[发明专利]一种游戏胜率预测方法

说明书

本发明公开了一种游戏胜率预测方法，具体包括以下步骤：通过游戏接口从游戏数据中获取游戏状态数据；对游戏状态数据进行预处理，并根据游戏状态数据生成价值标签；采用游戏状态数据对胜率预测模型进行训练；根据胜率预测模型的价值估计输出胜负预测结果。本发明用于对战游戏中提供更准确的胜率预测服务，帮助新手玩家更容易地判断局势，提升用户体验。

技术领域

本发明属于电子信息领域，具体涉及一种游戏胜率预测方法。

背景技术

游戏新手玩家在接触PVP和PVE对战玩法的过程中，由于游戏经验不足，有一段比较长的时间内都会容易陷入失败的不良体验，尤其是在老玩家群体占多数的PVP游戏玩法中。造成这种情况的一个重要的原因就是，新手玩家缺乏对游戏局势做出正确的判断。为了解决这个问题，很多游戏都设计了新手关卡，得分反馈，比赛评分等功能来帮助新手玩家熟悉游戏，增强局势判断能力。这些方法都有一定的效果，但是也存在设计维护成本高，规则有局限的问题。

发明内容

本发明提出一种游戏胜率预测方法，用于对战游戏中提供更准确的胜率预测服务，帮助新手玩家更容易地判断局势，提升用户体验。

本发明的技术方案是这样实现的：

一种游戏胜率预测方法，具体包括以下步骤：

步骤1，通过游戏接口从游戏数据中获取游戏状态数据；

步骤2，对游戏状态数据进行预处理，并根据游戏状态数据生成价值标签；

步骤3，采用游戏状态数据对胜率预测模型进行训练；

步骤4，根据胜率预测模型的价值估计输出胜负预测结果。

作为本发明的一个优选实施例，步骤1中游戏接口为游戏状态数据的解析和提取器，用于从运行的游戏或游戏录像中提取游戏状态数据；所述游戏状态数据为每个决策时刻游戏的状态向量，包括类别状态和数值状态。

作为本发明的一个优选实施例，对游戏状态数据进行预处理具体包括以下步骤：

步骤211，对所有角色所属的数值状态进行归一化处理；

步骤212，对所有角色所属的数值状态进行排序，将每个角色对应的顺序百分比数值作为新的数值状态加入状态向量；

步骤213，获取所有类别状态的类别最大值，根据类别最大值生成嵌入矩阵；

游戏状态数据生成价值标签具体包含以下步骤：

步骤221，计算每个状态距离游戏结束的时间步t_ed；

步骤222，通过比赛结果r与t_ed计算价值标签v，计算公式为：其中γ为衰减参数。

作为本发明的一个优选实施例，所述衰减参数为0.99。

作为本发明的一个优选实施例，步骤3具体包括以下步骤：

步骤301，胜率预测模型分为状态处理模块和特征推理模块，其中状态处理模块输入状态数据输出特征向量，特征推理模块输入特征向量输出推理结果；状态处理模块分为类别处理模块和数值处理模块，对不同状态输入采用不同的处理层，对于类别状态采用嵌入层进行处理，对于数值状态采用全连接层进行处理；

步骤302，胜率预测模型采用梯度下降进行优化，输出通过双曲正切激活函数，并以均方误差作为损失函数。