CN109107159A - 一种应用对象属性的配置方法、装置、设备及介质 - Google Patents
一种应用对象属性的配置方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109107159A CN109107159A CN201810917231.7A CN201810917231A CN109107159A CN 109107159 A CN109107159 A CN 109107159A CN 201810917231 A CN201810917231 A CN 201810917231A CN 109107159 A CN109107159 A CN 109107159A
- Authority
- CN
- China
- Prior art keywords
- attribute
- application object
- application
- value
- combat
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 112
- 238000012549 training Methods 0.000 claims description 65
- 238000007477 logistic regression Methods 0.000 claims description 24
- 238000003062 neural network model Methods 0.000 claims description 21
- 238000010801 machine learning Methods 0.000 claims description 19
- 238000012795 verification Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 11
- 230000001960 triggered effect Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000003993 interaction Effects 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 39
- 230000008569 process Effects 0.000 description 22
- 238000006243 chemical reaction Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 18
- 230000007123 defense Effects 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000001413 cellular effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 206010034719 Personality change Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- A63F13/55—Controlling game characters or game objects based on the game progress
- A63F13/58—Controlling game characters or game objects based on the game progress by computing conditions of game characters, e.g. stamina, strength, motivation or energy level
-
- 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
- A63F13/80—Special adaptations for executing a specific game genre or game mode
- A63F13/847—Cooperative playing, e.g. requiring coordinated actions from several players to achieve a common goal
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种应用对象属性的配置方法，包括：获取应用对象的战力值；将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比；根据所述应用对象的属性战力占比和所述应用对象的战力值，得到所述应用对象的属性值，根据所述应用对象的属性值，为所述应用对象配置属性，从而能够减少用户与网络之间的交互次数，减少网络资源占用，以提高网络的资源利用率。本申请还公开了应用对象属性的配置装置、设备以及介质，另外，本申请还公开一种训练属性战力占比模型的方法。
Description
技术领域
本申请涉及计算机领域，尤其涉及一种应用对象属性的配置方法、一种训练属性战力占比模型的方法、装置、设备及计算机存储介质。
背景技术
在许多应用中都存在对战类的应用对象，这类应用对象都具备战力，战力即战斗力，其表征应用对象的战斗力水平，而战斗力水平是通过战力值来表征的，在实际应用中，需要基于战力值为应用对象的属性进行赋值，以使得应用对象的对象性能得以提升。
例如，在游戏应用中的应用对象为游戏角色，游戏玩家在玩游戏过程中会获得一定战力值，进而需要根据战力值对游戏角色的属性赋值，以提升游戏角色的对战性能。但目前针对应用对象属性配置的解决方案，一般都是依赖于人工经验来手动地配置应用对象属性。例如，游戏玩家在玩游戏过程中，需要根据个人经验手动地游戏角色的属性，但往往需要多次配置才能得到使得游戏角色对战性能得以提升的属性值，才能达到提升游戏角色对战性能的目的。
可见，这种人工手动赋值的方式，需要用户与网络频繁交互，而频繁网络交互极大地占有网络资源，降低网络资源利用率。
发明内容
本申请实施例提供了一种应用对象属性的配置方法，该方法利用属性战力占比模型自动配置应用对象属性，从而减少用户与网络的交互次数，减少网络资源占用，提高网络资源利用率。
有鉴于此，本申请一方面提供了一种应用对象属性的配置方法，所述方法包括：
获取应用对象的战力值，所述战力值用于表征应用对象的战斗力水平；
将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比；所述属性战力占比模型是通过机器学习算法训练得到；
根据所述应用对象的属性战力占比和所述应用对象的战力值，得到所述应用对象的属性值；
根据所述应用对象的属性值，为所述应用对象配置属性。
本申请一方面提供了一种应用对象属性的配置装置，所述装置包括：
获取单元，用于获取应用对象的战力值，所述战力值用于表征应用对象的战斗力水平；
处理单元，用于将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的的属性战力占比；所述属性战力占比模型是通过机器学习算法训练得到；
确定单元，用于根据所述应用对象的属性战力占比和所述应用对象的战力值，得到所述应用对象的属性值；
配置单元，用于根据所述应用对象的属性值，为所述应用对象配置属性。
本申请一方面提供了一种应用对象属性的配置设备，所述设备包括：
处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令，执行如上述应用对象属性的配置方法的步骤。
本申请一方面提供了一种训练属性战力占比模型的方法，所述方法包括：
获取样本数据，所述样本数据包括：应用对象的战力值、应用对象的属性值以及对应的战斗结果；
根据机器学习算法和所述样本数据，对初始神经网络模型进行训练以获得满足训练结束条件的神经网络模型，作为属性战力占比模型，所述属性战力占比模型以应用对象的战力值为输入，以应用对象的属性战力占比为输出。
本申请一方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述应用对象属性的配置方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请实施例提供了一种应用对象属性的配置方法，该方法利用属性战力占比模型实现为应用对象自动配置属性，该属性战力占比模型是通过机器学习算法训练得到的，其能够针对应用对象的给定战力值，输出使应用对象具有高胜率的属性战力占比；因此，利用该属性战力占比模型输出的应用对象的属性战力占比以及应用对象的战力值得到应用对象的属性值，并基于该属性值配置应用对象属性，能够使得应用对象的性能得以提升。可见，利用该方法能够自动完成对应用对象属性的配置，使得应用对象的性能得以提升，以满足用户的需求，相比传统的用户手动赋值的方式，该方法能够减少用户与网络的交互次数，降低资源占用，提高网络资源利用率。
附图说明
图1为本申请实施例中训练属性战力占比模型的方法的场景架构图；
图2为本申请实施例中训练属性战力占比模型的方法的流程图；
图3为本申请实施例中确定样本数据的方法流程图；
图4为本申请实施例中构造应用对象对战数据的对战阵容示意图；
图5为本申请实施例中应用对象属性的配置方法的场景架构图；
图6为本申请实施例中应用对象属性的配置方法的流程图；
图7为本申请实施例中逻辑回归模型的原理示意图；
图8A为本申请实施例中应用对象属性的配置方法的流程图；
图8B为本申请实施例中显示应用对象的第一控件的界面示意图；
图9为本申请实施例中验证应用对象初始定位类型的方法的流程图；
图10为本申请实施例中训练属性战力占比模型的方法以及应用对象属性的配置方法的场景示意图；
图11为本申请实施例中应用对象属性的配置装置的一个结构示意图；
图12为本申请实施例中应用对象属性的配置装置的一个结构示意图；
图13为本申请实施例中应用对象属性的配置装置的一个结构示意图；
图14为本申请实施例中应用对象属性的配置设备的一个结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面先对本申请涉及的技术术语进行解释。
对象是指客观世界中存在的人、事、物体等实体在计算机逻辑中的映射，对象一般包括属性和行为等特征；其中，属性是对象的特性，其能表征对象的性质以及对象之间关系，属性值是指为属性所赋予的数值，表征属性性质的强弱，而行为是对象所需要执行的操作。
应用对象即为客观世界中存在的人、事、物体等实体在该应用中的映射。例如，在游戏应用中，应用对象可以是游戏应用中的游戏角色，其属性可以是游戏角色的技能，如攻击、防御、速度、生命值等等。针对某一游戏角色，攻击属性的属性值可以为2000，防御属性的属性值可以为1000。
战力也即战斗力，表征了应用对象的作战水平。战力值是表征战力大小的数值，战力值越高，则应用对象作战水平越高，反之亦然。属性战力占比是指为属性分配的战力占应用对象的战力的比例。
机器学习算法是从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。
神经网络模型也简称为神经网络，其由节点或称神经元之间的相互连接构成，其中，每个节点代表一种特定的输出函数，节点之间的连接都代表一种对于通过该连接信号的加权值，称之为权重，其相当于神经网络的记忆。而初始神经网络模型是指网络参数为初始化状态的神经网络模型。
以上为对本申请涉及的一些技术术语进行简单介绍，接下来将结合现有技术存在的问题，对本发明的发明思路进行介绍。
现有技术中通过人工配置应用对象属性的方案，其存在的用户与网络频繁交互，浪费网络资源的技术问题，为了解决该技术问题，本申请提供了一种应用对象属性的配置方法，该方法是通过属性战力占比模型得到应用对象在给定战力值时所对应的属性战力占比，该属性战力占比能够使得该应用对象在对战过程中具有高胜率，进而根据该属性战力占比和战力值确定应用对象的属性值，根据该属性值为应用对象配置属性，能够快速完成配置以使得应用对象的对战性能得以提升，以方便用户快速获得自己所需的数据，无需用户根据个人经验手动赋值，提高了用户的应用体验，减少了用户与网络的交互次数，降低了网络资源占用，提高了网络资源利用率。
本申请提供的应用对象属性的配置方法可以应用于终端设备，也可以应用于服务器，当然，也可以通过终端设备与服务器协同工作的方式来实现。其中，终端设备是指具有数据处理能力的计算设备，例如，台式机、笔记本电脑等个人计算机(Personal Computer，PC)设备或工作站等设备。其中，服务器在实际部署时，可以以独立服务器设备的方式进行部署，也可以采用集群服务器进行部署。
在本申请实施例中，应用对象属性的配置方法是通过属性战力占比模型实现的，基于此，本申请实施例还提供了一种训练属性战力占比模型的方法，在该方法中将确定使得应用对象具有高胜率的属性值的问题转换成确定使得应用对象具有高胜率的属性战力占比的问题，基于此，利用机器学习算法训练得到属性战力占比模型，该属性战力占比模型能够在给定战力值的情况下确定使得应用对象具有高胜率的属性战力占比，以应用于应用对象属性的配置场景中。
与上述应用对象属性的配置方法相类似的，本申请提供的训练属性战力占比模型的方法同样的，可以应用于终端设备，也可以应用于服务器，还可以通过终端设备与服务器协同工作的方式来实现。
为了便于理解本申请的技术方案，下面以应用于服务器的场景为例，先对本申请实施例提供的训练属性战力占比模型的方法进行说明。
图1为本申请实施例提供的训练属性战力占比模型的方法的场景结构图。如图1所示，该应用场景中包括服务器10和样本数据库20，服务器10从样本数据库中获取样本数据，利用机器学习算法和样本数据对初始神经网络模型进行训练，以训练得到满足训练结束条件的神经网络模型，作为属性战力占比模型。服务器10从样本数据库20中获取样本数据，利用样本数据不断优化神经网络的参数，直到神经网络模型的目标函数处于收敛状态时，则认为已达到训练结束条件，将训练得到的神经网络模型作为属性战力占比模型。该属性战力占比模型可以直接部署在服务器10上而直接被运行，也可以被移植到其他终端设备或者其他服务器中以被运行。
为了便于理解，下面结合图2，从服务器的角度对本申请实施例提供的训练属性战力占比模型的方法进行介绍。图2为本申请实施例中一种训练属性战力占比模型的方法的流程图，参见图2，该方法包括：
S201：获取样本数据，所述样本数据包括：应用对象的战力值、应用对象的属性值以及对应的对战结果。
其中，应用对象的战力值用于表征应用对象的战斗力水平；应用对象的属性值是指为应用对象的属性所赋予的值；应用对象的属性是在应用中对该应用对象在不同维度上的刻画，以反映应用对象在不同维度上的强弱。而对应的对战结果是指应用对象在该属性值的情况下进行对战所得到的对战结果，对战结果可以为胜，负或者平局。
以游戏应用中游戏角色作为应用对象，对上述样本数据进行示例说明。
游戏角色在对战时会获得一定战力值，以表征该游戏角色当前的战斗力水平。基于该战力值为游戏角色的各属性进行赋值，得到游戏角色的属性值，游戏角色的属性值能够表征游戏角色的属性强弱，游戏角色基于特定属性值，参与战斗获得战斗结果。
其中，游戏角色的属性是游戏应用中对该游戏角色在不同维度上的刻画，以反映游戏角色在不同维度上的强弱。例如，一个游戏角色包括多个属性，如血量(Ap)、攻击(Atk)、防御(Def)以及闪避率(EvadeRate)等，以分别从能量、攻击能力、防御能力等维度上对游戏角色进行刻画。
关于样本数据的获取，本实施例还提供了以下两种实现方式。
一种实现方式是，针对应用设计阶段，各个应用对象还处于设计阶段，并未上线，无法获得与应用对象相关的真实对战数据作为样本数据，基于此，针对应用对象模拟其真实对战场景以得到模拟对战数据，作为样本数据存储于样本数据库中，该模拟对战数据包括模拟应用对象对战场景下的应用对象的战力值、属性值以及对战结果。则在实际训练过程中，服务器需要从该样本数据库中获取样本数据，以用于模型训练。
另一种实现方式是，针对应用已上线阶段，由于在该阶段应用对象已参与实际对战进而应用服务器能够存储应用对象的真实对战数据，从而将该真实对战数据作为样本数据，存储于样本数据库中。具体的，将应用对象在实际对战场景下的战力值、属性值以及对战结果作为样本数据。则在训练过程中，服务器需要从该样本数据库中获取样本数据，以用于模型训练。由于真实对战数据能够反应应用对象在特定属性值下的真实性能表现，因此，以其作为样本数据，使得训练所得的模型其性能可靠性更高。
S202：根据机器学习算法和所述样本数据，对初始神经网络模型进行训练以获得满足训练结束条件的神经网络模型，作为属性战力占比模型。
其中，该属性战力占比模型是基于神经网络结构，以应用对象的战力值作为输入，并以应用对象的属性战力占比作为输出。其中，应用对象的属性战力占比是指为应用对象的属性所分配的战力占应用对象的战力的比例。
以应用对象为游戏角色为例，将游戏角色的战力分配给其属性Hp、Atk、Def，具体的，分配给属性Hp的战力占游戏角色的战力的比例为30％，则该属性Hp的属性战力占比为30％，同理，分配给其属性Atk的战力占游戏角色的战力的比例为35％，则该属性Atk的属性战力占比为35％。
服务器基于机器学习算法训练得到该属性战力占比模型，具体的，服务器先构建初始神经网络模型，即构建神经网络结构并初始化其网络参数以得到初始神经网络模型，然后基于样本数据对该初始神经网络模型的参数进行优化，直到目标函数处于收敛状态，则认为此时已满足训练结束条件，则停止训练，将最后训练得到的神经网络模型作为属性战力占比模型。在具体实现时，服务器可以采用的机器学习算法有多种，例如，可以采用决策树算法(Gradient Boosting Decision Tree，GBDT)、线性回归算法(LinearRegression)、深度学习算法(Deep Learning)或者支持向量机算法(Support VectorMachine，SVM)等算法进行模型训练。
为了方便实现，提高模型训练效率，本申请实施例中还提出了基于逻辑回归算法进行模型训练的实现方案，即上文所述的机器学习算法也可以具体采用逻辑回归(Logistic Regression，LR)算法，由于LR算法的实现复杂度较低，便于实现，则使得基于LR算法训练模型的效率得以提升，可以理解的是，基于LR算法训练得到的属性战力占比模型的本质为逻辑回归模型。
通过上述实施例可知，本申请实施例提供的训练属性战力占比模型的方法，利用机器学习算法将确定使得应用对象具有高胜率的属性值的问题转换成确定使得应用对象具有高胜率的属性战力占比的问题，从而利用训练样本训练神经网络模型以得到属性战力占比模型，该属性战力占比模型能够在给定战力值的情况下确定使得应用对象具有高胜率的属性战力占比，以应用于应用对象属性的配置场景中。
下面针对上文描述的关于获取样本数据的第一种实现方式，作详细说明。
图3为本申请实施例中确定样本数据的方法流程图，参见图3，该方法包括：
S301：构造应用对象对战数据。
服务器构造应用对象对战数据，也可以理解为生成该应用对象对战数据，具体的，该应用对象对战数据包括攻守双方第一应用对象的属性值以及攻守双方第二应用对象的属性值；其中，攻方第一应用对象的属性值与守方第一应用对象的属性值为针对第一应用对象在同一战力值下生成的两组不同属性值；攻方第二应用对象的属性值与守方第二应用对象的属性值相同。
在本实施例中，攻方包括第一应用对象和第二应用对象，其中，第二应用对象可以为多个，如此形成了攻方的对战阵容，对应的，守方也包括第一应用对象和第二应用对象，守方第一应用对象的数量和第二应用对象的数量分别与攻方对应的应用对象的数量相同，如此形成了守方的对战阵容。由于攻方和守方的第一应用对象的属性值是基于同一战力值所确定的两组不同属性值，而攻方和守方的第二应用对象的属性值是基于同一战力值所确定的两组相同属性值，即属性值相同。可见，攻守双方对战阵容的差异主要在于第一应用对象，这种固定阵容的对战模式有利于对比出第一应用对象在相同战力值且不同属性值情况下的强弱。
具体的，服务器针对攻守方的一个第一应用对象，在相同战力值的情况下，配置出两组不同的属性值，其中一组属性值作为攻方第一应用对象的属性值，另一组属性值作为守方第一应用对象的属性值。例如，服务器可以通过随机分配机制，为第一应用对象分配两组不同的属性战力占比，进而基于两种不同的属性战力占比、战力值以及战力与属性的转换关系，得到攻守方的第一应用对象各自对应的属性值。
例如，第一应用对象为游戏角色A，则服务器在游戏角色A在战力值为20000的情况下，针对游戏角色A的三个属性(Hp、Atk和Def)分配两组属性战力占比，具体为30％-15％-30％以及15％-30％-10％；然后，根据战力值、战力占比以及战力与属性的转换率三者乘积，得到属性对应的属性值。参见下表1中所示的“每30战力对应的属性值”这一列表征的转换率，具体的，将这一列中示出的属性值与30的比值作为战力与属性的转化率，如表1中所示的属性Hp对应的“每30战力对应的属性值”这一列的数值为100，则表明属性Hp对应的战力与属性的转换率为100/30；基于此，得到针对游戏角色A的战力值为20000情况下的两组不同属性值分别为(20000*30％*100/30,20000*15％*10/30,20000*30％*15/30)以及(20000*15％*100/30,20000*30％*10/30,20000*10％*15/30)，即(20000,1000,3000)以及(10000,2000,1000)，将这两组属性值分别作为攻守方各自的第一应用对象的属性值。
具体的，服务器针对攻守方的一个第二应用对象，在相同战力值的情况下，分配出一组属性值即可，则攻守方的相同的第二应用对象采用相同的属性值。例如，第二应用对象为游戏角色B，则服务器针对游戏角色B在战力值为25000的情况下，针对游戏角色B的三个属性(Hp、Atk和Def)分配一组属性战力占比如30％-30％-10％，与上文类似的，再根据战力值、战力占比以及战力与属性的转换率三者乘积，得到属性对应的属性值。具体的，得到针对游戏角色B的战力值为25000情况下的一组属性值为(25000*30％*100/30,25000*30％*10/30,25000*10％*15/30)，即为(25000,2500,1250)，则将这一组属性值分别作为攻守方各自的一个第二应用对象的属性值。
需要说明的是，游戏角色属性战力占比的总和为100％，上述示例中仅以游戏角色的三个属性为例进行说明，游戏角色的其他属性对应的战力占比并未在该示例中示出。在实际应用中应用对象的属性个数可以为多个，并不限于三个。例如也可以包括如表1中所示的属性：敏捷(Agility)、命中率(HitRate)、闪避率(EvadeRate)、暴击率(CritRate)、抗暴击率(AntiCritRate)、反击率(CounterRate)、抗反击率(AntiCounterRate)、反弹率(ReboundRate)、抗反弹率(AntiReboundRate)、态抗性(Resistance)、状态命中(StatusHit)、治疗效果(TreatmentEffect)、暴击效果(CritEffect)等等。
表1战力与属性的转换关系
可以理解的是，表1中所示的一种游戏应用中游戏角色的各属性与战力之间的转换关系，其中，属性Hp、Atk、Def以及Agility是游戏角色的主属性，而其余属性作为副属性，再为属性分配战力时，还应该参考各个属性的最低以及最高战力占比，不得低于最低战力占比，也不得高于最高战力占比，才能保证分配合理。例如，主属性战力占比取值区间为5％至40％，副属性战力占比取值区间为0％至15％。
S302：将所述应用对象对战数据输入应用对象对战平台，获得所述应用对象对战平台输出的对战结果。
其中，该应用对象对战平台可以理解为软件平台，用于实现应用对象的对战以获得对战结果，具体的，可以为应用对象对战软件开发工具包(Software Development Kit，SDK)，记作应用对象对战SDK，其是指在应用中用于提供攻守双方应用对象对战的虚拟平台。则，将应用对象对战数据输入至该应用对象对战平台，相当于发起了攻方与守方两者之间的对战，则攻方和守方的应用对象通过该对战SDK释放技能进行对战，以获得最终的对战结果。
为了便于理解，下面结合具体示例进行说明。
在该示例中，采用固定的5v5模式对比同一应用对象在不同属性值情况下的强弱，以生成用于属性战力占比模型训练的样本数据。参见图4示出的对战阵容示意图，如图4所示，攻方和守方各包括5个应用对象，在位置pos1、pos2、pos3以及pos4上攻方和守方的应用对象具有相同的战力值和属性值，即，攻pos1＝守pos1、攻pos2＝守pos2、攻pos3＝守pos3、攻pos4＝守pos4，则这四个位置上的应用对象即为上文所述的第二应用对象；而在位置pos5上放置待对抗的攻方和守方各自的应用对象，则该位置上的应用对象即为上文所述的第一应用对象。
将攻守双方各自对应的应用对象对战数据输入到对战SDK，攻方和守方的应用对象根据所分配的具体属性值释放其技能，以展开战斗，直到战斗结束，该对战SDK输出对战结果。
S303：将所述攻守双方第一应用对象在所述同一战力值下的属性值以及对战结果，作为样本数据。
从上述应用对象对战数据中，可以明确的是，攻守双方中只有第一应用对象的属性值不同，即只有第一应用对象的对战性能不同，而攻守双方的第二应用对象的属性值是相同的，即对战性能相同；则可以确定的是，在此次对战场景下，影响最终对战结果的主要因素就是第一应用对象的对战性能，基于此，将攻守双方的第一应用对象在该对战场景下的相关对战数据作为样本数据，具体的，将攻方第一应用对象的战力值、属性值以及对战结果，作为一个样本数据，而将守方第一应用对象的战力值、属性值以及对战结果，作为一个样本数据，进而将获得的样本数据存储在样本数据库中。
为了更直观地理解该方案，仍旧结合上述示例进行说明。
服务器将上述待对抗的应用对象相关的应用对象对战数据以及对战结果，也即pos5上的应用对象的战力值以及属性值与对应的对战结果，作为样本数据存储至样本数据库中，具体样本数据如下表2所示。
表2样本数据实例表
其中，表2中具体数值第一行表示攻方第一应用角色在战力值为20000，且在属性Hp、AtK、Def等各属性对应的属性战力占比分别为10％、35％、15％等比例的情况下对应的对战结果为胜。可以理解的是，攻守列中值为1表明为攻方角色，值为0则表明为守方角色；胜负列表征的是对战结果数据，值为1则表明该应用对象在对战过程中取得胜利，对应值为0则表明该应用对象在对战过程中告负。
通过上述构建应用对象对战数据，以模拟应用对象的真实对战场景的方式获得应用对象的模拟对战数据，将该模拟对象数据作为样本数据，以此方式收集样本数据，为后续样本训练打好数据基础。这种方式收集样本数据，使得在应用开发阶段，获得能够用于属性战力占比模型训练的训练样本，以便有助于应用的开发。
以上实施例描述了关于训练属性战力占比模型的方法，下面对应用该属性战力占比模型而实现的一种应用对象属性的配置方法进行说明。
参见图5示出的应用对象属性的配置方法的场景架构图，在该应用场景中包括终端设备，该终端设备内置有属性战力占比模型，该属性战力占比模型是通过上文训练模型的方法所训练得到的，在具体应用中，针对某个应用对象需要配置其属性，以提高该应用对象在实际对战时的对战性能，提高对战胜率，具体的，终端设备获取该应用对象的战力值，进而将该战力值输入与应用对象对应的属性战力占比模型，获得该属性战力占比模型的输出的应用对象的属性战力占比，最后基于该应用对象的战力值和属性战力占比得到该应用对象的属性值，从而根据该属性值为应用对象的属性进行赋值，以实现针对应用对象属性的配置，基于此，该应用对象基于配置后的属性能够发挥较高的性能，提高对战胜率。
接下来结合图6，对本申请实施例提供的应用对象属性的配置方法进行详细介绍。
图6为本申请实施例中一种应用对象属性的配置方法的流程图，该方法应用于终端设备，该方法包括：
S601：获取应用对象的战力值。
其中，应用对象的战力值用于表征应用对象的战斗力水平，战斗力也即战力。战力主要用于对应用对象的属性进行强化，以提高应用对象的对战性能。
对于应用对象而言，其在应用设计阶段被赋予初始战力值，即在应用上线时，该应用对象具备一定的初始战力值，而在应用上线且应用对象参与实际对战之后，应用系统会根据应用对象的实际对战过程中的行为表现进行战力奖励，如增加战力值，从而改变初始战力值；也可能根据应用对象的行为表现进行战力惩罚，如减小战力值，以改变初始战力值。
以游戏应用作为示例进行说明，当游戏玩家的游戏角色在游戏中完成指定任务，例如通过指定关卡、击杀指定敌人等等，则可以获得战力奖励，其战力值就会发现变化，后续需要基于更新后的战力值对游戏角色的属性赋值，以提升游戏角色的对战性能。在实际应用中，考虑到不同阶段有不用的配置需求，则可以针对不同的应用阶段获取应用角色在具体应用阶段所具有的战力值。在具体实现时，有以下两种获取方式。
第一种获取方式主要应用于在应用设计阶段对应用对象属性进行赋值的场景中，在应用设计阶段，应用设计人员会为应用对象配置其战力值，也可以理解为初始战力值，进而应用设计人员基于该初始战力值配置应用对象属性，使得应用对象在初始对战阶段具有较好的性能，以吸引用户持续使用应用，增强用户的应用体验。而基于此，在该应用场景下，可以直接获取应用对象在应用设计阶段被配置的战力值，即初始战力值，以便基于该初始战力值为应用对象属性赋值，使得应用对象的初始属性值满足应用开发需求。
第二种获取方式主要应用于在应用上线后对应用对象属性进行赋值的场景中，在应用上线后，应用对象的战力值会根据应用对象在实际对战中的表现而发生变化，基于此，在该应用场景下，可以获取应用对象在实际对战后的战力值，以便基于该战力值为应用对象属性赋值，使得该应用对象在下一次对战中发挥更好的对战性能，以具有高胜率。
S602：将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比。
其中，该属性战力占比模型是通过机器学习算法训练得到的神经网络模型。如上文训练属性战力占比模型的方法实施例所描述的，该属性战力占比模型是以战力值作为输入，以应用对象的属性战力占比作为输出的神经网络模型。
在具体实现时，终端设备运行该属性战力占比模型，将获取的应用对象的战力值输入该属性战力占比模型，并得到该属性战力占比模型输出的该应用对象的属性战力占比。一个应用对象一般具有多个属性，而针对每个属性都对应有一个属性战力占比，以表征为该属性分配的战力占应用对象的战力的比例；不同属性对应的属性战力占比可以相同，也可以不同。
如上文所示，在训练属性战力占比模型时，可以采用多种不同的机器学习算法，而基于不同算法所训练得到的模型的结构是不同的。在实施例中，对具体采用哪种算法训练得到属性战力占比模型不作具体限制。
但从方案易于部署实现的角度考虑，在具体实现时，可以采用逻辑回归算法(Logistic Regression，LR)训练得到的逻辑回归模型作为属性战力占比模型，则该逻辑回归模型记作LR模型，其可以通过线性规划算法求解最优解的方式，得到应用对象的属性战力占比。下面结合图7对基于LR算法训练属性战力占比模型的实现原理进行说明。
图7示出了逻辑回归模型的原理示意图，如图7所示，Atkp,Hpp,Defp,...，CounterEffectp表示第p个样本数据中的应用对象的属性值，其作为训练样本的输入数据，t为样本数据中的应用对象的对战结果，则基于该样本数据训练模型时得到LR模型的目标函数L(t,y)为：
其中，yi＝sigmoid(WTXI+b)，表征LR模型针对第i个样本所预测的对战结果，其中，sigmoid为s型函数，作为神经网络的阈值函数，用于将变量映射为0或1。W为LR模型参数，也可以理解为属性战力占比的权值向量，记作W＝[watk,whp,wdef,...wCE]，X为样本数据，记作X＝[Atkp,Hpp,Defp,...，Counter Effectp]，b为模型偏差bias。
其中，若权值向量的元素大于0，则表明该元素所对应的属性与胜率成正相关；若权值向量的元素小于0，则表明该元素所对应的属性与胜率成负相关；训练模型的目的是为了得到高胜率的属性值，因此，在模型训练过程中以尽可能增加与胜率正相关的属性个数，且以减小与胜率负相关的属性的个数为基准，以调整模型参数。同理，在模型应用过程中，可以采用线性规划算法确定应用对象的各属性所对应的属性战力占比。
下面对利用线性规划算法确定应用对象的属性战力占比的过程进行说明。在训练得到属性战力占比模型之后，该模型的模型参数W已确定，则在该给定W和给定战力值的情况下，通过求解公式(2)所示的最优解问题的方式以得到属性战力占比x*，该属性战力占比x*就作为属性战力占比模型的输出。
其中，s.t.表示约束条件，xi表示第i维度属性的战力占比权值，d表示应用对象的属性的维数，li、hi为第i维度属性对应的最低战力占比和最高战力占比，mi和Mi为属性对应的min和max，也即min-max归一化的参数。
通过线性规划算法基于式(2)以得到最优x*，作为应用对象的属性战力占比。
在模型应用过程中，该属性战力占比模型还可以采用权值归一化方式确定属性战力占比。也即，属性战力占比模型为逻辑回归模型时，还可以通过将负相关属性战力占比赋值为零以及根据权值归一化方式，得到应用对象的属性战力占比。权值归一化方式主要是按照公式(3)，将与胜率负相关的属性的权值设置为0，并对与胜率正相关的属性进行归一化处理，基于此，得到应用对象的各属性对应的属性战力占比。
其中，对正相关属性进行归一化可以参照如下公式：
其中，表示第j个属性值对应的战力占比，W+为与角色胜率正相关的属性的权值。
当然，在具体实现时，也可以采用其他方式来确定属性战力占比，本申请实施例对此不做限定。
S603：根据所述应用对象的属性战力占比和所述应用对象的战力值，得到所述应用对象的属性值。
在具体实现时，终端设备需要根据应用对象的属性战力占比、战力值以及战力与属性的转换关系，确定应用对象的属性值。具体的，战力与各个属性之间的转换关系可以参见上文所示的表1，表1中所示的每30战力对应的属性值就表明战力与属性之间的转换关系，其中，战力与属性的转换关系可以基于转换率来表征，则可以将属性对应的战力占比、战力值以及战力与属性的转换率三者的乘积作为该属性对应的属性值。
下面结合表3对如何根据属性战力占比、战力值以及战力与属性的转化率来确定属性值进行示例说明。
表3根据属性战力占比、战力值以及转换率确定属性值
如表3所示，在战力值为20000的情况下，根据战力值、战力占比以及战力与属性的转换率可以确定各属性对应的属性值，例如，针对属性Hp，其战力占比为15％，则分配到该属性的战力为20000*15％，而战力与属性Hp的转换率为10/3，则该属性对应的属性值为20000*15％*10/3，也即属性Hp的属性值为10000。其他属性的属性值可以参照该方法确定，本申请在此不再赘述。
S604：根据所述应用对象的属性值，为所述应用对象配置属性。
在具体实现时，终端设备可以根据该应用对象的属性值，为该应用对象的属性进行赋值，以实现针对该应用对象的属性配置。
在具体实现时，终端设备可以在确定出属性值之后直接自动地为应用对象属性赋值，以实现属性配置。当然，终端设备在确定出该应用对象的属性值之后，先通过信息提醒的方式提醒用户触发属性配置操作，然后再根据用户实际配置请求，即响应于用户触发的配置操作，再为该应用对象配置属性。
由上可知，利用上述应用对象属性的配置方法，通过属性战力占比模型分析应用对象属性与应用对象性能的相关性，以在给定战力值的情况下确定出使应用对象具有高胜率的属性战力占比，并基于该属性战力占比和战力值得到应用对象的属性值，利用该应用对象的属性值为应用对象进行赋值，使得应用对象的性能得以提升。可见，相比传统的用户手动赋值的方式，该方法能够减少用户与网络的交互次数，降低资源占用，提高网络资源利用率。
利用上述应用对象属性的配置方法主要是为了使得应用对象在对战过程中具有高胜率，下面通过表4所示的实验数据来表现上述应用对象属性的配置方法在实际应用中的效果。
表4所示的试验数据是基于以下试验场景得出的，具体实验场景为：
利用上述应用对象属性的配置方法，在战力值28000情况下，针对20个游戏角色进行属性赋值，然后控制这20个游戏角色参与对战，以获得实际对战结果，根据该实际对战结果统计出各游戏角色的胜率，参见表4中所示的最佳属性胜率，基于此，统计得出平均胜率约96％。
利用随机赋值的方法，在战力值28000情况下，针对上述20个游戏角色进行属性赋值，然后再控制这20个游戏角色参与对战，以获得实际对战结果，根据该实际对战结果统计出各游戏角色的胜率，参见表4中所示的随机属性胜率，基于此，统计出平均胜率约55％。
表4实验数据
| 角色编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| 最佳属性胜率 | 97.2 | 95.3 | 97.7 | 97.3 | 92.6 | 96.6 | 99.0 | 97.3 | 95.7 | 92.5 |
| 随机属性胜率 | 58.2 | 53.6 | 57.3 | 55.6 | 51.4 | 54.8 | 56.2 | 54.1 | 52.9 | 54.7 |
| 角色编号 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 最佳属性胜率 | 99.4 | 98.1 | 96.8 | 98.9 | 89.1 | 95.9 | 94.7 | 91.6 | 96.8 | 97.3 |
| 随机属性胜率 | 57.8 | 56.3 | 51.5 | 58.1 | 56.0 | 52.8 | 56.4 | 55.0 | 55.4 | 59.3 |
通过上述试验数据可知，利用上述应用对象属性的配置方法，能够有效提高应用对象在对战时的胜率，尤其是在游戏应用场景中，利用该方法为游戏玩家的游戏角色配置属性，能够提高游戏角色的对战性能，从而提升游戏体验。
在实际应用中，考虑到应用都是面向用户的，用户在使用应用时常常需要根据实际需求为应用对象配置属性，以提高应用对象的对战性能。基于此应用场景，本申请实施例还提供的具体解决方案，参见图8A所示的应用对象属性的配置方法的流程图，该方法包括：
S801：显示应用对象的第一控件。
在具体实现时，用户通过终端设备使用应用时，终端设备在应用界面上为用户显示应用对象的第一控件，该第一控件用于对应用对象的属性进行一键强化。以游戏应用为例，终端设备在游戏界面上为用户显示关于游戏角色的第一控件，如图8B所示，该第一控件用于对游戏角色的属性进行自动赋值，以提升游戏角色的对战性能。在图8B中所示的第一控件是以强化属性进行命名的控件，则游戏玩家在玩游戏的过程中，可以通过触发该第一控件的方式，以快速实现针对游戏角色的属性配置，从而提升该游戏角色在后续对战过程中的对战性能。
需要说明的是，图8B仅为一种示例，在具体实现时，第一控件的命名、样式、显示位置等控件属性都可以根据应用需求进行设置。例如，第一控件可以设置在游戏界面的右下角、左上角、右上角等位置，第一控件的样式可以为圆形、矩形等，另外，该第一控件可以固定在界面上显示，也可以为可移动控件。该第一控件触发方式也可以是多种多样，例如鼠标点击、触控、声控等方式。
在具体实现时，终端设备可以基于用户的应用对象的优先级，为优先级大于优先级阈值的用户显示第一控件，以为这些用户提供应用对象属性自动配置的服务。
在具体实现时，考虑到应用对象的战力值会随着应用对象在对战中的行为表现而发生变化，例如，在游戏应用中，游戏角色的战力值会随着游戏角色在对战过程中行为表现而发生变化，具体的，当游戏玩家操纵游戏应用中的游戏角色达成指定任务，如杀怪获得的经验达到预设经验值，或者游戏时长达到预设时长，使得游戏角色实现升级或者游戏角色的装备得到强化时，该游戏角色的战力值就会增大；基于此，终端设备也可以监控应用对象的战力值，仅在战力值变化量大于战力变化阈值的情况下，为用户显示该应用对象对应的第一控件，以提醒用户及时对应用对象的属性进行配置，从而提升应用对象的对战性能。
S802：响应于所述应用对象的第一控件被触发的指令，将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比。
在具体实现时，终端设备可以在接收第一控件被触发的指令之后，立即执行所述将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比的步骤。也可以，先获取所述应用对象的战力值，判断所述应用对象的战力值与上一次配置所述应用对象的属性时所采用的战力值是否一致，在判断结果为不一致的情况下，再执行所述将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比的步骤。
S803：根据所述应用对象的属性战力占比和所述应用对象的战力值，得到所述应用对象的属性值。
S804：根据所述应用对象的属性值，为所述应用对象配置属性。
S803以及S804的具体实现可以参见图6所示实施例相关内容描述，本实施例在此不再赘述。
由上可知，上述应用对象属性的配置方法，在界面上为用户提供关于应用对象的第一控件，以方便用户根据实际需求触发第一控件，快速实现对应用对象属性的自动配置，即实现关于应用对象对战性能的一键强化，以提升用户体验。
在实际应用中，上述图6和图8A所示的应用对象属性的配置方法还可以用于验证应用对象的初始定位类型是否合理，以帮助应用设计人员更好地优化应用，其中，初始定位类型是应用设计人员在开发过程中针对应用对象所定位的类型。接下来，基于该应用场景结合图9对验证过程进行解释说明，参见图9，该方法包括：
S901：根据所述应用对象的属性值，确定所述应用对象的定位类型。
如上述图6或者图8A所示，终端设备基于属性战力占比模型确定出应用对象的属性值，进而可以根据该属性值确定应用对象的定位类型，该定位类型能够表征出应用对象在应用中的真实定位情况。
以游戏应用场景为例进行说明，游戏角色的每个属性可以对应一种类型，例如，属性Atk对应攻击类型，属性Def对应防御类型，针对每一种属性可以设置与该属性对应的类型权值，该类型权值可以包括攻击类型权值和防御类型权值，然后根据游戏角色的属性值以及攻击类型权值，进行加权求和运算，得到第一运算结果，根据游戏角色的属性值以及防御类型权值进行加权求和，得到第二运算结果，根据第一运算结果和第二运算结果确定游戏角色的定位类型。具体地，若第一运算结果大于攻击类型阈值，且第二运算结果小于防御类型阈值，则将游戏角色的定位类型确定为攻击类型；若第一运算结果小于攻击类型阈值，且第二运算结果大于防御类型阈值，则将游戏角色的定位类型确定防御类型。
S902：根据所述应用对象的定位类型与所述应用对象的初始定位类型，得到验证结果，所述验证结果用于表征所述应用对象的初始定位类型是否正确。
在具体实现时，终端设备将所述确定的应用对象的定位类型与应用对象的初始定位类型进行比较，若比较结果为相同，则得到的验证结果表征该应用对象的初始定位类型是正确的，否则，得到的验证结果表征应用对象的初始定位类型是错误的。
在具体实现时，终端设备可以将各应用对象相关的验证结果进行存储，以便应用设计人员查看该验证结果对应用进行优化。当然，终端设备也可以直接显示该验证结果，以便。应用设计人员能够及时获得验证结果，根据验证结果获知应用对象的初始定位类型是否正确，而不需要再通过收集大量用户数据来确定初始定位类型是否正确，如此能够提前发现定位失误，及时优化应用。
下面结合一个游戏应用场景，对上述训练属性战力占比模型的方法以及上述应用对象属性的配置方法进行详细说明。参见图10，图10为本申请实施例提供的训练属性战力占比模型的方法以及应用对象属性的配置方法的应用场景示意图，该应用场景中包括服务器100、终端设备200以及样本数据库300。
在该应用场景中，先由服务器100执行训练属性战力占比模型的方法，具体如图10中模型训练阶段所示，服务器100从样本数据库300中获取样本数据，该样本数据库300可以是基于从游戏应用服务器中直接获取的实际对战数据而构建的，也可以是通过模拟应用对象对战场景而获得的模拟对战数据而构建的，该样本数据库300中存储的样本数据包括应用对象的战力值、属性值以及对战结果。服务器100根据逻辑回归算法和样本数据进行模型训练以得到属性战力占比模型。
在此之后，由终端设备200执行应用对象属性的配置方法，具体如图10中模型应用阶段所示，终端设备200利用服务器100训练所得属性战力占比模型实现对应用对象属性的配置，具体的，终端设备200将该属性战力占比模型部署在本地，以运行该属性战力占比模型，确定游戏角色在给定战力值情况下的属性战力占比，根据属性战力占比和战力值得到游戏角色的属性值，基于该属性值对游戏角色的属性进行配置，以提升游戏角色的对战性能，使得游戏角色基于配置后的属性参与对战时，能够提高对战胜率。
与上述应用对象属性的配置方法相对应的，本申请实施例还提供了对应的应用对象属性的配置装置，接下来，对该装置进行介绍。
参见图11所示的应用对象属性的配置装置的一个结构示意图，该装置1100包括：
获取单元1110，用于获取应用对象的战力值，所述战力值用于表征应用对象的战斗力水平；
处理单元1120，用于将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比；所述属性战力占比模型是通过机器学习算法训练得到；
确定单元1130，用于根据所述应用对象的属性战力占比和所述应用对象的战力值，得到所述应用对象的属性值；
配置单元1140，用于根据所述应用对象的属性值，为所述应用对象配置属性。
可选的，所述获取单元1110具体用于；
获取应用对象在应用设计阶段被配置的战力值；或者，获取应用对象在实际对战后的战力值。
可选的，参见图12，图12为本申请实施例提供的一种应用对象属性的配置装置的一个结构示意图，在图11所示结构的基础上，所述装置还包括：
显示单元1150，用于显示应用对象的第一控件；
则所述处理单元1120，具体用于：
响应于所述第一控件被触发的指令，将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比。
可选的，参见图13，图13为本申请实施例提供的一种应用对象属性的配置装置的一个结构示意图，在图11所示结构的基础上，所述装置还包括定位单元1160和验证单元1170；
所述定位单元1160具体用于：
根据所述应用对象的各属性对应的属性值，确定所述应用对象对应的实际定位类型；
所述验证单元1170具体用于：
根据所述应用对象的实际定位类型与所述应用对象的初始定位类型，得到验证结果，所述验证结果用于表征所述应用对象的初始定位类型是否正确。
可选的，所述属性战力占比模型，包括：逻辑回归模型；
则所述处理单元1120具体用于：
通过线性规划算法求解最优解的方式，得到所述应用对象的属性战力占比。
可选的，所述属性战力占比模型，包括：逻辑回归模型；
则所述处理单元1120具体用于：
通过将负相关属性战力占比赋值为零以及根据权值归一化方式，得到所述应用对象的属性战力占比。
可选的，所述应用对象包括游戏应用中的游戏角色。
由上可知，本申请实施例提供了一种应用对象属性的配置装置，通过利用机器学习训练得到的属性战力占比模型确定属性战力占比，然后根据属性战力占比和战力值确定应用对象的属性值，如此，可以实现应用对象属性自动配置，提升用户的应用体验，并且减少用户与服务器之间的交互次数，提高网络的资源利用率。并且，通过该装置，应用设计人员无需依赖自身的设计经验，以及对应用对象定位的理解，应用对象属性配置受主观因素影响较小，对应用设计人员要求相对较低，无需反复试错，加快了设计进度。
图11至图13所示实施例从功能模块化的角度对本申请实施例提供的应用对象属性的配置装置进行介绍，接下来，将从硬件实体化的角度对本申请实施例提供的应用对象属性的配置设备进行介绍。
本申请实施例提供了一种应用对象属性的配置设备，该设备可以是终端设备。如图14所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该终端可以为包括手机、平板电脑、个人数字助理(英文全称：Personal Digital Assistant，英文缩写：PDA)、销售终端(英文全称：Point of Sales，英文缩写：POS)、车载电脑等任意终端设备，以终端为手机为例：
图14示出的是与本申请实施例提供的终端相关的手机的部分结构的框图。参考图14，手机包括：射频(英文全称：Radio Frequency，英文缩写：RF)电路1410、存储器1420、输入单元1430、显示单元1440、传感器1450、音频电路1460、无线保真(英文全称：wirelessfidelity，英文缩写：WiFi)模块1470、处理器1480、以及电源1490等部件。本领域技术人员可以理解，图14中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图14对手机的各个构成部件进行具体的介绍：
RF电路1410可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器1480处理；另外，将设计上行的数据发送给基站。通常，RF电路1410包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(英文全称：LowNoise Amplifier，英文缩写：LNA)、双工器等。此外，RF电路1410还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(英文全称：Global System of Mobile communication，英文缩写：GSM)、通用分组无线服务(英文全称：General Packet Radio Service，GPRS)、码分多址(英文全称：CodeDivision Multiple Access，英文缩写：CDMA)、宽带码分多址(英文全称：Wideband CodeDivision Multiple Access,英文缩写：WCDMA)、长期演进(英文全称：Long TermEvolution，英文缩写：LTE)、电子邮件、短消息服务(英文全称：Short Messaging Service，SMS)等。
存储器1420可用于存储软件程序以及模块，处理器1480通过运行存储在存储器1420的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器1420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器1420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元1430可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元1430可包括触控面板1431以及其他输入设备1432。触控面板1431，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1431上或在触控面板1431附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板1431可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1480，并能接收处理器1480发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1431。除了触控面板1431，输入单元1430还可以包括其他输入设备1432。具体地，其他输入设备1432可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元1440可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元1440可包括显示面板1441，可选的，可以采用液晶显示器(英文全称：Liquid Crystal Display，英文缩写：LCD)、有机发光二极管(英文全称：Organic Light-Emitting Diode，英文缩写：OLED)等形式来配置显示面板1441。进一步的，触控面板1431可覆盖显示面板1441，当触控面板1431检测到在其上或附近的触摸操作后，传送给处理器1480以确定触摸事件的类型，随后处理器1480根据触摸事件的类型在显示面板1441上提供相应的视觉输出。虽然在图14中，触控面板1431与显示面板1441是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板1431与显示面板1441集成而实现手机的输入和输出功能。
手机还可包括至少一种传感器1450，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1441的亮度，接近传感器可在手机移动到耳边时，关闭显示面板1441和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路1460、扬声器1461，传声器1462可提供用户与手机之间的音频接口。音频电路1460可将接收到的音频数据转换后的电信号，传输到扬声器1461，由扬声器1461转换为声音信号输出；另一方面，传声器1462将收集的声音信号转换为电信号，由音频电路1460接收后转换为音频数据，再将音频数据输出处理器1480处理后，经RF电路1410以发送给比如另一手机，或者将音频数据输出至存储器1420以便进一步处理。
WiFi属于短距离无线传输技术，手机通过WiFi模块1470可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图14示出了WiFi模块1470，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器1480是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器1420内的软件程序和/或模块，以及调用存储在存储器1420内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器1480可包括一个或多个处理单元；优选的，处理器1480可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1480中。
手机还包括给各个部件供电的电源1490(比如电池)，优选的，电源可以通过电源管理系统与处理器1480逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。
在本申请实施例中，该终端所包括的处理器1480还具有以下功能：
获取应用对象的战力值，所述战力值用于表征应用对象的战斗力水平；
将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比；所述属性战力占比模型是通过机器学习算法训练得到；
根据所述应用对象的属性战力占比和所述应用对象的战力值，得到所述应用对象的属性值；
根据所述应用对象的属性值，为所述应用对象配置属性。
可选的，处理器1480还可以用于执行本申请实施例中应用对象属性的配置方法的任意一种实现方式的步骤。
本申请实施例还提供一种计算机可读存储介质，用于存储程序代码，该程序代码用于执行前述各个实施例所述的一种应用对象属性的配置方法的任意一种实施方式。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (15)
1.一种应用对象属性的配置方法，其特征在于，包括：
获取应用对象的战力值，所述战力值用于表征应用对象的战斗力水平；
将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比；所述属性战力占比模型是通过机器学习算法训练得到；
根据所述应用对象的属性战力占比和所述应用对象的战力值，得到所述应用对象的属性值；
根据所述应用对象的属性值，为所述应用对象配置属性。
2.根据权利要求1所述的方法，其特征在于，所述获取应用对象的战力值，包括：
获取应用对象在应用设计阶段被配置的战力值；或者，
获取应用对象在实际对战后的战力值。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
显示应用对象的第一控件；
响应于所述应用对象的第一控件被触发的指令，执行所述将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比的步骤。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述应用对象的属性值，确定所述应用对象的定位类型；
根据所述应用对象的定位类型与所述应用对象的初始定位类型，得到验证结果，所述验证结果用于表征所述应用对象的初始定位类型是否正确。
5.根据权利要求1所述的方法，其特征在于，所述属性战力占比模型包括：逻辑回归模型，用于通过线性规划算法，得到所述应用对象的属性战力占比。
6.根据权利要求1所述的方法，其特征在于，所述属性战力占比模型包括：逻辑回归模型，用于通过将负相关属性战力占比赋值为零以及根据权值归一化方式，得到所述应用对象的属性战力占比。
7.根据权利要1所述的方法，其特征在于，所述应用对象包括游戏应用中的游戏角色。
8.一种训练属性战力占比模型的方法，其特征在于，包括：
获取样本数据，所述样本数据包括：应用对象的战力值、应用对象的属性值以及对应的对战结果；
根据机器学习算法和所述样本数据，对初始神经网络模型进行训练以获得满足训练结束条件的神经网络模型，作为属性战力占比模型，所述属性战力占比模型以应用对象的战力值为输入，以应用对象的属性战力占比为输出。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
构造应用对象对战数据，所述应用对象对战数据包括攻守双方第一应用对象的属性值以及攻守双方第二应用对象的属性值；其中，攻方第一应用对象的属性值与守方第一应用对象的属性值为针对第一应用对象在同一战力值下生成的两组不同属性值；攻方第二应用对象的属性值与守方第二应用对象的属性值相同；
将所述应用对象对战数据输入应用对象对战平台，获得所述应用对象对战平台输出的对战结果；
将所述攻守双方第一应用对象在所述同一战力值下的属性值以及对战结果，作为样本数据。
10.根据权利要求8所述的方法，其特征在于，所述获取样本数据，包括：
从应用服务器中获取应用对象的战力值、属性值以及对战结果，作为样本数据。
11.一种应用对象属性的配置装置，其特征在于，包括：
获取单元，用于获取应用对象的战力值，所述战力值用于表征应用对象的战斗力水平；
处理单元，用于将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比；所述属性战力占比模型是通过机器学习算法训练得到的神经网络模型；
确定单元，用于根据所述应用对象的属性战力占比和所述应用对象的战力值，得到所述应用对象的属性值；
配置单元，用于根据所述应用对象的属性值，为所述应用对象配置属性。
12.根据权利要求11所述的装置，其特征在于，所述获取单元，具体用于获取应用对象在应用设计阶段被配置的战力值；或者，获取应用对象在实际对战后的战力值。
13.根据权利要求11所述的装置，其特征在于，所述装置还包括：
显示单元，用于显示应用对象的第一控件；
所述处理单元，具体用于响应于所述应用对象的第一控件被触发的指令，将所述应用对象的战力值输入属性战力占比模型，获取所述属性战力占比模型输出的所述应用对象的属性战力占比。
14.一种应用对象属性的配置设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1至7任一项所述的应用对象属性的配置方法。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1至7任一项所述的应用对象属性的配置方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810917231.7A CN109107159B (zh) | 2018-08-13 | 2018-08-13 | 一种应用对象属性的配置方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810917231.7A CN109107159B (zh) | 2018-08-13 | 2018-08-13 | 一种应用对象属性的配置方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109107159A true CN109107159A (zh) | 2019-01-01 |
| CN109107159B CN109107159B (zh) | 2019-12-10 |
Family
ID=64852239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810917231.7A Active CN109107159B (zh) | 2018-08-13 | 2018-08-13 | 一种应用对象属性的配置方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109107159B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109821244A (zh) * | 2019-01-21 | 2019-05-31 | 网易（杭州）网络有限公司 | 游戏数据处理方法、装置、存储介质和电子装置 |
| CN113318449A (zh) * | 2021-06-17 | 2021-08-31 | 上海幻电信息科技有限公司 | 游戏元素交互数值化方法与系统 |
| TWI784717B (zh) * | 2021-09-16 | 2022-11-21 | 李福軒 | 射擊戰力預測評估系統、方法、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體 |
| WO2023202252A1 (zh) * | 2022-04-22 | 2023-10-26 | 北京字跳网络技术有限公司 | 虚拟场景控制、发布方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7720784B1 (en) * | 2005-08-30 | 2010-05-18 | Walt Froloff | Emotive intelligence applied in electronic devices and internet using emotion displacement quantification in pain and pleasure space |
| CN102298673A (zh) * | 2011-09-20 | 2011-12-28 | 北京像素软件科技股份有限公司 | 一种非玩家控制角色的行为决策方法 |
| CN105550746A (zh) * | 2015-12-08 | 2016-05-04 | 北京旷视科技有限公司 | 机器学习模型的训练方法和训练装置 |
| CN105848743A (zh) * | 2013-12-13 | 2016-08-10 | 科乐美数码娱乐株式会社 | 信息处理装置、信息处理系统、程序、记录介质 |
| CN106127114A (zh) * | 2016-06-16 | 2016-11-16 | 北京数智源科技股份有限公司 | 智能视频分析方法 |
| CN106777851A (zh) * | 2015-11-18 | 2017-05-31 | 网易（杭州）网络有限公司 | 一种获取对战游戏中战斗力数值的方法及系统 |
| CN107335222A (zh) * | 2017-07-04 | 2017-11-10 | 北京像素软件科技股份有限公司 | 游戏战斗力值计算方法及装置 |
-
2018
- 2018-08-13 CN CN201810917231.7A patent/CN109107159B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7720784B1 (en) * | 2005-08-30 | 2010-05-18 | Walt Froloff | Emotive intelligence applied in electronic devices and internet using emotion displacement quantification in pain and pleasure space |
| CN102298673A (zh) * | 2011-09-20 | 2011-12-28 | 北京像素软件科技股份有限公司 | 一种非玩家控制角色的行为决策方法 |
| CN105848743A (zh) * | 2013-12-13 | 2016-08-10 | 科乐美数码娱乐株式会社 | 信息处理装置、信息处理系统、程序、记录介质 |
| CN106777851A (zh) * | 2015-11-18 | 2017-05-31 | 网易（杭州）网络有限公司 | 一种获取对战游戏中战斗力数值的方法及系统 |
| CN105550746A (zh) * | 2015-12-08 | 2016-05-04 | 北京旷视科技有限公司 | 机器学习模型的训练方法和训练装置 |
| CN106127114A (zh) * | 2016-06-16 | 2016-11-16 | 北京数智源科技股份有限公司 | 智能视频分析方法 |
| CN107335222A (zh) * | 2017-07-04 | 2017-11-10 | 北京像素软件科技股份有限公司 | 游戏战斗力值计算方法及装置 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109821244A (zh) * | 2019-01-21 | 2019-05-31 | 网易（杭州）网络有限公司 | 游戏数据处理方法、装置、存储介质和电子装置 |
| CN109821244B (zh) * | 2019-01-21 | 2022-07-29 | 网易（杭州）网络有限公司 | 游戏数据处理方法、装置、存储介质和电子装置 |
| CN113318449A (zh) * | 2021-06-17 | 2021-08-31 | 上海幻电信息科技有限公司 | 游戏元素交互数值化方法与系统 |
| CN113318449B (zh) * | 2021-06-17 | 2024-05-14 | 上海幻电信息科技有限公司 | 游戏元素交互数值化方法与系统 |
| TWI784717B (zh) * | 2021-09-16 | 2022-11-21 | 李福軒 | 射擊戰力預測評估系統、方法、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體 |
| WO2023202252A1 (zh) * | 2022-04-22 | 2023-10-26 | 北京字跳网络技术有限公司 | 虚拟场景控制、发布方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109107159B (zh) | 2019-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111773696B (zh) | 一种虚拟对象的展示方法、相关装置及存储介质 | |
| CN109107161B (zh) | 一种游戏对象的控制方法、装置、介质以及设备 | |
| CN109107159B (zh) | 一种应用对象属性的配置方法、装置、设备及介质 | |
| US11224802B2 (en) | Gaming accessory with sensory feedback device | |
| CN111985640B (zh) | 一种基于强化学习的模型训练方法以及相关装置 | |
| US10195533B2 (en) | Method and apparatus for presenting performances of gamers | |
| CN107273011A (zh) | 应用程序快速切换方法及移动终端 | |
| CN108043020A (zh) | 游戏手势控制方法、双屏移动终端及计算机可读存储介质 | |
| CN108379834B (zh) | 一种信息处理的方法及相关设备 | |
| CN109568954B (zh) | 兵种切换显示方法、装置、存储介质和终端 | |
| CN109271038B (zh) | 候选词推荐方法、终端及计算机可读存储介质 | |
| CN110841295B (zh) | 一种基于人工智能的数据处理方法和相关装置 | |
| CN108926840A (zh) | 游戏控制方法、移动终端及计算机可读存储介质 | |
| CN110124321A (zh) | 一种对象处理方法、装置、设备及介质 | |
| CN108549486A (zh) | 虚拟场景中实现解说的方法及装置 | |
| CN108815850B (zh) | 一种控制模拟对象寻路的方法及客户端 | |
| CN111803961B (zh) | 一种虚拟物品的推荐方法以及相关装置 | |
| CN106445710A (zh) | 一种交互式对象确定的方法及相关设备 | |
| CN111617472A (zh) | 一种虚拟场景中模型管理的方法以及相关装置 | |
| CN110354497A (zh) | 虚拟按键初始位置控制方法、终端及计算机可读存储介质 | |
| CN109331465A (zh) | 游戏对象控制方法、移动终端及计算机可读存储介质 | |
| CN113797544A (zh) | 虚拟对象的攻击控制方法、装置、计算机设备及存储介质 | |
| US9415301B2 (en) | Method and apparatus for processing control signals of an accessory | |
| CN110327623B (zh) | 一种基于交互式应用的节点控制方法以及相关装置 | |
| CN112044080B (zh) | 一种虚拟对象的管理方法以及相关装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |