检索结果-南通市图书馆

检索条件"主题词=游戏装备推荐"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向知识注入的多人在线竞技类游戏装备推荐算法研究

面向知识注入的多人在线竞技类游戏装备推荐算法研究

引用

作者：孙啸川北京工业大学

学位级别：硕士

在多人在线竞技类游戏(Multiplayer Online Battle Arena,MOBA)中,赛前游戏装备推荐能够给予玩家在对局宏观层面上装备选择战略性的指导,是提升玩家游戏体验的重要手段。然而,现有模型仅关注个体间信息交互,忽视了宏观群体对个体行为的... 详细信息

在多人在线竞技类游戏(Multiplayer Online Battle Arena,MOBA)中,赛前游戏装备推荐能够给予玩家在对局宏观层面上装备选择战略性的指导,是提升玩家游戏体验的重要手段。然而,现有模型仅关注个体间信息交互,忽视了宏观群体对个体行为的影响。此外,MOBA赛事数据集中存在严重的样本标签信息缺失问题,当前模型并未对其处理并均基于此类样本完成模型训练,导致模型结果具有极低的可用性。目前,通过在模型中注入领域知识来解决复杂难题的思想已得到研究人员的广泛关注。但在MOBA场景下,领域知识难以形式化表达,其更多存在于宏观抽象层面。因此,如何将运用MOBA领域知识,并注入现有赛前游戏装备推荐模型中,优化模型性能,值得深入探究。针对上述问题,本文开展了面向知识注入的MOBA赛前游戏装备推荐算法设计与研究,本文的主要工作内容总结如下:(1)在用户侧提出了基于群体特征增强的赛前游戏装备推荐模型。针对当前模型忽视群体信息的问题,基于MOBA作为特殊的团体竞技项目,其群体特征可进一步拆解这一领域知识。通过对玩家个体间相关性矩阵进行拆分处理,分别获取内部群体特征表达与外部群体特征表达。随后,加以信息交互模块,将相应群体特征注入现有模型,优化了模型性能。实验结果表明,本文所提方案在各项评价指标上均优于当前最优模型。其中在TOP@6标准下,精确率提升0.5%,召回率提升0.7%,F1值提升0.6%,MAP值提升0.3%。(2)在物品侧提出了基于自监督学习的赛前游戏装备推荐模型。针对MOBA赛事数据集中存在的样本标签信息缺失问题。基于MOBA游戏装备间存在互斥、互助等关联关系这一领域知识,通过在深入分析MOBA赛前数据集特点的基础上,设计数据增强方案来构建自监督学习任务,从完备样本中挖掘游戏装备间抽象复杂的关联关系。随后将学习到的领域知识应用于对不完备样本标签信息修复过程中,最终有效地改善了模型训练效果。实验结果表明,本文所提方案相比于只采用完备样本训练的模型,在TOP@6标准下,精确率提升0.92%,可用率提升4.09%。

关键词：知识注入游戏装备推荐群体特征自注意力机制自监督学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：