ActorLens：MOBA 游戏中高级角色识别的可视化分析
摘要：多人在线战斗竞技场（MOBA）在全球范围内拥有大量玩家基础。然而，有害玩家，通常称为“行为者”，可能通过展示负面行为来显著损害游戏的公平性，从而削弱他们队伍的竞争优势。此外，高级行为者往往会采取更加恶劣的行为来逃避检测，从而对游戏社区造成伤害，需要对他们进行识别。为了解决这个紧迫问题，与一家知名公司的游戏专家团队合作，以促进在MOBA游戏中对高级行为者进行识别和标记。我们首先描述了问题，并从游戏场景中提取数据和事件，以制定设计要求。随后，开发了一种名为ActorLens的可视分析系统，用于排除低级行为者，检测潜在的高级行为者，并帮助用户标记玩家。ActorLens提供了玩家状态的概览，总结了三个玩家群体的行为模式（即专注玩家、专注玩家的历史比赛以及其他玩家所玩的相同英雄的比赛），并综合了关键的比赛事件。通过整合多个信息视图，用户可以高效地识别和标记MOBA游戏中的高级行为者。我们进行了案例研究和用户研究，以验证系统的有效性。
作者：Zhihua Jin, Gaoping Huang, Zixin Chen, Shiyi Liu, Yang Chao, Zhenchuan Yang, Quan Li, Huamin Qu
论文ID：2307.09699
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-07-20