player2vec: A Language Modeling Approach to Understand Player Behavior in Games

要約

過去の行動ログから潜在的なユーザー表現を学習する方法は、電子商取引、コンテンツ ストリーミング、その他の設定における推奨タスクで注目を集めています。
ただし、ビデオやモバイル ゲームのコンテキストでは、この領域はまだ比較的研究されていません。
この研究では、長距離の Transformer モデルを自然言語処理ドメインからプレーヤーの行動データまで拡張することで、この制限を克服する新しい方法を紹介します。
私たちは、ゲームにおける行動追跡の詳細について議論し、文章内の単語と同様の方法でゲーム内イベントを表示することによって、前処理とトークン化のアプローチを提案します。これにより、グラウンドトゥルースの注釈が存在しない場合でも、自己教師ありの方法でプレイヤーの表現を学習できるようになります。
我々は、固有の言語モデリングメトリクスを評価することにより、行動イベントの分布をフィッティングする際の提案されたアプローチの有効性を実験的に実証します。
さらに、学習された埋め込み空間の新たな構造を定性的に分析し、下流のアプリケーションに情報を提供するための動作パターンに関する洞察を生成するためのその価値を示します。

要約(オリジナル)

Methods for learning latent user representations from historical behavior logs have gained traction for recommendation tasks in e-commerce, content streaming, and other settings. However, this area still remains relatively underexplored in video and mobile gaming contexts. In this work, we present a novel method for overcoming this limitation by extending a long-range Transformer model from the natural language processing domain to player behavior data. We discuss specifics of behavior tracking in games and propose preprocessing and tokenization approaches by viewing in-game events in an analogous way to words in sentences, thus enabling learning player representations in a self-supervised manner in the absence of ground-truth annotations. We experimentally demonstrate the efficacy of the proposed approach in fitting the distribution of behavior events by evaluating intrinsic language modeling metrics. Furthermore, we qualitatively analyze the emerging structure of the learned embedding space and show its value for generating insights into behavior patterns to inform downstream applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google