一种可解释的策略游戏多玩家风格评估方法及装置制造方法及图纸

本发明专利技术提供一种可解释的策略游戏多玩家风格评估方法及装置，涉及数据处理技术领域，该方法包括以下步骤，获取待预测玩家的游戏数据，并提取待预测玩家的算子动作特征；基于待预测玩家的每个算子在各阶算子动作特征频繁项的累计支持度，获取待预测玩家的操作行为特征；按照时序关系，获取待预测玩家某一类算子动作特征后连续出现的至少一类其他算子动作特征，得到待预测玩家的协同行为特征；将操作行为特征以及协同行为特征输入至玩家作战风格模型中，得到玩家作战风格模型输出的待预测玩家的预估作战风格。本发明专利技术以较低门槛得到待预测玩家的预估作战风格，玩家据此可以设计该地图下更加具有针对性的游戏战术，进而在战争策略游戏中占据先机。策略游戏中占据先机。策略游戏中占据先机。

【技术实现步骤摘要】
一种可解释的策略游戏多玩家风格评估方法及装置


[0001]本专利技术涉及数据处理
，尤其涉及一种可解释的策略游戏多玩家风格评估方法及装置。

技术介绍

[0002]战争策略游戏具备“以人为中心”的特点，旨在提升玩家指挥决策与行动能力。玩家若想要对战争策略游戏进行熟练地掌握，一方面需要具备充分的指挥知识，另一方面需要从大量的对战中学习经验，这两点要求就对玩家学习与训练形成了较高的门槛，为了解决该问题，需要提出一种玩家风格评估方案，以帮助玩家进行学习与训练。

技术实现思路

[0003]本专利技术提供一种可解释的策略游戏多玩家风格评估方法及装置，用以解决现有技术中玩家学习与训练门槛较高的缺陷，实现以较低门槛得到待预测玩家的预估作战风格，玩家据此可以设计该地图下更加具有针对性的游戏战术，进而在战争策略游戏中占据先机。
[0004]本专利技术提供一种可解释的策略游戏多玩家风格评估方法，包括以下步骤：
[0005]获取待预测玩家的游戏数据，并提取所述待预测玩家的算子动作特征；其中，所述待预测玩家在游戏中可动作的可操纵对象为算子；
[0006]基于待预测玩家的每个算子在各阶算子动作特征频繁项的累计支持度，获取待预测玩家的操作行为特征；
[0007]按照时序关系，获取待预测玩家某一类算子动作特征后连续出现的至少一类其他算子动作特征，得到待预测玩家的协同行为特征；
[0008]将所述操作行为特征以及所述协同行为特征输入至玩家作战风格模型中，得到所述玩家作战风格模型输出的所述待预测玩家的预估作战风格；其中，所述玩家作战风格模型是基于目标风格、样本操作行为特征以及样本协同行为特征训练得到的。
[0009]根据权本专利技术提供的可解释的策略游戏多玩家风格评估方法，所述基于待预测玩家的每个算子在各阶算子动作特征频繁项的累计支持度，获取待预测玩家的操作行为特征，具体包括以下步骤：
[0010]对所述算子动作特征按照动作时序从前到后排列的方式进行编码，形成0阶时序动作数据；
[0011]基于预设支持度，利用关联规则挖掘算法挖掘N
‑
1阶时序动作数据中的N阶算子动作特征频繁项以及对应的支持度；其中，N为正整数，N
‑
1阶时序动作数据中包含有不小于所述预设支持度的N
‑
1阶算子动作特征频繁项；
[0012]累计每个算子在0至N阶各阶算子动作特征频繁项分别对应的支持度，得到所述累计支持度，并基于所述累计支持度，得到待预测玩家的操作行为特征。
[0013]根据权本专利技术提供的可解释的策略游戏多玩家风格评估方法，所述对所述算子动
作特征按照动作时序从前到后排列的方式进行编码，形成0阶时序动作数据，具体包括：
[0014]所述编码是基于who
‑
type
‑
how的形式的；其中，who代表了动作特征的执行算子类型，type代表了玩家动作特征类型，how代表每种动作特征的属性或者参数。
[0015]根据权本专利技术提供的可解释的策略游戏多玩家风格评估方法，所述基于预设支持度，利用关联规则挖掘算法挖掘N
‑
1阶时序动作数据中的N阶算子动作特征频繁项以及对应的支持度，具体包括：
[0016]在关联规则挖掘算法挖掘过程中对小于等于N
‑
2阶的各阶算子动作特征频繁项进行剪枝。
[0017]根据权本专利技术提供的可解释的策略游戏多玩家风格评估方法，所述按照时序关系，获取待预测玩家某一类算子动作特征后连续出现的至少一类其他算子动作特征，得到待预测玩家的协同行为特征，具体包括以下步骤：
[0018]基于预设时间，在0阶时序动作数据内按照时序关系，获取某一类算子动作特征后连续出现的至少一类其他算子动作特征，得到所述协同行为特征。
[0019]根据权本专利技术提供的可解释的策略游戏多玩家风格评估方法，所述玩家作战风格模型通过以下步骤训练得到：
[0020]获取所述样本操作行为特征以及所述样本协同行为特征，并进行降维处理；
[0021]以降维处理后的所述样本操作行为特征以及所述样本协同行为特征为单位，根据相关聚类算法，对降维处理后的所述样本操作行为特征以及所述样本协同行为特征进行聚类划分；
[0022]将聚类划分后的所述样本操作行为特征以及所述样本协同行为特征作为训练用数据，采用机器学习的方式，得到用于生成所述待预测玩家的所述预估作战风格的所述玩家作战风格模型；其中，所述玩家作战风格模型的损失函数是基于所述样本操作行为特征与所述目标风格之间的向量相似度，以及所述样本协同行为特征与所述目标风格之间的向量相似度确定的。
[0023]本专利技术还提供一种可解释的策略游戏多玩家风格评估装置，包括：
[0024]特征提取模块，用于获取待预测玩家的游戏数据，并提取所述待预测玩家的算子动作特征；其中，所述待预测玩家在游戏中可动作的可操纵对象为算子；
[0025]第一获取模块，用于基于待预测玩家的每个算子在各阶算子动作特征频繁项的累计支持度，获取待预测玩家的操作行为特征；
[0026]第二获取模块，用于按照时序关系，获取待预测玩家某一类算子动作特征后连续出现的至少一类其他算子动作特征，得到待预测玩家的协同行为特征；
[0027]风格评估模块，用于将所述操作行为特征以及所述协同行为特征输入至玩家作战风格模型中，得到所述玩家作战风格模型输出的所述待预测玩家的预估作战风格；其中，所述玩家作战风格模型是基于目标风格、样本操作行为特征以及样本协同行为特征训练得到的。
[0028]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述可解释的策略游戏多玩家风格评估方法的步骤。
[0029]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算
机程序被处理器执行时实现如上述任一种所述可解释的策略游戏多玩家风格评估方法的步骤。
[0030]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述可解释的策略游戏多玩家风格评估方法的步骤。
[0031]本专利技术提供的可解释的策略游戏多玩家风格评估方法及装置，提出了面向策略游戏的频繁项数据挖掘方案，通过选取作为对手的玩家训练后生成的游戏数据例如对局复盘信息，将作为对手的玩家作为待预测玩家，再通过挖掘待预测玩家的单算子操作的操作行为特征和多算子协同操作的协同动作特征，使得玩家获得作为对手的玩家对于某地图想定的主要战术与操作风格，再基于训练好的玩家作战风格模型，以较低门槛得到待预测玩家的预估作战风格，玩家据此可以设计该地图下更加具有针对性的游戏战术，进而在战争策略游戏中占据先机。此过程中，一方面为了挖掘地图想定的重要战术点并且分析玩家的微操习惯与常用战术搭配，开展了单算子操作的操作行为特征挖掘工作；另一方面为了更好的支持本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可解释的策略游戏多玩家风格评估方法，其特征在于，包括以下步骤：获取待预测玩家的游戏数据，并提取所述待预测玩家的算子动作特征；其中，所述待预测玩家在游戏中可动作的可操纵对象为算子；基于待预测玩家的每个算子在各阶算子动作特征频繁项的累计支持度，获取待预测玩家的操作行为特征；按照时序关系，获取待预测玩家某一类算子动作特征后连续出现的至少一类其他算子动作特征，得到待预测玩家的协同行为特征；将所述操作行为特征以及所述协同行为特征输入至玩家作战风格模型中，得到所述玩家作战风格模型输出的所述待预测玩家的预估作战风格；其中，所述玩家作战风格模型是基于目标风格、样本操作行为特征以及样本协同行为特征训练得到的。2.根据权利要求1所述的可解释的策略游戏多玩家风格评估方法，其特征在于，所述基于待预测玩家的每个算子在各阶算子动作特征频繁项的累计支持度，获取待预测玩家的操作行为特征，具体包括以下步骤：对所述算子动作特征按照动作时序从前到后排列的方式进行编码，形成0阶时序动作数据；基于预设支持度，利用关联规则挖掘算法挖掘N
‑
1阶时序动作数据中的N阶算子动作特征频繁项以及对应的支持度；其中，N为正整数，N
‑
1阶时序动作数据中包含有不小于所述预设支持度的N
‑
1阶算子动作特征频繁项；累计每个算子在0至N阶各阶算子动作特征频繁项分别对应的支持度，得到所述累计支持度，并基于所述累计支持度，得到待预测玩家的操作行为特征。3.根据权利要求2所述的可解释的策略游戏多玩家风格评估方法，其特征在于，所述对所述算子动作特征按照动作时序从前到后排列的方式进行编码，形成0阶时序动作数据，具体包括：所述编码是基于who
‑
type
‑
how的形式的；其中，who代表了动作特征的执行算子类型，type代表了玩家动作特征类型，how代表每种动作特征的属性或者参数。4.根据权利要求2所述的可解释的策略游戏多玩家风格评估方法，其特征在于，所述基于预设支持度，利用关联规则挖掘算法挖掘N
‑
1阶时序动作数据中的N阶算子动作特征频繁项以及对应的支持度，具体包括：在关联规则挖掘算法挖掘过程中对小于等于N
‑
2阶的各阶算子动作特征频繁项进行剪枝。5.根据权利要求2
‑
4任一项所述的可解释的策略游戏多玩家风格评估方法，其特征在于，所述按照时序关系...

【专利技术属性】
技术研发人员：刘禹，牟佳，胡睿，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：