論文の概要: Interpretable Contextual Team-aware Item Recommendation: Application in
Multiplayer Online Battle Arena Games
- arxiv url: http://arxiv.org/abs/2007.15236v1
- Date: Thu, 30 Jul 2020 05:17:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 14:34:12.746020
- Title: Interpretable Contextual Team-aware Item Recommendation: Application in
Multiplayer Online Battle Arena Games
- Title（参考訳）: 解釈可能なコンテキスト対応型チーム対応アイテムレコメンデーション:マルチプレイヤーオンラインバトルアリーナゲームへの応用
- Authors: Andr\'es Villa, Vladimir Araujo, Francisca Cattan, Denis Parra
- Abstract要約: 本研究では,Transformer ニューラルアーキテクチャに基づくコンテキストレコメンデータモデル TTIR を開発する。
評価の結果,Transformer アーキテクチャとコンテキスト情報の両方が最適な結果を得るために不可欠であることが示唆された。
- 参考スコア（独自算出の注目度）: 1.995792341399967
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The video game industry has adopted recommendation systems to boost users
interest with a focus on game sales. Other exciting applications within video
games are those that help the player make decisions that would maximize their
playing experience, which is a desirable feature in real-time strategy video
games such as Multiplayer Online Battle Arena (MOBA) like as DotA and LoL.
Among these tasks, the recommendation of items is challenging, given both the
contextual nature of the game and how it exposes the dependence on the
formation of each team. Existing works on this topic do not take advantage of
all the available contextual match data and dismiss potentially valuable
information. To address this problem we develop TTIR, a contextual recommender
model derived from the Transformer neural architecture that suggests a set of
items to every team member, based on the contexts of teams and roles that
describe the match. TTIR outperforms several approaches and provides
interpretable recommendations through visualization of attention weights. Our
evaluation indicates that both the Transformer architecture and the contextual
information are essential to get the best results for this item recommendation
task. Furthermore, a preliminary user survey indicates the usefulness of
attention weights for explaining recommendations as well as ideas for future
work. The code and dataset are available at:
https://github.com/ojedaf/IC-TIR-Lol.
- Abstract（参考訳）: ビデオゲーム業界は、ゲーム販売に集中してユーザーの関心を高めるためにレコメンデーションシステムを採用した。
ビデオゲームの他のエキサイティングな応用としては、プレイヤーがプレイ体験を最大化する決定を下すのを助けるものがあり、これはDotAやLoLのようなマルチプレイヤーオンラインバトルアリーナ(MOBA)のようなリアルタイム戦略ビデオゲームで望ましい機能である。
これらのタスクの中で、ゲームのコンテキストの性質と、それが各チーム形成への依存を明らかにする方法の両方を考えると、アイテムの推奨は難しい。
このトピックに関する既存の作業は、利用可能なコンテキストマッチングデータをすべて活用せず、潜在的に価値のある情報を除外する。
この問題に対処するために、私たちは、Transformerのニューラルアーキテクチャから派生したコンテキストレコメンデータモデルであるTTIRを開発し、マッチを記述するチームのコンテキストとロールに基づいて、各チームメンバーにアイテムセットを提案する。
TTIRはいくつかのアプローチより優れており、注意重みの可視化を通じて解釈可能なレコメンデーションを提供する。
本稿では,この項目推薦タスクにおいて,トランスフォーマーアーキテクチャとコンテキスト情報の両方が最適結果を得るために重要であることを示す。
さらに,ユーザ調査の結果から,注意重み付けがレコメンデーションや今後の作業のアイデアに有用であることが示唆された。
コードとデータセットは以下の通りである。
関連論文リスト
- Read to Play (R2-Play): Decision Transformer with Multimodal Game Instruction [22.31940101833938]
本稿では,エージェントに対するタスクガイダンスの強化について検討し,ゲームプレイ指導の理解を可能にした。
命令チューニングを決定変換器に組み込むためのマルチモーダルゲーム命令セットを構築する。
論文 参考訳（メタデータ） (2024-02-06T17:09:25Z) - Towards General Game Representations: Decomposing Games Pixels into
Content and Style [2.570570340104555]
ゲームのピクセル表現を学習することは、複数の下流タスクにまたがる人工知能の恩恵を受けることができる。
本稿では,コンピュータビジョンエンコーダの汎用化について検討する。
我々は、ゲームジャンルに基づく事前学習されたビジョントランスフォーマーエンコーダと分解技術を用いて、個別のコンテンツとスタイルの埋め込みを得る。
論文 参考訳（メタデータ） (2023-07-20T17:53:04Z) - SPRING: Studying the Paper and Reasoning to Play Games [102.5587155284795]
我々は,ゲーム本来の学術論文を読み取るための新しいアプローチ,SPRINGを提案し,大言語モデル(LLM)を通してゲームの説明とプレイの知識を利用する。
実験では,クラフトオープンワールド環境の設定下で,異なる形態のプロンプトによって引き起こされる文脈内「推論」の品質について検討した。
我々の実験は、LLMが一貫したチェーン・オブ・シークレットによって誘導されると、洗練された高レベル軌道の完成に大きな可能性があることを示唆している。
論文 参考訳（メタデータ） (2023-05-24T18:14:35Z) - A Minimal Approach for Natural Language Action Space in Text-based Games [103.21433712630953]
本稿では,テキストベースのゲーム(TG)におけるアクション空間の探索という課題を再考する。
我々は,許容行動を利用する最小限のアプローチである$epsilon$-admissible Exploringをトレーニングフェーズに提案する。
本稿では,テキストベースのアクタ・クリティカル(TAC)エージェントを提案する。
論文 参考訳（メタデータ） (2023-05-06T16:05:27Z) - Sequential Item Recommendation in the MOBA Game Dota 2 [64.8963467704218]
本研究では,Dota 2における購入勧告の文脈における逐次項目推薦(SIR)モデルの適用可能性について検討する。
以上の結果から,購入順序を考慮したモデルが最も有効であることが示唆された。
他のドメインとは対照的に、我々は最新のTransformerベースのアーキテクチャをDota-350kで上回るRNNベースのモデルを見つけました。
論文 参考訳（メタデータ） (2022-01-17T14:19:17Z) - Contextual Games: Multi-Agent Learning with Side Information [57.76996806603094]
各ラウンドでコンテキスト情報によって駆動されるコンテキストゲームの新しいクラスを定式化する。
カーネルベースの規則性仮定を用いて、異なるコンテキストとゲーム結果の相関関係をモデル化する。
本研究では,個々のプレイヤーの文脈的後悔を最小限に抑えるために,そのような相関を利用した新しいオンライン(メタ)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-07-13T18:37:37Z) - An Empirical Study on the Generalization Power of Neural Representations
Learned via Visual Guessing Games [79.23847247132345]
本研究は,視覚質問応答(VQA)のような新しいNLP下流タスクにおいて,後から実行を依頼されたとき,人工エージェントが推測ゲームでどの程度の利益を得ることができるかを検討する。
提案手法は,1) エージェントがうまく推理ゲームを模倣することを学習する教師あり学習シナリオ,2) エージェントが単独でプレイする新しい方法,すなわち,反復経験学習(SPIEL)によるセルフプレイ(Self-play)を提案する。
論文 参考訳（メタデータ） (2021-01-31T10:30:48Z) - CRICTRS: Embeddings based Statistical and Semi Supervised Cricket Team
Recommendation System [6.628230604022489]
クリケットのためのチームレコメンデーションシステムを構築するための半教師付き統計手法を提案する。
我々は,対戦相手の強みを考慮した質的,定量的な評価システムを設計し,演奏者のパフォーマンスを評価する。
また、チーム内の打者やボーラーの数を含むチーム構成の重要な側面にも取り組みます。
論文 参考訳（メタデータ） (2020-10-26T15:35:44Z) - Content Based Player and Game Interaction Model for Game Recommendation
in the Cold Start setting [3.249853429482705]
本稿では、新しいゲーム、新しいプレイヤー、新しいゲームとプレイヤーの両方に同時に一般化するコンテンツベースインタラクションモデルを提案する。
これらの課題において,これらのモデルは協調フィルタリングよりも優れており,現実のゲームレコメンデーションに有用である。
論文 参考訳（メタデータ） (2020-09-11T11:10:49Z) - Exploration Based Language Learning for Text-Based Games [72.30525050367216]
本研究は,テキストベースのコンピュータゲームにおいて,最先端の性能を発揮できる探索・模倣学習型エージェントを提案する。
テキストベースのコンピュータゲームは、自然言語でプレイヤーの世界を記述し、プレイヤーがテキストを使ってゲームと対話することを期待する。
これらのゲームは、言語理解、問題解決、および人工エージェントによる言語生成のためのテストベッドと見なすことができるため、興味がある。
論文 参考訳（メタデータ） (2020-01-24T03:03:51Z)
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。