为模拟人类玩家在二打一打牌过程中的拆牌规律，提出了基于深度神经网络的拆牌训练，采用基于深度学习的序列标注方法，使用大量经过标注的实战数据，采用BILSTM-CRF网络构建手牌拆牌识别网络，实现了对二打一初始手牌的拆牌目标。实验结果表明：该模型在原始数据中产生了良好的训练效果，在测试集上的准确率达到89.16%,在与传统的手牌拆分方法进行比较后印证了该方法的可靠性，为进一步对二打一初始手牌的难度评估提供了保障，也为其他非完全信息牌类博弈的手牌拆分方法提供了借鉴。
科研之友
微信
新浪微博
Facebook
分享链接
