地图场景预加载方法、模型训练方法、设备及存储介质技术

本申请提供一种地图场景预加载方法、模型训练方法、设备及存储介质，涉及游戏技术领域。该方法通过接收游戏客户端发送的预测请求，根据预测请求，通过场景预加载模型预测下一目标场景，获取预测结果，进而可以向游戏客户端发送该预测结果，其中，该预测结果包括目标场景的场景标识，使得游戏客户端在接收目标场景的场景标识后，即可在玩家切换场景前预先加载下一个进入的目标场景，缩减场景切换时的等待时间，提升玩家游戏体验的流畅性。

【技术实现步骤摘要】
地图场景预加载方法、模型训练方法、设备及存储介质
本申请涉及游戏
，特别涉及一种地图场景预加载方法、模型训练方法、设备及存储介质。
技术介绍
大型多人在线角色扮演游戏(MultiplayerOnlineRole-PlayingGame，MMORPG)是网络游戏的一种，在MMORPG游戏中有大量的地图与玩法场景，地图场景的加载与渲染需要消耗大量的计算机硬件资源与计算能力，因此玩家在游戏中进行地图场景的切换时，需要消耗大量的时间等待计算机完成地图资源的加载与渲染。现有的为了缩短场景过场的等待时间，主要通过优化地图场景的渲染方式，通过优化场景渲染相关代码，提高资源渲染效率，缩短过场等待时间。但现有的优化场景的方式，由于渲染相关的代码是在收到明确的场景切换事件(如，收到下一个进入场景的标识)才执行的，因此，现有的场景切换方式存在等待时间较长的技术问题。
技术实现思路
本申请的目的在于，针对上述现有技术中的不足，提供一种地图场景预加载方法、模型训练方法、设备及存储介质，可以解决现有场景切换方式等待时间较长的技术问题。为实现上述目的，本申请实施例采用的技术方案如下：第一方面，本申请实施例提供了一种地图场景预加载方法，包括：接收游戏客户端发送的预测请求，预测请求包括下述至少一项：当前进入地图的场景标识、时间信息、以及玩家特征信息，玩家特征信息包括玩家标识；根据预测请求，通过场景预加载模型预测下一目标场景，获取预测结果，预测结果包括目标场景的场景标识；其中，场景预加载模型由训练数据集训练获取，训练数据集包括多个训练样本数据，每个训练样本数据包括场景标识、时间信息、以及玩家特征信息；向游戏客户端发送预测结果。可选地，每个训练样本数据还包括：训练序列、训练序列对应的时间序列、以及训练序列对应的玩家特征信息，训练序列包括多个场景标识，每个训练样本数据的场景标签为训练序列中最后一个场景标识。可选地，上述方法还包括：根据预设更新频率，获取新的训练样本数据；根据新的训练样本数据训练更新场景预加载模型，获取更新后的场景预加载模型。可选地，根据预测请求，通过场景预加载模型预测下一目标场景，获取预测结果，包括：分别根据预测请求中的场景标识和时间信息，生成场景序列和场景序列对应的时间序列；根据场景序列、时间序列以及预测请求中的玩家特征信息，通过场景预加载模型预测下一目标场景，获取预测结果。可选地，根据场景序列、时间序列以及预测请求中的玩家特征信息，通过场景预加载模型预测下一目标场景，获取预测结果，包括：根据预测请求中玩家特征信息的玩家标识，在预设数据库中检索获取玩家标识对应的场景序列和时间序列；若检索到，根据预测请求中的场景标识和时间信息，对玩家标识对应的场景序列和时间序列进行更新，获取更新后的场景序列和时间序列；根据更新后的场景序列、时间序列以及预测请求中的玩家特征信息，通过场景预加载模型预测下一目标场景，获取预测结果。可选地，根据场景序列、时间序列以及预测请求中的玩家特征信息，通过场景预加载模型预测下一目标场景，获取预测结果，包括：根据嵌入网络层获取场景序列所对应的多维度嵌入向量；根据注意力机制层，对多维度嵌入向量和场景序列对应的时间序列进行抽取，获取抽取向量；将抽取向量输入到前馈神经网络层，获取映射向量；根据映射向量以及预测请求中的玩家特征信息，通过场景预加载模型预测下一目标场景，获取预测结果。可选地，根据映射向量以及预测请求中的玩家特征信息，通过场景预加载模型预测下一目标场景，获取预测结果，包括：将映射向量输入第一全连接层，获取固定长度的序列信息向量；将序列信息向量与玩家特征信息所对应的玩家特征向量进行拼接，获取拼接向量；采用第二全连接层，提取拼接向量中的特征信息；将拼接向量中的特征信息输入预设分类层，获取至少一个备选场景所对应的概率分布；根据概率分布预测下一目标场景，获取预测结果。可选地，根据概率分布预测下一目标场景，获取预测结果，包括：根据至少一个备选场景所对应的概率分布和各备选场景所对应的预设置信度确定目标场景，获取预测结果。可选地，根据至少一个备选场景所对应的概率分布和各备选场景所对应的预设置信度确定目标场景，获取预测结果，包括：根据至少一个备选场景所对应的概率分布，确定最大概率所对应场景标识；根据场景标识对应的预设置信度和最大概率，确定场景标识是否为目标场景标识；若是，将场景标识作为目标场景标识。可选地，向游戏客户端发送预测结果之后，还包括：接收游戏客户端根据预测结果发送的下载请求，下载请求用于请求下载目标场景对应的场景数据。第二方面，本申请实施例提供了一种地图场景预加载模型训练方法，包括：获取训练数据集，训练数据集包括多个训练样本数据，每个训练样本数据包括场景标识、时间信息、以及玩家特征信息；根据训练数据集，训练获取场景预加载模型，场景预加载模型用于预测当前游戏中的下一目标场景。可选地，获取训练数据集，包括：获取初始训练数据，初始训练数据包括初始场景序列、初始场景序列对应的时间序列以及初始场景序列对应的玩家特征信息，初始场景序列包括多个场景标识；采用滑动窗口对初始场景序列进行滑动处理，获取多个长度不一的初始场景子序列作为训练序列；根据训练序列，训练序列对应的时间序列、以及训练序列对应的玩家特征信息，构建训练数据集。可选地，上述方法包括：根据预设更新频率，获取新的训练样本数据；根据新的训练样本数据训练更新场景预加载模型，获取更新后的场景预加载模型。第三方面，本申请实施例提供了一种地图场景预加载装置，包括：第一接收模块、获取模块及发送模块；第一接收模块，用于接收游戏客户端发送的预测请求，预测请求包括下述至少一项：当前进入地图的场景标识、时间信息、以及玩家特征信息，玩家特征信息包括玩家标识；获取模块，用于根据预测请求，通过场景预加载模型预测下一目标场景，获取预测结果，预测结果包括目标场景的场景标识；其中，场景预加载模型由训练数据集训练获取，训练数据集包括多个训练样本数据，每个训练样本数据包括场景标识、时间信息、以及玩家特征信息；发送模块，用于向游戏客户端发送预测结果。可选地，每个训练样本数据还包括：训练序列、训练序列对应的时间序列、以及训练序列对应的玩家特征信息，训练序列包括多个场景标识，每个训练样本数据的场景标签为训练序列中最后一个场景标识。可选地，上述装置还包括：更新模块，用于根据预设更新频率，获取新的训练样本数据；根据新的训练样本数据训练更新场景预加载模型，获取更新后的场景预加载模型。可选地，获取模块，具体用于分别根据预测请求中的场景标识和时间信息，生成场景序列和场景序列对应的时间序列；根据场景序列本文档来自技高网...

【技术保护点】
1.一种地图场景预加载方法，其特征在于，包括：/n接收游戏客户端发送的预测请求，所述预测请求包括下述至少一项：当前进入地图的场景标识、时间信息、以及玩家特征信息，所述玩家特征信息包括玩家标识；/n根据所述预测请求，通过场景预加载模型预测下一目标场景，获取预测结果，所述预测结果包括目标场景的场景标识；其中，所述场景预加载模型由训练数据集训练获取，所述训练数据集包括多个训练样本数据，每个所述训练样本数据包括场景标识、时间信息、以及玩家特征信息；/n向所述游戏客户端发送所述预测结果。/n

【技术特征摘要】
1.一种地图场景预加载方法，其特征在于，包括：
接收游戏客户端发送的预测请求，所述预测请求包括下述至少一项：当前进入地图的场景标识、时间信息、以及玩家特征信息，所述玩家特征信息包括玩家标识；
根据所述预测请求，通过场景预加载模型预测下一目标场景，获取预测结果，所述预测结果包括目标场景的场景标识；其中，所述场景预加载模型由训练数据集训练获取，所述训练数据集包括多个训练样本数据，每个所述训练样本数据包括场景标识、时间信息、以及玩家特征信息；
向所述游戏客户端发送所述预测结果。


2.根据权利要求1所述的方法，其特征在于，每个所述训练样本数据还包括：训练序列、所述训练序列对应的时间序列、以及所述训练序列对应的所述玩家特征信息，所述训练序列包括多个场景标识，每个所述训练样本数据的场景标签为所述训练序列中最后一个场景标识。


3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
根据预设更新频率，获取新的训练样本数据；
根据所述新的训练样本数据训练更新所述场景预加载模型，获取更新后的场景预加载模型。


4.根据权利要求2所述的方法，其特征在于，所述根据所述预测请求，通过场景预加载模型预测下一目标场景，获取预测结果，包括：
分别根据所述预测请求中的场景标识和时间信息，生成场景序列和所述场景序列对应的时间序列；
根据所述场景序列、所述时间序列以及所述预测请求中的玩家特征信息，通过场景预加载模型预测下一目标场景，获取预测结果。


5.根据权利要求4所述的方法，其特征在于，所述根据所述场景序列、所述时间序列以及所述预测请求中的玩家特征信息，通过场景预加载模型预测下一目标场景，获取预测结果，包括：
根据所述预测请求中玩家特征信息的玩家标识，在预设数据库中检索获取所述玩家标识对应的场景序列和时间序列；
若检索到，根据所述预测请求中的场景标识和时间信息，对所述玩家标识对应的场景序列和时间序列进行更新，获取更新后的场景序列和时间序列；
根据所述更新后的场景序列、时间序列以及所述预测请求中的玩家特征信息，通过场景预加载模型预测下一目标场景，获取预测结果。


6.根据权利要求4所述的方法，其特征在于，所述根据所述场景序列、所述时间序列以及所述预测请求中的玩家特征信息，通过场景预加载模型预测下一目标场景，获取预测结果，包括：
根据嵌入网络层获取所述场景序列所对应的多维度嵌入向量；
根据注意力机制层，对所述多维度嵌入向量和所述场景序列对应的时间序列进行抽取，获取抽取向量；
将所述抽取向量输入到前馈神经网络层，获取映射向量；
根据所述映射向量以及所述预测请求中的玩家特征信息，通过场景预加载模型预测下一目标场景，获取预测结果。


7.根据权利要求6所述的方法，其特征在于，所述根据所述映射向量以及所述预测请求中的玩家特征信息，通过场景预加载模型预测下一目标场景，获取预测结果，包括：
将所述映射向量输入第一全连接层，获取固定长度的序列信息向量；
将所述序列信息向量与所述玩家特征信息所对应的玩家特征向量进行拼接，获取拼接向量；
采用第二全连接层，提取所述拼接向量中的特征信息；
将所述拼接向量中的特征信息输入预设分类层，获取至少一个备选场景所对应的概率分布；
根据所述概率分布预测下一目标场景，获取预测结果。


8.根据权利要求7所述的方法，其特征在于，所述根据所述概率分布预测下一目标场景，获取预测结果，包括：
根据至少一个备选场景所...

【专利技术属性】
技术研发人员：邓浩，吴润泽，沈乔治，陶建容，范长杰，胡志鹏，
申请(专利权)人：网易杭州网络有限公司，
类型：发明
国别省市：浙江;33