論文の概要: Competitive Balance in Team Sports Games
- arxiv url: http://arxiv.org/abs/2006.13763v1
- Date: Wed, 24 Jun 2020 14:19:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-17 13:26:21.880176
- Title: Competitive Balance in Team Sports Games
- Title(参考訳): チームスポーツゲームにおける競争バランス
- Authors: Sofia M Nikolakaki and Ogheneovo Dibie and Ahmad Beirami and Nicholas
Peterson and Navid Aghdaie and Kazi Zaman
- Abstract要約: 最終的なスコア差を用いることで,競争バランスの予測基準がさらに向上することを示す。
また、慎重に選択されたチームと個々の特徴に基づいて訓練された線形モデルが、より強力なニューラルネットワークモデルの性能をほぼ達成できることも示している。
- 参考スコア(独自算出の注目度): 8.321949054700086
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Competition is a primary driver of player satisfaction and engagement in
multiplayer online games. Traditional matchmaking systems aim at creating
matches involving teams of similar aggregated individual skill levels, such as
Elo score or TrueSkill. However, team dynamics cannot be solely captured using
such linear predictors. Recently, it has been shown that nonlinear predictors
that target to learn probability of winning as a function of player and team
features significantly outperforms these linear skill-based methods. In this
paper, we show that using final score difference provides yet a better
prediction metric for competitive balance. We also show that a linear model
trained on a carefully selected set of team and individual features achieves
almost the performance of the more powerful neural network model while offering
two orders of magnitude inference speed improvement. This shows significant
promise for implementation in online matchmaking systems.
- Abstract(参考訳): 競争はプレイヤーの満足度とマルチプレイヤーオンラインゲームにおけるエンゲージメントの原動力である。
従来のマッチメイキングシステムは、EloスコアやTrueSkillといった、類似した個々のスキルレベルのチームによるマッチの作成を目的としています。
しかし、チームダイナミクスはそのような線形予測器だけでは捉えられない。
近年,プレイヤーとチームの機能として勝利の確率を目標とする非線形予測器は,これらの線形スキルベース手法よりも優れていた。
本稿では,最終スコア差を用いることで,競争バランスに対するより良い予測指標が得られることを示す。
また、慎重に選択されたチームと個々の機能に基づいてトレーニングされた線形モデルは、より強力なニューラルネットワークモデルのパフォーマンスをほぼ達成し、2桁の推測速度の改善を提供する。
これは、オンラインマッチングシステムにおける実装に対する大きな期待を示している。
関連論文リスト
- CUPID: Improving Battle Fairness and Position Satisfaction in Online MOBA Games with a Re-matchmaking System [38.36310386543932]
CUPIDは、フェアネスとプレイヤーの満足度の両方を改善するために、チームとポジションの割り当てを最適化することを目的としている。
マッチング品質の最小レベルを確保するために、事前フィルタリングのステップを組み込んだ後、事前マッチの勝利率予測モデルが続く。
CUPIDの有効性を検証するために、2つの大規模な実世界のMOBAデータセットを用いて実験を行った。
論文 参考訳(メタデータ) (2024-06-28T08:09:55Z) - All by Myself: Learning Individualized Competitive Behaviour with a
Contrastive Reinforcement Learning optimization [57.615269148301515]
競争ゲームのシナリオでは、エージェントのセットは、彼らの目標を最大化し、敵の目標を同時に最小化する決定を学習する必要があります。
本稿では,競争ゲームの表現を学習し,特定の相手の戦略をどうマップするか,それらを破壊するかを学習する3つのニューラルネットワーク層からなる新しいモデルを提案する。
我々の実験は、オフライン、オンライン、競争特化モデル、特に同じ対戦相手と複数回対戦した場合に、我々のモデルがより良いパフォーマンスを達成することを示した。
論文 参考訳(メタデータ) (2023-10-02T08:11:07Z) - Understanding why shooters shoot -- An AI-powered engine for basketball
performance profiling [70.54015529131325]
バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。
パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。
プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
論文 参考訳(メタデータ) (2023-03-17T01:13:18Z) - Nash Equilibria and Pitfalls of Adversarial Training in Adversarial
Robustness Games [51.90475640044073]
本研究では,2プレイヤゼロサムゲームにおける最適応答戦略の交互化として,対戦訓練について検討する。
一方、ゲームのユニークな純粋なナッシュ均衡が存在し、確実に堅牢である。
論文 参考訳(メタデータ) (2022-10-23T03:21:01Z) - GCN-WP -- Semi-Supervised Graph Convolutional Networks for Win
Prediction in Esports [84.55775845090542]
本稿では,グラフ畳み込みネットワークに基づくエスポートに対する半教師付き勝利予測モデルを提案する。
GCN-WPはマッチとプレーヤに関する30以上の機能を統合し、近隣のゲームを分類するためにグラフ畳み込みを使用している。
本モデルは,LLの機械学習やスキル評価モデルと比較して,最先端の予測精度を実現する。
論文 参考訳(メタデータ) (2022-07-26T21:38:07Z) - Behavioral Player Rating in Competitive Online Shooter Games [3.203973145772361]
本稿では,ゲーム内統計学からモデルプレイヤへのいくつかの特徴を設計し,その振る舞いと真のパフォーマンスレベルを正確に表現するレーティングを作成する。
その結果, 動作評価は, 生成した表現の解釈可能性を維持しつつ, より正確な性能評価を示すことがわかった。
プレイヤーのプレイ行動の異なる側面を考慮し、マッチメイキングに行動評価を使用すると、プレイヤーのゴールや関心とより一致したマッチアップにつながる可能性がある。
論文 参考訳(メタデータ) (2022-07-01T16:23:01Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳(メタデータ) (2022-03-10T02:37:39Z) - Player Modeling using Behavioral Signals in Competitive Online Games [4.168733556014873]
本稿では,マッチング作成のためのプレイヤーのモデリングにおいて,演奏行動の異なる側面に対処することの重要性に焦点をあてる。
75,000以上のバトルロイヤルマッチのデータセットからいくつかの行動特性を設計し、プレイヤーモデルを作成しました。
次に、作成したモデルを使用して、データ内のさまざまなプレイヤーのグループのランクを予測します。
論文 参考訳(メタデータ) (2021-11-29T22:53:17Z) - Evaluating Team Skill Aggregation in Online Competitive Games [4.168733556014873]
本稿では,2つの新しい集計手法が評価システムの予測性能に与える影響について分析する。
以上の結果から,テストケースの大部分において,MAX法が他の2手法よりも優れていることが示された。
本研究の結果は,チームのパフォーマンスを計算するために,より精巧な手法を考案する必要性を浮き彫りにした。
論文 参考訳(メタデータ) (2021-06-21T20:17:36Z) - An Elo-like System for Massive Multiplayer Competitions [1.8782750537161612]
参加者数の多いコンテストを対象とした新しいベイズ評価システムを提案する。
それは離散的なランク付けされたマッチの競争のフォーマットに広く適当です。
システムにはインセンティブが整い、すなわち、格付けを最大化しようとするプレイヤーは、決してパフォーマンスを損なうことはない。
論文 参考訳(メタデータ) (2021-01-02T08:14:31Z) - Interpretable Real-Time Win Prediction for Honor of Kings, a Popular
Mobile MOBA Esport [51.20042288437171]
本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。
実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
論文 参考訳(メタデータ) (2020-08-14T12:00:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。