metadata

title: LOL-DeepWinPredictor
emoji: 🎮
colorFrom: blue
colorTo: yellow
sdk: docker
sdk_version: '1.0'
app_file: api/app.py
pinned: false

🎮 基于深度学习的英雄联盟胜率预测

项目简介

本项目为毕业设计，旨在通过深度学习技术预测英雄联盟（LOL）比赛的胜率，为玩家、教练和分析师提供数据支持。通过分析双方阵容选择，结合英雄特性和历史数据，模型能够给出较为准确的胜率预测。 > [!TIP] > > 由于数据集和模型文件较大，完整的项目文档和部署指南已迁移至Hugging Face平台。请访问 Hugging Face 获取完整信息。

主要功能

阵容分析、胜率预测、可视化展示、英雄搜索、数据更新、异步处理、响应式设计
🌵创新模型架构：双向LSTM（BiLSTM_Att）+注意力机制
📊大规模数据集：5w+条职业比赛与表演赛数据
🎯高精度预测：准确率、精确率、召回率、F1分数均约95%
🖥️用户友好界面：Web界面，输入阵容即可预测

技术栈

后端：Python、PyTorch、Flask、RocketMQ、MySQL
前端：HTML5、CSS3、JavaScript、jQuery UI、ECharts、Fuse.js

项目结构

.
├── api/                    # API服务
│   ├── app.py              # Flask主入口
├── main.py                 # 数据全流程自动化主入口
├── requirements.txt        # 依赖包列表
├── vercel.json             # Vercel部署配置
├── README.md               # 项目说明文件
├── .env.example            # 环境变量示例
├── .env.local              # 本地环境变量
├── BILSTM_Att/             # 深度学习模型与推理相关
│   ├── BILSTM_Att.py       # BiLSTM_Att模型结构
│   ├── train.py            # 模型训练脚本
│   ├── predict.py          # 单次预测脚本
│   ├── test.py             # 模型测试脚本
│   └── BILSTM_Att.pt       # 训练好的模型权重
├── Data_CrawlProcess/      # 数据爬取与处理
├── data/                   # 数据文件
├── static/                 # 前端静态资源
├── templates/              # Jinja2模板
├── tool_utils/             # 工具类
├── logs/                   # 日志输出目录
└── ...

在线体验

✅Huggingface Space 部署+CF反代

部署与使用

使用已有模型（本地快速体验）

克隆项目

git clone https://github.com/Viper373/LOL-DeepWinPredictor.git
cd LOL-DeepWinPredictor

安装依赖（建议虚拟环境）

python -m venv venv
# Windows
venv/Scripts/activate
# Linux/Mac
source venv/bin/activate
pip install -r requirements.txt

配置环境变量复制 .env.example 为 .env.local，填写变量值。

启动 Web 服务

python -m api.app
# 访问 http://127.0.0.1:5000

自行训练模型

克隆项目并安装依赖（同上）
配置所有环境变量（详见 .env.example）
采集全部数据
```
python main.py
```
训练模型
- 调整 BILSTM_Att/train.py 中的模型参数，随后训练模型
```
python BILSTM_Att/train.py
```
模型部署
- 训练完成后，将生成的模型文件重命名为 BILSTM_Att.pt，移动至 static/saved_model/ 目录下。
启动 Web 服务（同上）

云数据库注册

云端部署前需先注册云端免费数据库，获取环境变量所需值：

平台	数据库类型	注册地址	注册教程
SQLPub	MySQL	https://sqlpub.com/	https://www.appmiu.com/30458.html
MongoDB Atlas	MongoDB	https://account.mongodb.com/account/login?signedOut=true	https://blog.aqcoder.cn/posts/b267/

Hugging Face Spaces Docker 部署（推荐）

Duplicate this Space
配置环境变量复制 .env.example 为 .env.local，填写变量值。
等待构建完成，访问 Space 即可体验

其他平台

本项目已适配主流云平台，支持一键部署：

平台	部署	状态
Vercel	一键部署	❌
Netlify	一键部署	❌
HuggingFace Spaces	体验	✅
Koyeb	一键部署	✅

GitHub 仓库环境变量设置

在 GitHub Actions 或云端部署时，需要在仓库的 Settings → Secrets and variables → Actions 中添加以下环境变量（参考 .env.example 文件）：

变量名	说明	是否必填
MYSQL_HOST	MySQL主机地址	必填
MYSQL_PORT	MySQL端口	必填
MYSQL_USER	MySQL用户名	必填
MYSQL_PASSWORD	MySQL密码	必填
MYSQL_CHARSET	MySQL字符集	必填
MYSQL_DATABASE	MySQL数据库名	必填
MONGO_URI	MongoDB连接URI	必填
PROXY	代理配置（JSON字符串，例：{'http': 'http://127.0.0.1:7890', 'https': 'http://127.0.0.1:7890'}）	可选
GH_TOKEN	GitHub访问令牌（用于自动发布Release）	必填

⚠️ 代理配置（PROXY）为可选项，若部署环境无法直接访问外网或有特殊网络需求时可设置。

GitHub Actions 自动化数据集更新

本项目已集成 GitHub Actions 工作流（见 .github/workflows/main.yml），支持：

定时自动运行：每周日 0点自动拉取和更新数据集。
手动触发：可在 GitHub Actions 页面点击手动运行。

只需在仓库设置好环境变量，GitHub Actions 会自动完成数据采集与更新，无需手动操作服务器。

自动化与CI/CD

本项目集成了 GitHub Actions 自动化流程，实现了数据集自动更新与 Release 自动发布，无需手动操作服务器。

1. 数据集自动更新（main.yml）

定时任务：每周日 0 点自动运行，拉取和更新数据集。
手动触发：可在 GitHub Actions 页面点击手动运行。
自动提交：如有数据变更，自动 commit 并推送到 main 分支。

核心流程（main.yml）：

on:
  schedule:
    - cron: '0 0 * * 0'
  workflow_dispatch:
jobs:
  run-main:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: 设置 Python 环境
        uses: actions/setup-python@v4
        with:
          python-version: '3.12'
      - name: 安装依赖
        run: |
          python -m pip install --upgrade pip
          pip install -r requirements.txt
      - name: 运行 main.py
        env:
          # ...数据库和代理相关环境变量...
        run: |
          python main.py
      - name: 配置 Git
        run: |
          git config --global user.name 'github-actions[bot]'
          git config --global user.email 'github-actions[bot]@users.noreply.github.com'
      - name: 检查变更并提交
        run: |
          git add .
          git diff --cached --quiet || git commit -m "数据自动更新"
      - name: 推送变更
        run: |
          git remote set-url origin https://x-access-token:${{ secrets.GITHUB_TOKEN }}@github.com/${{ github.repository }}.git
          git push origin main
        env:
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}

2. 自动发布 Release（release.yml）

触发时机：main 分支有 push 时自动触发。
自动生成 Release Notes：基于本次 push 的所有变更，调用 AI 自动生成标准 Markdown 格式的发布日志。
自动打 tag 并发布 Release：版本号自动递增，无需人工干预。

核心流程（release.yml）：

on:
  push:
    branches:
      - main
jobs:
  auto-release:
    runs-on: ubuntu-latest
    steps:
      - name: Checkout code with full history
        uses: actions/checkout@v4
        with:
          fetch-depth: 0
      - name: 安装 jq
        run: sudo apt-get install -y jq
      - name: 生成 diff
        run: |
          BEFORE_SHA=$(jq -r '.before' "$GITHUB_EVENT_PATH")
          AFTER_SHA=$(jq -r '.after' "$GITHUB_EVENT_PATH")
          if [ "$BEFORE_SHA" = "0000000000000000000000000000000000000000" ]; then
            BEFORE_SHA=$(git rev-list --max-parents=0 HEAD)
          fi
          git diff --patch $BEFORE_SHA..$AFTER_SHA > changes.diff
      - name: 生成下一个 tag
        id: get_tag
        run: |
          git fetch --tags
          latest_tag=$(git tag --list 'v*' --sort=-v:refname | head -n 1)
          # ...自动递增版本号逻辑...
      - name: AI 生成 Release Notes
        env:
          OPENROUTER_API_KEY: ${{ secrets.OPENROUTER_API_KEY }}
        run: |
          PROMPT='请根据以下代码差异生成符合 GitHub Release 标准的 changelog，要求：\n1. 使用 ### 分类标题\n2. 每项添加合适 emoji\n3. 简明扼要描述变更\n4. 不要使用代码块（三个反引号包裹）\n5. 输出语言为中文\n\n示例格式：\n### 新增功能\n- ✨ 新增了用户注册功能\n...\n代码差异：\n'
          DIFF_CONTENT=$(cat changes.diff)
          FULL_PROMPT="$PROMPT$DIFF_CONTENT"
          JSON_PROMPT=$(printf "%s" "$FULL_PROMPT" | jq -Rs .)
          echo "{\"model\": \"deepseek/deepseek-chat-v3-0324:free\", \"messages\": [{\"role\": \"user\", \"content\": $JSON_PROMPT}]}" > request.json
          response=$(curl -s https://openrouter.ai/api/v1/chat/completions  \
            -H "Content-Type: application/json" \
            -H "Authorization: Bearer $OPENROUTER_API_KEY" \
            --data-binary @request.json)
          generated_notes=$(echo "$response" | jq -e -r '.choices[0].message.content') || { echo "AI返回内容解析失败"; exit 3; }
          if [ -z "$generated_notes" ]; then
            echo "AI未生成内容"; exit 4;
          fi
          echo "$generated_notes" > release_note.txt
      - name: Create tag and release
        env:
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
        run: |
          git config user.name github-actions
          git config user.email github-actions@github.com
          git tag ${{ steps.get_tag.outputs.tag }}
          git push origin ${{ steps.get_tag.outputs.tag }}
          note="$(cat release_note.txt)"
          gh release create ${{ steps.get_tag.outputs.tag }} --notes "$note" --title "${{ steps.get_tag.outputs.tag }}"

3. 环境变量与 Secrets 配置

在 GitHub 仓库 Settings → Secrets and variables → Actions 中添加：
- MYSQL_HOST、MYSQL_PORT、MYSQL_USER、MYSQL_PASSWORD、MYSQL_DATABASE、MONGO_URI、PROXY（如需代理）、GITHUB_TOKEN、OPENROUTER_API_KEY（如需 AI 生成 Release Notes）等。
参考 .env.example 文件。

4. 常见注意事项

AI Release Notes 需保证 OPENROUTER_API_KEY 有效，否则发布日志会失败。
自动化流程会覆盖 main 分支的内容，请勿在 main 上直接开发。
如需自定义自动化逻辑，可修改 .github/workflows/main.yml 和 .github/workflows/release.yml。

贡献指南

提交问题：使用GitHub Issues报告bug或建议
提交代码：Fork仓库，创建分支，提交PR
代码规范：遵循PEP8，添加注释和文档，确保测试通过

TODO

调整参数，添加Counter数据重新训练（当前模型部分过拟合）
Next.js前端重构
英雄数据展示（BAN、PICK、WinRate）
战队数据展示
选手数据展示
LPL未来 / 历史比赛展示
前端结果导出

常见问题

Q: 云端部署时模型文件如何处理？
- A: 云端（如 Hugging Face）无法训练模型，需在本地训练好后，重命名为 BILSTM_Att.pt 上传到 static/saved_model/ 目录。
Q: 其他平台（如 Vercel、Netlify）能否用？
- A: 理论支持，但受限于依赖体积和运行环境，推荐 Hugging Face Spaces Docker 部署。
Q: 数据库如何配置？
- A: 参考 .env.example，可用 SQLPub、MongoDB Atlas 等云数据库。

联系方式

如有任何问题，请联系项目作者（打上备注：LOL-DeepWinPredictor）。

🥗E-mail: 2483523414@qq.com
🍟WeChat: Viper373
🍔QQ: 2483523414