游戏访问模式挖掘的研究与应用

针对数据挖掘在网络游戏中的应用,提出了游戏访问模式挖掘的概念,并给出一种适用于挖掘游戏访问模式的Apriori_Trie_GAPM算法.该算法基于Apriori算法思想,采用Trie树生成并存储频繁项集,在支持度计算中结合了游戏使用时间.

一种适用于挖掘游戏访问模式的Apriori_Trie_GAPM算法

针对数据挖掘在网络游戏中的应用,提出了游戏访问模式挖掘的概念,并给出一种适用于挖掘游戏访问模式的Apriori_Trie_GAPM算法,该算法基于Apriori算法思想,采用trie树生成并存储频繁项集,trie树生成采用宽度优先策略,按游戏访问频繁度升序生成每层节点,节点支持度计算应用事务投影策略并结合了游戏使用时间。

大型多人在线角色扮演游戏的下一地点预测

近年来,大型多人在线角色扮演游戏(MMORPG)已经成为最流行的网络娱乐活动之一。MMORPG在游戏环境中形成虚拟社会,其中每个玩家扮演某个虚构角色,并控制该角色的大多数活动。游戏的迅猛发展累积了海量数据,其中包含游戏虚拟社会的语义和拓扑信息。研究者针对游戏数据开展了一系列研究工作,如玩家退出预测、游戏服务器整合等。游戏角色的下一地点预测对提升游戏体验、改善游戏设计和检测游戏机器人均有十分重要的意义。目前,该项预测任务主要使用统计分析完成。然而,由于游戏数据具有海量特征,因此需要一种自动化的计算方法。文中提出了基于隐马尔科夫模型的游戏角色下一地点预测模型,该模型能够考虑与位置特性相关的不可观测的属性,同时兼顾游戏角色前期行为的影响。实验结果表明,与现有方法相比,该方法具有建模直观的特点,在稠密分布的MMORPG数据中能够得到更准确的下一地点预测结果。