团队体育游戏中的竞争平衡
社会与信息网络
2020-06-25 v1 人工智能
人机交互
多智能体系统
摘要
竞争是多人在线游戏中玩家满意度和参与度的首要驱动力。传统的匹配系统旨在创建涉及聚合个人技能水平相近的团队的比赛，例如 Elo 分数或 TrueSkill。然而，团队动态不能仅用此类线性预测器来捕捉。最近研究表明，以学习和团队特征相关的获胜概率为目标的 nonlinear 预测器显著优于这些基于线性技能的方法。在本文中，我们表明使用最终分差可为竞争平衡提供更好的预测指标。我们还表明，在精心挑选的团队和个人特征集上训练的线性模型几乎达到了更强大的神经网络模型的性能，同时推理速度提升了两个数量级。这显示了在在线匹配系统中实现的显著前景。
引用
@article{arxiv.2006.13763,
title = {Competitive Balance in Team Sports Games},
author = {Sofia M Nikolakaki and Ogheneovo Dibie and Ahmad Beirami and Nicholas Peterson and Navid Aghdaie and Kazi Zaman},
journal= {arXiv preprint arXiv:2006.13763},
year = {2020}
}
备注
2020 IEEE Conference in Games (COG 2020), 8 pages