伏羲实验室用户画像组开放课题
  • 概述
  • 开放研究课题
    • 游戏玩家进入的下一个游戏场景预测
    • MMORPG游戏服务器的合并模拟预测
    • 基于游戏虚拟社交空间的玩家时空序列预测
    • 基于多源数据融合的游戏玩家状态预测
    • MMORPG中的虚拟游戏道具价格预测
    • 结合因果推断的时序预测
    • 游戏玩家流失预测
    • 游戏玩家流失原因分析
    • 基于玩家角色轨迹的游戏外挂检测
    • 基于玩家社交图谱的游戏外挂检测
    • 基于玩家行为序列的游戏外挂检测
    • 基于游戏客户端截图的FPS透视挂检测
    • 在线游戏中的半监督异常交易群体检测
    • 在线游戏中的交易网络子图匹配
    • 可解释的外挂检测
    • 个性化礼包生成与个性化礼包推荐
    • 基于玩家实时交互的游戏道具推荐
    • 游戏玩家时装商品搭配推荐
    • 基于游戏社交关系的玩家-帮会关系预测
    • 基于游戏战场中行为序列的玩家竞技风格挖掘
    • 基于游戏战场中行为序列的动作价值评估
    • 面向全局优化的游戏玩家组队匹配
    • 游戏数据场景下的稳定学习框架
    • 数据众包质量控制方法研究
  • 开放工程课题
    • 模型可解释性应用Demo制作
    • 用户行为序列可视化系统Demo制作
    • 因果分析仿真环境Demo制作
    • 基于区块链技术的数据加密和流转框架Demo制作
    • 游戏联邦学习框架Demo制作
    • 画像标签体系可视化Demo制作
    • 回报分解仿真环境Demo制作
    • 用户关系图谱可视化系统Demo制作
    • 游戏AutoML框架Demo制作
  • 游戏背景知识
    • 游戏基础
    • 游戏玩法知识
    • 游戏玩家分类
    • MMORPG元素
    • CCG元素
    • SPG元素
  • 游戏数据集描述
    • 伏羲游戏数据集
    • MMORPG1
    • ACT1
    • CCG1
    • SPG1
    • TAB1
  • 高校合作申请流程
    • 高校合作申请流程
Powered by GitBook
On this page
  • 数据集说明
  • 用户画像
  • 行为序列
  • 关系图谱

Was this helpful?

  1. 游戏数据集描述

CCG1

PreviousACT1NextSPG1

Last updated 3 years ago

Was this helpful?

数据集说明

数据收集自网易CCG(可收集卡牌类)手游游戏,数据集主要包含游戏玩家的用户画像、行为序列和关系图谱三种类型数据。

用户画像

用户画像是根据游戏玩家在游戏中的历史行为数据抽象形成的标签化数据,主要包含基础信息、社交关系、行为习惯、消费习惯等四个方面的状态特征,以每日更新的方式增量结构化存储,如下所示:

图1:用户画像数据示意图

行为序列

行为序列是描述游戏玩家在游戏中历史行为的序列型数据,以when-who-what-how_much/how_many的格式结构化存储,即“谁在何时做了什么以及行为的对象数量和行为动作程度”,如下所示:

行为序列数据主要以结构化的数据格式记录玩家的历史动作和动作对象,如下表所示:

字段
类型
描述

role_id

string

玩家ID

action_id

string

动作ID

objective_ids

string

动作对象ID,多个对象ID以逗号隔开

ts

int

动作发生的时间戳

关系图谱

关系图谱是描述游戏玩家之间关系建立和变化的图谱型数据,主要包帮会(驿站)关系,如下所示:

关系图谱数据主要以结构化的数据格式记录玩家之间的相互行为,按照行为发生的时间以每日更新的方式增量存储,如下表所示:

字段
类型
描述

ts

bigint

时间戳

guild_id

string

帮会ID

role_id

string

玩家ID

type

string

类型

图2:行为序列数据示意图
图3:关系图谱数据示意图