【技术实现步骤摘要】
处理游戏数据的方法、装置、电子设备
[0001]本公开涉及人工智能服务领域和云游戏领域,更具体地涉及一种处理游戏数据的方法/装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用,例如常见的社交、电商、药物发现、电子游戏、智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等,相信随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
[0003]目前已经提出利用人工智能技术来对MOBA类游戏进行结果预测。通过机器学习等方案,来根据用户操作数据、游戏数据和虚拟角色选择等因素,来估计MOBA类游戏的结果。然而,相关技术中的预测方案仍无法处理游戏过程中复杂的角色关系/事件关系、无法处理游戏进行过程中的动态变化。此外,相关技术中的预测方案的鲁棒性不高,预测准确性和效率都较低。
[0004]因此,需要对相关技术进行进一步地改进。
技术实现思路
[0005]本公开实施例提供了一种处理游戏数据的方法、装置、电子设备和计算机可读存储介质。
[0006]本公开实施例提供了一种处理游戏数据的方法,包括:基于游戏进程中的时间窗口内发生的事件集合,确定所述时间窗口对应的事件图谱,所述事件图谱的节点分别对应于动作、队伍和成员中的至少一项,所述事件图谱的边对应于所述节点的关联关系;基于所述时间窗口对应的事件图谱,计算每个队伍在所述时间窗口的结束时刻的特征向量 ...
【技术保护点】
【技术特征摘要】
1.一种处理游戏数据的方法,包括:基于游戏进程中的时间窗口内发生的事件集合,确定所述时间窗口对应的事件图谱,所述事件图谱的节点分别对应于动作、队伍和成员中的至少一项,所述事件图谱的边对应于所述节点的关联关系;基于所述时间窗口对应的事件图谱,计算每个队伍在所述时间窗口的结束时刻的特征向量;以及基于每个队伍在所述时间窗口的结束时刻的特征向量,预测所述每个队伍在所述游戏进程的结束时刻对应的结果。2.如权利要求1所述的方法,其中,所述基于游戏进程中的时间窗口内发生的事件集合,确定所述时间窗口对应的事件图谱包括:响应于所述事件集合中的第一事件指示第一成员执行了第一动作,在所述事件图谱中连接代表所述第一成员的节点和代表所述第一动作的节点的第一边;响应于所述事件集合中的第二事件指示所述第一成员与第二成员邻近,在所述事件图谱中连接代表所述第一成员的节点和代表所述第二成员的节点的第二边;响应于所述事件集合中的第三事件指示第三成员受到了第二动作的影响,在所述事件图谱中连接代表所述第三成员的节点和代表所述第二动作的节点的第三边;以及响应于所述事件集合中的第三事件指示第四成员属于第一队伍,在所述事件图谱中连接代表所述第一队伍的节点和代表所述第四成员的节点的第四边。3.如权利要求1所述的方法,其中,所述基于所述时间窗口对应的事件图谱,计算每个队伍在所述时间窗口的结束时刻的特征向量包括:对事件图谱中的各个节点进行初始特征映射,以获取所述事件集合中的每个动作的节点特征向量、每个队伍的节点特征向量和每个成员的节点特征向量;以及基于所述每个动作的节点特征向量、每个队伍的节点特征向量、每个成员的节点特征向量以及所述事件图谱,确定每个队伍的编码特征向量,并将所述每个队伍的编码特征向量作为所述每个队伍在所述时间窗口的结束时刻的特征向量。4.如权利要求3所述的方法,其中,所述对事件图谱中的各个节点进行初始特征映射包括:确定所述事件集合中的每个动作对应的原始特征向量、每个队伍对应的原始特征向量、以及每个成员对应的原始特征向量;以及基于所述事件集合中的每个动作对应的原始特征向量、每个队伍对应的原始特征向量、以及每个成员对应的原始特征向量,确定所述事件集合中的每个动作的节点特征向量、每个队伍的节点特征向量和每个成员的节点特征向量。5.如权利要求3所述的方法,其中,由异质图神经网络来确定所述每个队伍的编码特征向量,所述异质图神经网络包括多个隐藏层,每个隐藏层均对每个动作的节点特征向量、每个队伍的节点特征向量和每个成员的节点特征向量进行编码,其中,除第一个隐藏以外的每个隐藏层的编码包括:获取事件图谱中的第一节点经所述异质图神经网络中前一隐藏层编码后的隐藏状态向量;获取经所述异质图神经网络中前一隐藏层编码后的第一节点和第二节点间的邻居信
息;以及基于所述隐藏状态向量和所述邻居信息,确定所述隐藏层编码的隐藏状态向量。6.如权利要求3所述的方法,其中,由同质图神经网络来确定所述每个队伍的编码特征向量,所述确定所述每个队伍的编码特征向量包括:将所述事件图谱分解为多个同质子图,每个同质子图包括具有相同属性的关系;对每个同质子图分别应用同质图编码器,以获取每个节点在每种关系下的第一特征向量;对每个节点在每种关系下的邻居信息进行聚合以获取聚合后的邻居信息;将聚合后的邻居信息与所述每个节点在每种关系下的第一特征向量进行融合,以获取每个节点对应的编码特征向量;以及从所述每个节点对应的编码特征向量中选择所述每个队伍的编码特征向量。7.如权利要求3所述的方法,其中,由序列图编码器来确定所述每个队伍的编码特征向量,所述确定所述每个队伍的编码特征向量包括:获取时序序列,所述时序序列中的每个元素为单张事...
【专利技术属性】
技术研发人员:刘星言,杨奕凡,周聪,陈万顺,陈梓阳,杜楠,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
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。