[發明專利]基于云計算的電競教育系統

有效

• 申請號: 202110553561.4
• 申請日: 2021-05-20
• 公開（公告）號: CN113256462B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 董新建;董瑞朝;劉康;田青;曹曉青;萬金;王哲;李貞
• 申請（專利權）人: 藍海領航電子競技（山東）有限公司
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G09B5/08;A63F13/67
• 代理公司: 濟南知來知識產權代理事務所(普通合伙) 37276
• 代理人: 崔靜

1.基于云計算的電競教育系統，其特征在于，所述系統包括：分布式云計算服務器組和用戶端；所述分布式云計算服務器包括多個并聯的云計算服務器；所述用戶端配置用于采集運行數據，將運行數據發送至分布式云計算服務器組；所述運行數據包括：用戶角色行為數據和AI角色行為數據；所述分布式云計算服務器組接收到運行數據后，基于用戶角色行為數據首先進行用戶行為預測，構建用戶角色行為鏈，再基于AI 角色行為數據和構建的用戶角色行為鏈生成AI角色行為優化鏈；在進行用戶行為預測時，構建的用戶角色行為鏈具有多個，基于用戶角色行為鏈生成的AI角色行為優化鏈也具有多個；分布式云計算服務器組將并聯的云計算服務器進行分組，得到多個云計算服務器子組；云計算服務器子組的數量與AI角色行為優化鏈的數量相同；每個云計算服務器子組與一個AI角色行為優化鏈對應，同時每個AI角色行為優化鏈與一個用戶角色行為優化鏈對應；當用戶端實時采集到新的用戶角色行為數據后，分布式云計算服務器組基于采集到的新的用戶角色行為數據，找到對應的AI角色行為優化鏈，再基于找到的AI角色行為優化鏈，找到對應的用戶角色行為優化鏈，以及找到對應的云計算服務器子組，對應的云計算服務器子組基于對應的AI角色行為優化鏈，發送控制命令至用戶端，控制用戶端的AI角色按照AI角色行為優化鏈運行；

所述基于AI 角色行為數據和構建的用戶角色行為鏈生成AI角色行為優化鏈的方法包括：基于用戶角色行為鏈中，構建用戶角色行為鏈的共軛鏈；再基于AI角色行為數據進行AI行為預測，構建AI角色行為鏈；再將AI角色行為鏈和共軛鏈進行取平均處理，生成AI角色行為優化鏈；

所述共軛鏈的構建方法包括：事先建立AI角色行為和用戶角色行為的克制關系表；若某個AI角色行為和用戶角色行為構成克制關系，則該AI角色行為和用戶角色行為構成共軛；基于用戶角色行為鏈中的每個用戶角色行為，通過克制關系表，構建用戶角色行為鏈的共軛鏈；

基于用戶角色行為數據確定用戶角色的待利用的用戶角色屬性項目及所述用戶角色屬性項目對應的用戶角色項目數據；從用戶角色屬性矩陣中，確定各個用戶角色屬性項目分別對應的用戶角色屬性向量；其中，所述用戶角色屬性矩陣為預先基于用戶角色歷史行為數據得到的用于用戶行為預測的矩陣，所述用戶角色屬性矩陣中包括樣本集所涵蓋的多個屬性項目對應的屬性向量；根據所述用戶角色屬性向量、所述用戶角色項目數據以及預設的向量合并公式，計算用戶角色數據合并向量；根據用戶角色反應矩陣、所述用戶角色數據合并向量、預設的多個初始狀態向量以及預設的概率計算公式，計算每個所述初始狀態向量的第一概率值；其中，所述用戶角色反應矩陣為預先基于所述用戶角色歷史行為數據而獲得的用于用戶行為預測的調整矩陣，所述多個初始狀態向量均不相同，每個初始狀態向量所包括的元素均分別唯一對應一個狀態項目，且每個元素表示所對應狀態項目的狀態；根據所述第一概率值，確定所述用戶角色對應的第一用戶行為預測向量；根據所述第一用戶行為預測向量，確定所述用戶角色的狀態的預測結果；基于用戶角色的狀態的預測結果，構建用戶角色行為鏈；

所述向量合并公式具體為：設一個向量為：A = [1 2 3 4]；另一個向量為：B = [5 6 78]；將A和B合并成C=[A B] = [1 2 3 4 5 6 7 8]；

獲得所述用戶角色屬性矩陣以及所述用戶角色反應矩陣的步驟，包括：獲得初始有用矩陣以及用戶角色樣本集，其中，所述初始有用矩陣至少包括初始屬性矩陣以及初始反應矩陣，所述用戶角色樣本集中包含第一預設數量個樣本，每個樣本至少包括多個第一屬性項目、所述第一屬性項目對應的第一項目數據、狀態項目以及所述狀態項目對應的第一狀態數據；從所述用戶角色樣本集中選擇第二預設數量個用戶角色樣本；從當前初始屬性矩陣中，確定每個用戶角色樣本的各個第一屬性項目分別對應的第一屬性向量；根據所述第一屬性向量、每個用戶角色樣本的各個第一屬性項目分別對應的第一項目數據以及所述向量合并公式，獲得第一數據合并向量；根據當前初始反應矩陣、所述第一數據合并向量、多個所述初始狀態向量以及預設的概率計算公式，計算每個用戶角色樣本所對應的多個初始狀態向量的第二概率值；根據所述第二概率值，確定每個用戶角色樣本所對應的第二用戶行為預測向量；并將每個用戶角色樣本所對應的第一狀態數據進行0-1編碼，獲得每個用戶角色樣本的期望狀態向量；根據公式，計算每個用戶角色樣本所對應的第二用戶行為預測向量相對于所對應期望狀態向量的誤差；其中，表示所述誤差，表示用戶角色樣本所對應的期望狀態向量，表示用戶角色樣本所對應的第二用戶行為預測向量；

，其中，表示用戶角色行為數據中的某個項目的當前值，表示用戶角色行為數據中的某個項目的前一個值，表示用戶角色行為數據的數量，表示用戶角色行為數據中的另一個項目的當前值，表示用戶角色行為數據中的另一個項目的前一個值；

，其中，為用戶角色行為數據中的某個項目的平均值，為用戶角色行為數據中的另一個項目的平均值；根據每個用戶角色樣本的誤差，確定用戶角色有效誤差；根據當前初始屬性矩陣、當前初始反應矩陣、所述用戶角色有效誤差以及預設的更新公式，獲得第一屬性矩陣以及第一反應矩陣；根據當前第一屬性矩陣、當前第一反應矩陣、當前初始屬性矩陣以及當前初始反應矩陣，確定所述用戶角色屬性矩陣以及所述用戶角色反應矩陣；

所述根據當前第一屬性矩陣、當前第一反應矩陣、當前初始屬性矩陣以及當前初始反應矩陣，確定所述用戶角色屬性矩陣以及所述用戶角色反應矩陣的步驟，包括：判斷所述樣本集中是否有未被選擇的樣本；如果是，從未被選擇的樣本中選擇第三預設數量個樣本作為用戶角色樣本，并以當前第一屬性矩陣更新當前初始屬性矩陣，以當前第一反應矩陣更新當前初始反應矩陣，返回執行所述從當前初始屬性矩陣中，確定每個用戶角色樣本的各個第一屬性項目分別對應的第一屬性向量的步驟。