論文の概要: BiRating -- Iterative averaging on a bipartite graph of Beat Saber scores, player skills, and map difficulties

• arxiv url: http://arxiv.org/abs/2502.19742v1
• Date: Thu, 27 Feb 2025 04:07:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:56:43.121013
• Title: BiRating -- Iterative averaging on a bipartite graph of Beat Saber scores, player skills, and map difficulties
• Title（参考訳）: BiRating -- Beat Saberのスコア、プレイヤースキル、マップの難しさの2部グラフ上の反復平均化
• Authors: Juan Casanova,
• Abstract要約: Beat Saberマップの難易度推定は興味深いデータ解析問題であり、Beat Saberの競争シーンにとって価値のある問題である。 本稿では,プレイヤーのスキルとマップの難易度を2部グラフで反復的に推定する簡単なアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Difficulty estimation of Beat Saber maps is an interesting data analysis problem and valuable to the Beat Saber competitive scene. We present a simple algorithm that iteratively averages player skill and map difficulty estimations in a bipartite graph of players and maps, connected by scores, using scores only as input. This approach simultaneously estimates player skills and map difficulties, exploiting each of them to improve the estimation of the other, exploitng the relation of multiple scores by different players on the same map, or on different maps by the same player. While we have been unable to prove or characterize theoretical convergence, the implementation exhibits convergent behaviour to low estimation error in all instances, producing accurate results. An informal qualitative evaluation involving experienced Beat Saber community members was carried out, comparing the difficulty estimations output by our algorithm with their personal perspectives on the difficulties of different maps. There was a significant alignment with player perceived perceptions of difficulty and with other existing methods for estimating difficulty. Our approach showed significant improvement over existing methods in certain known problematic maps that are not typically accurately estimated, but also produces problematic estimations for certain families of maps where the assumptions on the meaning of scores were inadequate (e.g. not enough scores, or scores over optimized by players). The algorithm has important limitations, related to data quality and meaningfulness, assumptions on the domain problem, and theoretical convergence of the algorithm. Future work would significantly benefit from a better understanding of adequate ways to quantify map difficulty in Beat Saber, including multidimensionality of skill and difficulty, and the systematic biases present in score data.
• Abstract（参考訳）: Beat Saberマップの難易度推定は興味深いデータ解析問題であり、Beat Saberの競争シーンにとって価値のある問題である。 本稿では,プレイヤーのスキルとマップの難易度を2部グラフで反復的に推定する簡単なアルゴリズムを提案する。 このアプローチはプレイヤーのスキルとマップの難易度を同時に推定し、各プレイヤーを相手の見積もりを改善するために利用し、同一のマップ上の異なるプレイヤーや同一のプレイヤーによる異なるマップ上の複数のスコアの関係を悪用する。 理論的収束を証明または特徴づけることができなかったが、全ての事例において低い推定誤差に対する収束挙動を示し、正確な結果が得られる。 経験豊富なBeat Saberコミュニティメンバによる非公式な質的評価を行い、アルゴリズムが出力する難易度を、異なるマップの難易度に関する個人的視点と比較した。 プレイヤーは難易度を知覚し、他の既存の難易度を推定する方法と有意な一致が認められた。 提案手法は,特定の問題マップの既存の手法に比べて,精度は高くないが,スコアの意味に関する仮定が不十分な場合(例えば,プレイヤーが過度に最適化したスコアなど)に問題のある推定を行う。 このアルゴリズムには、データ品質と有意義性、領域問題に関する仮定、およびアルゴリズムの理論的収束に関する重要な制限がある。 今後の研究は、Beat Saberにおけるマップの難易度を定量化するための適切な方法、例えば、スキルと難易度の多次元性、およびスコアデータに存在する体系的バイアスの理解から大きな恩恵を受けるだろう。

関連論文リスト

• Are You Doubtful? Oh, It Might Be Difficult Then! Exploring the Use of Model Uncertainty for Question Difficulty Estimation [12.638577140117702]
  本研究では,不確実性の特徴が難易度予測に大きく寄与することを示し,難易度は質問に正しく答えられる学生数に逆比例することを示した。 このアプローチの価値を示すことに加えて、BEAが公開しているデータセット上で、私たちのモデルが最先端の結果を達成することも観察します。
  論文  参考訳（メタデータ） (2024-12-16T14:55:09Z)
• SureMap: Simultaneous Mean Estimation for Single-Task and Multi-Task Disaggregated Evaluation [75.56845750400116]
  分散評価(disaggregated evaluation) -- 異なるサブポピュレーション上での機械学習モデルのパフォーマンスの推定 - は、AIシステムのパフォーマンスとグループフェアネスを評価する上で、中核的なタスクである。 ブラックボックスモデルの評価において,マルチタスクとシングルタスクの双方に対して高い推定精度を持つSureMapを開発した。 提案手法は, ウェル・チョーゼンを用いた最大後部推定と, スタインの非バイアスリスク推定(SURE)によるクロスバリデーションフリーチューニングを併用する。
  論文  参考訳（メタデータ） (2024-11-14T17:53:35Z)
• Question Difficulty Ranking for Multiple-Choice Reading Comprehension [3.273958158967657]
  複数選択テスト(MC)は、英語学習者を評価するのに有効な方法である。 テストクリエーターは、試験キュレーションの際の難易度によって、候補MCの質問をランク付けするのに役立つ。 MC質問を難易度でランク付けするための自動アプローチについて検討する。
  論文  参考訳（メタデータ） (2024-04-16T16:23:10Z)
• Hardness of Independent Learning and Sparse Equilibrium Computation in Markov Games [70.19141208203227]
  マルコフゲームにおける分散型マルチエージェント強化学習の問題点を考察する。 我々は,全てのプレイヤーが独立に実行すると,一般のサムゲームにおいて,アルゴリズムが到達しないことを示す。 我々は,全てのエージェントが集中型アルゴリズムによって制御されるような,一見簡単な設定であっても,下位境界が保持されていることを示す。
  論文  参考訳（メタデータ） (2023-03-22T03:28:12Z)
• Personalized Game Difficulty Prediction Using Factorization Machines [0.9558392439655011]
  コンテンツレコメンデーションからの手法を借りて,ゲームレベルのパーソナライズした難易度推定に寄与する。 我々は、プレイヤーが将来のゲームレベルを通過させるのに必要な試行回数と、他のプレイヤーがプレイする以前のレベルの試行回数に基づいて、難易度を予測することができる。 この結果から,FMはゲームデザイナーがプレイヤー体験を最適化し,プレイヤーとゲームについてより深く学ぶことができる,有望なツールであることが示唆された。
  論文  参考訳（メタデータ） (2022-09-06T08:03:46Z)
• Robust estimation algorithms don't need to know the corruption level [50.31562134370949]
  データの一部が破損しても、ロバストな推定アルゴリズムはうまく機能する。 彼らの大多数のアプローチは、破損したデータの断片に厳密な上限を与える場合にのみ、最適な精度にアプローチする。 この短いメモは、複雑で広範にわたるロバスト性問題を単純な幾何学的パズルに抽象化する。 パズルの解法を適用し、普遍的なメタテクニックを導出する。
  論文  参考訳（メタデータ） (2022-02-11T05:18:28Z)
• Are Missing Links Predictable? An Inferential Benchmark for Knowledge Graph Completion [79.07695173192472]
  InferWikiは推論能力、仮定、パターンの既存のベンチマークを改善している。 各テストサンプルは、トレーニングセットの支持データで予測可能である。 実験では,大きさや構造が異なるInferWikiの2つの設定をキュレートし,比較データセットとしてCoDExに構築プロセスを適用する。
  論文  参考訳（メタデータ） (2021-08-03T09:51:15Z)
• Statistical Modelling of Level Difficulty in Puzzle Games [0.0]
  我々は、古典的な成功確率を超えるパズルゲームに対して、レベル困難のモデルを定式化する。 モデルは、ゲーム『Lily's Garden by Tactile Games』から収集されたデータセットに適合し、評価される。
  論文  参考訳（メタデータ） (2021-07-05T13:47:28Z)
• Can Active Learning Preemptively Mitigate Fairness Issues? [66.84854430781097]
  データセットバイアスは、機械学習における不公平な原因の1つです。 不確実性に基づくALで訓練されたモデルが保護クラスの決定において公平であるかどうかを検討する。 また,勾配反転(GRAD)やBALDなどのアルゴリズム的公正性手法の相互作用についても検討する。
  論文  参考訳（メタデータ） (2021-04-14T14:20:22Z)
• Finding Game Levels with the Right Difficulty in a Few Trials through Intelligent Trial-and-Error [16.297059109611798]
  ダイナミックな難易度調整の方法は、ゲームが特定のプレイヤーに調整されてエンゲージメントを最大化することを可能にする。 現在の手法では、相手の難易度やリソースの可利用性など、限られたゲーム機能だけを変更していることが多い。 本稿では,数回の試行で特定の目的の難易度で完全なレベルを生成・探索できる手法を提案する。
  論文  参考訳（メタデータ） (2020-05-15T17:48:18Z)
• CNN-based Density Estimation and Crowd Counting: A Survey [65.06491415951193]
  本稿では,主にCNNに基づく密度マップ推定法において,群集数モデルについて包括的に検討する。 評価指標から, 観客数データセットで上位3人のパフォーマーを選択した。 我々は、今後のクラウドカウントの展開について、合理的な推測と予測を行うことを期待する。
  論文  参考訳（メタデータ） (2020-03-28T13:17:30Z)

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。