[发明专利]用于玩家安排比赛的机器学习的信任度评分

权利要求书

1.一种方法，其包括：

通过计算系统访问与在视频游戏服务中注册的多个用户帐户相关联的数据；

提供所述数据作为受训练的机器学习模型的输入；

作为所述受训练的机器学习模型的输出，生成与所述多个用户账户相关联的信任度得分，所述信任度得分与在多玩家模式下玩一个或多个视频游戏时与所述多个用户账户相关联的玩家根据特定行为表现或不根据特定行为表现的概率有关；

从多个客户端机器接收指示所述多个用户帐户中当前登录到在所述多个客户端机器的每个客户端机器上执行视频游戏的客户端应用程序中的登录用户帐户的信息；

由所述计算系统定义将所述玩家分组以在所述多玩家模式下玩所述视频游戏的多个比赛，所述多个比赛至少包括第一比赛和第二比赛；

由所述计算系统至少部分地基于与所述登录用户账户的第一子集相关联的信任度得分，将所述第一子集分配给第一比赛；

由所述计算系统至少部分地基于与所述登录用户账户的第二子集相关联的信任度得分，将所述第二子集分配给第二比赛；和

由所述计算系统使在每个客户端机器上执行所述视频游戏的所述客户端应用程序至少部分地基于所述登录用户帐户中的与所述客户端机器关联的用户帐户发起第一比赛或第二匹配中的一个。

2.根据权利要求1所述的方法，其中所述特定行为包括作弊行为、游戏放弃行为、滋事行为或粗俗语言行为中的至少一种。

3.根据权利要求1所述的方法，还包括在访问所述数据之前：

由所述计算系统使用与在所述视频游戏服务注册的采样的用户帐户集相关联的历史数据训练机器学习模型，以获得所述受训练的机器学习模型，

其中所述历史数据包括用于所述采样的用户帐户集中每个用户帐户的标签，其指示所述用户帐户是否与在玩至少一个视频游戏时根据所述特定行为表现的玩家相关联。

4.根据权利要求3所述的方法，其还包括使用更新的历史数据重新训练所述机器学习模型，以获得适于最近玩家行为的新训练的机器学习模型。

5.一种方法，其包括：

通过计算系统确定在视频游戏服务中注册的多个用户帐户的得分，其中各个所述得分通过以下确定：

访问与所述多个用户帐户中的各个用户帐户相关联的数据；

提供所述数据作为受训练的机器学习模型的输入；和

作为所述受训练的机器学习模型的输出，生成与所述各个用户帐户相关联的得分，所述得分指示与所述各个用户帐户相关联的玩家在多玩家模式下玩一个或多个视频游戏时根据特定行为表现或不根据特定行为表现的概率；

通过所述计算系统接收来自多个客户端机器的信息，所述信息指示登录到执行视频游戏的客户端应用程序中的所述多个用户账户中的登录用户账户；

由所述计算系统定义将玩家分组以在所述多玩家模式下玩所述视频游戏的多个比赛，所述多个比赛至少包括第一比赛和第二比赛；

至少部分基于为所述登录用户帐户确定的得分，通过所述计算系统将所述登录用户帐户的第一子集分配给第一比赛，并且将所述登录用户帐户的第二子集分配给第二比赛；

通过所述计算系统使与所述登录用户账户的第一子集相关联的所述多个客户端机器的第一子集在所述第一比赛中执行所述视频游戏；和

通过所述计算系统使与所述登录用户账户的第二子集相关联的所述多个客户端机器的第二子集在所述第二比赛中执行所述视频游戏。

6.根据权利要求5所述的方法，其中所述特定行为包括作弊行为、游戏放弃行为、滋事行为或粗俗语言行为中的至少一种。

7.根据权利要求5所述的方法，还包括在确定所述得分之前：

通过所述计算系统访问与在所述视频游戏服务中注册的采样的用户帐户集相关的历史数据；

用标签标记所述采样的用户帐户集中的每个用户帐户，所述标签指示所述用户帐户是否与在玩至少一个视频游戏时根据所述特定行为表现的玩家相关联；和

使用所述历史数据作为训练数据训练机器学习模型，以获得受训练的机器学习模型。