基于行为遥测的玩家聚类方法比较
人机交互
2014-07-16 v1
摘要
游戏开发中用户遥测的引入辅助了数字游戏中用户行为的分析，这提供了对来自整个玩家群体已安装游戏客户端的用户行为定量数据的前所未有的访问权限。玩家行为遥测数据集可能异常复杂，其特征记录了不同用户群体在长达数年的时间段内的数据。无论是通过描述性方法（例如细分）还是无监督/监督学习技术，对行为进行分类对于发现行为数据中的模式以及开发对游戏开发者可操作的画像都具有价值。存在多种用于用户行为无监督聚类的方法，例如 k-means/c-means、非负矩阵分解或主成分分析。尽管所有方法都能产生行为分类，但如果不可能的话，根据实际游戏行为解释结果类别也可能很困难。在本文中，一系列无监督技术与原型分析一起应用，以从覆盖五年区间的 70,014 名《魔兽世界》玩家的游戏时间数据中开发行为聚类。针对这些技术从数据集中开发可操作行为画像的能力进行了评估。
引用
@article{arxiv.1407.3950,
title = {A Comparison of Methods for Player Clustering via Behavioral Telemetry},
author = {Anders Drachen and Christian Thurau and Rafet Sifa and Christian Bauckhage},
journal= {arXiv preprint arXiv:1407.3950},
year = {2014}
}
备注
Foundations of Digital Games 2013