一种掼蛋数据处理方法及相关装置制造方法及图纸

本申请公开了一种掼蛋数据处理方法，包括：从掼蛋游戏服务器接收状态信息；根据所述状态信息和历史状态信息进行特征提取处理，得到状态特征矩阵数据；采用BERT决策模型对所述状态特征矩阵数据进行处理，得到出牌动作数据；其中，BERT决策模型为根据掼蛋游戏数据训练集进行训练得到的模型；发送所述出牌动作数据。通过训练好的BERT决策模型对接收到的状态信息和历史状态信息进行处理，得到出牌动作数据，而不是采用专家规则进行决策，提高了对掼蛋数据进行处理的效果，提高了拟人化程度。本申请还公开了一种掼蛋数据处理装置、服务器以及计算机可读存储介质，具有以上有益效果。具有以上有益效果。具有以上有益效果。

【技术实现步骤摘要】
一种掼蛋数据处理方法及相关装置


[0001]本申请涉及数据处理
，特别涉及一种掼蛋数据处理方法、掼蛋数据处理装置、服务器以及计算机可读存储介质。

技术介绍

[0002]随着信息技术不断，在游戏
中，由于存在参与游戏人员不足的问题，需要通过对游戏中的数据进行自动化处理，以便实现虚拟游戏过程，提高实际游戏参与人员的参与感。
[0003]相关技术中，为了提高掼蛋游戏的实际游戏人员参与感。基于专家规则的逻辑系统，机器人对于自己牌型组合和牌面值计算较优秀。但是，对于对手牌面值大小，队友牌面值大小，什么情况过牌，该挣头游，该帮助队友挣头游等等问题无法做出智能判断。从而影响掼蛋数据中出牌动作数据的合理性和拟人化程度，降低对掼蛋数据的处理效果。
[0004]因此，如何提高掼蛋数据的处理效果是本领域技术人员关注的重点问题。

技术实现思路

[0005]本申请的目的是提供一种掼蛋数据处理方法、掼蛋数据处理装置、服务器以及计算机可读存储介质，通过训练好的BERT决策模型对接收到的状态信息和历史状态信息进行处理，得到出牌动作数据，而不是采用专家规则进行决策，提高了对掼蛋数据进行处理的效果，提高了拟人化程度。
[0006]为解决上述技术问题，本申请提供一种掼蛋数据处理方法，包括：
[0007]从掼蛋游戏服务器接收状态信息；
[0008]根据所述状态信息和历史状态信息进行特征提取处理，得到状态特征矩阵数据；
[0009]采用BERT决策模型对所述状态特征矩阵数据进行处理，得到出牌动作数据；其中，BERT决策模型为根据掼蛋游戏数据训练集进行训练得到的模型；
[0010]发送所述出牌动作数据。
[0011]可选的，根据所述状态信息和历史状态信息进行特征提取处理，得到状态特征矩阵数据，包括：
[0012]根据掼蛋游戏模型对所述状态信息和所述历史状态信息进行归类处理，得到所述状态特征矩阵数据。
[0013]可选的，采用BERT决策模型对所述状态特征矩阵数据进行处理，得到出牌动作数据，包括：
[0014]根据所述BERT决策模型和所述状态特征矩阵数据对所有出牌动作进行赢面概率预测，得到每个出牌动作对应的概率；
[0015]将概率最大的出牌动作作为所述出牌动作数据。
[0016]可选的，所述根据掼蛋游戏数据训练集进行训练得到所述BERT决策模型的步骤，包括：
[0017]对获取到的掼蛋历史数据进行特征提取处理，得到所述掼蛋游戏数据训练集；
[0018]根据所述掼蛋游戏数据训练集进行神经网络训练，得到所述BERT决策模型。
[0019]可选的，还包括：
[0020]当接收到状态信息时，将所述状态信息保存，并作为所述历史状态信息。
[0021]本申请还提供一种掼蛋数据处理装置，包括：
[0022]信息接收模块，用于从掼蛋游戏服务器接收状态信息；
[0023]信息处理模块，用于根据所述状态信息和历史状态信息进行特征提取处理，得到状态特征矩阵数据；
[0024]模型决策模块，用于采用BERT决策模型对所述状态特征矩阵数据进行处理，得到出牌动作数据；其中，BERT决策模型为根据掼蛋游戏数据训练集进行训练得到的模型；
[0025]出牌数据发送模块，用于发送所述出牌动作数据。
[0026]可选的，所述信息处理模块，具体用于根据掼蛋游戏模型对所述状态信息和所述历史状态信息进行归类处理，得到所述状态特征矩阵数据。
[0027]可选的，还包括：
[0028]信息保存模块，用于当接收到状态信息时，将所述状态信息保存，并作为所述历史状态信息。
[0029]本申请还提供一种服务器，包括：
[0030]存储器，用于存储计算机程序；
[0031]处理器，用于执行所述计算机程序时实现如上所述的掼蛋数据处理方法的步骤。
[0032]本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的掼蛋数据处理方法的步骤。
[0033]本申请所提供的一种掼蛋数据处理方法，包括：从掼蛋游戏服务器接收状态信息；根据所述状态信息和历史状态信息进行特征提取处理，得到状态特征矩阵数据；采用BERT决策模型对所述状态特征矩阵数据进行处理，得到出牌动作数据；其中，BERT决策模型为根据掼蛋游戏数据训练集进行训练得到的模型；发送所述出牌动作数据。
[0034]通过训练好的BERT决策模型对接收到的状态信息和历史状态信息进行处理，得到出牌动作数据，而不是采用专家规则进行决策，提高了对掼蛋数据进行处理的效果，提高了拟人化程度。
[0035]本申请还提供一种掼蛋数据处理装置、服务器以及计算机可读存储介质，具有以上有益效果，在此不做赘述。
附图说明
[0036]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0037]图1为本申请实施例所提供的一种掼蛋数据处理方法的流程图；
[0038]图2为本申请实施例所提供的一种掼蛋数据处理装置的结构示意图。
具体实施方式
[0039]本申请的核心是提供一种掼蛋数据处理方法、掼蛋数据处理装置、服务器以及计算机可读存储介质，通过训练好的BERT决策模型对接收到的状态信息和历史状态信息进行处理，得到出牌动作数据，而不是采用专家规则进行决策，提高了对掼蛋数据进行处理的效果，提高了拟人化程度。
[0040]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0041]相关技术中，为了提高掼蛋游戏的实际游戏人员参与感。基于专家规则的逻辑系统，机器人对于自己牌型组合和牌面值计算较优秀。但是，对于对手牌面值大小，队友牌面值大小，什么情况过牌，该挣头游，该帮助队友挣头游等等问题无法做出智能判断。从而影响掼蛋数据中出牌动作数据的合理性和拟人化程度，降低对掼蛋数据的处理效果。
[0042]因此，本申请提供一种掼蛋数据处理方法，通过训练好的BERT决策模型对接收到的状态信息和历史状态信息进行处理，得到出牌动作数据，而不是采用专家规则进行决策，提高了对掼蛋数据进行处理的效果，提高了拟人化程度。
[0043]以下通过一个实施例，对本申请提供的一种掼蛋数据处理方法进行说明。
[0044]请参考图1，图1为本申请实施例所提供的一种掼蛋数据处理方法的流程图。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种掼蛋数据处理方法，其特征在于，包括：从掼蛋游戏服务器接收状态信息；根据所述状态信息和历史状态信息进行特征提取处理，得到状态特征矩阵数据；采用BERT决策模型对所述状态特征矩阵数据进行处理，得到出牌动作数据；其中，所述BERT决策模型为根据掼蛋游戏数据训练集进行训练得到的模型；其中，所述BERT决策模型包括：卷积层、multihead attention block和全连接层；发送所述出牌动作数据。2.根据权利要求1所述的掼蛋数据处理方法，其特征在于，根据所述状态信息和历史状态信息进行特征提取处理，得到状态特征矩阵数据，包括：根据掼蛋游戏模型对所述状态信息和所述历史状态信息进行归类处理，得到所述状态特征矩阵数据。3.根据权利要求1所述的掼蛋数据处理方法，其特征在于，采用BERT决策模型对所述状态特征矩阵数据进行处理，得到出牌动作数据，包括：根据所述BERT决策模型和所述状态特征矩阵数据对所有出牌动作进行赢面概率预测，得到每个出牌动作对应的概率；将概率最大的出牌动作作为所述出牌动作数据。4.根据权利要求1所述的掼蛋数据处理方法，其特征在于，所述根据掼蛋游戏数据训练集进行训练得到所述BERT决策模型的步骤，包括：对获取到的掼蛋历史数据进行特征提取处理，得到所述掼蛋游戏数据训练集；根据所述掼蛋游戏数据训练集进行神经网络训练，得到所述BERT决策模型。5.根据权利要求1所述的掼蛋数据处理方法，其特征...

【专利技术属性】
技术研发人员：张金陵，周炜炜，陈炀，郑巨隆，
申请(专利权)人：浙江同元智算科技有限公司，
类型：发明
国别省市：