伏羲实验室用户画像组开放课题
Search…
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
面向全局优化的游戏玩家组队匹配
课题背景
匹配是众多游戏PVP(player versus player)玩法的重要组成部分,给予玩家良好的匹配体验,对促进玩家留存有着非常重要的作用。图1为网易游戏倩女幽魂中的
关宁校场
对战画面。
现有的用户玩家匹配算法一般是按一定策略先粗排筛选出实力相当或满足某种规则的用户群体进行分场,然后进行局部精排分队以保证游戏平衡性。如何从全局用户体验上进行优化得到玩家分场分队还是一个NP-hard难题。
图1:倩女幽魂关宁战场
问题定义
匹配系统一次匹配一般会把匹配池内玩家(几百到几万不等,具体人数与匹配时间间隔、游戏设计等有关)分成不同的场次、分配到不同的队伍,建模求解使全体玩家体验最大化的匹配方案。
问题挑战
玩家匹配一直以来都是极具挑战性的用户群体分组难题,主要表现在在:
寻找高维空间的极值点、空间不连续不可导;
玩家体验一般通过分场分队两次级联结果计算,反向传播存在困难;
如何建立玩家用户的体验显著可观察指标。
评价指标
匹配系统的好坏可以通过主客观两个方面进行评估:
主观上人工定义的玩家体验总和
客观上分组双方玩家的表现差异
数据描述
匹配系统需要大量数据来评估和学习玩家的风格和实力,主要包含以下数据:
用户画像数据
用户行为序列(包括用户对战)
用户关系网络
联系我们
有任何问题,请联系
[email protected]
开放研究课题 - Previous
基于游戏战场中行为序列的动作价值评估
Next - 开放研究课题
游戏数据场景下的稳定学习框架
Last modified
4mo ago
Copy link
Outline
课题背景
问题定义
问题挑战
评价指标
数据描述
联系我们