(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210852217.X (22)申请日 2022.07.20 (71)申请人 齐鲁工业大学 地址 250353 山东省济南市长清区大 学路 3501号 (72)发明人 鲁芹　边慧聪　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 黄海丽 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01) A63F 13/822(2014.01) (54)发明名称 游戏的角色推荐方法及系统 (57)摘要 本发明公开了游戏的角色推荐 方法及系统， 响应于当前玩家客户端对待组建阵容的第i个角 色进行选择时， 根据待组建阵容的当前已选角 色、 对阵玩家的当前已选角色、 已选角色的轮次 信息以及所有备选角色， 计算出每个备选角色的 第一推荐指数； 基于角色的知识图谱， 构建异队 关联矩阵和同队关联矩阵； 基于异队关联矩阵和 同队关联矩阵， 对每个备选角色的第一推荐指数 进行修正， 得到每个备选角色的第二推荐指数； 基于当前玩家的历史角色使用记录， 对每个备选 角色的第二推荐指数进行修正， 得到每个备选角 色的第三推荐指数； 按照第三推荐指数由高到低 的顺序对备选角色在推荐列表中进行排序， 将排 序靠前的N个备选角色最为最终的推荐角色输出 给客户端。 权利要求书3页 说明书8页 附图1页 CN 115186186 A 2022.10.14 CN 115186186 A 1.游戏的角色推荐方法， 其特 征是， 应用于服 务器端， 包括： 响应于当前玩家客户端对待组建阵容的第i个角色进行选择时， 根据待组建阵容的当 前已选角色、 对阵玩家的当前已选角色、 已选角色的轮次信息以及所有 备选角色， 计算出每 个备选角色的第一推荐指数； i 为正整数； 构建角色的知识图谱； 基于角色的知识图谱， 构建异队关联矩阵和同队关联矩阵； 基于 异队关联矩阵和同队关联矩阵， 对每个备选角色的第一推荐指数进行修正， 得到每个备选 角色的第二推荐指数； 基于当前玩家 的历史角色使用记录， 对每个备选角色的第二推荐指数进行修正， 得到 每个备选角色的第三推荐指数； 按照第三推荐指数由高到低的顺序对备选角色在推荐列表中进行排序， 将排序靠前的 N个备选角色最 为最终的推荐角色输出 给客户端。 2.如权利要求1所述的游戏的角色推荐方法， 其特征是， 根据待组建阵容的当前已选角 色、 对阵玩家的当前已选角色、 已选角色的轮次信息以及所有 备选角色， 计算出每个备选角 色的第一推荐指数； 具体包括： (1)： 构建根节点； 根节点的属性包括： 待组建阵容的当前已选角色、 对阵玩家的当前已 选角色和已选角色的轮次信息； (2)： 为根节点扩展孩 子节点或选择孩 子节点； (3)： 对上一 步所扩展或所选择的孩 子节点进行访问； 当第j个孩子节点被访问时， 假设第j个孩子节点所代表的角色是当前玩家预选择的角 色； 对于待组建阵容中剩余角色， 随机 选择角色进行设置， 以补齐待组建阵容； 对于对阵玩家的剩余角色， 随机 选择角色进行设置， 以补齐对阵玩家阵容； (4)： 将补齐后的待组建阵容， 输入到训练后的神经网络中， 输出补齐后的待组建阵容 的预测得分； 将补齐后的对阵玩家阵容， 输入到训练后的神经网络中， 输出补齐后的对阵玩家阵容 的预测得分； 当补齐后的待组建阵容的预测得分大于对阵玩家阵容的预测得分， 且大于设定阈值 时， 当前孩 子节点的反馈值加1； 否则， 当前孩 子节点的反馈值是0； 返回(2)； (5)： 对M个孩子节点进行设定次数的访问后， 计算当前孩子节点的反馈值与当前孩子 节点被访问次数的比值， 将比值作为当前孩 子节点所对应角色的第一推荐指数。 3.如权利要求2所述的游戏的角色推荐方法， 其特征是， 为根节点扩展孩子节点或选择 孩子节点； 具体包括： 假设所有备选角色的个数为M个， 生成一个随机数， 所述随机数大于0小于1； 判断随机 数是否大于 0.5； 如果随机数小于0.5， 则继续判断当前根节点的孩子节点是否小于M个， 如果小于M个， 则为根节点扩展一个新的孩 子节点， 进入(3)； 如果大于等于 M个， 则选择一个孩 子节点； 如果随机数 大于0.5， 则选择一个孩 子节点； 所述选择一个孩 子节点， 选择 过程包括： 采用蒙特卡洛搜索树算法的孩子节点得分计算公式， 计算当前根节点下已有的所有孩权　利　要　求　书 1/3 页 2 CN 115186186 A 2子节点的得分， 选择最高得分对应的孩 子节点， 进入(3)； 每一个孩子节点代表一个备选角色； 不同的孩子节点代表不同的备选角色； 其中M为正 整数； 每个孩子节点的初始反馈值 为0。 4.如权利要求1所述的游戏的角色推荐方法， 其特 征是， 构建角色的知识图谱； 具体包括： 根据游戏角色之间的克制关系、 被克制关系、 同队搭配关系和异队搭配关系， 构建角色 的知识图谱； 将角色作为知识图谱的节点， 将角色与角色之间的关系作为节点与节点之间 的连接边； 基于角色的知识图谱， 构建异队关联矩阵和同队关联矩阵； 具体包括： 基于角色的知识图谱， 构建异队关联矩阵； 所述异队关联矩阵的行和列均表示当前游 戏的所有角色； 所述异队关联矩阵的元素表示待组建阵容的角色与对阵玩家阵容的角色之 间的关系系 数； 所述关系系 数为异队角色间的克制系 数、 异队角色间的被克制系 数或者异 队角色间的搭配系数； 基于角色的知识图谱， 构建同队关联矩阵； 所述同队关联矩阵的行和列均表示当前游 戏的所有角色； 同队关联矩阵的元 素值表示备选角色与已选同队角色 关系间的搭配系数。 5.如权利要求1所述的游戏的角色推荐方法， 其特征是， 基于异队关联矩阵和同队关联 矩阵， 对每个备选角色的第一推荐指数进 行修正， 得到每个备选角色的第二推荐指数； 具体 包括： 将第一推荐指数与已选角色在异队关联矩阵或同队关联矩阵中的系数进行相乘， 得到 当前备选角色的第二推荐指数。 6.如权利要求1所述的游戏的角色推荐方法， 其特征是， 基于当前玩家的历史角色使用 记录， 对每个备选角色的第二推荐指数进 行修正， 得到每个备选角色的第三推荐指数； 具体 包括： 基于当前玩家的历史角色使用记录， 选出当前玩家使用场次最多的前P个角色； 计算出当前玩家P个角色的总使用场次； 计算出当前玩家P个角色每一个角色使用的场次； 计算出当前玩家的每 个角色使用的场次与P个角色的总使用场次的比值 Q； 将比值Q乘以2， 得到对应角色的兴趣指数， 默认为1； 将兴趣指数乘以每个对应备选角色的第 二推荐指数， 得到每个备选角色的第 三推荐指 数。 7.如权利要求2所述的游戏的角色推荐方法， 其特征是， 所述训练后的神经网络， 其训 练过程包括： 构建训练集； 所述训练集包括正样本和负样本； 将当前游戏前若干名玩家若干万场比 赛胜利方的阵容数据作为正样本， 将当前游戏使用角色位置冲突的若干万条阵容数据作为 负样本； 构建神经网络； 所述神经网络为浅层神经网络； 所述浅层神经网络， 包括依次连接的输 入层、 隐藏层和输出层； 将训练集输入到 浅层神经网络中， 进行训练， 得到训练后的浅层神经网络 。 8.游戏的角色推荐系统， 其特 征是， 应用于服 务器端， 包括：权　利　要　求　书 2/3 页 3 CN 115186186 A 3