[发明专利]信息处理方法、装置、介质及电子设备

权利要求书

1.一种信息处理方法，其特征在于，包括：

确定游戏场景中的游戏行为主体，并获取用于控制所述游戏行为主体执行游戏行为的行为模型；

对所述游戏场景进行特征提取，以得到与所述游戏行为主体相关的模型游戏状态信息；

通过所述行为模型对所述模型游戏状态信息进行映射处理，以得到与至少两种候选游戏行为相对应的模型游戏行为选取信息；

根据所述模型游戏行为选取信息从所述至少两种候选游戏行为中选取由所述游戏行为主体执行的模型游戏行为；

将所述模型游戏状态信息和所述模型游戏行为的模型游戏行为信息组成模型游戏样本；

获取与所述游戏行为主体相关的用户游戏数据，并根据所述用户游戏数据确定由用户游戏状态信息和用户游戏行为信息组成的用户游戏样本；

将所述模型游戏样本和所述用户游戏样本作为训练样本，并将所述训练样本输入至鉴别模型中；

通过所述鉴别模型对所述训练样本进行映射处理，以得到样本鉴别信息；其中，所述样本鉴别信息用于鉴别所述训练样本为模型游戏样本或者用户游戏样本；

根据所述样本鉴别信息更新所述行为模型和所述鉴别模型的模型参数，以提高所述鉴别模型的鉴别能力和所述行为模型的模仿能力，以使所述行为模型输出接近所述用户游戏样本的概率分布的模型游戏样本。

2.根据权利要求1所述的信息处理方法，其特征在于，所述对所述游戏场景进行特征提取，以得到与所述游戏行为主体相关的模型游戏状态信息，包括：

获取所述游戏场景中的场景状态信息以及所述游戏行为主体的主体状态信息；

对所述场景状态信息进行特征提取以得到场景特征向量，并对所述主体状态信息进行特征提取以得到主体特征向量；

对所述场景特征向量和所述主体特征向量进行拼接处理，以得到与所述游戏行为主体相关的模型游戏状态信息。

3.根据权利要求1所述的信息处理方法，其特征在于，所述通过所述行为模型对所述模型游戏状态信息进行映射处理，以得到与至少两种候选游戏行为相对应的模型游戏行为选取信息，包括：

确定与所述游戏行为主体相关的至少两种候选游戏行为；

通过所述行为模型对所述模型游戏状态信息进行映射处理，以得到每种所述候选游戏行为的选取概率；

获取每种所述候选游戏行为的行为可用状态信息，并根据所述行为可用状态信息确定与所述候选游戏行为相对应的行为筛选信息；

根据所述行为筛选信息调整所述候选游戏行为的选取概率，并将调整后的选取概率作为模型游戏行为选取信息。

4.根据权利要求3所述的信息处理方法，其特征在于，所述根据所述行为筛选信息调整所述候选游戏行为的选取概率，包括：

根据所述行为筛选信息确定所述候选游戏行为的行为类型，所述行为类型包括可用行为和不可用行为；

若所述候选游戏行为的行为类型为不可用行为，则将其选取概率调整为预设概率。

5.根据权利要求1所述的信息处理方法，其特征在于，所述根据所述游戏行为选取信息从所述至少两种候选游戏行为中选取由所述游戏行为主体执行的模型游戏行为，包括：

分别确定随机行为选取策略的第一概率和高概率行为选取策略的第二概率；

根据所述第一概率和所述第二概率确定用于选取模型游戏行为的模型选取策略；

若所述模型选取策略为随机行为选取策略，则从所述至少两种候选游戏行为中随机选取一种候选游戏行为作为模型游戏行为；

若所述模型选取策略为高价值行为选取策略，则从所述至少两种候选游戏行为中选取行为价值最高的一种候选游戏行为作为模型游戏行为。

6.根据权利要求1所述的信息处理方法，其特征在于，所述将所述模型游戏状态信息和所述模型游戏行为的模型游戏行为信息组成模型游戏样本，包括：

确定一个游戏场景内的至少一个游戏轮次，并获取各个所述游戏轮次的游戏次序信息；

将对应于一个游戏轮次的模型游戏状态信息和模型游戏行为的模型游戏行为信息组成模型决策信息对；

根据所述游戏次序信息将各个所述游戏轮次的模型决策信息对组成模型决策信息对序列，并将所述模型决策信息对序列作为对应于所述游戏场景的模型游戏样本。