Action2Score：一种对玩家动作进行打分的嵌入方法
机器学习
2022-07-22 v1
摘要
多人在线战术竞技（MOBA）是最成功的游戏类型之一。诸如《英雄联盟》的MOBA游戏具有竞争环境，玩家为段位而角逐。在大多数MOBA游戏中，玩家的段位由比赛结果（胜或负）决定。这看似自然，因为团队游戏的本质如此，但在某种意义上有失公平：投入大量努力的玩家仅因失败而掉段，而有些玩家甚至在胜利时搭了队友努力的顺风车。为减少基于团队的段位系统的副作用并公正评估玩家表现，我们提出一种新颖的嵌入模型，基于玩家动作对团队胜利各自的贡献将其动作转化为量化分数。我们的模型使用基于序列的深度学习模型构建，并带有作用于团队比赛的新颖损失函数。基于序列的深度学习模型利用GRU单元处理从游戏开始到结束的玩家团队动作序列，该单元有选择地接收前一步的隐藏状态与当前输入。损失函数旨在帮助动作分数反映最终得分与团队成功。我们展示了模型能公平评估玩家个人表现并分析其各动作的贡献。
引用
@article{arxiv.2207.10297,
title = {Action2Score: An Embedding Approach To Score Player Action},
author = {Junho Jang and Ji Young Woo and Huy Kang Kim},
journal= {arXiv preprint arXiv:2207.10297},
year = {2022}
}
备注
20 pages, 8 figures, 4 tables; accepted to ACM CHIPLAY 2022, and PACM on Human-Computer Interaction