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
  • 合作案例

Was this helpful?

  1. 游戏数据集描述

MMORPG1

Previous伏羲游戏数据集NextACT1

Last updated 3 years ago

Was this helpful?

数据集说明

数据收集自网易大型游戏,主要包含用户画像数据、用户行为序列和用户关系图谱数据三个部分。

用户画像

用户画像数据包含了玩家自身属性、角色属性、消费行为、社交行为等方面的状态特征,以每日更新的形式增量存储

玩家画像

用户画像特征按照两级分类层次划分,如下图

行为序列

行为序列数据记录了玩家在游戏中的行为日志记录,主要以when-who-what-how_much/how_many的格式存储,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”,如下图例子所示。

其中第二列表示日志id,第三列表示日志对象id

关系图谱

关系图谱数据记录了玩家在游戏中的关系建立和变化,主要包括交易、硬件共享、好友、组队以及聊天等五种关系,如下图所示。

数据文件主要以建立关系记录的格式进行存储,如下图:

合作案例

合作学者
合作单位
合作内容

浙江大学

中山大学

浙江大学

浙江大学

清华大学

厦门大学

两级用户画像
玩家行为序列
玩家之间的关系图谱
玩家关系图谱数据存储格式

基于开放课题,合作研究国际领先的因果效应评估算法,并在玩家流失原因分析场景中落地。

基于开放课题,合作研究个人与团体之间的社交推荐算法,并在MMORPG帮会推荐场景中落地。

基于开放课题,合作研究基于隐私保护的联邦学习算法。

基于课题,合作研究游戏玩家行为生成。

基于课题,合作研究游戏玩家动态网络嵌入。

基于课题,合作研究基于游戏虚拟社交空间的玩家时空序列预测。

况琨
游戏玩家流失原因分析
陈亮
基于游戏社交关系的玩家-帮会关系预测
陈为
游戏联邦学习框架
赵莎
游戏玩家行为序列
崔鹏
游戏玩家关系网络
陈龙彪
玩家时空序列预测
MMORPG