[发明专利]一种游戏胜率的预测方法、模型生成方法和装置

说明书

本申请实施例提供了一种游戏胜率的预测方法、模型生成方法和装置，通过获取实时游戏战斗数据中预测时间点的特征数据，特征数据包括状态实时数据和团队位置数据，将预测时间点的特征数据输入与预测时间点对应的预设分时预测模型，其中，分时预测模型具有多个输出节点，获取分时预测模型的多个输出节点输出的多个预测结果，根据所述多个预测结果，生成胜率预测信息。通过预设的分时预测模型对游戏参与的各方的胜率进行实时预测，可以实现在游戏进行的过程中，在预测时间点进行动态地对参与方进行胜率预测，提高了用户的游戏体验，在进行观战或赛事直播的时候，通过实时胜率预测，可以方便观战者更好地理解战场局势，提高观战的趣味性。

技术领域

本申请涉及游戏技术领域，特别是涉及一种游戏胜率的预测方法、一种分时预测模型生成方法、一种游戏胜率的预测装置以及一种分时预测模型生成装置。

背景技术

受到人工智能(Artificial Intelligence，AI)发展浪潮的推动，近年来游戏AI也进入了发展的高速路上，无论是围棋的alpha go，DOTA2的open AI，都是AI在游戏领域的重大突破，颠覆了以往人们对AI极限的认知。

游戏本身可以与现实世界有一个比较完整的映射关系，解决游戏问题，在一定程度上表明了其解决现实世界问题的能力，所以游戏AI的发展对人类社会的发展也起着重要的、积极的作用。对于游戏AI本身而言，它包含的概念是很广泛的，从辅助工具性质的AI，比如装备推荐、技能加点推荐、商城虚拟物品推荐等，到与玩家对抗的智能AI，AI正全方面地增加游戏体验，其中，游戏胜负预测技术就是其中的一项重要的功能。具体而言，游戏胜负预测在多方面的应用可以发挥重要作用：

1.用于自适应AI的设计。游戏AI在很多情况下策划不会强制要求AI做出怎样的行为，而是希望它在与人类对抗时能打出所谓的“质量局”，然后最终输掉比赛，提高玩家的成就感。现实场景中，很难用固定难度去满足所有玩家的需求，即使通过对玩家实力的评估，来预设不同等级的AI，也难以保证AI在不同比赛中都能够产生足够的对抗性。其中包含两个因素：第一是策划为了保证AI自然地输掉比赛通常会考虑玩家水平的下限，这样也就难以满足高水平玩家的需求；第二是阵容不同、前期发挥不同，会导致中后期的对抗局面完全不同，固定难度的AI根本无法解决这种随机性。因此，当我们知道一场比赛双方的实时胜率，就可以相应地动态提高或降低AI的难度，来满足对抗性。

2.策略层面强化学习的反馈参数。强化学习是游戏AI常用的无监督学习方法，通常强化学习应用在低层次操作上会有意想不到的效果，但在高层次决策上，通常还是采用有监督学习的方法，而很难应用强化学习，一个重要原因在于对于高层次决策，较难对不同决策进行相应的评估。假设知道一场比赛玩家双方的实时胜率，就能直接给出高层次决策影响的胜率变化作为合理的评估。

3.观战和赛事的辅助工具。观战或者赛事直播的时候，游戏胜负预测不仅可以方便新手们更好地理解局势，还可以提高观战的趣味性，例如翻盘局会显得更刺激。

目前，对游戏胜负预测仅仅只是对游戏的胜负进行预测，其或是非实时预测，或是非战斗内预测，或是只对胜负进行预测，因此，需要一种更加合理、直观效果上体验更优秀的游戏胜负预测方案。

发明内容

鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种游戏胜率的预测方法、一种分时预测模型生成方法以及相应的一种游戏胜率的预测装置、一种分时预测模型生成装置。

为了解决上述问题，本申请实施例公开了一种游戏胜率的预测方法，包括：

获取实时游戏战斗数据中预测时间点的特征数据，所述特征数据包括状态实时数据和团队位置数据；

将所述预测时间点的特征数据输入与所述预测时间点对应的预设分时预测模型，其中，所述分时预测模型具有多个输出节点；

获取所述分时预测模型的所述多个输出节点输出的多个预测结果；