論文の概要: Predicting Human Chess Moves: An AI Assisted Analysis of Chess Games Using Skill-group Specific n-gram Language Models

• arxiv url: http://arxiv.org/abs/2512.01880v1
• Date: Mon, 01 Dec 2025 17:02:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.972592
• Title: Predicting Human Chess Moves: An AI Assisted Analysis of Chess Games Using Skill-group Specific n-gram Language Models
• Title（参考訳）: 人間のチェスの動きを予測する:スキルグループ固有のn-gram言語モデルを用いたチェスゲームの分析
• Authors: Daren Zhong, Dingcheng Huang, Clayton Greenberg,
• Abstract要約: このフレームワークはn-gram言語モデルを使用して、特定のプレイヤースキルレベル特有の動きパターンをキャプチャする。 私たちは、オープンソースのチェスプラットフォームであるLichessからのデータを使って、別々のモデルをトレーニングしました。 このフレームワークは、アーリーゲーム情報を利用する際に、スキルレベルを最大31.7%の精度で分類することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Chess, a deterministic game with perfect information, has long served as a benchmark for studying strategic decision-making and artificial intelligence. Traditional chess engines or tools for analysis primarily focus on calculating optimal moves, often neglecting the variability inherent in human chess playing, particularly across different skill levels. To overcome this limitation, we propose a novel and computationally efficient move prediction framework that approaches chess move prediction as a behavioral analysis task. The framework employs n-gram language models to capture move patterns characteristic of specific player skill levels. By dividing players into seven distinct skill groups, from novice to expert, we trained separate models using data from the open-source chess platform Lichess. The framework dynamically selects the most suitable model for prediction tasks and generates player moves based on preceding sequences. Evaluation on real-world game data demonstrates that the model selector module within the framework can classify skill levels with an accuracy of up to 31.7\% when utilizing early game information (16 half-moves). The move prediction framework also shows substantial accuracy improvements, with our Selector Assisted Accuracy being up to 39.1\% more accurate than our benchmark accuracy. The computational efficiency of the framework further enhances its suitability for real-time chess analysis.
• Abstract（参考訳）: 完全な情報を持つ決定論的ゲームであるChessは、戦略的意思決定と人工知能を研究するためのベンチマークとして長年使われてきた。 従来のチェスエンジンや分析ツールは主に最適な動きの計算に重点を置いており、特に異なるスキルレベルにおいて、人間のチェス演奏に固有の変数を無視していることが多い。 この制限を克服するために,チェスの動き予測を行動解析タスクとしてアプローチする,新しい,計算効率の良い動き予測フレームワークを提案する。 このフレームワークはn-gram言語モデルを使用して、特定のプレイヤースキルレベル特有の動きパターンをキャプチャする。 初心者から専門家まで、プレイヤーを7つの異なるスキルグループに分けることで、私たちはオープンソースのチェスプラットフォームであるLichsからのデータを使って、別々のモデルをトレーニングしました。 このフレームワークは、予測タスクに最も適したモデルを動的に選択し、前回のシーケンスに基づいてプレイヤーの動きを生成する。 実世界のゲームデータの評価により、フレームワーク内のモデルセレクタモジュールは、初期ゲーム情報を利用する際に、スキルレベルを最大31.7\%の精度で分類できることが示される(16ハーフムーブ)。 移動予測フレームワークも大幅に精度が向上し、Selector Assisted Accuracyはベンチマークの精度よりも最大39.1\%精度が向上した。 このフレームワークの計算効率は、リアルタイムのチェス分析への適合性をさらに高めている。

関連論文リスト

• Towards Piece-by-Piece Explanations for Chess Positions with SHAP [0.20305676256390937]
  我々はSHAP(SHapley Additive exPlanations)に適応し、チェスエンジンの評価をボード上の特定の部品に割り当てる。 部品を特徴として扱い、それらを体系的に非難することにより、エンジンの出力を説明する追加的、部品ごとのコントリビューションを計算する。 この手法は古典的なチェスの教育からインスピレーションを得ており、プレイヤーは駒を精神的に取り除くことで位置を評価する。
  論文  参考訳（メタデータ） (2025-10-26T09:07:21Z)
• Explore the Reasoning Capability of LLMs in the Chess Testbed [45.12891789312405]
  我々は,注釈付き戦略と戦術を統合することで,チェスにおける大規模言語モデルの推論能力を向上させることを提案する。 我々はLLaMA-3-8Bモデルを微調整し、より優れたチェスの動きを選択するタスクにおいて、最先端の商用言語モデルと比較する。
  論文  参考訳（メタデータ） (2024-11-11T01:42:56Z)
• Chess Rating Estimation from Moves and Clock Times Using a CNN-LSTM [11.340099493701029]
  本稿では,ゲームの動きや時計時間から直接プレイヤーの格付けを推定する手法を提案する。 我々のモデルアーキテクチャは、位置特徴を学習するためのCNNで構成されており、時計時間データと統合された双方向LSTMである。 このモデルは、手作りの機能を使わずにチェスのレーティングを推定し、各移動後にレーティング予測を出力した最初のモデルである。
  論文  参考訳（メタデータ） (2024-09-17T19:19:16Z)
• The Update-Equivalence Framework for Decision-Time Planning [78.44953498421854]
  本稿では,サブゲームの解決ではなく,更新等価性に基づく意思決定時計画のための代替フレームワークを提案する。 ミラー降下に基づく完全協調型ゲームに対する有効音声探索アルゴリズムと、磁気ミラー降下に基づく対戦型ゲームに対する探索アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2023-04-25T20:28:55Z)
• Determining Chess Game State From an Image [19.06796946564999]
  本稿では,既存のモデルよりも桁違いに大きい3次元モデルから合成した新しいデータセットについて述べる。 従来のコンピュータビジョン技術とディープラーニングを組み合わせた新しいエンドツーエンドチェス認識システムを紹介します。 記述されたシステムでは,テストセット上での誤差率は0.23%であり,現状の28倍である。
  論文  参考訳（メタデータ） (2021-04-30T13:02:13Z)
• Learning Chess Blindfolded: Evaluating Language Models on State Tracking [69.3794549747725]
  私たちはチェスのゲームのための言語モデリングのタスクを検討します。 自然言語とは異なり、チェス表記法は単純で制約のある決定論的領域を記述する。 トランスフォーマー言語モデルでは,移動シーケンスのみを訓練することで,ピースの追跡や法的動作の予測を高精度に行うことができる。
  論文  参考訳（メタデータ） (2021-02-26T01:16:23Z)
• LiveChess2FEN: a Framework for Classifying Chess Pieces based on CNNs [0.0]
  我々は,1秒未満で画像からチェス位置を自動的にデジタル化する機能的フレームワークを実装した。 チェスの駒の分類と組込みプラットフォーム上で効率的にマップする方法について、さまざまな畳み込みニューラルネットワークを分析した。
  論文  参考訳（メタデータ） (2020-12-12T16:48:40Z)
• Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
  学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。 対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。 我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
  論文  参考訳（メタデータ） (2020-07-10T09:33:05Z)

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。