Characterizing disruptions in online gaming behavior following software patches
多人在线游戏是研究技术中断对社会行为影响的理想环境。在线游戏的软件补丁会导致游戏规则发生重大变化，并要求玩家制定新的策略来应对这些中断。我们调查了玩家，分析了软件补丁说明的内容，并分析了30个月内软件补丁前后超过5300万场Dota 2比赛中角色选择行为的变化。我们发现，补丁的严重程度与补丁后的行为变化的幅度相关。我们讨论的机会，利用软件补丁的在线游戏作为一个有价值的，但被忽视的实证工具，测量行为动态。
2022-07-06 cs.CY cs.HC cs.SE
Social Network Dynamics in a Massive Online Game: Network Turnover, Non-densification, and Team Engagement in Halo Reach
在线多人游戏是一种流行的社交互动形式，被数亿人使用。然而，人们对这些网络游戏中的社交网络知之甚少，也不知道它们是如何随着时间的推移而演变的。了解大型网络游戏中的人类社会动态可以为一般的社会互动提供新的启发，并为开发更具吸引力的系统提供信息。在这里，我们研究了一个新颖的大型友谊网络，从流行的在线游戏Halo：Reach中1700万人之间44周内的近180亿次社交互动中推断出来。该网络是迄今为止研究的最大，最详细的时间交互网络之一，并提供了一个新的视角在线友谊网络的动态，而不仅仅是交互图。最初，这个网络表现出强大的结构性周转，并从峰值迅速衰减。然而，在接下来的一段时间里，网络规模和营业额都稳定下来，产生了动态的结构平衡。与其他研究相比，我们发现Halo友谊网络是非致密化的：平均度和平均成对距离都是稳定的，这表明当维持友谊的成本很高时，致密化不会发生。最后，具有更大的长期参与的球员表现出更强的本地集群，这表明一个群体层次的社会参与过程。这些结果表明，在线游戏研究社交网络的效用，揭示了新的经验时间图模式，并澄清网络致密化的普遍性的要求。
2013-06-18 cs.SI physics.data-an physics.soc-ph
Linguistic Analysis of Toxic Behavior in an Online Video Game
在本文中，我们通过使用来自流行的基于比赛的竞争游戏英雄联盟中超过59万名被指控有毒玩家的众包数据来探索有毒行为的语言组成部分。我们进行了一系列的语言分析，以获得更深入的了解的作用，沟通中发挥的有毒行为的表达。我们描述了有毒玩家的语言行为，并将其与在线竞争游戏中的典型玩家进行了比较。我们还发现了经验支持，描述了一个球员如何从典型的有毒行为过渡。我们的研究结果可以帮助自动检测和警告可能中毒的玩家，从而提前将潜在的受害者从有毒游戏中隔离出来。
2014-10-20 cs.CY cs.SI
Non-negative Tensor Factorization for Human Behavioral Pattern Mining in Online Games
University of Southern California Information Sciences Institute（南加州大学信息科学研究所）
多人在线战斗竞技场已成为一种流行的游戏类型。它也得到了我们研究界越来越多的关注，因为它们提供了关于人类互动和行为的丰富信息。一个主要的问题是从这种类型的数据中提取有意义的活动模式，以一种易于解释的方式。在这里，我们建议利用张量分解技术，特别是非负张量分解，以发现隐藏的相关行为模式的发挥在一个流行的游戏：英雄联盟。我们首先收集一组大约1000名玩家的整个游戏历史，总共大约有$100K$场比赛。通过应用我们的方法框架，我们将玩家分成具有相似特征和游戏策略以及相似时间轨迹的组，即，在他们的游戏历史过程中的行为进展：这将使我们能够调查玩家如何学习和提高他们的技能。
2017-02-19 cs.HC cs.LG cs.SI
STFU NOOB! Predicting Crowdsourced Decisions on Toxic Behavior in Online Games
竞争性游戏的玩家面临的一个问题是消极的或有毒的行为。最大的电子竞技游戏《英雄联盟》使用一个名为“法庭”的众包平台来判断被举报的有毒玩家是否应该受到惩罚。法庭是一个两阶段的系统，需要直接观察有毒行为的参与者和审查汇总报告的人类专家的报告。虽然这个系统通过基于许多投票的多数规则成功地处理了有毒行为的模糊性，但它自然需要巨大的成本，时间和人力。在本文中，我们提出了一种监督学习方法，用于预测大规模标记数据汇集的有毒行为的众包决策;超过1000万用户报告涉及146万有毒玩家和相应的众包决策。我们的研究结果在检测绝大多数案例和预测众包决策方面表现良好。我们证明了我们的分类器跨区域的良好的可移植性。最后，我们估计我们的方法，潜在的成本节约和受害者保护的实际影响。
2014-04-23 cs.CY cs.SI physics.soc-ph
Player Behavior and Optimal Team Composition for Online Multiplayer Games
我们考虑聚类玩家行为和学习多人在线游戏的最佳团队组成。我们的目标是确定一组描述性的游戏风格分组，并学习赢/输结果的预测。预测器将每个团队中的参与者的游戏风格作为输入;即，一场比赛中不同球队的组合。我们的框架使用无监督学习来找到行为集群，这些行为集群反过来与分类算法一起使用来学习结果预测器。对于我们的数值实验，我们考虑英雄联盟，一个流行的团队为基础的角色扮演游戏开发的Riot Games。我们观察到的学习集群不仅证实了游戏知识，而且还提供了令专家玩家惊讶的见解。我们还表明，游戏的结果可以预测相当高的准确性给定的团队组合为基础的功能。
2015-03-08 cs.SI
Information Cascades and Online Rating Games
研究在线评分系统中信息级联现象，分析顾客直觉准确性对评分准确性的影響，揭示评分系统在低或高直觉准确性下的不准确性问题。
2015-08-04 cs.SI econ.GN q-fin.EC
Do Influencers Influence? -- Analyzing Players' Activity in an Online Multiplayer Game
在社交和网络媒体中，影响者传统上被理解为高度可见的个人。最近的研究结果表明，人们很可能会模仿影响者的行为，这可以在营销策略等方面加以利用。同样在游戏用户研究领域，研究玩家社交网络的兴趣已经出现，因为在游戏营销活动中严重依赖在线影响者，以及保持玩家参与。尽管这些人具有内在价值，但仍然很难确定影响者，因为影响者的定义是一个有争议的话题。因此，我们如何识别影响者，他们是否确实是影响他人行为的人？在这项工作中，我们专注于保留的影响，以验证是否中心球员影响其他人在游戏中的持久性。我们确定了社交网络中的核心玩家，这些玩家是从在线射击游戏Destiny中的竞争性玩家对玩家（PvP）多人（Crucible）比赛中建立的。然后，我们计算每个玩家的影响力分数，评估两个相连的个体之间随着时间的推移相似性的增加。在这篇论文中，我们能够展示出第一个迹象，即影响者的传统指标不一定适用于游戏。相反，我们发现核心玩家群体与有影响力的玩家群体不同，后者被定义为具有最高影响力得分的个体。然后，我们对这两个群体进行分析。
2020-06-01 cs.HC cs.SI
Large-scale study of social network structure and team performance in a multiplayer online game
理论和实践中的一个问题是，团队成员之间的熟悉程度（以社会网络结构表示）是否以及如何与团队在特定任务中的成功相关。在本文中，我们重新审视这个重要的问题，在一个新的方式，采用游戏结果统计数据从Dota 2，一个流行的团队为基础的多人在线游戏，结合网络数据从蒸汽社区，一个社交网络服务的游戏玩家。我们对4168个团队进行了大规模的分析，以研究网络密度以及团队内社交网络的最小和最大程度与团队绩效之间的关系，并确定这种关联如何受到团队技能的调节。我们观察到，最低程度与良好的表现密切相关，特别是在技能较低的团队中。再加上我们在本文中证实的网络密度的先前结果，我们的研究结果表明，一个成功的团队不仅是适度连接的整体，但其成员也应该单独有不太少也不太多的团队内连接。
2017-10-31 cs.CY cs.SI
A "Game of Like" : Online Social Network Sharing As Strategic Interaction
本文提出一个基础博弈模型，将在线社交网络内容分享视为用户间的策略互动，并借鉴凯恩斯选美竞赛类比分析内容放大与回音室现象。
2023-07-11 cs.GT cs.SI
Modeling Game Avatar Synergy and Opposition through Embedding in Multiplayer Online Battle Arena Games
Northeastern University（东北大学）；Fordham University（福特汉姆大学）
多人在线对战竞技场（MOBA）游戏最近在全球范围内越来越受欢迎。在这样的游戏中，玩家通过控制选定的游戏化身来进行团队竞争，每个化身都被设计有不同的优势和劣势。直觉上，把游戏化身放在一起，相互补充（协同作用），压制对手（反对派），将导致一个更强大的团队。深入理解游戏角色之间的协同和对立关系有利于玩家在游戏角色绘制中做出决策，并获得更好的比赛事件预测。然而，由于游戏化身之间错综复杂的设计和复杂的交互，彻底理解它们之间的关系并不是一项简单的任务。在本文中，我们提出了一个潜在的变量模型，即游戏化身嵌入（GAE），学习化身的数字表示，编码的协同和对立关系对化身。我们的模型的优点是双重的：（1）捕获的协同和对立关系对于有经验的人类玩家的感知是明智的;（2）游戏化身的学习数字表示允许许多重要的下游任务，例如相似化身搜索，匹配结果预测和化身选择推荐。据我们所知，以前的模型无法同时支持这两个功能。我们对三款商业MOBA游戏的真实比赛数据进行了定量和定性评估，说明了我们的模型的好处。
2018-03-28 cs.AI cs.SI
The Influence of Social Ties on Performance in Team-based Online Games
社会纽带是维系人类生态系统的无形粘合剂。尽管有大量的研究研究社会关系在社区（团体，团队等）中的作用。和整个社会，很少有人注意到他们与其他人类行为动力学的相互作用。特别感兴趣的是社会关系对人类绩效的影响，在协作团队为基础的设置。我们的研究旨在阐明社会关系对个人和团队绩效动态的影响。我们将专注于流行的多人在线战斗竞技场（MOBA）协作团队游戏，古代防御2（Dota 2），一个拥有数百万玩家和比赛的丰富数据集。我们的研究表明，当与朋友一起玩游戏时，个人在游戏中系统地更加活跃，而不是参加陌生人的团队。然而，我们发现，增加活动并不均匀地导致球员的表现改善。尽管对低技能玩家有利，但与朋友一起玩会对高技能玩家的表现产生负面影响。我们的研究结果揭示了社会关系对绩效的混合影响，并可以为虚拟团队管理和行为激励提供新的视角。
2018-12-05 cs.HC cs.SI
The Art of Drafting: A Team-Oriented Hero Recommendation System for Multiplayer Online Battle Arena Games
Northeastern University（东北大学）；Fordham University（福特汉姆大学）；University of California, Los Angeles（加州大学洛杉矶分校）
多人在线对战竞技场（MOBA）游戏最近越来越受欢迎。在这类游戏的比赛中，玩家分成两队，每队五人，每队控制一个游戏中的化身，称为英雄，从100多个名单中选出。英雄的选择，也被称为挑选或选秀，在比赛开始前进行，并在两队之间交替进行，直到每个玩家都选择了一个英雄。英雄被设计成具有不同的优势和劣势，以促进游戏中的团队合作。直觉上，强队中的英雄应该是优势互补，压制对手。因此，由于英雄与英雄之间的复杂关系需要考虑，英雄起草是一个具有挑战性的问题。在本文中，我们提出了一种新的英雄推荐系统，建议英雄添加到现有的团队，同时最大限度地提高团队的胜利前景。为此，我们将两支球队之间的选秀作为一个组合游戏进行建模，并使用蒙特卡罗树搜索（MCTS）来估计英雄组合的价值。我们的实证评估表明，我们的推荐算法起草的英雄队有显着更高的胜率对其他基线和国家的最先进的战略构建的团队。
2018-06-26 cs.AI cs.HC cs.SI
A Formal Framework for Critical-Mass Collapse in Online Multiplayer Games
Georgia Institute of Technology（佐治亚理工学院）
本文提出一个正式框架，用于分析在线多人游戏中因玩家基数下降导致的可持续性崩溃问题，引入临界质量阈值和怀旧倒置点，探讨游戏衰退、保护风险及虚拟世界空置现象。
2026-04-15 cs.GT cs.SI
Behavioral Player Rating in Competitive Online Shooter Games
DePaul University（德保罗大学）
竞争性在线游戏使用评级系统进行匹配;基于进度的算法，根据玩家玩游戏的结果，通过可解释的评级来估计玩家的技能水平。然而，玩家的整体体验是由游戏结果之外的因素塑造的。在本文中，我们从游戏中的统计数据中设计了几个功能来建模玩家，并创建了准确代表他们的行为和真实表现水平的评级。然后，我们比较了我们的行为评级与三个主流评级系统创建的评级预测排名的球员在四个流行的游戏模式，从竞争激烈的射击游戏类型的估计能力。我们的研究结果表明，行为评级提出了更准确的性能估计，同时保持所创建的表示的可解释性。考虑玩家的游戏行为的不同方面并使用行为评级进行匹配可以导致与玩家的目标和兴趣更一致的匹配，从而导致更愉快的游戏体验。
2022-07-01 cs.AI cs.LG cs.SI
Chinese Restaurant Game - Part II: Applications to Wireless Networking, Cloud Computing, and Online Social Networking
University of Maryland（马里兰大学）；National Taiwan University（国立台湾大学）
在本文的第一部分中，我们提出了一个新的博弈，称为中餐馆博弈，来分析具有负网络外部性的社会学习问题。采用递归方法构造了不完全信号下中餐厅博弈中智能体的最佳对策，研究了学习和网络外部性对智能体效用的影响.在本文的第二部分中，我们举例说明了中餐馆游戏在无线网络、云计算和在线社交网络中的三个应用。对于每一个应用程序，我们制定了相应的问题作为一个中国餐馆的游戏，并分析代理如何学习，并作出战略决策的问题。所提出的方法进行了比较，与四个常识的方法在代理的效用和通过模拟的整体系统性能。我们发现，建议的中国餐馆博弈论的方法确实有助于代理作出更好的决策，提高整体系统的性能。此外，具有不同决策顺序的智能体在效用方面具有不同的优势，这也验证了本文第一部分得出的结论。
2011-12-15 cs.LG cs.SI
A Large-scale Friend Suggestion Architecture
网络社交作为传统生活的延伸，在我们的日常生活中扮演着重要的角色。用户经常寻找新的朋友，有显着的相似之处，如兴趣和习惯，激励我们利用这些在线信息，建议朋友给用户。在这项工作中，我们专注于在线游戏平台中的朋友建议，因为游戏中的社交质量与玩家参与度显着相关，决定了游戏体验。与依赖于项目-用户交互的典型推荐系统不同，在我们的设置中，用户-用户交互并不相互依赖。同时，由于游戏环境的快速变化，用户偏好也会迅速变化。在面对这些困难时，设计朋友建议的工作很少，我们第一次打算在大型网络游戏中解决这个问题。基于快速变化的网络游戏环境，通过对用户相似度的演化进行建模，利用用户在游戏中的长期和短期特征，将此问题转化为好友排序问题。我们在拥有数百万用户的大规模游戏数据集上的实验表明，我们提出的模型比其他竞争基线具有更好的性能。
2022-12-24 cs.IR cs.SI
Oldie is Goodie: Effective User Retention by In-game Promotion Event Analysis
为了可持续的增长和盈利，网络游戏公司不断地开展各种活动来吸引新的游戏用户，最大限度地提高回报用户，并最大限度地减少网络游戏中的流失用户。由于最大限度地减少流失用户是最具成本效益的方法，许多研究正在进行的方法来预测和预防流失提前。然而，目前对事件效应效度的研究还很少。在这项研究中，我们调查是否游戏事件影响用户流失率，并确认游戏用户如何响应事件的性格水平，项目购买频率和玩游戏的时间段的差异。
2019-09-24 cs.HC cs.SI
FROG: Effective Friend Recommendation in Online Games via Modality-aware User Preferences
Tencent（腾讯）；Shenzhen Institute of Computing Sciences（深圳计算科学研究院）
本文针对在线游戏好友推荐中多模态特征与图结构信息难以有效融合的问题，提出了端到端模型 FROG，通过建模模态感知的用户偏好，在腾讯离线与在线实验中均优于现有方法。
2025-04-26 cs.AI cs.IR cs.SI
Differential Games of Competition in Online Content Diffusion
在线内容的获取占互联网流量的很大一部分。大多数这样的内容是用户生成的多媒体项，即，内容的所有者在网上发布的在本文中，我们专注于那些提供内容的人如何利用在线平台，以便从其庞大的潜在观众群中获利。实际上，像Vimeo或YouTube这样的平台提供了加速内容传播的工具，即，推荐名单和其他重新排序机制。因此，可以通过支付广告费用来增加内容的受欢迎程度：这样做，它将以一定的优先级出现在推荐列表中，并且将更频繁地被平台用户访问。最终，这种加速机制导致在线内容之间的竞争，以获得人气。在这种情况下，我们的重点是加速策略的结构，内容提供方应该使用，以最佳地促进内容给定一定的每日预算。这种最佳对策实际上取决于竞争的内容提供方所采取的策略。此外，它是内容的潜在受欢迎程度和为平台广告服务支付的费用的函数。我们制定的问题作为一个微分游戏，我们解决它的无限地平线的情况下，通过推导出的游戏的某些纳什均衡的结构。
2013-12-02 cs.GT cs.SI
Linguistic Harbingers of Betrayal: A Case Study on an Online Strategy Game
Cornell University（康奈尔大学）；University of Maryland（马里兰大学）；University of Colorado（科罗拉多大学）
人与人之间的关系是变化无常的，亲密的友谊经常会变成敌意。在这项工作中，我们探索语言线索，预示着这种转变，通过研究在一个在线战略游戏中，玩家形成联盟，并通过背叛打破这些联盟的二元互动。我们描述不太可能持续的友谊，并检查预示背叛的时间模式。我们发现，即将背叛的微妙迹象编码在对话模式的二分体，即使受害者不知道的关系的命运。特别是，我们发现持久的友谊表现出一种平衡的形式，通过语言表现出来。相反，某些谈话属性的平衡突然变化-如积极的情绪，礼貌，或对未来计划的关注-预示着即将到来的背叛。
2015-06-15 cs.AI cs.CL cs.SI
Gendered Conversation in a Social Game-Streaming Platform
Indiana University（印第安纳大学）
在线社交媒体和游戏正在逐渐取代线下社交活动。社交媒体现在是一种不可或缺的沟通方式;在线游戏不仅是一种真正的社交活动，也是一种受欢迎的观赏性运动。由于支持匿名和更大的受众，在线互动缩小了社会和地理障碍。尽管有这些好处，但性别不平等等社会差距在在线社交媒体中仍然存在。特别是，在线游戏社区因持续的性别差异和客观化而受到批评。随着游戏发展成为社交平台，性别差异的持续存在是一个紧迫的问题。然而，很少有大规模的，系统的研究性别不平等和客观化的社交游戏平台。在这里，我们分析了来自社交游戏流媒体平台Twitch的超过10亿条聊天信息，以研究主播的性别如何与对话的性质相关联。使用计算文本分析方法的组合，我们表明，性别对话和客观化是普遍的聊天。女性主播收到的客观化评论明显更多，而男性主播收到的游戏相关评论更多。这种差异对于流行的流媒体来说更为明显。还有大量用户只在女性或男性流上发帖。采用神经向量空间嵌入（段落向量）方法，我们分析了性别化的聊天消息，并创建了预测模型，（i）根据频道中发布的消息识别主播的性别，（ii）根据聊天消息识别观众喜欢观看的性别。我们的研究结果表明，社交游戏流媒体平台的差异是一种微妙的现象，涉及流媒体的性别以及那些产生性别和游戏相关对话的人。
2016-11-22 cs.CL cs.CY cs.SI
Player Skill Decomposition in Multiplayer Online Battle Arenas
Northeastern University（东北大学）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；Texas A&M University-Commerce（得克萨斯农工大学康莫斯分校）
在视频游戏中，玩家技能的成功分析对增强玩家体验的过程具有重要影响，而不会破坏他们的持续技能发展。此外，玩家技能分析在基于团队的视频游戏中变得更加有趣，因为这种形式的研究可以帮助发现有效团队形成的有用因素。在本文中，我们认为在MOBA（多人在线对战竞技场）游戏中的技能分解的问题，目的是了解玩家的技能因素是必不可少的游戏比赛的结果。为了理解MOBA玩家技能的构建，我们利用各种基于技能的预测模型将玩家技能分解为解释性部分，并以统计学术语评估其影响。我们将这种分析方法应用于两个广为人知的MOBA，即英雄联盟（LoL）和古代防御2（DOTA2）。研究发现，游戏角色的基本技能、玩家的基本技能和玩家的冠军专用技能是影响LOL比赛结果的三个显著技能组成部分，而DOTA2的主要技能组成部分主要受游戏角色基本技能的影响，而受其他两个技能的影响不大。
2017-02-21 cs.AI cs.HC cs.MA
Friend Ranking in Online Games via Pre-training Edge Transformers
Tencent Inc.（腾讯公司）
本文将在线游戏好友召回建模为链接预测问题，提出利用双边玩家特征与历史事件的 Edge Transformer，并通过掩码自编码器预训练，在三款腾讯游戏的离线及在线 A/B 测试中取得最优效果。
2023-04-26 cs.AI cs.SI
The Gift That Keeps on Giving: Generosity is Contagious in Multiplayer Online Games
理解社会互动和慷慨行为长期以来一直是社会科学界相当感兴趣的。虽然慷慨的传染在现实世界中有记录，但对虚拟世界中的这种现象以及它是否对用户行为和保留有可操作的影响知之甚少。在这项工作中，我们分析了流行的大型多人在线角色扮演游戏（MMORPG）天空：光之子的虚拟世界中的社会动态。我们开发了一个框架来揭示这种社会环境中的慷慨模式，并提供社会传染和传染性慷慨的经验证据。玩家在与其他人，特别是与朋友一起玩游戏后变得更加投入。我们还发现，那些亲身体验过慷慨行为的玩家，甚至是观察其他玩家慷慨行为的玩家，在未来也会变得更加慷慨。此外，我们表明，接受和观察慷慨导致更高的未来参与游戏。由于天空从社交游戏方面类似于现实世界，我们的研究结果的影响也超出了这个虚拟世界。
2022-10-12 cs.SI
