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
  • 课题背景
  • 问题定义
  • 问题挑战
  • 评价指标
  • 数据集描述
  • 联系我们

Was this helpful?

  1. 开放研究课题

MMORPG中的虚拟游戏道具价格预测

Previous基于多源数据融合的游戏玩家状态预测Next结合因果推断的时序预测

Last updated 3 years ago

Was this helpful?

课题背景

MMORPG游戏中的每一个服务器都类似于一个小社会,都有自己的经济系统,游戏中的玩家会通过商城进行相互交易,因此游戏中的每一个虚拟道具都有符合自身价值的价格,这个价格会随着时间推移不断发生变化,主要是受到供需变化、游戏玩法、版本更新等因素的影响,同时为了使得游戏经济系统稳定,游戏策划也会不断调控关键道具的价格。如果能根据过去的变化情况,较准确的预测出未来一段时间游戏中某一类虚拟道具的价格变化情况,对于游戏策划和运营都是十分有意义的。

在逆水寒中,卖家可以通过玩家商城上架商品,然后买家可以选择后购买自己心仪的商品,如图2所示,因此通过玩家商城我们可以获得每天某种游戏道具的交易价格,如图1所示逆水寒中某种道具每天平均交易价格随时间变化曲线。时间序列预测的问题也已经得到了广泛的研究,并且已经应用到需求预测、流量预测等领域中。根据过去某类关键道具的价格变化和相关游戏特征,如何一个多变量时间序列预测模型,准确预测未来某类关键道具的价格变化具有一定的研究意义。

问题定义

给定游戏中nnn个与该虚拟道具价格相关的特征,X=(x1,x2,⋯ ,xn)⊤=(x1,x2,⋯ ,xT)∈Rn×T\mathbf{X}=(\mathbf{x}^1,\mathbf{x}^2,\cdots,\mathbf{x}^n)^\top = (\mathbf{x}_1,\mathbf{x}_2,\cdots,\mathbf{x}_T) \in \mathbb{R}^{n \times T}X=(x1,x2,⋯,xn)⊤=(x1​,x2​,⋯,xT​)∈Rn×T,其中T表示时间窗的长度,n表示相关特征的维度,同时已知该虚拟道具过去价格变化,(y1,y1,⋯ ,yT)(y_1,y_1,\cdots,y_T)(y1​,y1​,⋯,yT​),其中yt∈Ry_t \in \mathbb{R}yt​∈R。在给定相关特征和该道具价格过去一段时间(T)的变化之后,要求可以预测出未来一段时间(q)价格变化,(y~T+1,y~T+2,⋯ ,y~q)=F(y1,y1,⋯ ,yT,x1,x2,⋯ ,xT)({\tilde{y}}_{T+1}, {\tilde{y}}_{T+2}, \cdots, {\tilde{y}}_{q}) = F(y_1,y_1,\cdots,y_T,\mathbf{x}_1,\mathbf{x}_2,\cdots,\mathbf{x}_T)(y~​T+1​,y~​T+2​,⋯,y~​q​)=F(y1​,y1​,⋯,yT​,x1​,x2​,⋯,xT​)

图1:某道具平均价格变化趋势

问题挑战

相比于传统时间序列预测问题,该问题的挑战为:

  • 该问题是multi-variables、multi-stage类型的时间序列预测问题。

  • 游戏中的更新、变化如何表征。

  • 数据集中存在丢失和噪声

  • 该问题可能需要结合一定的经济学知识。

评价指标

虚拟道具价格预测问题主要通过以下指标进行评估:

  • 在线时间准确率:RMSE、MSE、R Squared

数据集描述

该问题的数据集主要由以下几部分组成:某时刻玩家商城某道具的挂架特征(可以获得某时刻商城在售的某道具的数量及不同的价格)、某段时间玩家商城上架、某段时间玩家商城购买某道具特征、某段时间玩家消耗某道具的特征、某段时间玩家获得某道具特征。

  • 某时刻玩家商城某道具的挂价特征

字段
描述

item_id

物品id

server

服务器

shop_id

商店id

price

当前价格

cnt

数量

ds

时间分区

  • 某段时间玩家商城上架特征

字段
描述

item_id

物品id

server

服务器

shop_id

商店id

price

上架价格

cnt

上架数量

ds

时间分区

  • 某段时间玩家商城购买特征

字段
描述

item_id

物品id

server

服务器

shop_id

商店id

price

购买价格

cnt

购买数量

ds

时间分区

  • 某段时间玩家消耗某道具的特征

字段
描述

item_id

物品id

server

服务器

cnt

消耗数量

reason

消耗原因

ds

时间分区

  • 某段时间玩家获得某道具特征

字段
描述

item_id

物品id

server

服务器

cnt

获得数量

reason

获得来源

ds

时间分区

联系我们

如有任何问题,请联系 lihao01@corp.netease.com

图2:逆水寒玩家商城示例