评估《反恐精英：全球攻势》中玩家行动的价值
人工智能
2020-11-05 v2 机器学习
机器学习
摘要
电子竞技尽管关注度不断上升，却缺乏基础的体育分析资源，例如可获取的数据或经过验证且可复现的分析框架。即便是第二受欢迎的电子竞技项目《反恐精英：全球攻势》（CSGO）也存在这些问题。因此，对 CSGO 玩家进行量化评估——一项对战队、媒体、博彩者与粉丝而言十分重要的任务——十分困难。为此，我们引入（1）一个带有开源实现的 CSGO 数据模型；（2）一个用于定义 CSGO 中距离的图距离度量；以及（3）一个基于团队获胜概率变化来评估玩家行动价值的情境感知框架。利用超过 7000 万条 CSGO 游戏内事件，我们证明了我们的框架相较于现有评估框架具有一致性与独立性。我们还提供了识别高影响力操作与不确定性估计的用例。
引用
@article{arxiv.2011.01324,
title = {Valuing Player Actions in Counter-Strike: Global Offensive},
author = {Peter Xenopoulos and Harish Doraiswamy and Claudio Silva},
journal= {arXiv preprint arXiv:2011.01324},
year = {2020}
}
备注
to be published in 2020 IEEE International Conference on Big Data