Fugu-MT 論文翻訳(概要): Automatic Player Identification in Dota 2

論文の概要: Automatic Player Identification in Dota 2

arxiv url: http://arxiv.org/abs/2008.12401v1
Date: Thu, 27 Aug 2020 22:58:01 GMT
ステータス: 処理完了
システム内更新日: 2022-10-24 07:26:17.019045
Title: Automatic Player Identification in Dota 2
Title（参考訳）: Dota 2における自動プレイヤー識別
Authors: Sizhe Yuen, John D. Thomson, Oliver Don
Abstract要約: Dota 2のプレイヤーを識別するための機械学習手法を提案する。我々は,マッチリプレイから抽出したマウスの動き,ゲーム内統計,ゲーム戦略に関するデータを利用する。 2つの異なる試合が同じプレイヤーによってプレイされたかどうかを予測する問題に対して,95%の予測精度が得られる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Dota 2 is a popular, multiplayer online video game. Like many online games, players are mostly anonymous, being tied only to online accounts which can be readily obtained, sold and shared between multiple people. This makes it difficult to track or ban players who exhibit unwanted behavior online. In this paper, we present a machine learning approach to identify players based a `digital fingerprint' of how they play the game, rather than by account. We use data on mouse movements, in-game statistics and game strategy extracted from match replays and show that for best results, all of these are necessary. We are able to obtain an accuracy of prediction of 95\% for the problem of predicting if two different matches were played by the same player.
Abstract（参考訳）: dota 2は、人気のマルチプレイヤーオンラインゲームである。多くのオンラインゲームと同様に、プレイヤーはほとんど匿名であり、複数の人間で簡単に入手、販売、共有できるオンラインアカウントにのみ結びついている。これにより、オンライン上で望ましくない行動を示すプレイヤーの追跡や禁止が困難になる。本稿では,ゲームプレイ方法の「デジタル指紋」に基づいてプレイヤーを識別する機械学習手法を提案する。我々は,マッチプレイから抽出したマウスの動き,ゲーム内統計,ゲーム戦略のデータを用いて,最良の結果を得るためには,これらすべてが必要であることを示す。 2つの異なる試合が同じプレイヤーによってプレイされたかどうかを予測する問題に対して,95%の予測精度が得られる。

関連論文リスト

People use fast, goal-directed simulation to reason about novel games [75.25089384921557]
我々は,シンプルだが斬新なコネクテッドnスタイルのボードゲームについて,人々がどう考えるかを研究する。ゲームがどんなに公平か、そしてどんなに楽しいのかを、ごくわずかな経験から判断するよう、私たちは人々に求めます。
論文参考訳（メタデータ） (2024-07-19T07:59:04Z)
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)
Attribute Inference Attacks in Online Multiplayer Video Games: a Case Study on Dota2 [19.930886818241788]
ビデオゲームの普及に触発された我々は,Dota2コンテキストにおける属性推論攻撃(AIA)に対する最初の脅威モデルを提案する。攻撃者がDota2エコシステムの豊富な公開データを悪用して、そのプレイヤーの個人情報を推測する(そしてなぜ)のかを説明する。そこで本論文は,ゲームの世界全体に影響を与える可能性のある,微妙だが具体的な脅威について警告する。
論文参考訳（メタデータ） (2022-10-17T12:45:55Z)
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)
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)
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)
Bandit Modeling of Map Selection in Counter-Strike: Global Offensive [55.41644538483948]
Counter-Strike: Global Offensive (CSGO) では、2つのチームが最初にマップ(仮想世界)を選択して禁止する。 CSGOにおける地図選択の問題に対処し、チームの選択や意思決定の禁止を調査するための文脈的帯域幅の枠組みを導入する。選択と禁止の両方に関して、チームは最適なマップ選択ポリシーを持っています。また,バンディット環境では検討されていない報奨制度のアプローチも定義し,報奨制度の導入によってモデル性能が向上することが確認された。
論文参考訳（メタデータ） (2021-06-14T23:47:36Z)
Detecting Video Game Player Burnout with the Use of Sensor Data and Machine Learning [15.838305794790022]
本研究では,センサデータ分析に基づいて,プレイヤーが今後の出会いに勝つかどうかを予測する手法を提案する。センサデータは、リーグ・オブ・レジェンドズ(League of Legends)の22試合の参加者10名から収集された。われわれはTransformerやGated Recurrent Unitといった機械学習モデルを訓練し、将来一定時間後にプレイヤーが遭遇するかどうかを予測する。
論文参考訳（メタデータ） (2020-11-29T21:16:09Z)
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。