预测玩家行为数据并模拟游戏内事件
摘要：理解玩家行为在游戏数据科学中是基础性的。随着玩家与游戏的互动，视频游戏会不断发展，因此能够预测玩家体验将有助于确保成功的游戏开发。特别是，游戏开发人员需要预先评估游戏事件的影响。对这些事件的模拟优化至关重要，以增加玩家参与度和最大化变现。我们提出了对几种预测游戏相关变量的方法进行实验分析的研究，具有两个主要目标：在操作生产环境中获得应用内购买和游戏时间的准确预测，并进行游戏事件的模拟，以最大化销售额和游戏时间。我们的最终目标是朝着数据驱动的游戏开发迈出一步。结果表明，尽管传统方法如ARIMA的性能仍然更好，但深度学习等最新技术的结果是有希望的。深度学习被认为是一个非常适合的通用模型，可以用于预测具有不同动态行为的各种时间序列。
作者：Anna Guitart, Pei Pei Chen, Paul Bertens and ''Africa Peri''a~nez
论文ID：1710.01931
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-12-10