[發明專利]信息處理方法、裝置、介質及電子設備

有效

• 申請號: 202010086291.6
• 申請日: 2020-02-11
• 公開（公告）號: CN111282267B
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 常天元
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: A63F13/45
• 分類號: A63F13/45;A63F13/79;G06N20/00
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 葉虹

1.一種信息處理方法，其特征在于，包括：

確定游戲場景中的游戲行為主體，并獲取用于控制所述游戲行為主體執行游戲行為的行為模型；

對所述游戲場景進行特征提取，以得到與所述游戲行為主體相關的模型游戲狀態信息；

通過所述行為模型對所述模型游戲狀態信息進行映射處理，以得到與至少兩種候選游戲行為相對應的模型游戲行為選取信息；

根據所述模型游戲行為選取信息從所述至少兩種候選游戲行為中選取由所述游戲行為主體執行的模型游戲行為；

將所述模型游戲狀態信息和所述模型游戲行為的模型游戲行為信息組成模型游戲樣本；

獲取與所述游戲行為主體相關的用戶游戲數據，并根據所述用戶游戲數據確定由用戶游戲狀態信息和用戶游戲行為信息組成的用戶游戲樣本；

將所述模型游戲樣本和所述用戶游戲樣本作為訓練樣本，并將所述訓練樣本輸入至鑒別模型中；

通過所述鑒別模型對所述訓練樣本進行映射處理，以得到樣本鑒別信息；其中，所述樣本鑒別信息用于鑒別所述訓練樣本為模型游戲樣本或者用戶游戲樣本；

根據所述樣本鑒別信息更新所述行為模型和所述鑒別模型的模型參數，以提高所述鑒別模型的鑒別能力和所述行為模型的模仿能力，以使所述行為模型輸出接近所述用戶游戲樣本的概率分布的模型游戲樣本。

2.根據權利要求1所述的信息處理方法，其特征在于，所述對所述游戲場景進行特征提取，以得到與所述游戲行為主體相關的模型游戲狀態信息，包括：

獲取所述游戲場景中的場景狀態信息以及所述游戲行為主體的主體狀態信息；

對所述場景狀態信息進行特征提取以得到場景特征向量，并對所述主體狀態信息進行特征提取以得到主體特征向量；

對所述場景特征向量和所述主體特征向量進行拼接處理，以得到與所述游戲行為主體相關的模型游戲狀態信息。

3.根據權利要求1所述的信息處理方法，其特征在于，所述通過所述行為模型對所述模型游戲狀態信息進行映射處理，以得到與至少兩種候選游戲行為相對應的模型游戲行為選取信息，包括：

確定與所述游戲行為主體相關的至少兩種候選游戲行為；

通過所述行為模型對所述模型游戲狀態信息進行映射處理，以得到每種所述候選游戲行為的選取概率；

獲取每種所述候選游戲行為的行為可用狀態信息，并根據所述行為可用狀態信息確定與所述候選游戲行為相對應的行為篩選信息；

根據所述行為篩選信息調整所述候選游戲行為的選取概率，并將調整后的選取概率作為模型游戲行為選取信息。

4.根據權利要求3所述的信息處理方法，其特征在于，所述根據所述行為篩選信息調整所述候選游戲行為的選取概率，包括：

根據所述行為篩選信息確定所述候選游戲行為的行為類型，所述行為類型包括可用行為和不可用行為；

若所述候選游戲行為的行為類型為不可用行為，則將其選取概率調整為預設概率。

5.根據權利要求1所述的信息處理方法，其特征在于，所述根據所述游戲行為選取信息從所述至少兩種候選游戲行為中選取由所述游戲行為主體執行的模型游戲行為，包括：

分別確定隨機行為選取策略的第一概率和高概率行為選取策略的第二概率；

根據所述第一概率和所述第二概率確定用于選取模型游戲行為的模型選取策略；

若所述模型選取策略為隨機行為選取策略，則從所述至少兩種候選游戲行為中隨機選取一種候選游戲行為作為模型游戲行為；

若所述模型選取策略為高價值行為選取策略，則從所述至少兩種候選游戲行為中選取行為價值最高的一種候選游戲行為作為模型游戲行為。

6.根據權利要求1所述的信息處理方法，其特征在于，所述將所述模型游戲狀態信息和所述模型游戲行為的模型游戲行為信息組成模型游戲樣本，包括：

確定一個游戲場景內的至少一個游戲輪次，并獲取各個所述游戲輪次的游戲次序信息；

將對應于一個游戲輪次的模型游戲狀態信息和模型游戲行為的模型游戲行為信息組成模型決策信息對；

根據所述游戲次序信息將各個所述游戲輪次的模型決策信息對組成模型決策信息對序列，并將所述模型決策信息對序列作為對應于所述游戲場景的模型游戲樣本。