Beyond the Meta: Leveraging Game Design Parameters for Patch-Agnostic Esport Analytics

要約

eスポーツ ゲームは世界のゲーム市場のかなりの部分を占めており、ゲーム分野で最も急速に成長しているセグメントです。
これにより、ゲームからのテレメトリ データを使用して選手、コーチ、放送局、その他の関係者に情報を提供する e スポーツ分析の分野が誕生しました。
従来のスポーツと比較して、eスポーツのタイトルは仕組みやルールの点で急速に変化します。
ゲームのパラメータが頻繁に変更されるため、eスポーツ分析モデルのライフスパムが短くなる可能性があり、この問題は文献ではほとんど無視されています。
この論文では、ゲームデザイン (つまりパッチノート) から情報を抽出し、クラスタリング技術を利用して新しい形式のキャラクター表現を提案します。
ケーススタディとして、この新しいキャラクター表現技術を利用して、Dota 2 の試合でのキル数を予測するようにニューラル ネットワーク モデルをトレーニングします。
次に、このモデルのパフォーマンスが、従来の手法を含む 2 つの異なるベースラインに対して評価されます。
このモデルは、精度 (85% AUC) の点でベースラインを大幅に上回っただけでなく、1 人の新しいキャラクターとまったく新しいキャラクター タイプを導入したゲームの 2 つの新しいイテレーションでも精度を維持しています。
ゲームのデザインに導入されたこれらの変更は、通常、文献内で一般的に使用されている従来の技術を破壊するものになります。
したがって、文字を表現するために提案された方法論は、文献内で通常使用されている従来の技術と比較した場合、機械学習モデルのライフスパムを延長するだけでなく、パフォーマンスの向上にも貢献します。

要約(オリジナル)

Esport games comprise a sizeable fraction of the global games market, and is the fastest growing segment in games. This has given rise to the domain of esports analytics, which uses telemetry data from games to inform players, coaches, broadcasters and other stakeholders. Compared to traditional sports, esport titles change rapidly, in terms of mechanics as well as rules. Due to these frequent changes to the parameters of the game, esport analytics models can have a short life-spam, a problem which is largely ignored within the literature. This paper extracts information from game design (i.e. patch notes) and utilises clustering techniques to propose a new form of character representation. As a case study, a neural network model is trained to predict the number of kills in a Dota 2 match utilising this novel character representation technique. The performance of this model is then evaluated against two distinct baselines, including conventional techniques. Not only did the model significantly outperform the baselines in terms of accuracy (85% AUC), but the model also maintains the accuracy in two newer iterations of the game that introduced one new character and a brand new character type. These changes introduced to the design of the game would typically break conventional techniques that are commonly used within the literature. Therefore, the proposed methodology for representing characters can increase the life-spam of machine learning models as well as contribute to a higher performance when compared to traditional techniques typically employed within the literature.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google