Friend Ranking in Online Games via Pre-training Edge Transformers

要約

タイトル：「Pre-training Edge Transformersを用いたオンラインゲームにおけるフレンドランキング」

要約：
– オンラインゲームにおいて、フレンドリコールはDaily Active Users（DAU）を増やす重要な方法である。
– 問題は、適切な失われたフレンドのランキングリストを生成することである。
– 従来のフレンドリコール方法は、フレンドの親密さなどのルールに焦点を当てたり、失われたプレイヤーの復帰確率を予測するための分類器のトレーニングに焦点を当てたが、（アクティブな）プレイヤーや歴史的なフレンドリコールのイベントの特徴情報を無視している。
– 本研究では、フレンドリコールをリンク予測問題として扱い、アクティブなプレイヤーや失われたプレイヤー、歴史的なイベントの特徴情報を使用するいくつかのリンク予測方法を探究する。
– さらに、Edge Transformerモデルを提案し、マスクされた自己符号器を用いてモデルを事前学習することを提案する。
– この方法は、Tencentの3つのゲームのオフライン実験とオンラインA/Bテストで最新の結果を達成した。

要約(オリジナル)

Friend recall is an important way to improve Daily Active Users (DAU) in online games. The problem is to generate a proper lost friend ranking list essentially. Traditional friend recall methods focus on rules like friend intimacy or training a classifier for predicting lost players’ return probability, but ignore feature information of (active) players and historical friend recall events. In this work, we treat friend recall as a link prediction problem and explore several link prediction methods which can use features of both active and lost players, as well as historical events. Furthermore, we propose a novel Edge Transformer model and pre-train the model via masked auto-encoders. Our method achieves state-of-the-art results in the offline experiments and online A/B Tests of three Tencent games.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI