CN108920213B - 游戏的动态配置方法及装置 - Google Patents
游戏的动态配置方法及装置 Download PDFInfo
- Publication number
- CN108920213B CN108920213B CN201810712906.4A CN201810712906A CN108920213B CN 108920213 B CN108920213 B CN 108920213B CN 201810712906 A CN201810712906 A CN 201810712906A CN 108920213 B CN108920213 B CN 108920213B
- Authority
- CN
- China
- Prior art keywords
- player
- game
- data
- game setting
- setting data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
- G06F9/4451—User profiles; Roaming
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/50—Controlling the output signals based on the game progress
- A63F13/52—Controlling the output signals based on the game progress involving aspects of the displayed game scene
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/30—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by output arrangements for receiving control signals generated by the game device
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/30—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by output arrangements for receiving control signals generated by the game device
- A63F2300/308—Details of the user interface
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种游戏的动态配置方法,包括:获取玩家在游戏中的历史行为信息;根据所述历史行为信息获取所述玩家对应的玩家画像;根据所述玩家画像确定所述玩家的目标游戏设定数据;在游戏启动之后,根据所述目标游戏设定数据为所述玩家配置相应的游戏环境。通过本发明的配置方法,可依据每个玩家特点动态调整游戏环境,使之更符合玩家的游戏偏好和游戏意图,使游戏设定与玩家喜好进行良性互动,为玩家提供更好的游戏体验。
Description
技术领域
本发明涉及网络游戏领域,尤其涉及一种游戏的动态配置方法及装置。
背景技术
大型的网络游戏中,一般都会存在数值、地图、场景、技能分类和分级、战斗和战胜规则等诸多元素,这些元素可以统称为环境因素,描述的是整个游戏中玩家面对的环境条件和约束。玩家在游戏过程中根据这些元素,与其他玩家一起互动。这些元素设计的是否合理、有趣,能给玩家带来乐趣是游戏能否留住玩家的关键,也就是游戏成败的关键。
在目前的游戏制作中,这些元素都是通过游戏策划者依据自己的职业经验在游戏发行之前设置和调整的。并且网络游戏往往只有一套配置***,即环境因素往往对于所有玩家都是相同的。在游戏发行之后,虽然可以根据玩家的体验和数值,以及通过对玩家的调研和反馈,对环境因素进行修正,来达到维持游戏良好运营的目的,但是所做的修改仍然只能是对环境因素的统一修改,对所有用户都是一致的。
这样的统一设定和修改方式无法满足不同玩家千人千面的个性化需求,也无法对游戏环境因素进行及时的调整。
发明内容
本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一,并提供一种游戏的动态配置方法及装置。
为了达到上述目的,根据本发明第一方面的实施例提出了一种游戏的动态配置方法,包括:获取玩家在游戏中的历史行为信息;根据所述历史行为信息获取所述玩家对应的玩家画像;根据所述玩家画像确定所述玩家的目标游戏设定数据;在游戏启动之后,根据所述目标游戏设定数据为所述玩家配置相应的游戏环境。
在本发明的实施例中,可以根据玩家的历史行为信息获取该玩家对应的玩家画像,并在游戏进行过程中,根据玩家画像加载相应的游戏环境,从而满足玩家的个性化需求。通过本发明实施例的配置方法,可依据每个玩家特点动态调整游戏环境,使之更符合玩家的游戏偏好和游戏意图,使游戏设定与玩家喜好进行良性互动,为玩家提供更好的游戏体验。
在本发明的一些实施例中,所述根据所述历史行为信息生成所述玩家对应的玩家画像包括:从所述历史行为信息中提取玩家行为数据,以及所述玩家行为数据对应的游戏设定数据;根据所述玩家行为数据和所述游戏设定数据,使用玩家分类模型生成所述玩家对应的玩家画像,其中,所述玩家分类模型基于深度神经网络模型进行自学习获得。
在本发明实施例中,通过深度神经网络模型来生成玩家分类模型,可以使得玩家分类模型更加准确,提高判断的精度。
在本发明的一些实施例中,所述根据所述玩家行为数据和所述游戏设定数据,使用玩家分类模型生成所述玩家对应的玩家画像包括:根据所述玩家行为数据和所述游戏设定数据查询所述玩家分类模型以获得所述玩家行为数据和所述游戏设定数据对应的多个玩家特征;以及根据所述多个玩家特征生成所述玩家对应的玩家画像。
在本发明实施例中,玩家行为数据和游戏设定数据能够反映玩家的喜好,可根据玩家行为数据和游戏设定数据确定该玩家对应的多个玩家特征。
在本发明的一些实施例中,所述根据玩家画像确定玩家对应的目标游戏设定数据,包括:根据所述玩家画像确定所述玩家画像所属的类型;根据所述玩家画像所属的类型,获取所述类型对应的游戏设定的调整策略;根据所述调整策略,确定所述玩家对应的目标游戏设定数据。
在本发明实施例中,可以根据玩家画像确定该玩家所属的类型,之后再根据玩家所属的类型生成该玩家所喜好的目标游戏设定数据,从而能够获得更准确的目标游戏设定数据。
在本发明的一些实施例中,还包括:获取多个样本玩家在游戏中的历史行为样本数据以及所述历史行为样本数据对应的游戏设定样本数据;根据所述多个样本玩家在游戏中的历史行为样本数据、所述游戏设定样本数据,对所述玩家分类模型进行训练。
在本发明实施例中,通过多个样本玩家的历史数据对玩家分类模型进行训练,可以更加提高玩家分类模型的准确性。
为了达到上述目的,根据本发明第二方面的实施例提出了一种游戏的动态配置装置,包括:行为数据获取模块,用于获取玩家在游戏中的历史行为信息;玩家画像生成模块,用根据所述历史行为信息获取所述玩家对应的玩家画像;目标游戏设定数据获取模块,用于根据所述玩家画像确定所述玩家的目标游戏设定数据;游戏配置模块,用于在游戏启动之后,根据所述目标游戏设定数据为所述玩家配置相应的游戏环境。在本发明的实施例中,可以根据玩家的历史行为信息获取该玩家对应的玩家画像,并在游戏进行过程中,根据玩家画像加载相应的游戏环境,从而满足玩家的个性化需求。通过本发明实施例的配置方法,可依据每个玩家特点动态调整游戏环境,使之更符合玩家的游戏偏好和游戏意图,使游戏设定与玩家喜好进行良性互动,为玩家提供更好的游戏体验。
在本发明的一些实施例中,所述玩家画像生成模块从所述历史行为信息中提取玩家行为数据以及所述玩家行为数据对应的游戏设定数据,并根据所述玩家行为数据和所述游戏设定数据,使用玩家分类模型生成所述玩家对应的玩家画像,其中,所述玩家分类模型基于深度神经网络模型进行自学习获得。在本发明实施例中,通过深度神经网络模型来生成玩家分类模型,可以使得玩家分类模型更加准确,提高判断的精度。
在本发明的一些实施例中,所述玩家画像生成模块根据所述玩家行为数据和所述游戏设定数据查询所述玩家分类模型以获得所述玩家行为数据和所述游戏设定数据对应的多个玩家特征,以及根据所述多个玩家特征生成所述玩家对应的玩家画像。在本发明实施例中,玩家行为数据和游戏设定数据能够反映玩家的喜好,可根据玩家行为数据和游戏设定数据确定该玩家对应的多个玩家特征。
在本发明的一些实施例中,所述目标游戏设定数据获取模块根据所述玩家画像确定所述玩家画像所属的类型,并根据所述玩家画像所属的类型,获取所述类型对应的游戏设定的调整策略,以及根据所述调整策略,确定所述玩家对应的目标游戏设定数据。在本发明实施例中,可以根据玩家画像确定该玩家所属的类型,之后再根据玩家所属的类型生成该玩家所喜好的目标游戏设定数据,从而能够获得更准确的目标游戏设定数据。
在本发明的一些实施例中,还包括:神经网络训练模块,用于获取多个样本玩家在游戏中的历史行为样本数据以及所述历史行为样本数据对应的游戏设定样本数据,并根据所述多个样本玩家在游戏中的历史行为样本数据、所述游戏设定样本数据,对所述玩家分类模型进行训练。在本发明实施例中,通过多个样本玩家的历史数据对玩家分类模型进行训练,可以更加提高玩家分类模型的准确性。
为了实现上述目的,本发明第三方面实施例提供了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现根据本发明第一方面所述的游戏的动态配置方法。
为了实现上述目的,本发明第四方面实施例提供了一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,实现根据本发明第一方面所述的游戏的动态配置方法。
为了实现上述目的,本发明第五方面实施例提供了一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现根据本发明第一方面所述的游戏的动态配置方法。
根据本发明第三到五方面的非临时性计算机可读存储介质,计算机程序产品和计算设备具有与根据本发明第一和第二方面的游戏的动态配置方法和装置类似的有益效果,在此不再赘述。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明实施例的基于人工智能的动态游戏配置方法的流程示意图;
图2是根据本发明实施例的多层感知器深度神经网络结构示意图;
图3是根据本发明实施例的人工智能的动态游戏配置方法的工作过程示意图;
图4是根据本发明实施例的根据本发明实施例的基于人工智能的动态游戏配置装置的结构框图;
图5是根据本发明实施例的计算设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
针对现有技术中,游戏设定和修改游戏环境参数时,对所有玩家生效而无法满足个体玩家的不同个性化需求。对此,本发明提出了一种游戏的动态配置方法和装置。
本发明实施例可以根据玩家画像在游戏过程中对不同的玩家加载不同的游戏环境。从而实现针对每个玩家,甚至是同一玩家在不同的阶段的不同游戏需求,个性化地配置游戏环境,从而为玩家提供更好的游戏体验。
下面参考附图对本发明实施例的方法和装置进行详细的说明。
参见图1,根据本发明的游戏的动态配置方法可包括步骤S110到S140。
步骤S110,获取玩家在游戏中的历史行为信息。
具体地,所述历史行为信息可包括该玩家的玩家行为数据,以及玩家行为数据对应的游戏设定数据。即玩家在玩该游戏时的历史操作行为及历史操作行为产生的设定数据,例如对游戏的设定操作及操作结果,角色的选择操作及操作结果等等。玩家行为数据是指玩家在游戏中的相关操作行为的数据,游戏设定数据是指游戏环境中根据相关操作行为改变的设定数据。为了达到反馈和调整游戏设定的目的,游戏服务器需要实时记录玩家的历史行为信息。
深度学习的概念源于人工神经网络,通常指隐层的层数较多的神经网络结构或模型的训练和应用。在本发明的实施例中,为了通过深度学习方式来实现对于玩家意图(在做任务、在长期打怪、在赞钱)、性格特点(喜欢冒险、喜欢升级、喜欢攒装备)、游戏中各种设定(任务***设定情况、怪物难度情况、赛道难度情况)的准确识别,通常需要获取玩家在游戏中的历史行为信息以及历史行为发生时对应的游戏设定数据,并将这些历史行为信息输入到神经网络模型之中,从而获得该玩家的玩家画像。
在本发明的实施例中,举例而言,可以采集与建立玩家画像相关度比较高的特定行为数据,和这些特定行为数据对应的游戏设定数据。在本发明的实施例中,玩家行为数据,是指玩家在游戏中进行的各种操作行为的数据,例如玩家行为数据可包括玩家账号、玩家登陆时间、游戏时长(可根据玩家登录和退出登录的行为获得)、做任务的数量、种类,战斗行为、装备增减行为、玩家做任务结果数据、战斗结果数据等。而与玩家行为数据对应的游戏设定数据,则是指玩家在执行上述玩家行为时,对应的游戏环境设定的数据,特别是那些可以根据玩家不同而进行个性化自适应设定的数据。在本发明的实施例中,游戏环境的数据可以由游戏服务器进行设定,其中,有些数据可能是在整个游戏中固定不变的,例如游戏的地图、背景年代、角色的属性参数等级划分等大多设置为不变的,而有些游戏环境数据则是可以根据玩家的不同进行个性化设置的,在本发明实施例中就是针对这些可变的环境数据进行针对性设置的。
由于那些固定环境数据对于整个游戏都是不变的,因此可以不必每次加以记录。从而,在一些实施例中,本步骤中获取的历史行为信息,可以仅包括那些可以改变设定的动态游戏环境数据。或者是,通过机器学习和理论分析,确定出游戏环境数据中,与玩家行为相关度较高的数据,并对这部分相关度较高的历史行为信息进行记录。
例如,记录的游戏环境设定数据可包括任务***的设定数据、战斗对象的设定数据、备选赛道难度等。通过对任务***的设定数据、战斗对象的设定数据、备选赛道难度等与玩家游戏效果和体验相关度更高的游戏设定数据的个性化调节,能够更显著地改善玩家的游戏体验。
步骤S120,根据历史行为信息获取所述玩家对应的玩家画像。
在本发明的实施例中,通过对于游戏行为数据和和对应的游戏设定数据的积累,可以根据基于深度神经网络模型构建玩家分类模型。玩家分类模型可以对玩家的游戏偏好、性格特点、当前游戏意图等进行特征提取,从而针对每一个玩家进行画像。玩家画像又称用户角色,在网络游戏的设计中,是一种勾画目标玩家、玩家诉求与设计方向的有效工具。玩家画像可以由一组玩家的特征集合来描述,玩家特征可以为游戏的背景颜色,角色偏好等等。具体而言,玩家画像可以体现玩家操作习惯、抗挫折能力、游戏时长等信息。
在一些实施例中,根据玩家行为数据集合和行为数据对应的游戏设定数据,使用深度神经网络模型进行数据处理,得到玩家画像,可包括:使用基于深度神经网络的玩家分类模型;将玩家的行为数据和行为数据对应的游戏设定数据作为神经网络分类模型的输入,输入至神经网络分类模型;该神经网络分类模型的输出为玩家特征,所述玩家特征体现了玩家的游戏偏好,例如背景的设置,背景音乐的选择等等;根据神经网络分类模型输出的玩家特征生成玩家画像。在本发明的实施例中,玩家特征是指玩家的标签,例如活泼型玩家等。在本发明的实施例中,玩家画像由多个玩家特征构成,例如活泼型打怪玩家等。
根据玩家的特征将玩家分为不同的类别,对归于不同玩家类别,预测其对于不同游戏设定会采取的行为。在积累众多玩家的画像之后,可以针对每一个在游戏中玩家的画像情况来智能地调整游戏的设定,从而使得这个玩家可以更舒服的在游戏中获得个性化的体验。
参见图2,图2是根据本发明实施例的多层感知器深度神经网络结构示意图。这里以多层感知器(MLP)模型为例来说明深度神经网络的运行,但是要说明的是,基于深度神经网络的玩家分类模型并不限于MLP形式的实现,现有各种神经网络结构中的各种分类器模型均可应用于此。
其中,玩家分类模型运行时,以玩家行为数据和玩家行为对应的游戏设定数据作为模型的输入X1到Xn,模型输出C1到Cn为玩家特征,根据玩家特征C1到Cn确定玩家画像Y。例如,玩家特征可以包括:玩家在游戏中的道具购买、战斗、社交、留存等方面的分级信息。例如,对每个特征,其描述方式为分成若干等级,用来评价玩家对战斗的偏好是高还是低,社交活跃程度的高低以及留存的时间和概率等。
步骤S130,根据所述玩家画像确定所述玩家的目标游戏设定数据。
在本发明的一些实施例中,目标游戏设定数据,是指针对该玩家画像,该玩家的喜好设定数据,例如该玩家喜欢的背景颜色,背景音乐,角色类型等等,也可以是该用户喜欢的游戏情节等,例如游戏更侧重于打怪或者社交。
根据玩家画像确定玩家对应的目标游戏设定数据,可以是依据运营经验,结合心理学和用户调研等,确定每个类别的玩家对应的目标游戏设定。此时,可根据玩家画像,按照预先设定的玩家画像与目标游戏设定数据之间的对应关系,确定玩家对应的目标游戏设定数据。
除此之外,在其他实施例中,也可以利用深度神经网络模型,对不同的玩家,在各种游戏设定下可能采取的玩家行为进行预测,并据此来设计和修改游戏设定。根据玩家画像,使用深度神经网络模型预测玩家在不同游戏设定下倾向于采取的行为,并提前进行相应的游戏环境设置。
本发明实施例通过对每个玩家进行动态跟踪画像,根据玩家最新的画像动态修改其游戏环境的参数设定,向玩家提供更符合其意图和性格特点的游戏环境,设定使玩家有更大概率做出目标行为的环境参数,给用户提供更符合期望地游戏体验,从而增加用户的留存率。
按照预先设定的玩家画像与目标游戏设定数据之间的对应关系,确定玩家对应的目标游戏设定数据的方式,更适于用户的游戏体验需求相对固定的场景。此时,可以视为期望用户行为是固定的,可设置期望行为评价指标函数(例如以各种具体行为为函数参数),作为优化游戏设定数据的依据。
步骤S140,在游戏启动之后,根据所述目标游戏设定数据为所述玩家配置相应的游戏环境。
在玩家登陆游戏时,游戏服务器可以获取玩家对应的目标游戏设定数据,并在游戏启动之后根据目标游戏设定数据配置游戏环境。例如,可以针对玩家特点,动态地修改游戏设定数据,在游戏整体框架内,给喜欢社交或做任务的玩家提供更多任务,给喜欢战斗打怪的玩家提供更多怪物,或者将游戏的背景颜色或背景音乐修改为玩家喜欢的颜色或音乐。
在一些实施例中,可在线下,预先根据大量玩家的历史行为数据和行为数据对应的游戏设定数据,对深度神经网络模型进行训练,从而得到基于深度神经网络的玩家分类模型。然后再上线进行实时运行,实时跟踪玩家画像的变化,并且在运行过程中,亦可对玩家模型进行不断的训练和修正。
参见图3,图3是根据本发明实施例的人工智能的动态游戏配置方法的工作过程示意图。
首先,获取玩家行为数据和对应的游戏设定数据。之后,将玩家行为数据和对应的游戏设定数据输入深度神经网络模型(即本发明实施例的玩家分类模型)。深度神经网络模型根据该玩家的玩家行为数据和对应的游戏设定数据生成相应的玩家画像,并将玩家画像发送到游戏服务器。游戏服务器根据玩家画像生成目标游戏设定数据,并在游戏开始时,根据目标游戏设定数据为所述玩家配置相应的游戏环境。例如将游戏的背景颜色设置为该玩家喜好的颜色,或者将游戏的情节设置为该玩家喜欢的情节等。
具体而言,当玩家登陆进行游戏时,游戏服务器会从深度神经网络模型(即玩家分类模型)中获取该玩家的玩家画像。进而,根据玩家画像生成适合该玩家的游戏环境配置(即目标游戏设定数据对应的游戏环境)。同时,在玩家游戏过程中,游戏服务器还会继续收集玩家的行为数据和游戏设定数据,并不断地对玩家画像进行更新,即重复执行上述的学习和调整过程。从而实现了游戏服务器依据每个玩家特点动态调整玩家画像的目的,使游戏设定与玩家喜好进行良性互动。
应用本发明游戏的动态配置方法,可以根据玩家的历史行为信息获取该玩家对应的玩家画像,并在游戏进行过程中,根据玩家画像加载相应的游戏环境,从而满足玩家的个性化需求。通过深度神经网络模型对玩家行为和游戏设定和玩家特征之间的关系进行建模,可依据每个玩家特点动态调整游戏设定,使之更符合玩家的游戏偏好和游戏意图,使游戏设定与玩家喜好进行良性互动,为玩家提供更好的游戏体验。
为了实现上述第一方面实施例中的方法,本发明第二方面的实施例提出了一种游戏的动态配置装置。
所述***/装置的实现可包括一个或多个计算设备,所述计算设备包括处理器和存储器,所述存储器上存储有包括可在所述处理器上运行的计算机程序指令的应用程序。所述应用程序可以划分为多个程序模块,用于***各个组成部分的相应功能。其中,程序的模块的划分是逻辑上的而非物理上的,每个程序模块可以运行在一个或多个计算设备上,一个计算设备上也可以运行一个或一个以上的程序模块。以下对本发明的***/装置按照程序模块的功能逻辑划分进行详细说明。
图4是根据本发明实施例的基于人工智能的动态游戏配置装置结构框图。根据本发明的装置100可以包括行为数据获取模块110,玩家画像生成模块120,目标游戏设定数据获取模块130和游戏配置模块140。其中,行为数据获取模块110用于获取玩家在游戏中的历史行为信息;玩家画像生成模块120,用根据所述历史行为信息获取所述玩家对应的玩家画像;目标游戏设定数据获取模块130,用于根据所述玩家画像确定所述玩家的目标游戏设定数据;游戏配置模块140,用于在游戏启动之后,根据所述目标游戏设定数据为所述玩家配置相应的游戏环境。在本发明的实施例中,可以根据玩家的历史行为信息获取该玩家对应的玩家画像,并在游戏进行过程中,根据玩家画像加载相应的游戏环境,从而满足玩家的个性化需求。通过本发明实施例的配置方法,可依据每个玩家特点动态调整游戏环境,使之更符合玩家的游戏偏好和游戏意图,使游戏设定与玩家喜好进行良性互动,为玩家提供更好的游戏体验。
在本发明的一些实施例中,所述玩家画像生成模块从所述历史行为信息中提取玩家行为数据以及所述玩家行为数据对应的游戏设定数据,并根据所述玩家行为数据和所述游戏设定数据,使用玩家分类模型生成所述玩家对应的玩家画像,其中,所述玩家分类模型基于深度神经网络模型进行自学习获得。在本发明实施例中,通过深度神经网络模型来生成玩家分类模型,可以使得玩家分类模型更加准确,提高判断的精度。
在本发明的一些实施例中,所述玩家画像生成模块120根据所述玩家行为数据和所述游戏设定数据查询所述玩家分类模型以获得所述玩家行为数据和所述游戏设定数据对应的多个玩家特征,以及根据所述多个玩家特征生成所述玩家对应的玩家画像。在本发明实施例中,玩家行为数据和游戏设定数据能够反映玩家的喜好,可根据玩家行为数据和游戏设定数据确定该玩家对应的多个玩家特征。
在本发明的一些实施例中,所述目标游戏设定数据获取模块130根据所述玩家画像确定所述玩家画像所属的类型,并根据所述玩家画像所属的类型,获取所述类型对应的游戏设定的调整策略,以及根据所述调整策略,确定所述玩家对应的目标游戏设定数据。在本发明实施例中,可以根据玩家画像确定该玩家所属的类型,之后再根据玩家所属的类型生成该玩家所喜好的目标游戏设定数据,从而能够获得更准确的目标游戏设定数据。
在本发明的一些实施例中,还包括:神经网络训练模块,用于获取多个样本玩家在游戏中的历史行为样本数据以及所述历史行为样本数据对应的游戏设定样本数据,并根据所述多个样本玩家在游戏中的历史行为样本数据、所述游戏设定样本数据,对所述玩家分类模型进行训练。在本发明实施例中,通过多个样本玩家的历史数据对玩家分类模型进行训练,可以更加提高玩家分类模型的准确性。
本发明第三方面的实施例提出了一种非临时性计算机可读存储介质,其上存储有可执行指令,所述可执行指令在处理器上运行时,实现如本发明第一方面实施例所述的游戏的动态配置方法法。该存储介质可以作为设备的一部分设置在其上;或者当该设备可以被服务器远程控制时,该存储介质可以设置在对该设备进行控制的远程服务器上。
用于实现本发明方法的计算机指令的可以采用一个或多个计算机可读的介质的任意组合来承载。所谓非临时性计算机可读介质可以包括任何计算机可读介质,除了临时性地传播中的信号本身。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
本发明第四方面的实施例提供了一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,实现根据本发明第一方面实施例所述的游戏的动态配置方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明第五方面实施例提供了一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现根据本发明第一方面所述的游戏的动态配置方法。
上述根据本发明第三到五方面的,存储介质、计算机程序产品和计算设备,其相关部分的具体实施方式可以从相应的本发明的基于人工智能的动态游戏配置方法或装置的实施例中获得,并具有与相应的本发明的基于人工智能的动态游戏配置方法或装置相似的有益效果,在此不再赘述。
图5示出了适于用来实现本公开实施方式的示例性计算设备的框图。图5显示的计算设备12仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,计算设备12可以通用计算设备的形式实现。计算设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称:VESA)局域总线以及***组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
计算设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(Random Access Memory;以下简称:RAM)30和/或高速缓存存储器32。计算设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性的计算机可读存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图中未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如:光盘只读存储器(Compact Disc Read OnlyMemory;以下简称:CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory;以下简称:DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
计算设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机***/服务器12交互的设备通信,和/或与使得该计算机***/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network;以下简称:LAN),广域网(Wide Area Network;以下简称:WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算设备12的其它模块通信。要说明的是,尽管图中未示出,可以结合计算设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现前述实施例中提及的方法。
根据本发明第三到五方面的非临时性计算机可读存储介质,计算机程序产品和计算设备,可以参照根据本发明第一方面实施例具体描述的内容实现,并具有与根据本发明第一方面的基于人工智能的动态游戏配置方法类似的有益效果,在此不再赘述。
需要说明的是,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,例如两个,三个等,除非另有明确具体的限定。
本技术领域的普通技术人员可以理解实现上述实施例的方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
在本说明书的描述中,流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一个实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种游戏的动态配置方法,其特征在于,包括:
获取玩家在游戏中的历史行为信息;
根据所述历史行为信息获取所述玩家对应的玩家画像;
根据所述玩家画像确定所述玩家的目标游戏设定数据;以及
在游戏启动之后,根据所述目标游戏设定数据为所述玩家配置相应的游戏环境;
所述根据所述历史行为信息生成所述玩家对应的玩家画像包括:
从所述历史行为信息中提取玩家行为数据,以及所述玩家行为数据对应的游戏设定数据;
根据所述玩家行为数据和所述游戏设定数据,使用玩家分类模型生成所述玩家对应的玩家画像,其中,所述玩家分类模型基于深度神经网络模型进行自学习获得。
2.根据权利要求1所述的游戏的动态配置方法,其特征在于,所述根据所述玩家行为数据和所述游戏设定数据,使用玩家分类模型生成所述玩家对应的玩家画像包括:
根据所述玩家行为数据和所述游戏设定数据查询所述玩家分类模型以获得所述玩家行为数据和所述游戏设定数据对应的多个玩家特征;以及
根据所述多个玩家特征生成所述玩家对应的玩家画像。
3.根据权利要求1所述的游戏的动态配置方法,其特征在于,所述根据玩家画像确定玩家对应的目标游戏设定数据,包括:
根据所述玩家画像确定所述玩家画像所属的类型;
根据所述玩家画像所属的类型,获取所述类型对应的游戏设定的调整策略;
根据所述调整策略,确定所述玩家对应的目标游戏设定数据。
4.根据权利要求1-3中任意一项所述的游戏的动态配置方法,其特征在于,还包括:
获取多个样本玩家在游戏中的历史行为样本数据以及所述历史行为样本数据对应的游戏设定样本数据;
根据所述多个样本玩家在游戏中的历史行为样本数据、所述游戏设定样本数据,对所述玩家分类模型进行训练。
5.一种游戏的动态配置装置,其特征在于,包括:
行为数据获取模块,用于获取玩家在游戏中的历史行为信息;
玩家画像生成模块,用根据所述历史行为信息获取所述玩家对应的玩家画像,所述玩家画像生成模块从所述历史行为信息中提取玩家行为数据以及所述玩家行为数据对应的游戏设定数据,并根据所述玩家行为数据和所述游戏设定数据,使用玩家分类模型生成所述玩家对应的玩家画像,其中,所述玩家分类模型基于深度神经网络模型进行自学习获得;
目标游戏设定数据获取模块,用于根据所述玩家画像确定所述玩家的目标游戏设定数据;
游戏配置模块,用于在游戏启动之后,根据所述目标游戏设定数据为所述玩家配置相应的游戏环境。
6.根据权利要求5所述的游戏的动态配置装置,其特征在于,所述玩家画像生成模块根据所述玩家行为数据和所述游戏设定数据查询所述玩家分类模型以获得所述玩家行为数据和所述游戏设定数据对应的多个玩家特征,以及根据所述多个玩家特征生成所述玩家对应的玩家画像。
7.根据权利要求5所述的游戏的动态配置装置,其特征在于,所述目标游戏设定数据获取模块根据所述玩家画像确定所述玩家画像所属的类型,并根据所述玩家画像所属的类型,获取所述类型对应的游戏设定的调整策略,以及根据所述调整策略,确定所述玩家对应的目标游戏设定数据。
8.根据权利要求5-7中任意一项所述的游戏的动态配置装置,其特征在于,还包括:
神经网络训练模块,用于获取多个样本玩家在游戏中的历史行为样本数据以及所述历史行为样本数据对应的游戏设定样本数据,并根据所述多个样本玩家在游戏中的历史行为样本数据、所述游戏设定样本数据,对所述玩家分类模型进行训练。
9.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时,实现根据权利要求1-4中任一项所述的游戏的动态配置方法。
10.一种计算设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现根据权利要求1-4中任一项所述的游戏的动态配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810712906.4A CN108920213B (zh) | 2018-06-29 | 2018-06-29 | 游戏的动态配置方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810712906.4A CN108920213B (zh) | 2018-06-29 | 2018-06-29 | 游戏的动态配置方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108920213A CN108920213A (zh) | 2018-11-30 |
CN108920213B true CN108920213B (zh) | 2021-09-17 |
Family
ID=64424574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810712906.4A Active CN108920213B (zh) | 2018-06-29 | 2018-06-29 | 游戏的动态配置方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108920213B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109876454A (zh) * | 2019-01-14 | 2019-06-14 | 珠海金山网络游戏科技有限公司 | 一种游戏动态修正方法及*** |
CN109858956B (zh) * | 2019-01-14 | 2023-12-12 | 珠海金山数字网络科技有限公司 | 一种基于大数据的游戏物品推送方法及*** |
CN109806584A (zh) * | 2019-01-24 | 2019-05-28 | 网易(杭州)网络有限公司 | 游戏场景生成方法及装置、电子设备、存储介质 |
CN110879730B (zh) * | 2019-11-14 | 2023-10-24 | 腾讯科技(深圳)有限公司 | 自动调整游戏配置的方法、装置、电子设备及存储介质 |
CN111714881B (zh) * | 2020-06-15 | 2023-08-15 | 北京智明星通科技股份有限公司 | 基于***消息快速接入游戏任务的方法、***及终端 |
CN111957053A (zh) * | 2020-09-03 | 2020-11-20 | 网易(杭州)网络有限公司 | 游戏玩家匹配方法、装置、存储介质与电子设备 |
CN113413607A (zh) * | 2021-06-28 | 2021-09-21 | 网易(杭州)网络有限公司 | 一种信息推荐方法、装置、计算机设备及存储介质 |
CN113457166A (zh) * | 2021-07-20 | 2021-10-01 | 网易(杭州)网络有限公司 | 游戏玩家流失信息处理方法、装置、设备及存储介质 |
CN114832385A (zh) * | 2022-03-29 | 2022-08-02 | 山东赤子城网络技术有限公司 | 一种游戏动态调整方法和*** |
CN117180730B (zh) * | 2023-09-08 | 2024-03-19 | 广州火石传娱科技有限公司 | 一种应用于图像定位的玩具枪***处理方法及*** |
CN118121936A (zh) * | 2024-05-08 | 2024-06-04 | 贵阳一轶科技有限公司 | 用于游戏实时互动的数据处理方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103412930A (zh) * | 2013-08-17 | 2013-11-27 | 北京品友互动信息技术有限公司 | 一种互联网用户属性识别方法 |
CN103826711A (zh) * | 2011-07-22 | 2014-05-28 | 格里奇索弗特公司 | 用于游戏环境的游戏辅助*** |
CN104899040A (zh) * | 2015-06-12 | 2015-09-09 | 安徽游艺道网络科技有限公司 | 一种游戏后台程序生成***及生成方法 |
US9616329B2 (en) * | 2012-06-28 | 2017-04-11 | Electronic Arts Inc. | Adaptive learning system for video game enhancement |
CN107391603A (zh) * | 2017-06-30 | 2017-11-24 | 北京奇虎科技有限公司 | 用于移动终端的用户画像建立方法及装置 |
CN107423442A (zh) * | 2017-08-07 | 2017-12-01 | 火烈鸟网络(广州)股份有限公司 | 基于用户画像行为分析的应用推荐方法及***,储存介质及计算机设备 |
CN107885417A (zh) * | 2017-11-03 | 2018-04-06 | 腾讯科技(深圳)有限公司 | 虚拟环境中的目标定位方法、装置和计算机可读存储介质 |
CN107998661A (zh) * | 2017-12-26 | 2018-05-08 | 苏州大学 | 一种在线对战游戏的辅助决策方法、装置及存储介质 |
CN108066987A (zh) * | 2016-11-18 | 2018-05-25 | 腾讯科技(深圳)有限公司 | 应用场景关卡组合的分配方法、装置及服务器 |
-
2018
- 2018-06-29 CN CN201810712906.4A patent/CN108920213B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103826711A (zh) * | 2011-07-22 | 2014-05-28 | 格里奇索弗特公司 | 用于游戏环境的游戏辅助*** |
US9616329B2 (en) * | 2012-06-28 | 2017-04-11 | Electronic Arts Inc. | Adaptive learning system for video game enhancement |
CN103412930A (zh) * | 2013-08-17 | 2013-11-27 | 北京品友互动信息技术有限公司 | 一种互联网用户属性识别方法 |
CN104899040A (zh) * | 2015-06-12 | 2015-09-09 | 安徽游艺道网络科技有限公司 | 一种游戏后台程序生成***及生成方法 |
CN108066987A (zh) * | 2016-11-18 | 2018-05-25 | 腾讯科技(深圳)有限公司 | 应用场景关卡组合的分配方法、装置及服务器 |
CN107391603A (zh) * | 2017-06-30 | 2017-11-24 | 北京奇虎科技有限公司 | 用于移动终端的用户画像建立方法及装置 |
CN107423442A (zh) * | 2017-08-07 | 2017-12-01 | 火烈鸟网络(广州)股份有限公司 | 基于用户画像行为分析的应用推荐方法及***,储存介质及计算机设备 |
CN107885417A (zh) * | 2017-11-03 | 2018-04-06 | 腾讯科技(深圳)有限公司 | 虚拟环境中的目标定位方法、装置和计算机可读存储介质 |
CN107998661A (zh) * | 2017-12-26 | 2018-05-08 | 苏州大学 | 一种在线对战游戏的辅助决策方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108920213A (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108920213B (zh) | 游戏的动态配置方法及装置 | |
KR102360420B1 (ko) | 비디오 게임에서 플레이어 게임플레이를 모방하기 위한 커스텀 모델 | |
US11369880B2 (en) | Dynamic difficulty adjustment | |
CN108499108B (zh) | 视频游戏应用程序内玩游戏参数的实时动态修改和优化 | |
KR102258278B1 (ko) | 시즌별 보상 분배 시스템 | |
US11712621B2 (en) | Video clip classification using feature vectors of a trained image classifier | |
CN113710336B (zh) | 服务器负载预测和高级性能度量 | |
US20180361251A1 (en) | Monitoring game activity to detect a surrogate computer program | |
CN111701246A (zh) | 一种游戏ai的决策配置方法和装置 | |
DE102022114647A1 (de) | Automatisch generierte erweiterte aktivitäts- und ereignis-zu-sammelfassungen für spielsitzungen | |
CA3087629C (en) | System for managing user experience and method therefor | |
Mikkelsen et al. | Ethical considerations for player modeling | |
US11794119B2 (en) | Intelligent prioritization and manipulation of stream views | |
CN111760276B (zh) | 游戏行为控制方法、装置、终端、服务器和存储介质 | |
CN113158029A (zh) | 一种内容展示方法、装置和计算机可读存储介质 | |
KR20200017326A (ko) | 게임에 대한 과몰입 방지 장치 및 방법 | |
CN112149798B (zh) | Ai模型训练方法、ai模型调用方法、设备及可读存储介质 | |
US11504618B2 (en) | Server-based video help in a video game | |
WO2023173833A1 (zh) | 虚拟场景的参数处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品 | |
De Vries et al. | Deep learning for classifying Battlefield 4 players | |
KR20230132943A (ko) | 행동 로그에 기반한 아바타의 행동 구현 방법 및 장치 | |
CN113791724A (zh) | 赛程编辑方法、装置、计算机设备及计算机可读存储介质 | |
KR20230115036A (ko) | 인터랙션 기반의 협업 에이전트 생성 방법, 협업 에이전트 제공 방법 및 상기 방법을 수행하는 에이전트 관리 서버 | |
CN111589158A (zh) | Ai模型训练方法、ai模型调用方法、设备及可读存储介质 | |
JP2021007704A (ja) | ゲームを提供するためのシステム、方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200921 Address after: No.2202, 1st floor, building 2, No.7 Shixing street, Shijingshan District, Beijing 100041 (cluster registration) Applicant after: Super magic cube (Beijing) Technology Co.,Ltd. Address before: 100085 Beijing City, Haidian District Road 33, two floor East Xiaoying Applicant before: BEIJING KINGSOFT INTERNET SECURITY SOFTWARE Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |