统计信息、所述第一属性信息、所述第二统计信息和所述第二属性信息进行处理,确定所述第一帐号集合或所述第二帐号集合在所述一局游戏中的获胜值,其中,所述目标函数为非线性函数。根据本专利技术实施例的另一方面,还提供了一种获胜值的确定装置,包括:第一获取单元,用于获取参与所述一局游戏中的第一帐号集 ...
【技术保护点】
1.一种获胜值的确定方法,其特征在于,包括:获取参与一局游戏中的第一帐号集合的第一目标信息,其中,所述第一目标信息包括所述第一帐号集合中的帐号在历史游戏中的第一统计信息和所述第一帐号集合中的帐号在所述一局游戏中所确定的游戏角色的第一属性信息;获取参与所述一局游戏中的第二帐号集合的第二目标信息,其中,所述第二目标信息包括所述第二帐号集合中的帐号在历史游戏中的第二统计信息和所述第二帐号集合中的帐号在所述一局游戏中所确定的游戏角色的第二属性信息;使用目标函数对所述第一统计信息、所述第一属性信息、所述第二统计信息和所述第二属性信息进行处理,确定所述第一帐号集合或所述第二帐号集合在所述一局游戏中的获胜值,其中,所述目标函数为非线性函数。
【技术特征摘要】
1.一种获胜值的确定方法,其特征在于,包括:获取参与一局游戏中的第一帐号集合的第一目标信息,其中,所述第一目标信息包括所述第一帐号集合中的帐号在历史游戏中的第一统计信息和所述第一帐号集合中的帐号在所述一局游戏中所确定的游戏角色的第一属性信息;获取参与所述一局游戏中的第二帐号集合的第二目标信息,其中,所述第二目标信息包括所述第二帐号集合中的帐号在历史游戏中的第二统计信息和所述第二帐号集合中的帐号在所述一局游戏中所确定的游戏角色的第二属性信息;使用目标函数对所述第一统计信息、所述第一属性信息、所述第二统计信息和所述第二属性信息进行处理,确定所述第一帐号集合或所述第二帐号集合在所述一局游戏中的获胜值,其中,所述目标函数为非线性函数。2.根据权利要求1所述的方法,其特征在于,所述使用目标函数对所述第一统计信息、所述第一属性信息、所述第二统计信息和所述第二属性信息进行处理包括:根据所述第一统计信息、所述第一属性信息,生成所述第一帐号集合的第一向量和第二向量,其中,所述第一向量包括所述第一帐号集合中属性等级大于等于第一预定值的信息,所述第二向量包括所述第一帐号集合中属性等级小于第二预定值的信息,所述第一预定值大于所述第二预定值;根据所述第二统计信息、所述第二属性信息,生成所述第二帐号集合的第三向量和第四向量,其中,所述第三向量包括所述第二帐号集合中属性等级大于等于所述第一预定值的信息,所述第四向量包括所述第二帐号集合中属性等级小于所述第二预定值的信息;使用所述目标函数对所述第一向量、所述第二向量、所述第三向量和所述第四向量进行处理。3.根据权利要求2所述的方法,其特征在于,所述根据所述第一统计信息、所述第一属性信息,生成所述第一帐号集合的第一向量和第二向量包括:使用目标模型对所述第一属性信息进行处理,获取所述第一帐号集合中的帐号的第五向量和第六向量,其中,所述目标模型为使用多组样本属性信息通过机器学习对初始模型进行训练出得到的模型,所述第五向量包括所述第一帐号集合中的帐号的属性等级大于等于第三预定值的信息,所述第六向量包括所述第一帐号集合中的帐号的属性等级小于第四预定值的信息,所述第三预定值大于所述第四预定值;根据所述第五向量、所述第六向量以及所述第一统计信息,获取所述第一帐号集合中的帐号的第一向量i和第二向量i,其中,i为正整数;将所述第一帐号集合中的所有帐号的所述第一向量i和所述第二向量i求和,生成所述第一帐号集合的所述第一向量和所述第二向量。4.根据权利要求3所述的方法,其特征在于,通过如下方式获取所述第一帐号集合中的帐号的第一向量i和第二向量i包括:Bi=concat(σ(Wb·pi+bb),bi)Ci=concat(σ(Wc·pi+bc),ci)其中,Bi为所述第一向量i,Ci为所述第二向量i,pi为所述第一统计信息,bi为所述第五向量,ci为所述第六向量,Wb,bb,Wc,bc为神经网络模型中的模型参数,σ为非线性变换函数,concat()表示将括号内两向量拼接得到一个新的向量。5.根据权利要求2所述的方法,其特征在于,所述根据所述第二统计信息、所述第二属性信息,生成所述第二帐号集合的第三向量和第四向量包括:使用目标模型对所述第二属性信息进行处理,获取所述第二帐号集合中的帐号的第七向量和第八向量,其中,所述目标模型为使用多组样本属性信息通过机器学习对初始模型进行训练出得到的模型,所述第七向量包括所述第二帐号集合中的帐号的属性等级大于等于第三预定值的信息,所述第八向量包括所述第二帐号集合中的帐号的属性等级小于第四预定值的信息,所述第三预定值大于所述第四预定值;根据所述第七向量、所述第八向量以及所述第二统计信息,获取所述第二帐...
【专利技术属性】
技术研发人员:王晓曦,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。