The application discloses a data processing method, device, terminal and medium based on artificial intelligence. The method includes: obtaining the data of the data set, which includes at least three user data sets; generating the target search tree model according to the data of the data set and the zero sum algorithm; determining the search path of the maximum node value according to the generated target search tree model, and performing the tree node corresponding to the search path of the maximum node value It can process multi-party data quickly and save data cost.
【技术实现步骤摘要】
一种基于人工智能的数据处理方法、装置、终端及介质
本申请涉及计算机
,尤其涉及一种基于人工智能的数据处理方法、装置、终端及介质。
技术介绍
机器博弈,也称计算机博弈,就是指计算机通过运行人类编写的程序,模拟人类在下棋时复杂的思维,从而让计算机像人类一样具有下棋的能力,下国际象棋,五子棋,西洋跳棋,中国象棋等等。计算机博弈作为人工智能领域一个非常重要而且极具挑战性的课题。一般解决博弈类问题的自然想法是将局面组织成一棵树,树的每一个节点表示一种局面,而父子关系表示由父局面经过一步可以到达子局面,Minimax算法也不例外。上述Minimax算法又名极小化极大算法(极大极小值算法),是一种找出失败的最大可能性中的最小值的算法。常用于棋类等由两方较量的游戏和程序,这类程序由两方轮流,每次执行一个步骤。我们众所周知的五子棋、象棋等都属于这类程序,所以说Minimax算法是基于搜索的博弈算法的基础,即一方要在可选的选项中选择将其优势最大化的选择,而另一方则选择令对手优势最小化的方法。但基于传统的Minimax算法的决策方法,不适用于多方参与的博弈决策。对于多方参与的博弈,使用一般的监督学习训练模型进行决策时,存在失误的可能性较大,尤其是对于需要多方配合进行的决策场景,无法准确地判断不同可能的数据处理方式的优劣,数据处理方式不合理、过程较冗长复杂、数据开销大。
技术实现思路
本申请提供了一种基于人工智能的数据处理方法、装置、终端及介质,可以确定当前场景下的最佳数据处理方式,以快速合理地处理 ...
【技术保护点】
1.一种基于人工智能的数据处理方法,其特征在于,包括:/n获取数据集的数据,所述数据集包括至少三个用户数据集;/n根据所述数据集的数据,依据零总和算法生成目标搜索树模型;/n根据生成得到的所述目标搜索树模型,确定最大节点价值的搜索路径,并执行所述最大节点价值的搜索路径途径的树节点对应的处理方式。/n
【技术特征摘要】
1.一种基于人工智能的数据处理方法,其特征在于,包括:
获取数据集的数据,所述数据集包括至少三个用户数据集;
根据所述数据集的数据,依据零总和算法生成目标搜索树模型;
根据生成得到的所述目标搜索树模型,确定最大节点价值的搜索路径,并执行所述最大节点价值的搜索路径途径的树节点对应的处理方式。
2.根据权利要求1所述的方法,其特征在于,所述数据集包括第一用户数据集、第二用户数据集和第三用户数据集;
所述根据所述数据集的数据,依据零总和算法生成目标搜索树模型包括:
根据所述数据集的数据,依据所述零总和算法生成目标搜索树模型,所述目标搜索树模型由所述第一用户数据集对应的第一MAX节点层、第二用户数据集对应的第二MAX节点层以及所述第三用户数据集对应的MIN节点层交替出现,每个树节点由针对其所在层对应的用户数据集作为处理对象的不同处理方式以及对应的节点价值确定,所述节点价值为对应处理方式下所述第三用户数据集的最终剩余数据个数。
3.根据权利要求2所述的方法,其特征在于,所述MAX节点层的节点价值为所述MAX节点层的子节点的最大节点价值,所述MIN节点层的节点价值为所述MIN节点层的子节点的最小节点价值。
4.根据权利要求3所述的方法,其特征在于,所述根据生成得到的所述目标搜索树模型,确定最大节点价值的搜索路径之前,所述方法还包括:
删除所述目标搜索树模型中的冗余节点,所述冗余节点包括:
所述MAX节点层到上一层MAX节点层的每个搜索路径中,所述节点价值大于所述上一层MAX节点层的节点价值的节点,以及所述MIN节点层到上一层MIN节点层的每个搜索路径中,所述节点价值小于所述上一层MAX节点层的节点价值的节点。
5.根据权利要求2-4任一项所述的方法,其特征在于,所述第一用户数据集的数据和所述第三用户数据集的数据未知;所述获取数据集的数据之前,所述方法还包括:
使用预测网络模型预测目标数据集的数据,获得预测结果,所述预测结果包括至少一组预测数据和所述至少一组预测数据的概率,所述目标数据集为所述第一用户数据集和所述第三用户数据集中数据个数更少的一个数据集;
根据所述预测结果确定所述第一用户数据集的数据和所述第三用户数据集的数据。
6.根据权利要求5所述的方法,其特征在于,所述使用预测网络模型预测目标数据集的数据包括:
在检测到至少一个数据集的数据个数小于或者等于判断阈值的情况下,使用预测网络模型预测所述目标数据集的数据。
7.根据权利要求6所述的方法,其特征在于,所述使用预测网络模型预测目标数据集的数据,获得预测结果包括:
根据所述数据集中的已知数据和历史数据处理信息生成平面特征数据,所述平面特征数据用于表示所述数据集中的数据分布;
将所述平面特征数据输入所述预测网络模型进行预测,获得所述至少一组预测数据以及所述至少一组预测数据对应的概率。
8.根据权利要求7所述的方法,其特征在于,在所述预测结果包含至少两组预测数据的情况下,所述根据所述预测结果确定所述第一用户数据集的数据和所述第三用户数据集的数据包括:
将所述预测结果中概率最大的一组预测数据作为所述目标数据集的数据;
根据所述数据集的历史处理数据、所述目标数据集的数据和所述第二用户数据...
【专利技术属性】
技术研发人员:张榕,曾子骄,
申请(专利权)人:深圳市腾讯网域计算机网络有限公司,
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。