一种虚拟物品的显示方法、装置、计算机设备和存储介质
阅读：856发布：2020-05-12
专利汇可以提供一种虚拟物品的显示方法、装置、计算机设备和存储介质专利检索，专利查询，专利分析的服务。并且本 发明 实施例 公开了一种虚拟物品的显示方法、装置、计算机设备和存储介质，该方法包括：显示主播用户的直播间；确定主播用户接收到的虚拟物品；确定与虚拟物品关联的直播特征；根据直播特征确定与虚拟物品匹配的显示行为；在直播间中对虚拟物品执行显示行为。无需将显示虚拟物品的代码 固化 ，低耦合，可扩展性强，不仅大大丰富了显示虚拟物品的方式，还减少了应用程序开发的工作量。，下面是一种虚拟物品的显示方法、装置、计算机设备和存储介质专利的具体信息内容。
1.一种虚拟物品的显示方法，其特征在于，包括：
显示主播用户的直播间；
确定所述主播用户接收到的虚拟物品；
确定与所述虚拟物品关联的直播特征；
根据所述直播特征确定与所述虚拟物品匹配的显示行为；
在所述直播间中对所述虚拟物品执行所述显示行为。
2.根据权利要求1所述的方法，其特征在于，所述根据所述直播特征确定与所述虚拟物品匹配的显示行为，包括：
确定行为树，所述行为树中具有行为节点，所述行为节点表示显示行为；
确定基因，所述基因表示一个或多个显示行为；
基于所述直播特征计算当前的基因的适应度；
判断是否满足预设的停止条件；
若是，则按照所述适应度选定某个基因表示的显示行为，作为与所述虚拟物品匹配的显示行为；
若否，则对所述基因进行选择操作、交叉操作与变异操作中的至少一种遗传操作，获得新的基因，返回执行所述基于所述直播特征计算当前的基因的适应度。
3.根据权利要求2所述的方法，其特征在于，所述直播特征包括在预设的时间段内使用当前的基因的第一次数、在所述虚礼物品显示时观众用户表达正向情感的第二次数、所述正向情感的权重、在预设的时间段内使用当前的基因的营收值；
所述基于所述直播特征计算当前的基因的适应度，包括：
计算所述第一次数与所述时间段之间的第一比值；
计算所述第二次数与所述权重之间的第二比值；
计算所述营收值与所述时间段之间的第三比值；
计算所述第一比值、所述第二比值与所述第三比值之间的和值，作为当前的基因的适应度。
4.根据权利要求2所述的方法，其特征在于，所述判断是否满足预设的停止条件，包括：
将当前迭代的第三次数与预设的第一阈值进行比较，将所述与预设的第二阈值进行比较；
若所述第三次数大于或等于所述第一阈值，或者，所述适应度大于或等于所述第二阈值，则确定满足停止条件；
若所述第三次数小于所述第一阈值，并且，所述适应度小于所述第二阈值，则确定未满足停止条件。
5.根据权利要求2所述的方法，其特征在于，所述对所述基因进行选择操作、交叉操作与变异操作中的至少一种遗传操作，包括：
基于所述适应度计算选择所述基因的概率，所述概率与所述适应度正相关；
随机生成第一数值，作为第三阈值；
若某个基因的概率大于所述第三阈值，则选择所述基因。
6.根据权利要求5所述的方法，其特征在于，所述基于所述适应度计算选择所述基因的概率，包括：
计算所有适应度之间的和值，作为总适应度；
针对某个基因，计算所述基因的适应度与所述总适应度之间的第四比值，作为选择所述基因的概率。
7.根据权利要求2所述的方法，其特征在于，所述对所述基因进行选择操作、交叉操作与变异操作中的至少一种遗传操作，包括：
选择两个所述基因，作为候选基因；
对每对所述候选基因生成第二数值，作为交叉概率；
若所述交叉概率大于预设的第四阈值，则相互交换所述候选基因中位于指定的交叉点之后的数据。
8.根据权利要求2所述的方法，其特征在于，所述对所述基因进行选择操作、交叉操作与变异操作中的至少一种遗传操作，包括：
对每个所述基因随机生成第三数值，作为变异概率；
若某个基因的变异概率大于预设的第五阈值，则对所述基因中位于指定的变异点的数据进行变更。
9.根据权利要求2-8任一项所述的方法，其特征在于，所述对所述基因进行选择操作、交叉操作与变异操作中的至少一种遗传操作，获得新的基因，包括：
对所述基因进行选择操作；
对选择操作之后的基因进行交叉操作；
对交叉操作之后的基因进行变异操作，获得新的基因。
10.根据权利要求2所述的方法，其特征在于，所述按照所述适应度选定某个基因表示的显示行为，作为与所述虚拟物品匹配的显示行为，包括：
对所述适应度进行降序排序；
选定位于首位的适应度关联的基因所表示的显示行为，作为与所述虚拟物品匹配的显示行为。
11.根据权利要求1-8任一项所述的方法，其特征在于，所述显示行为为行为树中的行为节点；
所述在所述直播间中对所述虚拟物品执行所述显示行为，包括：
执行所述行为节点，以在所述直播间中对所述虚拟物品执行所述显示行为；
若执行完毕，则结束所述行为树，在所述直播间中删除所述虚拟物品。
12.根据权利要求11所述的方法，其特征在于，所述执行所述行为节点，包括：
确定控制器，所述控制器中具有控制节点；
调用对所述行为节点配置的控制节点执行所述行为节点。
13.一种虚拟物品的显示装置，其特征在于，包括：
直播间显示模块，用于显示主播用户的直播间；
虚拟物品确定模块，用于确定所述主播用户接收到的虚拟物品；
直播特征确定模块，用于确定与所述虚拟物品关联的直播特征；
显示行为匹配模块，用于根据所述直播特征确定与所述虚拟物品匹配的显示行为；
显示行为执行模块，用于在所述直播间中对所述虚拟物品执行所述显示行为。
14.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-12中任一所述的虚拟物品的显示方法。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-12中任一所述的虚拟物品的显示方法。
一种虚拟物品的显示方法、装置、计算机设备和存储介质
技术领域
背景技术
[0002] 随着互联网的发展，尤其是移动终端的普及，直播在人们的工作、生活、娱乐中愈发普及。
[0003] 直播通常由主播用户主持，为了提高观众用户与主播用户之间的互动，观众用户通常可以发送虚拟物品，这种行为可以称之为赠送礼物、打赏主播等。
[0004] 目前，虚拟物品大多是基于播放动画特效的方式进行显示，基于现有设备的性能，一般采用硬编码的方式，将实现该播放该动画特效的代码固定在应用程序中，并发布该应用程序。
[0005] 为了提高应用程序的开发效率、降低应用程序的维护成本，实现该播放该动画特效的代码通常较少，导致动画特效的形式较少，如果想要对动画特效进行改动，往往需要发布新版本的应用程序，但是，版本的迭代效率较低，导致动画特效的形式较为单一。
发明内容
[0006] 本发明实施例提供一种虚拟物品的显示方法、装置、计算机设备和存储介质，以解决在直播场景中、播放虚拟物品的动画特效的形式较为单一的问题。
[0007] 第一方面，本发明实施例提供了一种虚拟物品的显示方法，包括：
[0008] 显示主播用户的直播间；
[0009] 确定所述主播用户接收到的虚拟物品；
[0010] 确定与所述虚拟物品关联的直播特征；
[0011] 根据所述直播特征确定与所述虚拟物品匹配的显示行为；
[0012] 在所述直播间中对所述虚拟物品执行所述显示行为。
[0013] 第二方面，本发明实施例还提供了一种虚拟物品的显示装置，包括：
[0014] 直播间显示模块，用于显示主播用户的直播间；
[0015] 虚拟物品确定模块，用于确定所述主播用户接收到的虚拟物品；
[0016] 直播特征确定模块，用于确定与所述虚拟物品关联的直播特征；
[0017] 显示行为匹配模块，用于根据所述直播特征确定与所述虚拟物品匹配的显示行为；
[0018] 显示行为执行模块，用于在所述直播间中对所述虚拟物品执行所述显示行为。
[0019] 第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：
[0020] 一个或多个处理器；
[0021] 存储器，用于存储一个或多个程序；
[0022] 当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的虚拟物品的显示方法。
[0023] 第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的虚拟物品的显示方法。
[0024] 在本实施例中，显示主播用户的直播间，确定主播用户接收到的虚拟物品，确定与虚拟物品关联的直播特征，根据直播特征确定与虚拟物品匹配的显示行为，在直播间中对虚拟物品执行显示行为，通过预先定义虚拟物品的显示行为，并与直播特征进行匹配，实现根据直播的特性自适应选择显示行为的智能化控制，将显示行为的选择框架化，无需将显示虚拟物品的代码固化，更新框架中的显示行为即可，低耦合，可扩展性强，不仅大大丰富了显示虚拟物品的方式，还减少了应用程序开发的工作量。附图说明
[0025] 图1为本发明实施例一提供的一种虚拟物品的显示方法的流程图；
[0026] 图2是本发明实施例二提供的一种虚拟物品的显示方法的流程图；
[0028] 图4是本发明实施例二提供的一种行为树的示例图；
[0029] 图5为本发明实施例三提供的一种虚拟物品的显示装置的结构示意图；
[0030] 图6为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
[0031] 下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
[0032] 实施例一
[0033] 图1为本发明实施例一提供的一种虚拟物品的显示方法的流程图，本实施例可适用于自适应选择显示虚拟物品的方式的情况，该方法可以由虚拟物品的显示装置来执行，该虚拟物品的显示装置可以由软件和/或硬件实现，可配置在计算机设备中，例如，个人电脑、移动终端(如手机、平板电脑等)、可穿戴设备(如智能手表等)，等等，该方法具体包括如下步骤：
[0034] S101、显示主播用户的直播间。
[0036] 在该应用程序中，加载直播平台提供的页面，在该页面中显示直播间，在该直播间中，显示主播用户主持的直播节目。
[0037] 需要说明的是，对于计算机设备以及直播平台而言，主播用户可用用户标识进行表示，如用户ID、用户账号，等等。
[0038] S102、确定主播用户接收的虚拟物品。
[0040] 在直播间中的某个应用程序接收到观众用户针对虚拟物品的发送操作，则通知直播平台，直播平台对观众用户进行合法性校验，在通过合法性校验时，将该虚拟物品发送至主播用户，并通知登录该直播间的所有应用程序，在本地显示该虚拟物品。
[0041] 因此，在当前计算机设备中安装的应用程序，可能是发起发送虚拟物品行为的应用程序，与可以除发起发送虚拟物品行为的应用程序之外的其他应用程序，本实施例对此不加以限制。
[0042] 需要说明的是，直播平台一般提供会员制服务，因此，给主播用户发送虚拟物品的观众用户，通常为直播平台中的注册用户，直播平台所提供的虚拟物品，一般配置有虚拟代币的价值，该价值可以为0(即免费)，也可以为其他数值，直播平台在观众用户通过合法性校验时，从该观众用户的账户中扣除该虚拟物品的价格。
[0043] S103、确定与虚拟物品关联的直播特征。
[0044] 在本实施例中，应用程序可接收直播平台发送的、与虚拟物品关联的直播特征，即在直播中与虚拟物品关系的特征。
[0045] 在具体实现中，该直播特征包括如下的至少一种：
[0046] 一、主播用户的特征：
[0047] 主播用户的特征为可体现在直播间中、主播用户的特性的信息。
[0048] 进一步地，该主播用户的特征包括：
[0049] 1、主播用户的离线特征
[0050] 主播用户的离线特征为在非直播时间体现主播用户的特征，例如，注册时间、平均活跃时间，历史的开播时间，关注人数，营收总值，等等。
[0051] 2、主播用户的实时特征
[0052] 主播用户的实时特征为在直播时间体现主播用户的特征，例如，实时热度、性别、国家、语言、直播类型，等等。
[0053] 二、观众用户的特征：
[0054] 观众用户的特征为可体现在直播间中、观众用户的特性的信息。
[0055] 进一步地，该观众用户的直播特征包括：
[0056] 1、观众用户的离线特征
[0057] 观众用户的离线特征为在非直播时间体现观众用户的特征，例如，平均观看时间、历史送礼总数，等等。
[0058] 2、观众用户的实时特征
[0059] 观众用户的实时特征为在直播时间体现观众用户的特征，例如，在线时长、性别、国家、语言，等等。
[0060] 三、主播用户与观众用户之间的交互特征
[0061] 主播用户与观众用户之间的交互特征为可体现在主播用户主持直播节目时、该主播用户与观众用户互动的特性的信息。
[0062] 例如，观众用户对主播用户历史观看时长、观众用户历史赠送给主播用户的虚拟物品总数、观众用户是否关注主播用户，等等。
[0063] S104、根据直播特征确定与虚拟物品匹配的显示行为。
[0064] 应用程序为虚拟物品提供多个相互独立的显示行为，每个显示行为特定的样式，可按照该样式显示虚拟物品。
[0065] 例如，该显示行为包括“绕圈跑”、“呼唤说话”、“延迟n秒响应”，等等。
[0066] 在本实施例中，在确定与虚拟物品相关的直播特征之后，可以以直播特征作为筛选的条件，从所有的显示行为中选择一个或多个合适的显示行为，作为当前显示该虚拟物品的显示行为。
[0067] 需要说明的是，直播平台可以针对不同的应用程序下发不同的显示行为的组合形式，例如，直播平台向某个应用程序下发1个显示行为、直播平台向另一个应用程序下发2个显示行为、直播平台向又一个应用程序下发3个显示行为，等等，因此，在不同的应用程序中，可以选择不同的显示行为，则同一个虚拟物品在不同的应用程序可能以不同的样式进行显示。
[0068] S105、在直播间中对虚拟物品执行显示行为。
[0070] 在本实施例中，显示主播用户的直播间，确定主播用户接收到的虚拟物品，确定与虚拟物品关联的直播特征，根据直播特征确定与虚拟物品匹配的显示行为，在直播间中对虚拟物品执行显示行为，通过预先定义虚拟物品的显示行为，并与直播特征进行匹配，实现根据直播的特性自适应选择显示行为的智能化控制，将显示行为的选择框架化，无需将显示虚拟物品的代码固化，更新框架中的显示行为即可，低耦合，可扩展性强，不仅大大丰富了显示虚拟物品的方式，还减少了应用程序开发的工作量。
[0071] 实施例二
[0072] 图2为本发明实施例二提供的一种虚拟物品的显示方法的流程图，本实施例以前述实施例为基础，进一步细化通过遗传算法(Genetic Algorithm，GA)筛选显示行为、通过行为树执行显示行为的处理操作，该方法具体包括如下步骤：
[0073] S201、显示主播用户的直播间。
[0074] S202、确定主播用户接收到的虚拟物品。
[0075] S203、确定与虚拟物品关联的直播特征。
[0076] S204、确定行为树。
[0077] 在本实施例中，预先在应用程序中对每一种虚拟物品设置一棵行为树(Behavior Tree)，在行为树中具有根节点(root)、控制节点(控制节点为“控制”其子节点(子节点可以是叶节点，即行为节点，也可以是控制节点，所谓“执行控制节点”，就是执行其定义的控制逻辑))、行为节点等节点，其中，该行为节点表示显示行为，在确定观众用户发送给主播用户的虚拟物品时，可查找该虚拟物品对应的行为树。
[0078] 当然，除了对每一种虚拟物品设置一棵行为树之外，也可以对多种虚拟物品设置一棵行为树，对所有虚拟物品设置一棵行为树，等等，本实施例对此不加以限制。
[0079] 此外，除了行为树之外，本实施例还可以通过有限状态机(Finite-state machine，FSM)设置显示行为，本实施例对此不加以限制。
[0080] 进一步而言，行为树是通过一个树状结构，每次更新时都会从树的根节点出发，根据子节点的类型和状态，来确认要操作的状态切换以及实际动作。在行为树中，每一个节点都有执行的状态，以及，每次执行完成后都会向父节点传递执行结果。再配合各种内部的特殊节点，就可以实现有一定复杂行为的AI(人工智能)。
[0081] 如图3所示，行为树在基础节点(BaseNode)的基础上，设定实现一些特殊节点，用于组装逻辑，设计如下：
[0082] Action：通过继承它，定义一个具体的行为；例如，对于显示行为，可以为“巡逻”、“受气”、“逃跑”，等等。
[0083] Composite：通过继承它，实现组织一组行为，确定分支走向，例如，顺序(Sequence，将其所有子节点依次执行，也就是说当前一个返回“完成”状态后，再运行下一个子节点)、选择(Selector，选择其子节点的某一个执行)、并行(Parallel，将其所有子节点都运行一遍)，等等。
[0084] Decorator：通过继承它，定义一个作用于行为的约束；例如，执行NUM(NUM为正整数)次子节点、改变子节点返回状态，等等。
[0085] Condition：通过继承它，定义一个返回成功、失败的条件；例如，判断主播用户的人气、判定当前的血量，等等。
[0086] 通过此结构设计的行为树，当赋予虚拟物品的发送操作时，通过配置一颗行为树来达到想要的智能效果。
[0087] 如图4所示，定义一个虚拟物品的行为树，行为树中的行为节点，可以根据实际情况进行定义，在本示例中，顺序节点、选择节点、并行节点为控制节点，行为A、行为B、行为C、行为D、行为E、行为F、行为G属于行为节点，是预先定义的一些显示虚拟物品的显示行为，例如，虚拟物品执行绕圈跑的显示逻辑、虚拟物品执行呼唤说话的显示逻辑、虚拟物品执行延迟n秒响应的显示逻辑，等等。
[0088] 并且，可以一直通过继承Action，扩展行为节点的逻辑，一直迭代此行为树，扩展观众用于发送虚拟物品给主播用户的智能逻辑。
[0089] S205、确定基因。
[0090] 当观众用户发送虚拟物品给主播用户时，要决策当前的虚拟物品执行的显示行为，此时，自顶而下，搜索行为树，来确定行为节点(显示行为)，并执行它。通过此种特性设计，可视化了决策逻辑，可复用控制节点，逻辑和实现低耦合。
[0091] 对于扩展继承好的显示行为是可以互相交换的，由此，产品策划编辑好行为树的逻辑之后，可以得到一个应用于智能化显示虚拟物品的最优解。
[0092] 在本实施例中，采用了通过遗传算法迭代，得到最优的一颗行为树。相对于传统的逻辑实现或者状态机实现等，可以清晰组织行为决策，减少程序开发量，把产品设计交给产品人员思考，所见即所得，并且得到最优解，从而优化产品，提高产品质量。
[0093] 遗传算法是模拟生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。
[0094] 在本实施例中，通过遗传算法搜索与直播特征最匹配的显示行为。
[0095] 应用遗传算法，可对显示行为进行编码，如二进制编码法、浮点编码法、符号编码法等，即遗传算法的运算对象是表示显示行为的符号串。
[0096] 遗传算法是对群体进行的进化操作，可以通过随机设置等方式，给其淮备一些表示起始搜索点的初始群体数据。
[0097] 在具体实现中，当确定显示行为的组合形式时，可以在该组合形式内随机生成一个或多个显示行为，作为初始种群的基因，即基因用于表示一个或多个显示行为。
[0098] 例如，直播平台给某个应用程序下发2个显示行为的组合，设其中一个显示行为x1∈{1，2，3，4，5，6，7}、另一个显示行为x2∈{1，2，3，4，5，6，7}，则把显示行为x1与x2编码为一种符号串。
[0099] 假设以无符号的二进制整数来表示，则对于显示行为x1与x2可以分别用3位无符号二进制整数来表示，将它们连接在一起所组成的6位无符号二进制数就形成了个体的基因，表示一个可行解。
[0100] 例如，基因X＝101110所对应的表现是x＝(x1，x2)＝(5，6)。
[0101] 其中，显示行为的表现x和基因X之间可通过编码和解码相互转换。
[0102] 本例中，群体规模的大小取为4，即群体由4个个体组成，每个个体可通过随机设置的方法产生，如：011101，101011，011100，111001。
[0103] S206、基于直播特征计算当前的基因的适应度。
[0104] 遗传算法中以个体适应度的大小来评定各个个体的优劣程度，从而决定其遗传机会的大小。
[0105] 在本实施例中，以直播特征作为筛选基因的条件，以直播特征作进行设计，计算基因的适应度。
[0106] 需要说明的是，遗传算法通常需要多次进行遗传操作，即进行多次迭代操作，每次迭代时，基因可能发生变化，针对当前迭代的基因计算适应度。
[0107] 在一个示例中，直播特征包括在预设的时间段内使用当前的基因的第一次数、在虚礼物品显示时观众用户表达正向情感(如点赞、支持、送花等)的第二次数、正向情感的权重(可设定为当前直播间中观众用户的总数乘以一个系数，如0.1)、在预设的时间段内使用当前的基因的营收值。
[0108] 在本示例中，计算第一次数与时间段之间的第一比值，计算第二次数与权重之间的第二比值，计算营收值与时间段之间的第三比值，计算第一比值、第二比值与第三比值之间的和值，作为当前的基因的适应度。
[0109] 上述计算方式，以公式表示如下：
[0110]
[0111] 其中，xi为基因，f(xi)为xi的适应度，为时间段，NUMS为使用xi的第一次数，LIKES为观众用户表达正向情感的第二次数，W为权重，MONEY为使用xi的营收值。
[0112] 当然，上述计算适应度的方式只是作为示例，在实施本实施例时，可以根据实际情况设置其他计算适应度的方式，例如，若倾向观众用户的留驻情况，则增加人均观看时长、人均关注率等直播特征，若倾向主播用户的营收情况，则可以增加观众用户人均赠送虚拟物品、消费虚拟代币等直播特征，等等。本实施例对此不加以限制。另外，除了上述计算适应度的方式外，本领域技术人员还可以根据实际需要采用其它计算适应度的方式，本实施例对此也不加以限制。
[0113] S207、判断是否满足预设的停止条件；若是，则执行S208，若否，则执行S209。
[0114] 在本实施例中，可以预先设置遗传的停止条件，若满足该停止条件，则停止遗传、选择合适的基因，若为满足该停止条件，则继续遗传基因。
[0115] 在一个示例中，该停止条件包括迭代的第三次数到达预设的第一阈值、适应度到达预设的第二阈值。
[0116] 则在此示例中，统计当前迭代的第三次数，以及，将当前迭代的第三次数与预设的第一阈值进行比较，或者，将与预设的第二阈值进行比较。
[0117] 若第三次数大于或等于第一阈值，或者，适应度大于或等于第二阈值，则确定满足停止条件。
[0118] 若第三次数小于第一阈值，并且，适应度小于第二阈值，则确定未满足停止条件。
[0119] 当然，上述停止条件只是作为示例，在实施本实施例时，可以根据实际情况设置其他停止条件，例如，迭代的时间超过预设的阈值、每两次迭代中值最大的适应度之间的差异小于预设的阈值，等等。本实施例对此不加以限制。另外，除了上述停止条件外，本领域技术人员还可以根据实际需要采用其它停止条件，本实施例对此也不加以限制。
[0121] 一般而言，选择值最大的适应度的基因，将其表示的显示行为，作为与虚拟物品匹配的显示行为。
[0122] 在具体实现中，对适应度进行降序排序，选定位于首位的适应度关联的基因所表示的显示行为，作为与虚拟物品匹配的显示行为。
[0123] S209、对基因进行选择操作、交叉操作与变异操作中的至少一种遗传操作，获得新的基因，返回执行S206。
[0124] 对于当前迭代的基因，作为父代群体的基因，对其进行选择操作、交叉操作与变异操作中的至少一种遗传，将该父代中的部分或全部基因遗传到子代群体的基因，继续进行迭代。
[0125] 需要说明的是，选择操作、交叉操作与变异操作可以单独执行、也可以组合执行，在组合时，可以串行执行，也可以并行执行，等等，本实施例对此不加以限制。
[0126] 可选地，串行执行遗传操作的组合，则对基因进行选择操作，对选择操作之后的基因进行交叉操作，对交叉操作之后的基因进行变异操作，获得新的基因。
[0127] 在本实施例中，遗传操作包括如下的至少一种：
[0128] 1、选择操作
[0129] 选择操作(或称为复制运算)用于确定如何从父代群体中按某种方法选取个体，以便遗传到子代群体中。
[0130] 一般而言，选择操作把当前父代群体中适应度较高的个体按某种规则或模型遗传到子代群体中，则应度较高的个体将有更多的机会遗传到下一代。
[0131] 在具体实现中，基于适应度计算选择基因的概率，概率与适应度正相关，即适应度越高，概率越大，反之，适应度越低，概率越小。
[0132] 例如，计算所有适应度之间的和值，作为总适应度，针对某个基因，计算基因的适应度与总适应度之间的第四比值，作为选择该基因的概率。
[0133] 上述概率，以公式表示如下：
[0134]
[0135] 其中，f()为基因的适应度，N为基因的总数量，i为第i个基因，j为第j个基因，P()为基因的概率。
[0136] 随机生成第一数值r∈[0,1]，作为第三阈值。
[0137] 若某个基因的概率大于第三阈值，则选择该基因，遗传到下一代。
[0138] 例如，对于上述种群，即011101、101011、011100、111001，进行选择操作如下：
[0139] 个体编号 基因 x1 x2 适应度 概率 选择次数 选择的基因1 011101 3 5 34 0.24 1 011101
2 101011 5 3 34 0.24 1 111001
3 011100 3 4 25 0.17 0 101011
4 111001 7 1 50 0.35 2 111001
总和 143 1
2 101011 5 3 34 0.24 1 111001
3 011100 3 4 25 0.17 0 101011
4 111001 7 1 50 0.35 2 111001
总和 143 1
[0140] 在该种群中，假设随机生成r＝0.21，则选择011101、101011、111001，为保持种群数量平衡，概率最高的n个基因可再次被选择，则111001可选择再选择多一次。
[0141] 2、交叉操作
[0142] 交叉操作，是指对两个相互配对的个体按某种方式相互交换其部分基因，从而形成两个新的个体。
[0143] 在具体实现中，选择两个基因，作为候选基因，对每对候选基因生成第二数值，作为交叉概率。
[0144] 若所述交叉概率大于预设的第四阈值(第四阈值Pc∈(0,1))，则相互交换候选基因中位于指定的交叉点之后的数据。
[0145] 例如，对于上述选择操作之后的种群，即011101、111001、101011、111001，进行交叉操作如下：
[0146]
[0147] 在本示例中，交叉操作之后的基因，新产生的个体111101、111011的适应度较原来两个个体的适应度都要高。
[0148] 3、变异操作
[0149] 变异操作，是指按某一较小的概率改变个体编码串中的一个或多个数据，从而形成新的个体。
[0150] 交叉运算和变异运算的相互配合，共同完成对搜索空间的全局搜索和局部搜索。
[0151] 在具体实现中，对每个基因随机生成第三数值，作为变异概率。
[0152] 若某个基因的变异概率大于预设的第五阈值(第五阈值Pm∈(0,0.2))，则对基因中位于指定的变异点的数据进行变更。
[0153] 进一步地，以基本位变异算子为例，基本位变异算子是指对个体编码串随机指定的某一位或某几位基因作变异运算。对于二进制编码串所表示的个体，则对原有基因值取反，若进行变异操作的某一基因上的原有基因值为0，则将其变为1；反之，若原有基因值为1，则将其变为0。
[0154] 例如，对于上述交叉操作之后的种群，即011001、111101、101001、111011，进行变异操作如下：
[0155]个体编号 基因 变异点 变异的基因
1 011001 4 011101
2 111101 5 111111
3 101001 2 111001
4 111011 6 111010
1 011001 4 011101
2 111101 5 111111
3 101001 2 111001
4 111011 6 111010
[0156] 此时，返回S205再次计算舒适度，如下：
[0157] 个体编号 基因 x1 x2 适应度 概率1 011101 3 5 34 0.14
2 111111 7 7 53 0.23
3 111001 7 1 50 0.21
4 111010 7 2 98 0.42
总和 235 1
2 111111 7 7 53 0.23
3 111001 7 1 50 0.21
4 111010 7 2 98 0.42
总和 235 1
[0158] 其中，编号4的个体舒适度为98，超过95(第二阈值)，则可以选择显示行为7与显示行为2的组合。
[0159] S210、执行行为节点，以在直播间中对虚拟物品执行显示行为。
[0160] 在应用程序本地，执行行为节点所代表的显示行为，在直播间的画面中按照显示行为表示的样式，显示虚拟物品，实现将虚拟物品发送给主播用户。
[0161] 在具体实现中，可以预先设置控制器，控制器中具有与所有行为节点一一匹配的控制节点，控制节点为实现该行为节点表示的显示行为的代码，控制节点之间耦合度低，在调整(如增加、删除)行为节点时相应调整(如增加、删除)控制节点即可，可提高可扩展性。
[0162] 在确定与直播特征匹配的行为节点时，可确定控制器，调用对该行为节点配置的控制节点执行该行为节点。
[0163] S211、若执行完毕，则结束行为树，在直播间中删除虚拟物品。
[0164] 在行为节点执行完毕时，行为树的生命周期结束，此时，可以在直播间中删除虚拟物品，完成将虚拟物品发送至主播用户。
[0165] 在本实施例中，通过行为树中的行为节点表示显示行为，通过遗传算法从行为树中搜索与直播特征匹配的行为节点，一方面，行为树把复杂的显示行为组织得非常直观，行为树中的节点复用性高，可扩展性强，大大降低了应用程序的开发门槛与开发量，另一方面，遗传算法的过程简单，可在计算机设备本地实现，遗传算法提供与业务无关的快速随机的搜索能力，容易实现以直播特征作为条件搜索显示行为，遗传算法具有可扩展性，容易与行为树结合。
[0166] 实施例三
[0167] 图5为本发明实施例三提供的一种虚拟物品的显示装置的结构示意图，该装置具体可以包括如下模块：
[0168] 直播间显示模块501，用于显示主播用户的直播间；
[0169] 虚拟物品确定模块502，用于确定所述主播用户接收到的虚拟物品；
[0170] 直播特征确定模块503，用于确定与所述虚拟物品关联的直播特征；
[0171] 显示行为匹配模块504，用于根据所述直播特征确定与所述虚拟物品匹配的显示行为；
[0172] 显示行为执行模块505，用于在所述直播间中对所述虚拟物品执行所述显示行为。
[0173] 在本发明的一个实施例中，所述直播特征确定模块503包括：
[0174] 行为树确定子模块，用于确定行为树，所述行为树中具有行为节点，所述行为节点表示显示行为；
[0175] 基因确定子模块，用于确定基因，所述基因表示一个或多个显示行为；
[0176] 适应度计算子模块，用于基于所述直播特征计算当前的基因的适应度；
[0177] 停止条件判断子模块，用于判断是否满足预设的停止条件；若是，则调用显示行为选定子模块，若否，则调用遗传操作子模块；
[0178] 显示行为选定子模块，用于按照所述适应度选定某个基因表示的显示行为，作为与所述虚拟物品匹配的显示行为；
[0179] 遗传操作子模块，用于对所述基因进行选择操作、交叉操作与变异操作中的至少一种遗传操作，获得新的基因，返回调用所述适应度计算子模块。
[0180] 在本发明实施例的一个示例中，所述直播特征包括在预设的时间段内使用当前的基因的第一次数、在所述虚礼物品显示时观众用户表达正向情感的第二次数、所述正向情感的权重、在预设的时间段内使用当前的基因的营收值；
[0181] 所述适应度计算子模块包括：
[0182] 第一比值计算单元，用于计算所述第一次数与所述时间段之间的第一比值；
[0183] 第二比值计算单元，用于计算所述第二次数与所述权重之间的第二比值；
[0184] 第三比值计算单元，用于计算所述营收值与所述时间段之间的第三比值；
[0185] 和值计算单元，用于计算所述第一比值、所述第二比值与所述第三比值之间的和值，作为当前的基因的适应度。
[0186] 在本发明实施例的一个示例中，所述停止条件判断子模块包括：
[0187] 比较单元，用于将当前迭代的第三次数与预设的第一阈值进行比较，将所述与预设的第二阈值进行比较；
[0188] 条件满足确定单元，用于若所述第三次数大于或等于所述第一阈值，或者，所述适应度大于或等于所述第二阈值，则确定满足停止条件；
[0189] 条件未满足确定单元，用于若所述第三次数小于所述第一阈值，并且，所述适应度小于所述第二阈值，则确定未满足停止条件。
[0190] 在本发明的一个实施例中，所述遗传操作子模块包括：
[0191] 概率计算单元，用于基于所述适应度计算选择所述基因的概率，所述概率与所述适应度正相关；
[0192] 第一数值生成单元，用于随机生成第一数值，作为第三阈值；
[0193] 基因选择单元，用于若某个基因的概率大于所述第三阈值，则选择所述基因。
[0194] 在本发明实施例的一个示例中，所述概率计算单元包括：
[0195] 总适应度计算子单元，用于计算所有适应度之间的和值，作为总适应度；
[0196] 适应度比值计算子单元，用于针对某个基因，计算所述基因的适应度与所述总适应度之间的第四比值，作为选择所述基因的概率。
[0197] 在本发明的一个实施例中，所述遗传操作子模块包括：
[0198] 候选基因选择单元，用于选择两个所述基因，作为候选基因；
[0199] 第二数值生成单元，用于对每对所述候选基因生成第二数值，作为交叉概率；
[0200] 数据交换单元，用于若所述交叉概率大于预设的第四阈值，则相互交换所述候选基因中位于指定的交叉点之后的数据。
[0201] 在本发明的一个实施例中，所述遗传操作子模块包括：
[0202] 第三数值生成单元，用于对每个所述基因随机生成第三数值，作为变异概率；
[0203] 数据变更单元，用于若某个基因的变异概率大于预设的第五阈值，则对所述基因中位于指定的变异点的数据进行变更。
[0204] 在本发明的一个实施例中，所述遗传操作子模块包括：
[0205] 选择操作单元，用于对所述基因进行选择操作；
[0206] 交叉操作单元，用于对选择操作之后的基因进行交叉操作；
[0207] 变异操作单元，用于对交叉操作之后的基因进行变异操作，获得新的基因。
[0208] 在本发明的一个实施例中，所述显示行为选定子模块包括：
[0209] 降序排序单元，用于对所述适应度进行降序排序；
[0210] 首位选定单元，用于选定位于首位的适应度关联的基因所表示的显示行为，作为与所述虚拟物品匹配的显示行为。
[0211] 在本发明的一个实施例中，所述显示行为为行为树中的行为节点，所述显示行为执行模块505包括：
[0212] 行为节点执行子模块，用于执行所述行为节点，以在所述直播间中对所述虚拟物品执行所述显示行为；
[0213] 显示结束子模块，用于若执行完毕，则结束所述行为树，在所述直播间中删除所述虚拟物品。
[0214] 在本发明的一个实施例中，所述行为节点执行子模块包括：
[0215] 控制器确定单元，用于确定控制器，所述控制器中具有控制节点；
[0216] 控制节点调用单元，用于调用对所述行为节点配置的控制节点执行所述行为节点。
[0217] 本发明实施例所提供的虚拟物品的显示装置可执行本发明任意实施例所提供的虚拟物品的显示方法，具备执行方法相应的功能模块和有益效果。
[0218] 实施例四
[0219] 图6为本发明实施例四提供的一种计算机设备的结构示意图。如图6所示，该计算机设备包括处理器600、存储器601、通信模块602、输入装置603和输出装置604；计算机设备中处理器600的数量可以是一个或多个，图6中以一个处理器600为例；计算机设备中的处理器600、存储器601、通信模块602、输入装置603和输出装置604可以通过总线或其他方式连接，图6中以通过总线连接为例。
[0220] 存储器601作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本实施例中的虚拟物品的显示方法对应的模块(例如，如图5所示的虚拟物品的显示装置中的直播间显示模块501、虚拟物品确定模块502、直播特征确定模块503、显示行为匹配模块504与显示行为执行模块505)。处理器600通过运行存储在存储器601中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的虚拟物品的显示方法。
[0221] 存储器601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；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器601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、或其他非易失性固态存储器件。在一些实例中，存储器601可进一步包括相对于处理器600远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0222] 通信模块602，用于与显示屏建立连接，并实现与显示屏的数据交互。
[0224] 输出装置604可以包括扬声器等音频设备。
[0225] 需要说明的是，输入装置603和输出装置604的具体组成可以根据实际情况设定。
[0226] 处理器600通过运行存储在存储器601中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的电子白板的连接节点控制方法。
[0227] 本实施例提供的计算机设备，可执行本发明任一实施例提供的虚拟物品的显示方法，具体相应的功能和有益效果。
[0228] 实施例五
[0229] 本发明实施例五还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现一种虚拟物品的显示方法，该方法包括：
[0230] 显示主播用户的直播间；
[0231] 确定所述主播用户接收到的虚拟物品；
[0232] 确定与所述虚拟物品关联的直播特征；
[0233] 根据所述直播特征确定与所述虚拟物品匹配的显示行为；
[0234] 在所述直播间中对所述虚拟物品执行所述显示行为。
[0235] 当然,本发明实施例所提供的计算机可读存储介质,其计算机程序不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的虚拟物品的显示方法中的相关操作。
[0236] 通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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)执行本发明各个实施例所述的方法。
[0237] 值得注意的是，上述虚拟物品的显示装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0238] 注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于领域对抗的语音情感识别方法及装置 | 2020-05-12 | 553 |
| 一种智能化制作短视频的方法 | 2020-05-08 | 571 |
| 一种基于注意力网络和长短期记忆网络的文本情感识别方法 | 2020-05-12 | 6 |
| 特征扩展卷积神经网络的案件微博观点句识别构建方法 | 2020-05-12 | 855 |
| 基于多模态信息评估患者训练投入程度的方法及装置 | 2020-05-12 | 824 |
| 基于深度学习的卫星互联网文本敏感信息检测方法及装置 | 2020-05-11 | 297 |
| 一种利用上下文和方面记忆信息的情感分类方法 | 2020-05-08 | 107 |
| 细粒度情感分析方法、系统、电子设备和存储介质 | 2020-05-11 | 469 |
| 一种用于管理音频数据的方法、设备和计算机存储介质 | 2020-05-11 | 188 |
| 基于多维相似度的推荐系统及其方法 | 2020-05-11 | 115 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈