1.本技术涉及计算机技术领域，特别是涉及游戏匹配方法及装置、电子设备、存储介质。


背景技术：

2.随着互联网的发展，网络游戏的类型日益丰富，其中，组队游戏成为一种重要的游戏模式，以moba(multiplayer online battle arena，多人在线战术竞技游戏)类游戏为例，它是指由多个玩家组成多个游戏队伍，并在游戏队伍之间进行游戏。
3.匹配系统是组队游戏中的核心系统，用于将多个玩家组成游戏队伍，具有确保游戏公平、增强玩家体验的功能。匹配系统的好坏关系游戏的核心体验，最终将直接决定游戏的口碑、留存率等。
4.现有的匹配系统实现方式是按照玩家段位进行分桶，再从桶内选择玩家形成对局。然而实际上，玩家的需求是多样性的，现有的匹配系统为保证玩家水平相近，强行将相同段位的玩家组成对局，显然难以满足大部分玩家的体验需求。


技术实现要素：

5.鉴于上述问题，提出了本技术以便提供克服上述问题或者至少部分地解决上述问题的游戏匹配方法及装置、电子设备、存储介质，包括：
6.一种游戏匹配方法，所述方法包括：
7.从待处理的多个匹配单元中确定第一匹配单元；
8.将所述第一匹配单元对应的偏好数据和游戏数据，以及待处理的其他匹配单元对应的偏好数据和游戏数据，输入预先训练好的匹配模型，输出所述第一匹配单元与所述其他匹配单元之间的匹配度，其中，所述偏好数据包括对应的匹配单元的玩家的社交偏好权重和对局偏好权重；
9.根据所述第一匹配单元与所述其他匹配单元之间的匹配度，确定与所述第一匹配单元分配至同一个房间的目标匹配单元，得到目标房间。
10.一种游戏匹配装置，所述装置包括：
11.匹配单元确定模块，用于从待处理的多个匹配单元中确定第一匹配单元；
12.匹配度确定模块，用于将所述第一匹配单元对应的偏好数据和游戏数据，以及待处理的其他匹配单元对应的偏好数据和游戏数据，输入预先训练好的匹配模型，输出所述第一匹配单元与所述其他匹配单元之间的匹配度，其中，所述偏好数据包括对应的匹配单元的玩家的社交偏好权重和对局偏好权重；
13.目标房间确定模块，用于根据所述第一匹配单元与所述其他匹配单元之间的匹配度，确定与所述第一匹配单元分配至同一个房间的目标匹配单元，得到目标房间。
14.一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的游戏匹配方法
的步骤。
15.一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的游戏匹配方法的步骤。
16.本技术具有以下优点：
17.在本技术的实施例中，从待处理的多个匹配单元中确定第一匹配单元；将所述第一匹配单元对应的偏好数据和游戏数据，以及待处理的其他匹配单元对应的偏好数据和游戏数据，输入预先训练好的匹配模型，输出所述第一匹配单元与所述其他匹配单元之间的匹配度，其中，所述偏好数据包括对应的匹配单元的玩家的社交偏好权重和对局偏好权重；根据所述第一匹配单元与所述其他匹配单元之间的匹配度，确定与所述第一匹配单元分配至同一个房间的目标匹配单元，得到目标房间。本技术实施例在进行游戏匹配时，结合玩家的游戏数据、包括玩家的社交偏好权重和对局偏好权重的偏好数据，通过预先训练好的匹配模型计算匹配单元之间的匹配度，并根据匹配度确定目标房间，不同于现有技术中仅仅局限于相同段位的匹配，因此，本技术实施例的匹配结果更符合玩家的体验需求，进而可以提高玩家的游戏体验。
附图说明
18.为了更清楚地说明本技术的技术方案，下面将对本技术的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
19.图1为本技术实施例的一种游戏匹配方法的步骤流程图；
20.图2为本技术实施例的一种全局匹配系统的结构示意图；
21.图3为本技术实施例的一种用于胜负结果预测的模型结构示意图；
22.图4为本技术实施例的一种预设预测模型的优化过程示意图；
23.图5为本技术实施例的一种模拟对战环境示意图；
24.图6为本技术实施例的一种游戏匹配装置的结构框图。
具体实施方式
25.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
26.在涉及到战斗比拼的游戏场景中，如，游戏中的战队比赛、跨服游戏战斗等游戏场景，都需要为游戏玩家匹配队伍，并且为队伍匹配对战的队伍。其中，队伍也就是俗称的战队或者玩家组合，每个队伍包括至少一个游戏玩家。该队伍内的游戏玩家和同一游戏场景中的敌对队伍的玩家或非游戏玩家可以相互进行攻击。
27.现有的游戏组队匹配系统只考虑玩家段位，将段位相同或接近的玩家形成队伍和相应的敌对队伍，难以符合大部分玩家的体验需求，无法提高玩家的积极性，进而无法抑制玩家的流失率，导致玩家交互效率低。
28.基于此，本技术实施例提供了一种游戏匹配方法及装置、电子设备、存储介质，在进行游戏匹配时，结合玩家的游戏数据、包括玩家的社交偏好权重和对局偏好权重的偏好数据，通过预先训练好的匹配模型计算匹配单元之间的匹配度，并根据匹配度确定目标房间，不同于现有技术中仅仅局限于段位的匹配，因此，本技术实施例的匹配结果更符合玩家的体验需求，进而可以提高玩家的游戏体验。
29.参照图1，示出了本技术一实施例提供的一种游戏匹配方法的步骤流程图，该方法可以应用于全局匹配系统，全局匹配系统可以与多个不同产品的游戏服务器通信连接。全局匹配系统可以是一个独立运行的服务器，也可以是分布式服务器，还可以是由多个服务器组成的服务器集群。优选地，上述全局匹配系统可以是具有云计算功能的云服务器。
30.具体的，云计算(cloud computing)是一种计算模式，它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展。通过建立云计算资源池(简称云平台，一般称为iaas(infrastructure as a service，基础设施即服务)平台，在资源池中部署多种类型的虚拟资源，供外部客户选择使用。云计算资源池中主要包括：计算设备(为虚拟化机器，包含操作系统)、存储设备、网络设备。
31.在本技术实施例中，上述方法具体可以包括如下步骤：
32.步骤101，从待处理的多个匹配单元中确定第一匹配单元；
33.步骤102，将所述第一匹配单元对应的偏好数据和游戏数据，以及待处理的其他匹配单元对应的偏好数据和游戏数据，输入预先训练好的匹配模型，输出所述第一匹配单元与所述其他匹配单元之间的匹配度，其中，所述偏好数据包括对应的匹配单元的玩家的社交偏好权重和对局偏好权重；
34.步骤103，根据所述第一匹配单元与所述其他匹配单元之间的匹配度，确定与所述第一匹配单元分配至同一个房间的目标匹配单元，得到目标房间。
35.本技术实施例通过从待处理的多个匹配单元中确定第一匹配单元；将所述第一匹配单元对应的偏好数据和游戏数据，以及待处理的其他匹配单元对应的偏好数据和游戏数据，输入预先训练好的匹配模型，输出所述第一匹配单元与所述其他匹配单元之间的匹配度，其中，所述偏好数据包括对应的匹配单元的玩家的社交偏好权重和对局偏好权重；根据所述第一匹配单元与所述其他匹配单元之间的匹配度，确定与所述第一匹配单元分配至同一个房间的目标匹配单元，得到目标房间。本技术实施例在进行游戏匹配时，结合玩家的游戏数据、包括玩家的社交偏好权重和对局偏好权重的偏好数据，通过预先训练好的匹配模型计算匹配单元之间的匹配度，并根据匹配度确定目标房间，不同于现有技术中仅仅局限于相同段位的匹配，因此，本技术实施例的匹配结果更符合玩家的体验需求，进而可以提高玩家的游戏体验。
36.下面，将对本示例性实施例中游戏匹配方法作进一步地说明。
37.如图2所示为本技术一种可选实施例的全局匹配系统的结构示意图。该全局匹配系统设置有多个匹配池群，每个匹配池群对应一款游戏产品，用于存储其对应游戏产品的待处理的匹配单元；每个匹配池群由至少一个匹配池组成，同一个匹配池群的不同匹配池对应同一款游戏产品中的不同游戏模式，用于存储其对应游戏产品的游戏模式的待处理的
匹配单元。可以理解，不同匹配池对应的匹配策略可以不同，具体与其对应的游戏产品、游戏模式相关。其中，游戏模式可以包括玩家对战玩家的游戏模式(player versus player，pvp)、玩家对战环境的游戏模式(player versus environment，pve)。不同匹配池群中的匹配单元不可跨匹配池组队，同一个匹配群中的不同匹配池中的匹配单元一般也不可跨匹配池组队，有时在特定情况下也可以跨匹配池组队，例如，当玩家允许进行游戏模式调配时，则可以将玩家从一个游戏模式对应的匹配池中调入到另一个游戏模式的匹配池中进行组队。
38.在步骤101中，从待处理的多个匹配单元中确定第一匹配单元。
39.玩家在开始游戏之前，需要通过相应的终端向全局匹配系统发送游戏匹配请求，或者通过相应的终端向对应的游戏服务器发送游戏匹配请求，由游戏服务器将游戏匹配请求转发至全局匹配系统。其中，终端可以为游戏应用所在的客户端，也可以是浏览器所在的客户端。当终端为游戏应用所在的客户端时，玩家可以基于该游戏应用的客户端访问相应游戏产品的游戏服务器，以使得玩家可以进行游戏操作。当终端为浏览器所在的客户端时，玩家可以通过浏览器登录相应游戏产品的游戏服务器，以获取游戏数据，并进行相应的游戏操作。
40.上述游戏匹配请求携带有游戏标识、至少一个玩家的用户标识，该游戏匹配请求用于为该玩家请求至少一个匹配参与同一局游戏的其他玩家。进一步地，当该玩家参与的游戏模式为玩家对战玩家时，游戏匹配请求还用于确定该玩家所在队伍的对战队伍。
41.示例性地，如果玩家存在与其好友或其他玩家(该玩家之外的其他玩家)分配到同一个队伍的需求时，该玩家通过相应的终端发起的游戏匹配请求中携带有该玩家的用户标识，以及其好友或其他玩家的用户标识。如果玩家不存在与其好友或其他玩家分配到同一个队伍的需求时，该玩家通过相应的终端发起的游戏匹配请求中只携带有该玩家的用户标识。
42.可以理解的是，受限于游戏队伍中玩家的个数限制，该游戏匹配请求中携带的玩家的用户标识的个数不能大于预先设定的队伍所需包含的人数n。示例性地，在一个5v5的对战游戏中，n＝5，表示该局游戏中每组队伍均由5个玩家组成，在这种情况下，游戏匹配请求中最多可以携带5个玩家的用户标识。
43.本技术实施例中的匹配单元与游戏匹配请求对应，匹配单元由至少一个玩家组成，匹配单元具有对应的偏好数据和游戏数据，可以理解，匹配单元的偏好数据包括组成该匹配单元的各个玩家的偏好数据，匹配单元的游戏数据包括组成该匹配单元的各个玩家在将要开局的游戏中的游戏数据。
44.具体地，偏好数据包括玩家的社交偏好权重和对局偏好权重，其中，社交偏好权重用于表征指玩家在游戏中对社交需求的倾向性；而对局偏好权重则用于表征玩家在游戏中想要取得胜利的倾向性。
45.需要说明的是，本技术实施例中，玩家的社交偏好权重和对局偏好权重是通过分析该玩家在其参与过的部分或全部游戏对应的游戏数据得到的。具体可以是通过分析该玩家在其参与过的部分或全部游戏对应的指定时间段内的游戏数据得到的，该指定时间段可以是近一个月，或者近三个月，或者从玩家第一次登录游戏的时间开始到当前时间之间的时间段，等等，本技术实施例对此不作限制。
46.对于每个游戏而言，游戏数据可以包括玩家的游戏行为数据和玩家常规数据，其中，游戏行为数据可以包括玩家的等级、段位、水平分、胜率、击杀数等中的一种或多种与对局相关的游戏行为数据，以及玩家的加好友次数、聊天次数、礼物收赠次数、带队次数等中的一种或多种与社交相关的游戏行为数据；还可以包括总在线时长、近期在线时长、总付费、近期付费、付费次数、平均付费额、在线时间段等其他游戏行为数据。玩家常规数据可以包括玩家的性别、年龄、地区等与玩家社会属性相关的数据。
47.需要特别强调的是，在本技术实施例中，输入匹配模型中的游戏数据是玩家在即将开局的游戏中的游戏数据，也就是说，本技术实施例中，输入匹配模型中的游戏数据仅与玩家在当前将要开局的游戏相关；而输入匹配模型中的偏好数据，则与玩家参与过的部分或全部游戏相关。当然，输入匹配模型中的游戏数据可以进一步限定为玩家在当前将要开局的游戏中的指定时间段内的游戏数据，该指定时间段可以是近一个月，或者近三个月，或者从玩家第一次登录游戏的时间开始到当前时间之间的时间段，等等，可以根据具体游戏进行设定。
48.在具体实现中，全局匹配系统可以根据玩家标识，从与其通信连接的多个游戏服务器和非游戏服务器的日志数据库中实时或定期获取该玩家标识的游戏数据。通过对获取到的游戏数据进行分析处理，可以得到对应玩家标识的偏好数据。其中，分析处理过程中可以采用包括删除、填充、缩放、离散化、编码、采样、求和、求差、平方、开方、组合等处理方法，本技术实施例在此不做限制。
49.需要说明的是，在其他实施例中，偏好数据还可以包括玩家的其他属性偏好权重，例如，还可以包括玩家的隐藏分偏好权重。对于不同的游戏产品，在进行游戏匹配时，采用的偏好数据可以不同。例如，在进行游戏匹配时，对于a游戏产品，采用的偏好数据可以包括社交偏好权重和对局偏好权重；对于b游戏产品，采用的偏好数据可以包括社交偏好权重和隐藏分偏好权重；对于c游戏产品，采用的偏好数据可以包括社交偏好权重、对局偏好权重及隐藏分偏好权重。
50.第一匹配单元是待处理的多个匹配单元中的一个匹配单元。其中，从待处理的多个匹配单元中确定第一匹配单元的方式可以有多种。例如，可以从待匹配的多个匹配单元中随机选择一个匹配单元作为第一匹配单元。为了使发送游戏匹配请求时间靠前的玩家可以优先完成匹配，在本技术一可选实施例中，上述从待处理的多个匹配单元中确定第一匹配单元的过程，可以包括：
51.从待处理的多个匹配单元中确定等待时间最长的匹配单元；
52.将所述等待时间最长的匹配单元确定为第一匹配单元。
53.其中，上述等待时间可以是实际等待时间，也可以是实际等待时间与惩罚等待时间的差。
54.具体地，根据玩家的用户标识可以获取该玩家挂机/被举报情况，根据玩家机/被举报情况可以设置相应的惩罚等待时间，对于存在惩罚等待时间的匹配单元，其等待时间等于实际等待时间与惩罚等待时间的差。
55.示例性地，匹配单元a的实际等待时间为3秒，其等待惩罚时间为2秒，则该匹配单元a的等待时间记为1秒；若匹配单元b的实际等待时间为2秒，其不存在等待惩罚时间，则认为匹配单元b的等待时间长于匹配单元a的等待时间。
56.通过挂机/被举报情况设置对应的等待惩罚时间，可以确保优秀玩家优先完成匹配。
57.在本实施例中，上述待处理的多个匹配单元是在同一匹配池中的匹配单元。因此，在上述步骤101之前，需要先确定第一匹配单元所在的匹配池。由于游戏匹配请求中包含游戏标识，因此，通过游戏标识可以确定匹配单元对应的游戏产品，即确定匹配单元对应的匹配池群。
58.当游戏产品中包含多种游戏模式时，游戏匹配请求中可以携带游戏模式标识，即第一匹配单元包含游戏模式标识，根据游戏模式标识可以确定第一匹配单元所在的匹配池。
59.当第一匹配单元没有包含游戏模式标识时，可以将第一匹配单元对应的游戏数据输入预先训练好的模式匹配模型中，由模式匹配模型根据第一匹配单元的游戏数据确定其对应的游戏模式，并输出对应的游戏模式；根据模式匹配模型输出的游戏模式，确定第一匹配单元所在的匹配池。模式匹配模型可以结合深度学习的方法进行构建和训练，以确定模式匹配模型输出结果的准确性。
60.可选地，为了提高玩家的游戏体验，当第一匹配单元包含游戏模式标识时，也可以通过模式匹配模型验证第一匹配单元包含的游戏模式标识对应的游戏模式，是否适合第一匹配单元，并且在不适合的情况下，给予适当的提醒，让玩家多一次选择游戏模式的机会，以提高玩家的游戏体验。具体地可以包括如下过程：
61.将所述第一匹配单元对应的游戏数据输入预先训练好的模式匹配模型中，判断所述模式匹配模型输出的游戏模式对应的游戏模式标识，是否与所述第一匹配单元的游戏模式标识一致；
62.若不一致，则向所述第一匹配单元对应的玩家发送提示信息，所述提示信息用于指示玩家执行选择操作；
63.根据所述第一匹配单元对应的玩家针对所述提示信息的选择操作，确定所述第一匹配单元的目标游戏模式标识；
64.根据所述目标游戏模式标识更新所述第一匹配单元的游戏模式标识。
65.本实施例中，当模式匹配模型预测出第一匹配单元适合的游戏模式与第一匹配单元原始对应的游戏模式不一致时，可以通过向第一匹配单元对应的玩家发送提示信息。示例性地，该提示信息可以是对话框形式，用于提醒玩家其适合的游戏模式，该对话框中还包括选择控件，以供用户选择是否更换游戏模式，并根据玩家的选择确定第一匹配单元的目标游戏模式。可选地，当玩家在指定时间内没有进行选择时，可以认为玩家不更换游戏模式，即第一匹配单元的目标游戏模式为第一匹配单元的原始游戏模式。
66.在步骤102中，将所述第一匹配单元对应的偏好数据和游戏数据，以及待处理的其他匹配单元对应的偏好数据和游戏数据，输入预先训练好的匹配模型，输出所述第一匹配单元与所述其他匹配单元之间的匹配度，其中，所述偏好数据包括对应的匹配单元的玩家的社交偏好权重和对局偏好权重；
67.在步骤103中，根据所述第一匹配单元与所述其他匹配单元之间的匹配度，确定与所述第一匹配单元分配至同一个房间的目标匹配单元，得到目标房间。
68.本技术实施例在确定第一匹配单元后，需要为第一匹配单元分配相应的目标房
间，目标房间用于表征第一匹配单元将要开局的当局游戏中的所有匹配单元的组合；为了提高玩家的游戏体验，在为第一匹配单元分配目标房间之前，需要计算第一匹配单元于其他匹配单元的匹配度，以根据匹配度来确定与第一匹配单元分配到同一目标房间的匹配单元。
69.在本技术一实施例中，匹配模型包括社交得分模型和对局平衡性得分模型、以及匹配度计算模型。上述计算第一匹配单元与其他匹配单元之间的匹配度的过程，具体可以包括：
70.将待计算匹配度的多个匹配单元各自对应的游戏数据，输入所述社交得分模型，输出所述待计算匹配度的多个匹配单元之间的社交得分；
71.将所述待计算匹配度的多个匹配单元各自对应的游戏数据，输入所述对局平衡性得分模型，输出所述待计算匹配度的多个匹配单元之间的对局平衡性得分；
72.将所述待计算匹配度的多个匹配单元各自对应的偏好数据、以及所述待计算匹配度的多个匹配单元之间的社交得分和对局平衡性得分，输入所述匹配度计算模型，输出所述待计算匹配度的多个匹配单元之间的匹配度。
73.其中，待计算匹配度的多个匹配单元是指组成同一个房间的多个匹配单元。至于组成同一个房间的多个匹配单元是如何确定的，将在后文进行说明。
74.社交得分模型可以从输入的各个匹配单元对应的游戏数据中，提取与该社交得分模型处理所需的社交类游戏行为数据和玩家常规数据，并基于提取的数据得到各个匹配单元之间的社交得分。示例性地，若待计算匹配度的匹配单元有匹配单元j和匹配单元k，将匹配单元j的游戏数据和匹配单元k的游戏数据输入到社交得分模型中，由社交得分模型对匹配单元j的游戏数据和匹配单元k的游戏数据进行分析处理后，输出匹配单元j和匹配单元k的社交得分。
75.对局平衡性得分模型可以从输入的各个匹配单元对应的游戏数据中，提取与该对局平衡性得分模型处理所需的对局类游戏行为数据，并基于提取的数据得到各个匹配单元之间的对局平衡性得分。示例性地，若待计算匹配度的匹配单元有匹配单元j和匹配单元k，将匹配单元j的游戏数据和匹配单元k的游戏数据输入到对局平衡性得分模型中，由对局平衡性得分模型对匹配单元j的游戏数据和匹配单元k的游戏数据进行分析处理后，输出匹配单元j和匹配单元k的对局平衡性得分。
76.本实施例中，社交得分模型和对局平衡性得分模型均可以结合深度学习的方法进行构建和训练，以确定对应的输出结果的准确性。
77.匹配度计算模型用于针对待计算匹配度的每个匹配单元，分别计算其对应的社交偏好权重与社交得分的第一加权值，以及对局偏好权重与对局平衡性得分的第二加权值，并计算第一加权值和第二加权值之和，得到匹配单元的匹配得分；以及用于计算待计算匹配度的多个匹配单元的匹配得分总和，并根据待计算匹配度的多个匹配单元对应的玩家数量总和，计算人均匹配得分，作为待计算匹配度的多个匹配单元之间的匹配度。
78.示例性地，若待计算匹配度的匹配单元有匹配单元j和匹配单元k，匹配单元j由玩家1和玩家2组成，匹配单元k由玩家3组成。匹配单元j中玩家1的社交偏好权重为0.8、对局偏好权重为0.5，玩家2的社交偏好权重为0.7、对局偏好权重为0.6；匹配单元k中玩家3的社交偏好权重为0.2，对局偏好权重为0.8，经社交得分模型输出匹配单元j和匹配单元k的社
交得分为0.4，经对局平衡性得分模型输出匹配单元j和匹配单元k的对局平衡性得分为0.6，则匹配度计算模型可以计算得到匹配单元j的第一加权值＝0.8*0.4+0.7*0.4＝0.6，匹配单元k的第一加权值＝0.2*0.4＝0.08；匹配单元j的第二加权值＝0.5*0.6+0.6*0.6＝0.66，匹配单元k的第二加权值＝0.8*0.6＝0.48。并计算匹配单元j的第一加权值和第二加权值之和，得到匹配单元j的匹配得分＝0.6+0.66＝1.26，匹配单元k的第一加权值和第二加权值之和，得到匹配单元k的匹配得分＝0.08+0.48＝0.56。进一步得到匹配单元j和匹配单元b的匹配得分总和＝1.26+0.56＝1.82。匹配单元j和匹配单元k的玩家数量总和＝3，匹配度计算模型最终可以输出匹配单元j和匹配单元k的匹配度＝1.82/3≈0.607。
79.需要说明的是，待计算匹配度的匹配单元的数量不局限于上述示例中的两个，实际上可以为3个、4个或者更多个，均可以通过上述的匹配度计算过程来确定待计算匹配度的多个匹配单元之间的匹配度。
80.需要说明的是，在其他实施例中，匹配模型还可以包括其他模型，例如隐藏分匹配模型，以结合匹配单元的隐藏分来分配房间。当然，在具体实现中，还可以根据不同游戏产品的需求制定不同的匹配模型。
81.本技术实施例在确定目标匹配房间的过程中，通过预先训练好的匹配模型计算各个匹配单元之间的匹配度，以将匹配度大于一定阈值、或者匹配度最大的多个匹配单元划分到同一个房间中，使得将具有相同游戏行为倾向的玩家分配到同一局游戏中。由于本技术实施例在计算匹配度的过程中涉及到玩家的偏好数据，该偏好数据包括社交偏好权重和对局偏好权重，并且还通过社交得分模型和对局平衡性得分模型计算匹配单元之间的社交得分和对局平衡性得分，因此，本技术实施例在对玩家进行游戏匹配的过程中，综合考虑了玩家的社交属性和对局属性，使得匹配结果更加合理和人性化。
82.在本技术一可选实施例中，上述确定目标房间的过程，可以包括：
83.根据所述第一匹配单元包含的玩家数量和所述目标游戏模式对应的预设对局玩家数量，确定至少一个匹配规则；
84.根据所述第一匹配单元和所述匹配规则，确定多个候选房间，每个候选房间由所述第一匹配单元、与所述第一匹配单元处于同一局游戏的至少一个候选匹配单元组成；
85.针对每个候选房间，将所述第一匹配单元对应的偏好数据和游戏数据，以及各个候选匹配单元对应的偏好数据和游戏数据，输入预先训练好的匹配模型，输出所述候选房间内第一匹配单元与候选匹配单元之间的匹配度；
86.将所述匹配度最高的候选房间确定为目标房间。
87.其中，预设对局玩家数量是指在符合游戏开局条件的玩家数量。在pvp游戏模式中，预设对局玩家数量是多个不同阵营的队伍的玩家数量总和。匹配规则用于规定与第一匹配单元组成目标房间的匹配单元中包含的玩家数量的组合，使得目标房间中的匹配单元在划分成不同阵营的队伍时，同一匹配单元中的玩家可以不被拆散。
88.示例性地，在5v5的游戏中，涉及两个队伍，每个队伍的玩家数量是5个，因此，预设对局玩家数量是10个，若第一匹配单元包含的玩家数量是4个，可以确定匹配规则如下：
89.匹配规则1：玩家数量为4个的当前匹配单元+6个玩家数量为1个的其他匹配单元；
90.匹配规则2：玩家数量为4个的当前匹配单元+4个玩家数量为1个的其他匹配单元+1个玩家数量为2的其他匹配单元；
91.匹配规则3：玩家数量为4个的当前匹配单元+3个玩家数量为1个的其他匹配单元+1个玩家数量为3的其他匹配单元；
92.匹配规则4：玩家数量为4个的当前匹配单元+2个玩家数量为1个的其他匹配单元+1个玩家数量为4的其他匹配单元；
93.匹配规则5：玩家数量为4个的当前匹配单元+1个玩家数量为1个的其他匹配单元+1个玩家数量为5的其他匹配单元。
94.匹配规则6：玩家数量为4个的当前匹配单元+2个玩家数量为1个的其他匹配单元+2个玩家数量为2的其他匹配单元。
95.匹配规则7：玩家数量为4个的当前匹配单元+1个玩家数量为1个的其他匹配单元+1个玩家数量为2的其他匹配单元+1个玩家数量为3的其他匹配单元。
96.基于上述匹配规则，在确定第一匹配单元的情况下，遍历待处理的其他匹配单元，可以得到多个候选房间。候选房间中包括第一匹配单元和候选匹配单元。
97.针对每个候选房间，其中的多个匹配单元即为待计算匹配度的多个匹配单元。根据第一匹配单元对应的游戏数据和各个候选匹配单元对应的游戏数据，以及第一匹配单元对应的偏好数据和各个候选候选匹配单元对应的偏好数据，通过预先训练好的匹配模型计算候选房间内匹配单元之间的匹配度。在得到每个候选房间的匹配度后，将匹配度最高的候选房间确定为目标房间。
98.结合上文描述的计算待计算匹配度的多个匹配单元之间的匹配度的过程，在本实施例中，每个候选匹配房间对应的匹配度的计算过程可以包括：
99.将候选匹配房间中的各个匹配单元(包括第一匹配单元和候选匹配单元)各自对应的游戏数据，输入预先训练好的社交得分模型和对局平衡性得分模型中，输出候选匹配房间的社交得分和对局平衡性得分；
100.根据候选匹配房间中的各个匹配单元各自对应的社交偏好权重和对局偏好权重，对候选匹配房间的社交得分和对局平衡性得分进行加权求和，得到各个匹配单元的匹配得分；
101.将各个匹配单元的匹配得分进行求和，得到候选匹配房间的匹配得分总和；
102.根据候选匹配房间中的玩家数量总和，和匹配得分总和，计算人均匹配得分，即为候选房间的匹配度。
103.也就是说，针对每个候选房间，都可以得出该候选房间内的多个匹配单元之间的匹配度，作为该候选房间的匹配度。
104.通过上述步骤可以计算出各个候选房间的匹配度，最后，将匹配度最高的候选房间确定为目标房间。
105.在本技术另一可选实施例中，上述确定目标房间的过程，可以包括：
106.将所述第一匹配单元放入多个预选房间中；
107.根据所述第一匹配单元包含的玩家数量和所述目标游戏模式对应的预设对局玩家数量，确定至少一个匹配规则；
108.针对每个所述预选房间，将所述预选房间中的匹配单元对应的偏好数据和游戏数据，以及所述预选房间外的其他匹配单元对应的偏好数据和游戏数据，输入通过预先训练好的匹配模型，输出所述预选房间中的匹配单元与所述预选房间外的其他匹配单元之间的
匹配度；
109.根据所述匹配度，从所述预选房间外的其他匹配单元中确定加入所述预选房间的预选匹配单元，直至所述预选房间中的匹配单元完全满足任意一个所述匹配规则；
110.将匹配度最高的预选房间确定为目标房间。
111.其中，匹配规则与上一实施例相同，此处不再赘述。
112.在本技术实施例中，先构建多个预选房间，将第一匹配单元放入各个预选房间中，再通过匹配模型计算第一匹配单元与各个其他匹配单元之间的匹配度，可以按照匹配度从高到底的顺序，依次确定各个预选房间加入的下一个预选匹配单元；每增加一个预选匹配单元，就可以判断此时的预选房间是否完全满足任意一个匹配规则，对于不完全满足任意一个匹配规则的预选房间，则继续计算预选房间中的匹配单元和剩余的其他匹配单元之间的匹配度，确定下一个加入该预选房间的预选匹配单元，直至预选房间完全满足任意一个匹配规则；最后，根据各个预选房间的匹配度，确定目标房间，可以减少计算量。
113.示例性地，假设匹配池中有5个待匹配的匹配单元a、b、c、d、e，每个匹配单元的玩家数量为1，预设规则为选择3个匹配单元组成一个房间。首先确定第一匹配单元a，并构建两个预选房间1和2.
114.然后，遍历剩余的4个匹配单元，选择与第一匹配单元a匹配度最高的两个匹配单元b和c，将b和c分别加入预选房间1和预选房间2中，此时，预选房间1中包含第一匹配单元a和匹配单元b，预选房间2中包含第一匹配单元a和匹配单元c。
115.接着，为预选房间1和2分别确定第三个匹配单元，即，对于预选房间1，遍历剩余的3个匹配单元c、d、e，选择与第一匹配单元a和匹配单元b的匹配度最高的一个匹配单元，假设为匹配单元d，将匹配单元d加入预选房间1中，此时，预选房间1中包含第一匹配单元a、匹配单元b以及匹配单元d，完全满足预设规则。
116.同理，对于预选房间2，遍历剩余的3个匹配单元b、d、e，选择与第一匹配房间a和匹配房间c的匹配度最高的一个匹配单元，假设为匹配单元e，将匹配单元e加入预选房间2中，此时，预选房间2中包含第一匹配单元a、匹配单元c以及匹配单元e，完全满足预设规则。
117.最后，比较预选房间1的匹配度与预选房间2的匹配度，从中选择匹配度最高的预选房间作为目标房间，假设目标房间是预选房间1，则预选房间1中的匹配单元b、d均为目标匹配单元。
118.本实施例通过预先构建多个预选房间，然后再确定加入各个预选房间的预选单元，最后在各个预选房间都完全满足相应的匹配规则的情况下，比较各个预选房间的匹配度，从中确定出目标房间，相较于遍历所有分房组合然后挨个进行匹配度计算以确定目标房间的方式，本实施例可以降低复杂度，减少计算量。其中，预选房间的数量可以根据实际的需求进行设定，例如，预选房间的数量可以为2个、3个或5个等。
119.进一步地，考虑到各个预选房间完全满足任意一个匹配规则的时间可能不同，因此，在本技术一可选实施例中，上述方法还可以包括：
120.针对第一个完全满足任意一个所述匹配规则的第一预选房间，判断所述第一预选房间内匹配单元之间的匹配度是否达到预设匹配度条件；
121.若是，则将所述第一预选房间确定为目标房间。
122.由于匹配规则与匹配单元对应的玩家数量相关，因此，针对不同的匹配规则，对应
的匹配单元的数量可能不同。匹配单元的数量越少，意味着，预选房间完全满足匹配规则的时间越短。
123.因此，在本实施例中，针对第一个完全满足匹配规则的第一预选房间，可以先判断该预选房间的匹配度是否达到预设匹配度条件，若是，则直接将该第一预选房间确定为目标房间，结束匹配过程；若否，则继续对其他未完全满足匹配规则的预选匹配房间确定下一个加入的预选匹配单元，待下一个完全满足匹配规则的第二预选房间出现时，判断第二预选房间的匹配度是否达到预设匹配度条件，若是，则直接将第二预选房间确定为目标房间，结束匹配过程；若否，则按照上述步骤继续执行。若所有完全满足匹配规则的预选房间的匹配度都没有达到预设匹配度条件，则比较所有预选房间的匹配度，将匹配度最高的预选房间确定为目标房间。
124.本实施例在确定目标房间的过程中，结合预设匹配度条件和各个预选房间完全满足任意一个匹配规则的时间，可以提高目标房间的确定效率。
125.进一步地，在本技术一可选实施例中，上述预设匹配条件可以与第一匹配单元的等待时间相关，因此，上述方法还包括：
126.根据所述第一匹配单元的等待时间确定对应的预设匹配度条件。
127.具体地，预设匹配度条件与第一匹配单元的等待时间可以呈负相关，即第一匹配单元的等待时间越长，对应的预设匹配度条件越宽松。可以避免玩家因等待匹配时间较长导致的流失率。
128.由于pvp游戏模式和pve游戏模式对于参与同一局游戏的玩家对战方式不同。在pvp游戏模式中，参与同一局游戏的玩家需要划分为多个不同阵营的队伍；而在pve游戏模式中，参与同一局游戏的玩家即为同一个阵营的队伍，与该队伍对战的是环境，一般指非游戏玩家；因此，针对不同游戏模式，该方法还可以包括：
129.确定所述目标房间对应的目标游戏模式；所述目标游戏模式与所述目标房间内的各个匹配单元的游戏模式标识对应；
130.当所述目标游戏模式为玩家与玩家对战的游戏模式时，采用预设预测模型，将所述目标房间中的多个匹配单元划分成至少两个不同阵营的队伍；
131.当所述目标游戏模式为玩家对战环境的游戏模式时，根据所述目标房间中各个匹配单元对应的用户画像和游戏数据，采用预设难度预测模型，确定与所述目标房间对战的环境的难度等级；
132.根据所述难度等级为所述目标房间匹配相应的对战环境。
133.在本实施例中，当目标房间对应的目标游戏模式是pvp游戏模式时，采用预先训练好的预设预测模型，将目标房间中的多个匹配单元划分成至少两个不同阵营的队伍；其中，不同阵营的队伍的数量由具体游戏产品确定。例如，在两个队伍对战的游戏产品中，目标房间中的多个匹配单元划分成两个不同阵营的队伍；在三个队伍混战的游戏产品中，目标房间中的多个匹配单元则划分成三个不同阵营的队伍；等等。通过预设预测模型进行分边，可以提高玩家对分边结果的满意度。
134.当目标房间对应的目标游戏模式是pve游戏模式时，由于不同偏好和熟练程度的玩家在游戏过程中会存在不同的难度需求，例如，当玩家连续失败一定局数的游戏后，容易情绪低落，导致流失概率提升，为此需要在游戏产品内投放合适难度的与玩家对战的环境，
以提升玩家体验。再如，当玩家连续胜利多局后想要体验更高难度的对局，为此，也需要在游戏产品内投放合适难度的与玩家对战的环境。具体可以采用预先训练好的预设难度预测模型，确定与目标房间对战的环境的难度等级，并根据难度等级为目标房间匹配相应的环境。其中预先训练好的预设难度预测模型可以基于玩家的偏好数据和游戏数据进行训练，以预测玩家下一局需要的对局难度，并在玩家发送游戏匹配请求后，为玩家分配相应难度的游戏对局。
135.在本技术一可选实施例中，上述当所述目标游戏模式为玩家与玩家对战的游戏模式时，采用预设预测模型，将所述目标房间中的多个匹配单元划分成至少两个不同阵营的队伍，可以包括：
136.根据所述目标游戏模式确定不同阵营的队伍数量，以及每个队伍的玩家数量；
137.当所述目标房间的多个匹配单元被划分成满足所述队伍数量、以及满足所述每个队伍的玩家数量的队伍，具有多种划分方式时，采用预设预测模型分别确定每种划分方式对应的各个队伍的队伍匹配度得分；
138.将所述队伍匹配度得分最优的划分方式确定为目标划分方式，并根据所述目标划分方式将所述目标房间的多个匹配单元划分成相应的队伍。
139.在本实施例中，在确定目标游戏产品的前提下，根据目标游戏模式可以确定不同阵营的队伍数量，以及每个队伍的玩家数量。当目标房间的多个匹配单元划分成目标游戏模式对应的不同阵营的队伍，具有多种划分方式时，需要从中确定出目标划分方式，以确定最终的不同阵营的队伍。而在确定目标划分方式的过程中，采用预设预测模型计算每种划分方式对应的各个队伍的队伍匹配度得分，将队伍匹配度得分最优的划分方式确定为目标划分方式，进而根据目标划分方式确定最终的不同阵营的队伍，可以提高队伍划分结果的公平性和合理性。
140.其中，预设预测模型可以由游戏产品决定，也可以根据目标房间内匹配单元对应的偏好数据确定，还可以结合目标房间内匹配单元对应的玩家的常规数据确定。具体可以预先将各个游戏产品绑定对应的预设预测模型，以便根据游戏产品获取对应的预设预测模型；也可以通过分析目标房间内各个匹配单元对应的偏好数据，若目标房间中社交偏好权重普遍较高，说明目标房间中社交型玩家多于其他类型的游戏玩家时，预设预测模型则可以是社交匹配度预测模型；也可以通过队伍中各个玩家的社交偏好权重和对局偏好权重，同时使用多个预设预测模型并对不同模型的预测结果进行加权求和获得队伍匹配度得分。
141.在一示例中，该预设预测模型可以是得分差预测模型，目标游戏模式对应的不同阵营的队伍数量为两个，则对应的预测结果是两组队伍的预测得分差。预测得分差越小，说明两组队伍的实力越接近，为了确保游戏的公平性，本实施例中，在将队伍匹配度得分最优的划分方式确定为目标划分方式的过程，具体是将预测得分差最小对应的划分方式确定为目标划分方式。
142.本示例在采用预设预测模型分别确定每种划分方式对应的各个队伍的队伍匹配度得分的过程中，可以针对每种划分方式，将划分方式对应的各个队伍的玩家等级、付费、在线时长、段位、水平分等特征信息输入到得分差预测模型中，由得分差预测模型输出队伍匹配度得分。队伍匹配度得分与前文的匹配单元之间的匹配度不同，在本示例中，队伍匹配度得分具体是得分差预测模型输出的预测得分差。当预设预测模型是社交匹配度预测模型
时，队伍匹配度得分具体时社交匹配度预测模型输出的社交匹配得分，该社交匹配得分越高，说明队伍匹配度越优。
143.本示例采用得分差预测模型确定每种划分方式对应的各个队伍的预测得分差，通过预测得分差的正负性确定预测结果中胜负的队伍，相比直接对胜负进行预测的二分类模型，本实施例对胜负结果预测的准确度可以提升2个百分点以上。
144.可选地，还可以使用lstm(long short-term memory，长短期记忆)神经网络处理玩家近期对局数据，结合玩家的偏好数据预测对局的得分差，对应的模型结构如图3所示。将各个队伍玩家的历史对战各项得分数据输入lstm单元，将各个队伍玩家离线特征输入第一dnn(deep neural networks，深度神经网络)单元，并将lstm单元和第一dnn单元的输出结果输入到第二dnn单元，由第二dnn单元输出最终的预测结果。通过该方式，对胜负结果预测的准确度可以进一步提升2个百分点。
145.其中，离线特征根据对特征实时性需求的不同，玩家的特征会通过hive(数据仓库工具)，kafka(一种高吞吐量的分布式发布订阅消息系统)+flink(弗林克，一种开源流处理框架)分别进行t+1天和t+0天的维护，并在匹配阶段被读取进行打分。如图4所示，通过这样一系列特征工程和模型优化，可以生成不同的模型并将其作为可选择的功能模块嵌入到本实施例的全局匹配系统中。
146.进一步地，在本技术另一可选实施例中，上述采用预设预测模型，将所述目标房间的多个匹配单元划分成至少两个不同阵营的队伍，可以包括：
147.根据所述目标游戏模式确定不同阵营的队伍数量，以及每个队伍的玩家数量；
148.当所述目标房间的多个匹配单元被划分成满足所述队伍数量、以及满足所述每个队伍的玩家数量的队伍，具有多种划分方式时，计算每种划分方式对应的队伍间的实力差；
149.将所述队伍间的实力差满足预设实力差条件的划分方式确定为候选划分方式；
150.采用预设预测模型分别确定每种候选划分方式对应的各个队伍的队伍匹配度得分；
151.将所述队伍匹配度得分最优的划分方式确定为目标划分方式，并根据所述目标划分方式将所述目标房间的多个匹配单元划分成相应的队伍。
152.在本实施例中，在确定目标游戏产品的前提下，根据目标游戏模式可以确定不同阵营的队伍数量，以及每个队伍的玩家数量。当目标房间的多个匹配单元划分成目标游戏模式对应的不同阵营的队伍，具有多种划分方式时，需要从中确定出目标划分方式，以确定最终的不同阵营的队伍。而在确定目标划分方式的过程中，可以先计算每种划分方式对应的各个队伍的实力差，该实力差可以是各个队伍玩家整体或平均水平分差或段位差；在确定实力差后，将实力差满足预设条件的划分方式确定为候选划分方式。
153.其中，将实力差满足预设条件的划分方式确定为候选划分方式，具体可以是将实力差最小的预设数量的划分方式确定为候选划分方式，也可以是选择实力差小于指定实力差阈值的划分方式确定为候选划分方式。
154.在确定候选划分方式后，在采用预设预测模型分别确定每个候选划分方式对应的各个队伍的队伍匹配度得分，最后，将队伍匹配度得分最优的划分方式确定为目标划分方式，进而根据目标划分方式确定最终的不同阵营的队伍。
155.其中，计算每种划分方式对应的各个队伍的实力差的过程中，包括计算每个队伍
的水平分，在本示例中，该水平分的计算公式如下：
156.水平分＝原始水平分+(加成系数
×
sum(实际击杀结果-预期击杀结果)+预期胜率
×
排名系数)
×
连胜连败系数
157.其中，加成系数取决于玩家旧水平分，水平分越低，加成系数越大，取值介于0-60。对于低水平玩家，胜利和失败的加成系数值大小不同，保证水平分是正和的，对于高水平玩家，胜利和失败加成系数值相等。实际击杀结果为玩家是否完成击杀，取值1，0；预期击杀结果为玩家完成击杀的概率，可以由双方水平分计算或通过前述对局平衡性得分模型预测得到；预期胜率为本局比赛的胜率预测值，可以由玩家旧水平分与其他玩家水平分均值的差计算或通过前述对局平衡性得分模型预测得到；排名系数为玩家获取该排名的难度系数，排名越高，系数越大，低排名系数为负值；连胜连败系数为对于新手玩家和高连胜连败玩家，公式会提高水平分变化幅度，使水平分收敛更加迅速。
158.本实施例在得分差预测模型的基础上结合实力差计算，相比只采用得分差预测模型的预测方式，本实施例对胜负结果预测的准确度可以提升2个百分点以上。
159.进一步地，在本技术实施例中，在确定目标房间的多个匹配单元划分成对应的不同阵营的队伍之后，将划分结果(即分边结果)推送至目标房间的各个玩家，使玩家可以在游戏开局时，了解其所在阵营队伍的队友玩家情况，以及敌对阵营队伍的敌对玩家情况，有助于提高玩家的游戏体验。
160.如图5所示，图5是本技术实施例中一种模拟对战环境示意图。玩家对应的客户端和用于进行合法性校验、超时检验、模拟玩家成长等检验模块组成了模拟对战系统，由转发处理模块和多个匹配池群组成了推荐系统(即全局匹配系统)。玩家通过其对应的客户端向转发处理模块发送匹配请求，转发处理模块将匹配请求转发至相应的匹配池群中，按照本技术实施例上述提供的游戏匹配方法确定玩家对应的队伍以及对战的敌对队伍，最后将确定结果推送至对应的玩家的客户端。
161.可选地，本技术实施例提供的全局匹配系统还可以接入质量监控平台，通过质量监控平台实时监控游戏匹配请求次数、目标房间以及目标划分方式对应结果的推送耗时、耗时波动等指标，以方便后台管理人员对全局匹配系统进行优化，进而提高游戏匹配的效果。
162.本技术实施例通过从待处理的多个匹配单元中确定第一匹配单元；将所述第一匹配单元对应的偏好数据和游戏数据，以及待处理的其他匹配单元对应的偏好数据和游戏数据，输入预先训练好的匹配模型，输出所述第一匹配单元与所述其他匹配单元之间的匹配度，其中，所述偏好数据包括对应的匹配单元的玩家的社交偏好权重和对局偏好权重；根据所述第一匹配单元与所述其他匹配单元之间的匹配度，确定与所述第一匹配单元分配至同一个房间的目标匹配单元，得到目标房间。本技术实施例在进行游戏匹配时，结合玩家的游戏数据、包括玩家的社交偏好权重和对局偏好权重的偏好数据，通过预先训练好的匹配模型计算匹配单元之间的匹配度，并根据匹配度确定目标房间，不同于现有技术中仅仅局限于相同段位的匹配，因此，本技术实施例的匹配结果更符合玩家的体验需求，进而可以提高玩家的游戏体验。
163.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术实施例并不受所描述的动作顺序的限制，因为依
据本技术实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本技术实施例所必须的。
164.参照图6，示出了本技术的一种游戏匹配装置实施例的结构框图，该装置可以包括如下模块：
165.匹配单元确定模块601，用于从待处理的多个匹配单元中确定第一匹配单元；
166.匹配度确定模块602，用于将所述第一匹配单元对应的偏好数据和游戏数据，以及待处理的其他匹配单元对应的偏好数据和游戏数据，输入预先训练好的匹配模型，输出所述第一匹配单元与所述其他匹配单元之间的匹配度，其中，所述偏好数据包括对应的匹配单元的玩家的社交偏好权重和对局偏好权重；
167.目标房间确定模块603，用于根据所述第一匹配单元与所述其他匹配单元之间的匹配度，确定与所述第一匹配单元分配至同一个房间的目标匹配单元，得到目标房间。
168.可选地，所述装置还包括：
169.目标游戏模式确定模块，用于确定所述目标房间对应的目标游戏模式；所述目标游戏模式与所述目标房间内的各个匹配单元的游戏模式标识对应；
170.第一游戏模式处理模块，用于当所述目标游戏模式为玩家与玩家对战的游戏模式时，采用预设预测模型，将所述目标房间中的多个匹配单元划分成至少两个不同阵营的队伍。
171.可选地，所述装置还包括：
172.第二游戏模式确定模块，用于当所述目标游戏模式为玩家对战环境的游戏模式时，根据所述目标房间中各个匹配单元对应的用户画像和游戏数据，采用预设难度预测模型，确定与所述目标房间对战的环境的难度等级；
173.第二游戏模式处理模块，用于根据所述难度等级为所述目标房间匹配相应的对战环境。
174.可选地，所述装置还包括：
175.游戏模式标识比较模块，用于将所述第一匹配单元对应的游戏数据输入预先训练好的模式匹配模型中，判断所述模式匹配模型输出的游戏模式对应的游戏模式标识，是否与所述第一匹配单元的游戏模式标识一致；
176.提示模块，用于若不一致，则向所述第一匹配单元对应的玩家发送提示信息，所述提示信息用于指示玩家执行选择操作；
177.游戏模式标识确定模块，用于根据所述第一匹配单元对应的玩家针对所述提示信息的选择操作，确定所述第一匹配单元的目标游戏模式标识；
178.游戏模式标识更新模块，用于根据所述目标游戏模式标识更新所述第一匹配单元的游戏模式标识。
179.可选地，所述匹配单元确定模块601，包括：
180.最长等待时间确定模块，用于从待处理的多个匹配单元中确定等待时间最长的匹配单元；
181.第一匹配单元确定模块，用于将所述等待时间最长的匹配单元确定为第一匹配单元。
182.可选地，所述匹配单元由至少一个玩家组成，所述目标房间确定模块602，包括：
183.匹配规则第一确定模块，用于根据所述第一匹配单元包含的玩家数量和所述目标游戏模式对应的预设对局玩家数量，确定至少一个匹配规则；
184.候选房间确定模块，用于根据所述第一匹配单元和所述匹配规则，确定多个候选房间，每个候选房间由所述第一匹配单元、与所述第一匹配单元处于同一局游戏的至少一个候选匹配单元组成；
185.候选房间匹配度计算模块，用于将所述第一匹配单元对应的偏好数据和游戏数据，以及各个候选匹配单元对应的偏好数据和游戏数据，输入预先训练好的匹配模型，输出所述候选房间内第一匹配单元与候选匹配单元之间的匹配度；
186.目标房间第一确定模块，用于将所述匹配度最高的候选房间确定为目标房间。
187.可选地，所述目标房间确定模块602，包括：
188.预选房间构建模块，用于将所述第一匹配单元放入多个预选房间中；
189.匹配规则第二确定模块，用于根据所述第一匹配单元包含的玩家数量和所述目标游戏模式对应的预设对局玩家数量，确定至少一个匹配规则；
190.预选匹配单元确定模块，用于针对每个所述预选房间，将所述预选房间中的匹配单元对应的偏好数据和游戏数据，以及所述预选房间外的其他匹配单元对应的偏好数据和游戏数据，输入通过预先训练好的匹配模型，输出所述预选房间中的匹配单元与所述预选房间外的其他匹配单元之间的匹配度；
191.满足规则的预选房间生成模块，用于根据所述匹配度，从所述预选房间外的其他匹配单元中确定加入所述预选房间的预选匹配单元，直至所述预选房间中的匹配单元完全满足任意一个所述匹配规则；
192.目标房间第二确定模块，用于将匹配度最高的预选房间确定为目标房间。
193.可选地，所述装置还包括：
194.第一预选房间判断模块，用于针对第一个完全满足任意一个所述匹配规则的第一预选房间，判断所述第一预选房间内匹配单元之间的匹配度是否达到预设匹配度条件；
195.第一预选房间确定模块，用于若是，则将所述第一预选房间确定为目标房间。
196.可选地，所述装置还包括：
197.预设匹配条件确定模块，用于根据所述第一匹配单元的等待时间确定对应的预设匹配度条件。
198.可选地，所述匹配模型包括社交得分模型和对局平衡性得分模型、以及匹配度计算模型，所述目标房间确定模块602，包括：
199.社交得分确定模块，用于将待计算匹配度的多个匹配单元各自对应的游戏数据，输入所述社交得分模型，输出所述待计算匹配度的多个匹配单元之间的社交得分；
200.对局得分确定模块，用于将所述待计算匹配度的多个匹配单元各自对应的游戏数据，输入所述对局平衡性得分模型，输出所述待计算匹配度的多个匹配单元之间的对局平衡性得分；
201.匹配度计算模块，用于将所述待计算匹配度的多个匹配单元各自对应的偏好数据、以及所述待计算匹配度的多个匹配单元之间的社交得分和对局平衡性得分，输入所述匹配度计算模型，输出所述待计算匹配度的多个匹配单元之间的匹配度。
202.可选地，所述匹配度计算模型用于针对所述待计算匹配度的每个匹配单元，分别计算其对应的社交偏好权重与所述社交得分的第一加权值，以及所述对局偏好权重与所述对局平衡性得分的第二加权值，并计算所述第一加权值和所述第二加权值之和，得到所述匹配单元的匹配得分；以及用于计算所述待计算匹配度的多个匹配单元的匹配得分总和，并根据所述待计算匹配度的多个匹配单元对应的玩家数量总和，计算人均匹配得分，作为所述待计算匹配度的多个匹配单元之间的匹配度。
203.可选地，所述第一游戏模式处理模块，包括：
204.队伍和玩家第一确定模块，用于根据所述目标游戏模式确定不同阵营的队伍数量，以及每个队伍的玩家数量；
205.队伍匹配度得分确定模块，用于当所述目标房间的多个匹配单元被划分成满足所述队伍数量、以及满足所述每个队伍的玩家数量的队伍，具有多种划分方式时，采用预设预测模型分别确定每种划分方式对应的各个队伍的队伍匹配度得分；
206.目标划分方式第一确定模块，用于将所述队伍匹配度得分最优的划分方式确定为目标划分方式，并根据所述目标划分方式将所述目标房间的多个匹配单元划分成相应的队伍。
207.可选地，所述第一游戏模式处理模块，包括：
208.队伍和玩家第二确定模块，用于根据所述目标游戏模式确定不同阵营的队伍数量，以及每个队伍的玩家数量；
209.队伍实力差计算模块，用于当所述目标房间的多个匹配单元被划分成满足所述队伍数量、以及满足所述每个队伍的玩家数量的队伍，具有多种划分方式时，计算每种划分方式对应的队伍间的实力差；
210.候选划分方式确定模块，用于将所述队伍间的实力差满足预设实力差条件的划分方式确定为候选划分方式；
211.候选队伍匹配度得分计算模块，用于采用预设预测模型分别确定每种候选划分方式对应的各个队伍的队伍匹配度得分；
212.目标划分方式第二确定模块，用于将所述队伍匹配度得分最优的划分方式确定为目标划分方式，并根据所述目标划分方式将所述目标房间的多个匹配单元划分成相应的队伍。
213.本技术实施例，通过匹配单元确定模块从待处理的多个匹配单元中确定第一匹配单元；通过匹配度确定模块将所述第一匹配单元对应的偏好数据和游戏数据，以及待处理的其他匹配单元对应的偏好数据和游戏数据，输入预先训练好的匹配模型，输出所述第一匹配单元与所述其他匹配单元之间的匹配度，其中，所述偏好数据包括对应的匹配单元的玩家的社交偏好权重和对局偏好权重；通过目标房间确定模块根据所述第一匹配单元与所述其他匹配单元之间的匹配度，确定与所述第一匹配单元分配至同一个房间的目标匹配单元，得到目标房间。本技术实施例在进行游戏匹配时，结合玩家的游戏数据、包括玩家的社交偏好权重和对局偏好权重的偏好数据，通过预先训练好的匹配模型计算匹配单元之间的匹配度，并根据匹配度确定目标房间，不同于现有技术中仅仅局限于相同段位的匹配，因此，本技术实施例的匹配结果更符合玩家的体验需求，进而可以提高玩家的游戏体验。
214.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关
之处参见方法实施例的部分说明即可。
215.本技术实施例还公开了电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的游戏匹配方法的步骤。
216.本技术实施例还公开了计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的游戏匹配方法的步骤。
217.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
218.本领域内的技术人员应明白，本技术实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本技术实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
219.本技术实施例是参照根据本技术实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
220.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
221.这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
222.尽管已描述了本技术实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术实施例范围的所有变更和修改。
223.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
224.以上对本技术所提供的一种游戏匹配方法及装置、电子设备和存储介质，进行了
详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。