游戏数据处理方法、装置、设备及介质制造方法及图纸

本申请提供了一种游戏数据处理方法、装置、设备及介质，该方法包括：获取目标游戏对象在目标游戏的游戏技能释放过程中的技能释放时间戳，基于技能释放时间戳和目标游戏对象在游戏技能释放过程中的属性技能数据信息确定时序输入特征；将时序输入特征输入至目标预测模型得到预测时序特征；基于目标游戏对象在游戏技能释放过程中的对象属性数据信息和技能释放时间戳确定负样本特征，基于负样本特征和预测时序特征确定正样本特征；对正样本特征和负样本特征进行聚类处理，若聚类处理结果指示负样本特征属于异常聚类簇，则确定目标游戏对象在游戏技能释放过程中存在异常属性技能。采用本申请，可以在游戏技能释放过程中提升异常检测的准确性。检测的准确性。检测的准确性。

【技术实现步骤摘要】
游戏数据处理方法、装置、设备及介质


[0001]本申请涉及游戏
，尤其涉及一种游戏数据处理方法、装置、设备及介质。

技术介绍

[0002]目前，在对游戏对象（例如，游戏角色）的游戏技能释放过程进行异常检测时，需要开发测试人员通过人工或自动化释放技能脚本操控游戏对象释放游戏技能，以检查游戏对象在游戏技能释放过程中的位移变化、血量变化、技能特效等是否与预期结果相同，从而判断游戏对象在游戏技能释放过程中是否存在异常属性技能（例如，位移异常、血量异常等）。
[0003]但是，专利技术人在实践中发现，为了体现和丰富游戏的战术性，游戏技能设计一般都是多样性和灵活性的，这意味着对于不同游戏技能的组合，将出现游戏对象量级和游戏技能量级的几何数量级增加，进而导致开发测试人员只能对小部分游戏对象和游戏技能释放过程进行测试，无法覆盖所有的游戏对象和所有的游戏技能释放过程，因此经常会有问题反馈回来（例如，某个游戏角色在释放位移技能时出现卡顿），严重破坏了游戏玩家的游戏体验。此外，在反馈回问题之后，开发测试人员需针对性地构造游戏技能释放场景，以识别出存在的技能释放问题，一方面导致人力成本和维护成本较高，另一方面由于某些游戏技能释放场景过于复杂（例如，不同游戏技能的组合），以至于开发测试人员难以精准复现，使得容易引入漏测的可能，导致在游戏技能释放过程中存在异常检测不准确的现象。

技术实现思路

[0004]本申请实施例提供一种游戏数据处理方法、装置、设备及介质，可以在游戏技能释放过程中提升异常检测的准确性。
[0005]本申请实施例一方面提供了一种游戏数据处理方法，包括：获取目标游戏对象在目标游戏的第一游戏技能释放过程中的第一技能释放时间戳，通过第一技能释放时间戳采集目标游戏对象在第一游戏技能释放过程中的第一属性技能数据信息，基于第一属性技能数据信息和第一技能释放时间戳，确定用于输入目标预测模型的目标时序输入特征；将目标时序输入特征输入至目标预测模型，由目标预测模型对目标时序输入特征进行特征预测处理，得到特征预测处理后的目标时序输出特征，将由目标预测模型输出的目标时序输出特征作为与第一技能释放时间戳相关联的目标预测时序特征；获取目标游戏对象在第一游戏技能释放过程中的第一对象属性数据信息，基于第一对象属性数据信息和第一技能释放时间戳，确定与目标游戏对象相关联的异常检测聚类策略中的负样本特征，基于负样本特征和目标预测时序特征，确定异常检测聚类策略中的正样本特征；通过异常检测聚类策略，对正样本特征和负样本特征进行聚类处理，得到目标游戏对象在第一游戏技能释放过程中的聚类处理结果；若聚类处理结果指示负样本特征所属的聚类簇属于异常检测聚类策略所指示的
异常聚类簇，则确定目标游戏对象在第一游戏技能释放过程中存在异常属性技能。
[0006]本申请实施例一方面提供了一种游戏数据处理装置，包括：输入特征确定模块，用于获取目标游戏对象在目标游戏的第一游戏技能释放过程中的第一技能释放时间戳，通过第一技能释放时间戳采集目标游戏对象在第一游戏技能释放过程中的第一属性技能数据信息，基于第一属性技能数据信息和第一技能释放时间戳，确定用于输入目标预测模型的目标时序输入特征；特征预测处理模块，用于将目标时序输入特征输入至目标预测模型，由目标预测模型对目标时序输入特征进行特征预测处理，得到特征预测处理后的目标时序输出特征，将由目标预测模型输出的目标时序输出特征作为与第一技能释放时间戳相关联的目标预测时序特征；样本特征确定模块，用于获取目标游戏对象在第一游戏技能释放过程中的第一对象属性数据信息，基于第一对象属性数据信息和第一技能释放时间戳，确定与目标游戏对象相关联的异常检测聚类策略中的负样本特征，基于负样本特征和目标预测时序特征，确定异常检测聚类策略中的正样本特征；异常检测聚类模块，用于通过异常检测聚类策略，对正样本特征和负样本特征进行聚类处理，得到目标游戏对象在第一游戏技能释放过程中的聚类处理结果；异常检测判断模块，用于若聚类处理结果指示负样本特征所属的聚类簇属于异常检测聚类策略所指示的异常聚类簇，则确定目标游戏对象在第一游戏技能释放过程中存在异常属性技能。
[0007]其中，输入特征确定模块包括：时间轴确定单元，用于确定目标游戏对象在目标游戏的第一游戏技能释放过程的技能释放时间轴；时间戳采集单元，用于采集技能释放时间轴上的时间戳，将采集到的时间戳作为目标游戏对象在第一游戏技能释放过程中的第一技能释放时间戳；信息采集单元，用于基于第一技能释放时间戳中的每个时间戳，采集目标游戏对象在第一游戏技能释放过程中的每个时间戳上的时间属性技能信息，将采集到的每个时间戳上的时间属性技能信息作为目标游戏对象在第一游戏技能释放过程中的第一属性技能数据信息。
[0008]其中，第一技能释放时间戳包含M个时间戳；M个时间戳中的任意相邻两个时间戳包含时间戳i和时间戳j；M为正整数；j=i+1；i和j为小于或者等于M的正整数；第一属性技能数据信息包含时间戳i对应的时间属性技能信息m和时间戳j对应的时间属性技能信息n；输入特征确定模块还包括：第一矩阵生成单元，用于获取与时间属性技能信息m相关联的第一多维度向量特征，将由第一多维度向量特征所拼接得到的向量矩阵，作为时间戳i对应的第一信息矩阵；第一矩阵生成单元，还用于获取与时间属性技能信息n相关联的第二多维度向量特征，将由第二多维度向量特征所拼接得到的向量矩阵，作为时间戳j对应的第一信息矩阵；第一矩阵拼接单元，用于按照时间戳i和时间戳j之间的时间先后顺序，对时间戳i对应的第一信息矩阵和时间戳j对应的第一信息矩阵进行矩阵拼接处理，得到与第一技能
释放时间戳相关联的第一信息拼接矩阵；输入特征确定单元，用于基于第一信息拼接矩阵，得到用于输入目标预测模型的目标时序输入特征，目标时序输入特征包含M个第一信息矩阵，一个第一信息矩阵对应一个时间戳。
[0009]其中，时间属性技能信息m包含对象属性信息、对象位置信息、技能释放状态信息、场景特征信息；第一矩阵生成单元，具体用于对对象属性信息进行向量映射，得到对象属性信息对应的属性维度向量特征；第一矩阵生成单元，还具体用于对对象位置信息进行向量映射，得到对象位置信息对应的位置维度向量特征；第一矩阵生成单元，还具体用于对技能释放状态信息进行向量映射，得到技能释放状态信息对应的技能维度向量特征；第一矩阵生成单元，还具体用于对场景特征信息进行向量映射，得到场景特征信息对应的场景维度向量特征；第一矩阵生成单元，还具体用于将属性维度向量特征、位置维度向量特征、技能维度向量特征和场景维度向量特征，作为与时间属性技能信息m相关联的第一多维度向量特征，将由第一多维度向量特征所拼接得到的向量矩阵，作为时间戳i对应的第一信息矩阵。
[0010]其中，第一技能释放时间戳包含M个时间戳；M个时间戳中的任意相邻两个时间戳包含时间戳i和时间戳j；M为正整数；j=i+1；i和j为小于或者等于M的正整数；第一对象属性数据信息包含时间戳i对应的时间对象属性信息m和时间戳j对应的时间对象属性信息n；样本特征确定模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种游戏数据处理方法，其特征在于，包括：获取目标游戏对象在目标游戏的第一游戏技能释放过程中的第一技能释放时间戳，通过所述第一技能释放时间戳采集所述目标游戏对象在所述第一游戏技能释放过程中的第一属性技能数据信息，基于所述第一属性技能数据信息和所述第一技能释放时间戳，确定用于输入目标预测模型的目标时序输入特征；将所述目标时序输入特征输入至所述目标预测模型，由所述目标预测模型对所述目标时序输入特征进行特征预测处理，得到特征预测处理后的目标时序输出特征，将由所述目标预测模型输出的所述目标时序输出特征作为与所述第一技能释放时间戳相关联的目标预测时序特征；获取所述目标游戏对象在所述第一游戏技能释放过程中的第一对象属性数据信息，基于所述第一对象属性数据信息和所述第一技能释放时间戳，确定与所述目标游戏对象相关联的异常检测聚类策略中的负样本特征，基于所述负样本特征和所述目标预测时序特征，确定所述异常检测聚类策略中的正样本特征；通过所述异常检测聚类策略，对所述正样本特征和所述负样本特征进行聚类处理，得到所述目标游戏对象在所述第一游戏技能释放过程中的聚类处理结果；若所述聚类处理结果指示所述负样本特征所属的聚类簇属于所述异常检测聚类策略所指示的异常聚类簇，则确定所述目标游戏对象在所述第一游戏技能释放过程中存在异常属性技能。2.根据权利要求1所述的方法，其特征在于，所述获取目标游戏对象在目标游戏的第一游戏技能释放过程中的第一技能释放时间戳，通过所述第一技能释放时间戳采集所述目标游戏对象在所述第一游戏技能释放过程中的第一属性技能数据信息，包括：确定目标游戏对象在目标游戏的第一游戏技能释放过程的技能释放时间轴；采集所述技能释放时间轴上的时间戳，将采集到的时间戳作为所述目标游戏对象在所述第一游戏技能释放过程中的第一技能释放时间戳；基于所述第一技能释放时间戳中的每个时间戳，采集所述目标游戏对象在所述第一游戏技能释放过程中的每个时间戳上的时间属性技能信息，将采集到的每个时间戳上的时间属性技能信息作为所述目标游戏对象在所述第一游戏技能释放过程中的第一属性技能数据信息。3.根据权利要求1所述的方法，其特征在于，所述第一技能释放时间戳包含M个时间戳；所述M个时间戳中的任意相邻两个时间戳包含时间戳i和时间戳j；M为正整数；j=i+1；i和j为小于或者等于M的正整数；所述第一属性技能数据信息包含所述时间戳i对应的时间属性技能信息m和所述时间戳j对应的时间属性技能信息n；所述基于所述第一属性技能数据信息和所述第一技能释放时间戳，确定用于输入目标预测模型的目标时序输入特征，包括：获取与所述时间属性技能信息m相关联的第一多维度向量特征，将由所述第一多维度向量特征所拼接得到的向量矩阵，作为所述时间戳i对应的第一信息矩阵；获取与所述时间属性技能信息n相关联的第二多维度向量特征，将由所述第二多维度向量特征所拼接得到的向量矩阵，作为所述时间戳j对应的第一信息矩阵；按照所述时间戳i和所述时间戳j之间的时间先后顺序，对所述时间戳i对应的第一信
息矩阵和所述时间戳j对应的第一信息矩阵进行矩阵拼接处理，得到与所述第一技能释放时间戳相关联的第一信息拼接矩阵；基于所述第一信息拼接矩阵，得到用于输入目标预测模型的目标时序输入特征，所述目标时序输入特征包含M个第一信息矩阵，一个第一信息矩阵对应一个时间戳。4.根据权利要求3所述的方法，其特征在于，所述时间属性技能信息m包含对象属性信息、对象位置信息、技能释放状态信息、场景特征信息；所述获取与所述时间属性技能信息m相关联的第一多维度向量特征，将由所述第一多维度向量特征所拼接得到的向量矩阵，作为所述时间戳i对应的第一信息矩阵，包括：对所述对象属性信息进行向量映射，得到所述对象属性信息对应的属性维度向量特征；对所述对象位置信息进行向量映射，得到所述对象位置信息对应的位置维度向量特征；对所述技能释放状态信息进行向量映射，得到所述技能释放状态信息对应的技能维度向量特征；对所述场景特征信息进行向量映射，得到所述场景特征信息对应的场景维度向量特征；将所述属性维度向量特征、所述位置维度向量特征、所述技能维度向量特征和所述场景维度向量特征，作为与所述时间属性技能信息m相关联的第一多维度向量特征，将由所述第一多维度向量特征所拼接得到的向量矩阵，作为所述时间戳i对应的第一信息矩阵。5.根据权利要求1所述的方法，其特征在于，所述第一技能释放时间戳包含M个时间戳；所述M个时间戳中的任意相邻两个时间戳包含时间戳i和时间戳j；M为正整数；j=i+1；i和j为小于或者等于M的正整数；所述第一对象属性数据信息包含所述时间戳i对应的时间对象属性信息m和所述时间戳j对应的时间对象属性信息n；所述基于所述第一对象属性数据信息和所述第一技能释放时间戳，确定与所述目标游戏对象相关联的异常检测聚类策略中的负样本特征，包括：获取与所述时间对象属性信息m相关联的第三多维度向量特征，将由所述第三多维度向量特征所拼接得到的向量矩阵，作为所述时间戳i对应的第二信息矩阵；获取与所述时间对象属性信息n相关联的第四多维度向量特征，将由所述第四多维度向量特征所拼接得到的向量矩阵，作为所述时间戳j对应的第二信息矩阵；按照所述时间戳i和所述时间戳j之间的时间先后顺序，对所述时间戳i对应的第二信息矩阵和所述时间戳j对应的第二信息矩阵进行矩阵拼接处理，得到与所述第一技能释放时间戳相关联的第二信息拼接矩阵；基于所述第二信息拼接矩阵，得到与所述目标游戏对象相关联的异常检测聚类策略中的负样本特征，所述负样本特征包含M个第二信息矩阵，一个第二信息矩阵对应一个时间戳。6.根据权利要求5所述的方法，其特征在于，所述时间对象属性信息m包含对象位置信息、对象增减益状态信息、场景特征信息；所述获取与所述时间对象属性信息m相关联的第三多维度向量特征，将由所述第三多维度向量特征所拼接得到的向量矩阵，作为所述时间戳i对应的第二信息矩阵，包括：
对所述对象位置信息进行向量映射，得到所述对象位置信息对应的位置维度向量特征；对所述对象增减益状态信息进行向量映射，得到所述对象增减益状态信息对应的状态维度向量特征；对所述场景特征信息进行向量映射，得到所述场景特征信息对应的场景维度向量特征；将所述位置维度向量特征、所述状态维度向量特征、所述场景维度向量特征，作为与所述时间属性技能信息m相关联的第三多维度向量特征，将由所述第三多维度向量特征所拼接得到的向量矩阵，作为所述时间戳i对应的第二信息矩阵。7.根据权利要求1所述的方法，其特征在于，所述第一技能释放时间戳包含M个时间戳；M为正整数；第一时间戳是所述M个时间戳中的任意一个，N个第二时间戳是所述M个时间戳中在所述第一时间戳之前且连续的N个时间戳；N为整数；所述目标时序输入特征包括所述M个时间戳中每个时间戳对应的时间属性技能信息；所述由所述目标预测模型对所述目标时序输入特征进行特征预测处理，得到特征预测处理后的目标时序输出特征，包括：由所述目标预测模型基于所述第一时间戳对应的时间属性技能信息和所述N个第二时间戳对应的时间属性技能信息，对所述第一时间戳对应的时间对象属性信息进行预测处理，且由所述目标预测模型输出所述第一时间戳所对应的预测对象属性信息；基于所述目标预测模型输出的所述M个时间戳中每个时间戳所对应的预测对象属性信息，确定所述特征预测处理后的目标时序输出特征。8.根据权利要求1所述的方法，其特征在于，所述目标预测模型包括第一因果特征处理组件、激活处理组件、池化处理组件和第二因果特征处理组件；所述将所述目标时序输入特征输入至所述目标预测模型，由所述目标预测模型对所述目标时序输入特征进行特征预测处理，得到特征预测处理后的目标时序输出特征，包括：将所述目标时序输入特征输入至所述目标预测模型包括的第一因果特征处理组件，由所述第一因果特征处理组件对所述目标时序输入特征进行因果特征处理，得到因果特征；将所述因果特征输入至所述目标预测模型包括的激活处理组件，由所述...

【专利技术属性】
技术研发人员：何军，陈红妃，张蓓，周洪斌，严明，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：