論文の概要: Content Based Player and Game Interaction Model for Game Recommendation in the Cold Start setting

• arxiv url: http://arxiv.org/abs/2009.08947v1
• Date: Fri, 11 Sep 2020 11:10:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 21:15:39.841076
• Title: Content Based Player and Game Interaction Model for Game Recommendation in the Cold Start setting
• Title（参考訳）: コールドスタート設定におけるゲーム推薦のためのコンテンツベースプレーヤーとゲームインタラクションモデル
• Authors: Markus Viljanen, Jukka Vahlo, Aki Koponen, Tapio Pahikkala
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.249853429482705
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Game recommendation is an important application of recommender systems. Recommendations are made possible by data sets of historical player and game interactions, and sometimes the data sets include features that describe games or players. Collaborative filtering has been found to be the most accurate predictor of past interactions. However, it can only be applied to predict new interactions for those games and players where a significant number of past interactions are present. In other words, predictions for completely new games and players is not possible. In this paper, we use a survey data set of game likes to present content based interaction models that generalize into new games, new players, and both new games and players simultaneously. We find that the models outperform collaborative filtering in these tasks, which makes them useful for real world game recommendation. The content models also provide interpretations of why certain games are liked by certain players for game analytics purposes.
• Abstract（参考訳）: ゲームレコメンデーションはレコメンデーションシステムの重要な応用である。 レコメンデーションは、過去のプレイヤーとゲームのインタラクションのデータセットによって可能であり、時には、ゲームやプレイヤーを記述する機能を含む。 協調フィルタリングは過去の相互作用の最も正確な予測因子であることがわかった。 しかし,過去のインタラクションが多数存在するゲームやプレーヤに対して,新たなインタラクションを予測するためにのみ適用することができる。 言い換えれば、完全に新しいゲームやプレイヤーの予測は不可能である。 本稿では,ゲーム好きのアンケートデータセットを用いて,新しいゲーム,新しいプレイヤー,そして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の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。 コンテンツモデルはまた、特定のゲームがゲーム分析のために特定のプレイヤーによって好まれる理由の解釈を提供する。

関連論文リスト

• GameEval: Evaluating LLMs on Conversational Games [93.40433639746331]
  大規模言語モデル(LLM)を評価する新しいアプローチであるGameEvalを提案する。 GameEvalはLSMをゲームプレイヤーとして扱い、様々な形式の会話を起動することで達成した特定の目標にそれぞれ異なる役割を割り当てる。 我々は,GameEvalが様々なLLMの能力を効果的に差別化することができ,複雑な問題を解決するための統合能力を総合的に評価できることを示した。
  論文  参考訳（メタデータ） (2023-08-19T14:33:40Z)
• About latent roles in forecasting players in team sports [47.066729480128856]
  チームスポーツは、チームメイトと相手とのインタラクションに影響を与える重要な社会的要素を含んでいる。 RolForはロールベースのForecastingのための新しいエンドツーエンドモデルです。
  論文  参考訳（メタデータ） (2023-04-17T13:33:23Z)
• Combining Sequential and Aggregated Data for Churn Prediction in Casual Freemium Games [0.0]
  フリーミアムゲームでは、プレイヤーからの収益はアプリ内購入とプレイヤーが露出する広告から得られる。 このシナリオでは、プレーヤーがプレイをやめようとしているときにすぐに検出できることが極めて重要である。 本研究では, 逐次データと集約データを組み合わせることで, チャーン予測の最先端性を改善する方法について検討する。
  論文  参考訳（メタデータ） (2022-09-06T14:49:18Z)
• Graph Neural Networks to Predict Sports Outcomes [0.0]
  スポーツに依存しないグラフによるゲーム状態の表現を導入する。 次に、提案したグラフ表現をグラフニューラルネットワークの入力として使用し、スポーツ結果を予測する。
  論文  参考訳（メタデータ） (2022-07-28T14:45:02Z)
• WinoGAViL: Gamified Association Benchmark to Challenge Vision-and-Language Models [91.92346150646007]
  本研究では,視覚・言語関係を収集するオンラインゲームであるWinoGAViLを紹介する。 私たちはこのゲームを使って3.5Kのインスタンスを収集し、それらが人間には直感的だが最先端のAIモデルには挑戦的であることを発見した。 我々の分析とプレイヤーからのフィードバックは、収集された協会が多様な推論スキルを必要とすることを示している。
  論文  参考訳（メタデータ） (2022-07-25T23:57:44Z)
• 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)
• Predicting Events in MOBA Games: Dataset, Attribution, and Evaluation [37.16502752193698]
  本研究では,MOBAゲーム『Honor of Kings』のゲーム内機能を含む大規模データセットを収集,リリースする。 次に,2つのグラデーションに基づくアトリビューション手法を用いて,入力特徴に対する予測をアトリビュートすることにより,4種類の重要事象を解釈可能な方法で予測することを提案する。
  論文  参考訳（メタデータ） (2020-12-17T07:28:35Z)
• What is More Likely to Happen Next? Video-and-Language Future Event Prediction [111.93601253692165]
  対話が整ったビデオの場合、人々は次に何が起こるかを見極めることができる。 本研究では,AIモデルがこのようなマルチモーダル・コモンセンスの次世代予測を学べるかどうかを考察する。 新しいデータセットであるVideo-and-Language Event Prediction(ビデオ・アンド・ランゲージ・イベント予測)を収集します。
  論文  参考訳（メタデータ） (2020-10-15T19:56:47Z)

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。