[发明专利]一种挖掘游戏中的不平衡数据组的方法、装置、设备和存储介质

权利要求书

1.一种用于挖掘游戏中的不平衡数据组的方法，其特征在于，所述方法包括：

构建多个数据组，其中所述多个数据组中的每个数据组由游戏对象组成；

根据每个数据组的难度预测值和强度预测值获得每个数据组的适应度，其中所述难度预测值通过数据组难度预测模型来获得并且用来指示从游戏对象池中抽取一个或多个游戏对象以组成相应的数据组的获取概率，其中所述强度预测值通过数据组强度预测模型来获得并且用来指示每个数据组与参考数据组集合对阵的胜率；以及

通过数据组挖掘模型基于每个数据组的适应度挖掘不平衡数据组，其中所述不平衡数据组是胜率与获取概率不相匹配的数据组。

2.根据权利要求1所述的方法，其特征在于，根据每个数据组的难度预测值和强度预测值而获得每个数据组的适应度包括：

对每个数据组的难度预测值和强度预测值进行加权计算，以获得加权计算的结果作为每个数据组的适应度。

3.根据权利要求1所述的方法，其特征在于，通过所述数据组挖掘模型基于每个数据组的适应度挖掘不平衡数据组包括：

基于每个数据组的适应度对多个数据组执行数据组选择操作，获得第一数量的数据组；

通过对获得的第一数量的数据组中的数据组执行游戏对象交叉操作，获得第二数量的数据组；

通过对获得的第一数量的数据组中的数据组执行游戏对象变异操作，获得第三数量的数据组；以及

将第一数量的数据组、第二数量的数据组以及第三数量的数据组重新组合成新的多个数据组。

4.根据权利要求3所述的方法，其特征在于，采用迭代的方式针对新的多个数据组执行根据每个数据组的难度预测值和强度预测值获得每个数据组的适应度的步骤和基于每个数据组的适应度挖掘不平衡数据组的步骤，直到迭代次数达到指定的迭代次数或者直到每次迭代后的第一数量达到指定的数量而结束迭代。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括

从最后一次迭代获得的第一数量的数据组中挖掘不平衡数据组，其中：

基于从最后一次迭代获得的第一数量的数据组中每个数据组的难度预测值和强度预测值作为二维分量来描绘二维散点图，其中每个散点表示所述每个数据组；将所述每个散点与符合曲线范围的正常数据组做比较；以及找出偏离所述曲线范围的散点作为不平衡数据组；或者

设定适应度阈值，并从最后一次迭代获得的第一数量的数据组中筛选出其适应度高于所述适应度阈值的一个或多个数据组；以及从所述一个或多个数据组中找出难度预测值高且强度预测值高的数据组作为不平衡数据组。

6.根据权利要求1-5中任一项所述的方法，其特征在于，通过所述数据组获取难度模型来获得每个数据组的难度预测值包括：

建立概率模型来模拟抽取多个数据组中每个数据组包含的游戏对象以组成相应的数据组；

通过所述概率模型来统计每个游戏对象的抽取概率；

对每个游戏对象的抽取概率进行叠加，以计算每个数据组的组成概率；

对每个数据组的组成概率进行归一化；以及

得到归一化的组成概率作为每个数据组的难度预测值。

7.根据权利要求6所述的方法，其特征在于，利用蒙特卡洛方法或根据历史的线上数据来建立所述概率模型。

8.根据权利要求1-5中任一项所述的方法，其特征在于，通过所述数据组强度预测模型来获得每个数据组的强度预测值包括：

利用卷积神经网络来训练多个数据组中的每个数据组与参考数据组集合中的每个数据组之间的对阵，其中所述参考数据组集合由多个具有广泛代表性的数据组组成；以及

计算每个数据组的平均胜率作为每个数据组的强度预测值。

9.根据权利要求8所述的方法，其特征在于，通过对游戏对象的特定组合方式进行遍历来构建所述参考数据组集合。