[发明专利]预测游戏胜率的方法、装置、介质和设备

说明书

本发明提供了一种预测游戏胜率的方法，该方法包括：采集多阵营对抗游戏中伴随着游戏对局创建后产生的游戏数据；根据所述游戏数据生成特征集合，所述特征集合包括所述游戏对局中的第一阵营和第二阵营在至少一个游戏量化指标类别上的差值特征；将所述特征集合输入胜率预测模型，所述胜率预测模型根据所述特征集合输出所述第一阵营和所述第二阵营在所述游戏对局中的实时预测胜率。此外，本发明还提供了与所述预测游戏胜率的方法相关的装置、计算机可读介质以及计算机设备。

技术领域

本发明属于游戏技术领域，尤其涉及一种预测游戏胜率的方法、装置、介质和设备。

背景技术

游戏胜率预测技术指的是：在阵营对抗的游戏环境下，通过获取当前各个阵营的各类关键属性，实时预测各阵容取得游戏最终胜率的可能性，并以概率的形式表达出来。目前，游戏实时胜率预测技术的应用范围主要集中于游戏观战和赛事辅助，也可以在人类玩家和AI玩家对抗的游戏中协助实时判断局势，从而动态调整AI玩家的策略和强度。

以多人在线战术竞技(Multiplayer Online Battle Arena，MOBA)类游戏为例，在MOBA游戏中，参与竞技的多个玩家通常被分为两个阵营，在基本对称的虚拟地图中操纵自己选择的单位角色进行战斗，通过击杀敌方玩家或地图上的人工智能(ArtificialIntelligence，AI)单位，例如击杀敌方英雄单位或普通单位，击杀普通中立单位或精英级中立单位，以达到获取虚拟金钱用于购买虚拟装备的目的，并以摧毁对方基地来作为游戏胜利的最终目标。

由于深度学习的设备需求较高，且实时性不佳，现阶段在不考虑深度的情况下，实现快速实时预测胜率所采取的常见做法是：在一局游戏中，每一个玩家都会实时产生大量的玩家数据，从这些玩家数据中提取出可用的特征输入至游戏胜率预测模型中来实时计算出相关的游戏胜率。由于MOBA游戏的规则复杂，影响双方阵营胜负的真实因素较多，相应地采样的特征也具有复杂的维度，涉及到对大量特征的计算，游戏胜率预测模型的学习效率和收敛并不理想，因此游戏胜率预测模型的稳定性和准确性也难以达到要求；同时，运行游戏胜率预测模型所需的计算资源成本和传输负载成本难以控制，因此游戏胜率预测模型仅能部署在具有足量计算和传输资源的特定场景中，而不具备在MOBA游戏的日常运维中大规模应用的前景。

发明内容

为了克服现有技术中的上述缺陷，本发明提供了一种预测游戏胜率的方法，该方法包括：

采集多阵营对抗游戏中伴随着游戏对局创建后产生的游戏数据；

根据所述游戏数据生成特征集合，所述特征集合包括所述游戏对局中的第一阵营和第二阵营在至少一个游戏量化指标类别上的差值特征；

将所述特征集合输入胜率预测模型，所述胜率预测模型根据所述特征集合输出所述第一阵营和所述第二阵营在所述游戏对局中的实时预测胜率。

根据本发明的一个方面，该方法中所述差值特征包括：所述第一阵营在所述游戏量化指标类别上的第一统计值和所述第二阵营在所述游戏量化指标类别上的第二统计值的差值。

根据本发明的另一个方面，该方法中所述特征集合还包括：所述第一统计值和所述第二统计值。

根据本发明的另一个方面，该方法中所述第一统计值是所述第一阵营中的多个第一阵营玩家在所述游戏量化指标类别上的累加值、平均数或加权平均数；所述第二统计值是所述第二阵营中的多个第二阵营玩家在所述游戏量化指标类别上的累加值、平均数或加权平均数。

根据本发明的另一个方面，该方法中所述游戏量化指标类别包括：所述第一阵营和所述第二阵营在所述游戏对局中的预设地形通路上的关键建筑物属性。