[發明專利]虛擬對象的推薦方法、裝置和電子設備

在審

• 申請號: 202210208284.8
• 申請日: 2022-03-04
• 公開（公告）號: CN114681924A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 劉冠廷
• 申請（專利權）人: 網易（杭州）網絡有限公司
• 主分類號: A63F13/79
• 分類號: A63F13/79;A63F13/822;G06N3/04;G06N3/08
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 何少巖

1.一種虛擬對象的推薦方法，其特征在于，所述方法包括：

獲取目標游戲對局的當前組隊中已選擇的第一虛擬對象；其中，所述第一虛擬對象至少包括兩個；

將所述第一虛擬對象的對象編碼輸入至預先訓練完成的推薦網絡模型，輸出所述目標游戲對局中備選虛擬對象的初始推薦分數；其中，所述推薦網絡模型包括嵌入層，所述嵌入層用于基于所述第一虛擬對象的屬性特征，以及所述備選虛擬對象的屬性特征，確定所述備選虛擬對象在所述當前組隊中被推薦的概率信息；

根據所述備選虛擬對象的初始推薦分數、目標賬號的歷史戰斗場次、以及所述目標賬號針對所述備選虛擬對象的熟練度，從所述備選虛擬對象中為所述目標賬號推薦目標虛擬對象；其中，所述目標賬號為所述當前組隊的賬號中未選擇虛擬對象的賬號。

2.根據權利要求1所述的方法，其特征在于，將所述第一虛擬對象的對象編碼輸入至預先訓練完成的推薦網絡模型，輸出所述目標游戲對局中備選虛擬對象的初始推薦分數的步驟，包括：

將所述第一虛擬對象的對象編碼輸入至所述嵌入層，以使所述嵌入層根據映射的所述虛擬對象的屬性特征，輸出所述備選虛擬對象的第一特征向量；其中，所述備選虛擬對象的第一特征向量包含所述備選虛擬對象在所述當前組隊中被推薦的概率信息；

將所述第一特征向量輸入至所述預先訓練完成的推薦網絡模型的隱藏層，以使所述隱藏層輸出所述備選虛擬對象的第二特征向量；

將所述第二特征向量輸入至所述預先訓練完成的推薦網絡模型的激活函數，以使所述激活函數輸出所述備選虛擬對象的初始推薦分數。

3.根據權利要求1所述的方法，其特征在于，所述推薦網絡模型通過下述方式訓練得到：

從所述目標游戲的歷史對戰數據中，獲取勝利陣容中包括的第二虛擬對象，同時隨機獲取第一預設數量的第三虛擬對象；其中，所述第二虛擬對象攜帶有第一標識，用于指示所述第二虛擬對象為訓練正樣本，所述第三虛擬對象攜帶有第二標識，用于指示所述第三虛擬對象為訓練負樣本；

根據所述訓練正樣本和所述訓練負樣本，更新所述推薦網絡模型的模型參數，以使所述嵌入層學習所述勝利陣容中包括的第二虛擬對象的屬性特征，得到訓練完成的所述推薦網絡模型。

4.根據權利要求3所述的方法，其特征在于，根據所述訓練正樣本和所述訓練負樣本，更新所述推薦網絡模型的模型參數的步驟，包括：

將所述訓練正樣本輸入至所述推薦網絡模型，計算所述訓練正樣本的第一損失值；

將所述訓練負樣本輸入至所述推薦網絡模型，計算所述訓練負樣本的第二損失值；

基于所述第一損失值與所述第二損失值之和，通過反向梯度傳播更新所述推薦網絡模型的模型參數。

5.根據權利要求4所述的方法，其特征在于，將所述訓練正樣本輸入至所述推薦網絡模型，計算所述訓練正樣本的第一損失值的步驟，包括：

將所述第二虛擬對象中第一預設數量的虛擬對象的對象編碼，輸入至所述推薦網絡模型，輸出預測虛擬對象；

根據所述預測虛擬對象和所述第二虛擬對象中除所述第一預設數量的虛擬對象之外的標準虛擬對象，計算所述預測虛擬對象的第一損失值。

6.根據權利要求4所述的方法，其特征在于，將所述訓練負樣本輸入至所述推薦網絡模型，計算所述訓練負樣本的第二損失值的步驟，包括：

將所述第三虛擬對象的對象編碼，輸入至所述推薦網絡模型的嵌入層，得到所述第三虛擬對象的特征向量；

通過預設的輔助分支，計算所述第三虛擬對象的特征向量之間的乘積值，將所述乘積值之和，確定為所述第二損失值。

7.根據權利要求1所述的方法，其特征在于，根據所述備選虛擬對象的初始推薦分數、目標賬號的歷史戰斗場次、以及所述目標賬號針對所述備選虛擬對象的熟練度，從所述備選虛擬對象中為所述目標賬號推薦目標虛擬對象的步驟，包括：

從所述歷史戰斗場次中，獲取預設場次或預設時間內所述目標賬戶針對每個所述虛擬對象的目標戰斗場次；

根據所述初始推薦分數，所述目標戰斗場次，以及所述目標賬號針對所述虛擬對象的熟練度，為所述目標賬號推薦目標虛擬對象。