불완전한 오버워치 게임결과 데이터를 이용한 인공신경망 기반 영웅 캐릭터 추천 (An Artificial Neural Network-based Hero Character Recommendation using Incomplete Game Result Data of Overwatch)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 27권 / 3호 / 268 ~ 275페이지
· 저자명 : 김상원, 정성훈

초록

본 논문에서는 블리자드 회사에서 제작한 게임 중 하나인 오버워치(Overwatch)에서 불완전한 게임결과데이터를 이용하여학습데이터를 만들고 이를 학습한 인공신경망을 통하여 사용자에게 유리한 영웅캐릭터를 추천하는 시스템을 제안한다.
인터넷 상에 존재하는 오버워치 게임결과 데이터는 그 형태가 대부분 다르고 비정형적이며 필요한 정보가 일부만 있는 등불완전한 데이터이다. 이러한 불완전한 데이터들을 모아서 게임 상황에 따라서 적절한 영웅캐릭터를 추천할 수 있는 데이터셋을 만들었다. 그러나 이렇게 변경된 데이터 셋은 전체 게임 상황에 비교하여 매우 작은 일부분의 결과만을 갖고 있기때문에 그 정확도가 부족하다. 이를 해결하기 위해 변경된 데이터 셋을 학습데이터로 만들어 인공신경망에 학습을 하고게임결과가 나오면 지속적으로 학습할 수 있는 인공신경망기반 영웅캐릭터 추천시스템을 개발하였다. 실험결과 초급자및 중급자들의 경우 스스로 선택한 영웅의 경우보다 추천시스템이 추천한 영웅을 선택했을 때 승률이 향상되는 것을 볼 수있었다.

영어초록

In this paper, we propose a recommendation system for a hero character that is advantageous to the user through the artificial neural network that made learning data using incomplete game result data in overwatch produced by Blizzard company. Overwatch game result data existing on the Internet is incomplete data such as the form is mostly different, atypical, and only a part of necessary information is present. These incomplete data are collected and changed to a data set that can recommend an appropriate hero character according to the game situation. However, this modified dataset lacks the accuracy because it has only a small fraction of the results compared to the whole game situation. To solve this problem, we developed an artificial neural network-based hero character recommendation system that can make the changed dataset into learning data and learn it in artificial neural network and learn continuously when game result comes out. As a result of the experiment, we could find that the win rate of players was improved when they selected the hero recommended by the recommnedation system rather than the hero selected by themselves

참고자료

· 없음