[发明专利]一种掼蛋数据处理方法及相关装置

权利要求书

1.一种掼蛋数据处理方法，其特征在于，包括：

从掼蛋游戏服务器接收状态信息；

根据所述状态信息和历史状态信息进行特征提取处理，得到状态特征矩阵数据；

采用BERT决策模型对所述状态特征矩阵数据进行处理，得到出牌动作数据；其中，所述BERT决策模型为根据掼蛋游戏数据训练集进行训练得到的模型；其中，所述BERT决策模型包括：卷积层、multihead attention block和全连接层；

发送所述出牌动作数据。

2.根据权利要求1所述的掼蛋数据处理方法，其特征在于，根据所述状态信息和历史状态信息进行特征提取处理，得到状态特征矩阵数据，包括：

根据掼蛋游戏模型对所述状态信息和所述历史状态信息进行归类处理，得到所述状态特征矩阵数据。

3.根据权利要求1所述的掼蛋数据处理方法，其特征在于，采用BERT决策模型对所述状态特征矩阵数据进行处理，得到出牌动作数据，包括：

根据所述BERT决策模型和所述状态特征矩阵数据对所有出牌动作进行赢面概率预测，得到每个出牌动作对应的概率；

将概率最大的出牌动作作为所述出牌动作数据。

4.根据权利要求1所述的掼蛋数据处理方法，其特征在于，所述根据掼蛋游戏数据训练集进行训练得到所述BERT决策模型的步骤，包括：

对获取到的掼蛋历史数据进行特征提取处理，得到所述掼蛋游戏数据训练集；

根据所述掼蛋游戏数据训练集进行神经网络训练，得到所述BERT决策模型。

5.根据权利要求1所述的掼蛋数据处理方法，其特征在于，还包括：

当接收到状态信息时，将所述状态信息保存，并作为所述历史状态信息。

6.一种掼蛋数据处理装置，其特征在于，包括：

信息接收模块，用于从掼蛋游戏服务器接收状态信息；

信息处理模块，用于根据所述状态信息和历史状态信息进行特征提取处理，得到状态特征矩阵数据；

模型决策模块，用于采用BERT决策模型对所述状态特征矩阵数据进行处理，得到出牌动作数据；其中，BERT决策模型为根据掼蛋游戏数据训练集进行训练得到的模型；其中，所述BERT决策模型包括：卷积层、multihead attention block和全连接层；

出牌数据发送模块，用于发送所述出牌动作数据。

7.根据权利要求1所述的掼蛋数据处理装置，其特征在于，所述信息处理模块，具体用于根据掼蛋游戏模型对所述状态信息和所述历史状态信息进行归类处理，得到所述状态特征矩阵数据。

8.根据权利要求1所述的掼蛋数据处理装置，其特征在于，还包括：

信息保存模块，用于当接收到状态信息时，将所述状态信息保存，并作为所述历史状态信息。

9.一种服务器，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的掼蛋数据处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的掼蛋数据处理方法的步骤。