EOMM：一种参与度优化的匹配框架
社会与信息网络
2018-06-27 v1 人工智能
摘要
匹配系统将多名玩家连接起来，参与在线玩家对战游戏。当前的匹配系统依赖于单一核心策略：始终创建公平对局。这些系统将技能相近的玩家配对，基于公平对局能带来最佳玩家体验的假设。然而，我们将证明，这一直觉假设有时会失效，且基于公平性的匹配并非参与度的最优解。本文提出一种参与度优化匹配 (EOMM) 框架，旨在最大化整体玩家参与度。我们证明，基于同等技能的匹配是 EOMM 在一个高度简化且现实中极少成立的假设下的特例。我们在艺电公司 (EA) 一款热门游戏真实数据上的模拟支持了我们的理论结果，显示与现有匹配方法相比，EOMM 在提升玩家参与度方面有显著改善。
引用
@article{arxiv.1702.06820,
title = {EOMM: An Engagement Optimized Matchmaking Framework},
author = {Zhengxing Chen and Su Xue and John Kolen and Navid Aghdaie and Kazi A. Zaman and Yizhou Sun and Magy Seif El-Nasr},
journal= {arXiv preprint arXiv:1702.06820},
year = {2018}
}
备注
WWW2017