JP2019154914A - ゲーム傾向分析システム及びそのコンピュータプログラム - Google Patents

Abstract

【課題】ゲームにて用いられた物理的な遊戯媒体の識別結果をゲームの傾向を分析するために活用するゲーム傾向分析システムを提供する。【解決手段】複数のプレイヤが物理的なカード等の遊戯媒体の集合体を用いて対戦するゲームに適用され、ゲームで使用された集合体の構成に関する傾向を分析するゲーム傾向分析システムにおいて、各プレイヤがゲームにて使用すべく構成した集合体に含まれている遊戯媒体のうち少なくとも一部の遊戯媒体を識別し、その識別結果を、集合体の構成例を示す構成例情報として、集合体ごとに区別して所定の構成例データに記録し、構成例データに基づいて、集合体に含まれる頻度が相対的に高い遊戯媒体の組み合わせとしての頻出媒体群を集合体の構成に関する傾向の少なくとも一部を現す要素として推定する。【選択図】図３

Description

本発明は、複数の物理的な遊戯媒体の集合体を用いてプレイされるゲームにおける集合体の傾向を分析するゲーム傾向分析システム等に関する。

ゲームのプレイ状況を撮影し、得られた動画（映像）に対してエフェクトを付加してユーザの視聴に供するシステムが提案されている（例えば特許文献１参照）。物理的な遊戯媒体を利用するゲーム、例えばチェスや将棋等のボードゲーム、あるいはトランプ、トレーディングカード等を用いるカードゲームにおいて、ゲームで使用されている遊戯媒体を、その遊戯媒体に設けられたバーコード、ＩＣチップに記録された情報、あるいは画像認識を介して得られる情報に基づいて識別し、その識別結果に応じた画像をゲームのプレイ画像に付加してユーザの視聴に供するシステムも知られている（例えば特許文献２参照）。

特開２０１７−１８８８３３号公報 特開２００３−１０３０４５号公報

複数の物理的な遊戯媒体を適宜に組み合わせた集合体、例えばカードの束としてのデッキが用いられるゲームでは、他人が集合体をどのように構成しているかを知ることが重要である。例えば、プレイヤが遊戯媒体を組み合わせる場合、他人がどのように集合体を構成しているかに関する傾向を知ることができれば、自己の集合体の構築に役立てること可能である。しかしながら、上述した従来のシステムは、遊戯媒体がゲームでどのように使用されたかを識別し、得られた情報からゲームの進行を再現するといった用途で識別結果を利用しているに過ぎず、得られた情報の活用に関してさらなる検討の余地がある。

そこで、本発明は、ゲームにて用いられた物理的な遊戯媒体の識別結果をゲームの傾向を分析するために活用するゲーム傾向分析システム等を提供することを目的とする。

本発明の一態様に係るゲーム傾向分析システムは、複数のプレイヤのそれぞれが複数の物理的な遊戯媒体の集合体を用いて対戦するゲームに適用され、前記ゲームで使用された集合体の構成に関する傾向を分析するゲーム傾向分析システムであって、各プレイヤが前記ゲームにて使用すべく構成した集合体に含まれている遊戯媒体のうち少なくとも一部の遊戯媒体を識別する媒体識別手段と、前記媒体識別手段の識別結果を、前記集合体の構成例を示す構成例情報として、前記集合体ごとに区別して所定の構成例データに記録する構成例記録手段と、前記構成例データに基づいて、前記集合体に含まれる頻度が相対的に高い遊戯媒体の組み合わせとしての頻出媒体群を、前記傾向の少なくとも一部を現す要素として推定する傾向推定手段と、を備えたものである。

本発明の一態様に係る遊戯媒体傾向分析システム用のコンピュータプログラムは、複数のプレイヤのそれぞれが物理的な複数の遊戯媒体の集合体を用いて対戦するゲームに適用され、前記ゲームで使用された集合体の構成に関する傾向を分析するゲーム傾向分析システムに用いられるコンピュータプログラムであって、前記ゲーム傾向分析システムのコンピュータを、各プレイヤが前記ゲームにて使用すべく構成した集合体に含まれている遊戯媒体のうち少なくとも一部の遊戯媒体を識別する媒体識別手段、前記媒体識別手段の識別結果を、前記集合体の構成例を示す構成例情報として、前記集合体ごとに区別して所定の構成例データに記録する構成例記録手段、及び前記構成例データに基づいて、前記集合体に含まれる頻度が相対的に高い遊戯媒体の組み合わせとしての頻出媒体群を、前記傾向の少なくとも一部を現す要素として推定する傾向推定手段として機能させるように構成されたものである。

本発明の一形態に係るゲーム傾向分析システムが適用される対象としてのゲームがプレイされている様子の一例を示す図。 図１に示したゲームの進行手順の一例を示す図。 ゲーム傾向分析システムにおける傾向分析処理の概要の一例を示す図。 一形態に係るゲーム傾向分析システムの全体構成の一例を示す図。 図４のカードデータに記録されるレコードの一例を示す図。 図４のデッキ使用データに記録されるレコードの一例を示す図。 図４の頻出カードデータに記録されるレコードの一例を示す図。 図４の類似群データに記録されるレコードの一例を示す図。 図４のモデルデータに記録されるレコードの一例を示す図。 図４の識別装置が実行するカード識別処理の手順の一例を示すフローチャート。 図４の識別装置が実行するカデッキ使用データ作成処理の手順の一例を示すフローチャート。 図４のサーバシステムが実行する頻出カード群推定処理の手順の一例を示すフローチャート。 図４のサーバシステムが実行するモデル推定処理の手順の一例を示すフローチャート。 図４のサーバシステムが実行するデッキ評価処理の手順の一例を示すフローチャート。

以下、図面を参照して本発明の一形態に係るゲーム傾向分析システム（以下、傾向分析システムと略称することがある。）を説明する。なお、各図において、互いに共通する複数の要素が描かれている場合、図の煩雑を避けるため一部の要素に代表して参照符号を付すことがある。また、以下の説明では、要素を相互に区別するために「第１」、「第２」といった用語を用いることがあるが、それらの用語は説明の便宜のために用いるものであって、優先順位その他の意義を有するものではない。

まず、図１を参照して本形態の傾向分析システムが適用される一例としてのゲームを説明する。図１に例示するゲームは、二人のプレイヤＰ１、Ｐ２が物理的な遊戯媒体の一例としてのカードＣを用いて対戦するカード対戦ゲームの一種として構成されている。周知のように、カード対戦ゲームでは、ゲームにおける用途や役割、あるいは効果等が異なる複数種類のカードＣが存在する。例えば、対戦相手のカードを攻撃するために用いられるカード、攻撃の効果を強め、あるいは弱めるために用いられるカード、特別のキャラクタ（例えばモンスター等と呼ばれることがある。）を呼び出して特有の効果を生じさせるために用いられるカードといったように多種多様なカードが用いられる。また、それらのカードＣは、カードＣの束を意味するデッキＤＣに適宜に組み入れられてゲームで使用される。デッキＤＣは遊戯媒体の集合体の一例に相当する。しかしながら、カードＣの種類の詳細はゲームの内容に応じて適宜に定められてよく、以下ではカードＣの種類等の詳細は説明を省略する。カードＣの表面側には、カードＣによって象徴されるべきモンスター等のキャラクタを示す画像、あるいはカードＣの効果を象徴する画像、カードＣのキャラクタや効果に付された名称、属性等を示す文字、記号、模様等がカードＣの外観を特徴付ける外観要素として付される。一方、カードＣの裏面側はカードＣを裏返したときのカードＣの判別を不可能とするために、全てのカードＣに対して共通の外観が付される。図１では個々のカードＣの詳細は省略し、各カードＣが表向き、又は裏返しのいずれの状態にあるかに応じてカードＣを視覚的に区別して示している。

ゲームは、プレイヤＰ１、Ｐ２がカードＣを配置すべき場の一例としてのゲームフィールドＧＦを利用して進められる。ゲームフィールドＧＦには複数のカード置き場ＣＰが設定されている。各カード置き場ＣＰは一枚のカードＣと概ね同一形状でかつ同一の大きさである。カード置き場ＣＰは、プレイヤＰ１、Ｐ２が向かい合っている方向における中央部に配置された二つのカード置き場ＣＰを除いて、第１エリアＡＲ１及び第２エリアＡＲ２に分けて設けられている。第１エリアＡＲ１のカード置き場ＣＰは一方のプレイヤＰ１が使用し、第２エリアＡＲ２のカード置き場ＣＰは他方のプレイヤＰ２が使用する。中央の二つのカード置き場ＣＰは基本的には各プレイヤＰ１、Ｐ２が一つずつ使用する。各エリアＡＲ１、ＡＲ２のカード置き場ＣＰは、ゲームにおける用途、役割等に応じて複数のゾーン（不図示）にさらに区分される。例えば、各プレイヤＰ１、Ｐ２からみて右端手前側に位置するカード置き場ＣＰはデッキＤＣを構成する複数枚のカードＣが裏返しの状態で重ね置かれるゾーン、右端奥側のカード置き場ＣＰはゲームにて使用済、あるいは相手からの攻撃で使用不可能となったカードＣが表向きの状態で重ね置かれるゾーンとしてそれぞれ設定されている。カード置き場ＣＰの個数、ゾーンの区分はゲームのルール等に応じて適宜に定められてよく、それらの詳細な説明は省略する。

各プレイヤＰ１、Ｐ２は自己が所有する多数枚のカードからゲームで使用するデッキＤＣを構成し、そのデッキＤＣに含まれたカードＣをカード置き場ＣＰに適宜に配置しつつゲームを進める。ゲームでは、プレイヤＰ１、Ｐ２が一部のカードＣを手札として保持し、あるいはゲームフィールドＧＦ外の適宜の位置に置くといったように、ゲームフィールドＧＦにカードを配置する操作とは異なる所作も行われる。例えば、図１では、プレイヤＰ１が一部のカードＣを手札として保持し、プレイヤＰ２が手札を裏返して手元に置いている状態が示されている。また、ゲームでは、例えば攻撃の効果、あるいは得点といったゲームの進行に影響する数値を計算するための計算機ＣＬ等の外部装置が用いられることもある。

図２はゲームにおける進行の一例を示している。図１のゲームはプレイヤＰ１、Ｐ２間で手番を交互に繰り返すいわゆるターン制で進行する。最初に、ゲームの準備として、例えば各プレイヤＰ１、Ｐ２のデッキＤＣをシャッフルした上で右端手前側のカード置き場ＣＰに配置し、自分のデッキＤＣから所定枚数のカードＣを引いて手札として保持する、といった操作が行われる。準備が終わると先攻プレイヤ（一例としてプレイヤＰ１が先攻とする。）のターンからゲームが開始される。一つのターンは複数のフェーズに区分される。フェーズは、一回のターンで行われるべき手順を、その内容や性質に応じて複数段階に区分するための概念である。図２の例では一回のターンがフェーズ１〜フェーズ６までの６段階に区分されているが、これはあくまで一例である。

各フェーズではターンが与えられているプレイヤＰ１（又はＰ２）がフェーズごとに定められた範囲内で適宜の行動を選択することができる。一例として以下のごとくである。フェーズ１ではデッキＤＣからカードＣが引かれ、フェーズ２では、そのフェーズにて効果処理が行われるべきものとして指定されているカードＣの効果を発動させることができる。フェーズ３では、カードＣを適宜に用いつつ、戦闘で用いるモンスターといった仮想的なキャラクタ等の呼び出し（召喚）、魔法や罠といった特有の効果を有するカードＣのセット、あるいはカードＣの効果の発動といった各種の行動が許容される。フェーズ４ではカードＣを用いた戦闘（バトル）が行われる。例えば、自己のターンのプレイヤＰ１（又はＰ２）が攻撃に用いるカードＣと、相手方のプレイヤＰ２（又はＰ１）の攻撃対象となるべきカードＣとが選択されることにより戦闘が行われる。カードＣに代えて、又は加えて攻相手方のプレイヤ自身が攻撃対象となる場合があってもよい。戦闘の結果はカードＣの属性、強さといったパラメータに応じて定まる。フェーズ５では、フェーズ３と同様の行動が許容される。フェーズ６ではターンの終了が宣言される。なお、フェーズ４の戦闘はターンが与えられているプレイヤＰ１（又はＰ２）の選択によって回避することが可能である。その場合、フェーズ４及び５はスキップされる。一つのフェーズの終了は、カードＣの操作によって明示的に示されることもあれば、プレイヤＰ１、Ｐ２のカード操作以外の身体的所作、例えばジェスチャその他の所作、あるいはプレイヤＰ１、Ｐ２の一定内容の発話によって示されることもある。一回のターンが終わると、相手側のプレイヤＰ２（又はＰ１）へとターンが移る。ターンが交互に繰り返されていくうちに所定の終了条件が成立するとゲームが終了する。終了条件は例えばプレイヤＰ１、Ｐ２に設定されたライフ等のパラメータの値が戦闘によって所定値（例えば０）まで減少すると成立する。

以上のようなゲームにおいては、例えば、ゲームフィールドＧＦを撮影し、得られた画像からカードＣの画像を抽出し、カードＣの画像に映し込まれた外観要素を解析する、といった手法によりゲームのプレイで使用されたカードＣを識別することが可能である。本形態の傾向分析システムはそのようなカードＣの識別によって得られる情報を利用して、ゲームにおけるデッキＤＣの傾向を分析する用途に適用し得るものである。

次に、図３〜図８を参照して傾向分析システムの一形態を説明する。なお、以下では図１に例示したプレイヤＰ１、Ｐ２を参照符号ＰＬにて代表してプレイヤＰＬと表記することがある。まず、図３を参照して、傾向分析システムにおける傾向分析処理の概要の一例を説明する。図３の例においては、ゲームにて使用されたカードＣの識別結果に基づきデッキ使用データが収集される。デッキ使用データは、プレイヤがゲームで使用したカードＣの識別結果を、デッキ例１、２、…ＸといったようにデッキＤＣごとに区別して記録したデータである。デッキ例は、プレイヤがゲームにて実際に使用した一組のデッキＤＣの構成例の一例に相当する。なお、デッキ使用データの作成にあたって、各デッキＤＣ内の全てのカードＣが識別されることは必ずしも要しない。デッキＤＣの一部のカードＣのみ識別ができた場合には、識別されたカードＣのみでデッキ使用データが作成されてよい。各デッキ例に含まれるカードＣの数、あるいは、識別されたカードＣの数が一つのデッキＤＣに含まれるカード枚数に占める比率等に応じてデッキ例に信頼性が設定されてもよい。つまり、より多くのカードＣが識別されているデッキ例ほど信頼性が高いデッキ例とみなし、以降の処理に信頼性を反映させてもよい。

次に、デッキ使用データに基づいてキーカードが抽出され、得られたキーカードごとにサブカードが抽出されることにより、それらのキーカードとサブカードとの組み合わせがデッキＤＣに組み込まれる頻度が高いカードＣの組み合わせとして推定される。キーカードは、デッキ例１、２…Ｘに含まれている頻度が相対的に高いカードＣであって、主要媒体の一例に相当する。言い換えれば、キーカードは、各プレイヤがデッキＤＣに組み入れる可能性が相対的に高いカードＣである。カードＣが含まれている頻度は、カードＣが含まれているデッキ例の数をカードＣの種類ごとに検出することにより特定することが可能である。デッキ例の数が多いほど頻度が高い。キーカードは、最も頻度が高いカードＣから一定範囲のカードＣをキーカードとして選択すればよい。キーカードとして選択する範囲は、例えば、最も頻度が高いカードＣから一定数の範囲として設定されてもよいし、頻度が一定値以上の範囲として設定されてもよい。図３では、キーカードＣｋ１〜Ｃｋｎが選択された例が示されている。キーカードを抽出する場合、各デッキ例の信頼性に応じてデッキ例を重み付けした上でカードＣが含まれている頻度が算出されてもよい。

サブカードは、キーカードに付随してデッキＤＣに組み込まれている頻度が相対的に高いカードＣであって、付随媒体の一例に相当する。サブカードは、キーカードごとに抽出される。例えばキーカードＣｋ１に対応するサブカードＣｓ１１、１２…は、キーカードＣｋ１が含まれているデッキ例を対象として、キーカード以外のカードＣが含まれている頻度、すなわちデッキ例の数をカードＣの種類ごとに検出し、デッキ例の数が相対的に多いカードＣから一定範囲のカードＣをサブカードＣｓ１１、Ｃｓ１２…として特定すればよい。キーカードＣｋ１とサブカードＣｓ１１、Ｃｓ１２…との組み合わせは、デッキＤＣに含まれている頻度が相対的に高いカードＣの組み合わせの一例であって、頻出媒体群の一例に相当する。以下では、そのような組み合わせを頻出カード群と呼ぶことがある。図３では、他にキーカードＣｋ２に対応してサブカードＣｓ２１、Ｃｓ２２…が抽出され、キーカードＣｋｎに対応してサブカードＣｓＮ１、ＣｓＮ２…が抽出された例が示されている。なお、サブカードの数は一定でもよいし、キーカードごとに動的に変化してもよい。また、キーカードも一枚ずつ選択されることを必ずしも要しない。例えば、組み合わせて使用される頻度が相当程度に高いカードＣ同士の組み合わせをキーカードの対として設定し、その対に対してサブカードが抽出されてもよい。サブカードの抽出においても、各デッキ例の信頼性に応じてデッキ例を重み付けした上でカードＣが含まれている頻度が算出されてもよい。

頻出カード群、すなわちキーカード及びサブカードの組み合わせは、プレイヤＰＬがどのような考え方でデッキＤＣを構成しているかに応じてデッキＤＣを分類し、さらにはデッキＤＣの構成に関する傾向をデッキＤＣの性質に応じて区分する指標となるべきものであって、デッキＤＣの構成に関する傾向の少なくとも一部を現す要素として推定される。すなわち、プレイヤＰＬがデッキＤＣを構成する場合には、プレイヤＰＬの考え方、例えば戦略、方針等によりデッキＤＣに含まれるカードのＣの構成が変化する。例えば、攻撃を重視してデッキＤＣを構成するか、又は守備を重視してデッキＤＣを構成するかに応じてデッキＤＣに含めるカードＣが変化する。あるいは、攻撃を重視するとしても、さらなる考え方の相違によりデッキＤＣの構成が変化することもある。対戦相手に応じてデッキＤＣの構成に関する考え方が変化し、それに応じてデッキＤＣの構成が変化することもある。そして、デッキＤＣを構成する場合には、プレイヤＰＬの考え方を実現するために中心的な役割を持つカードＣがまずデッキＤＣに組み込まれ、そのカードＣとの関連性、相性、補強、補完等を考慮してカードＣがさらに選択されることが通例である。キーカードは、デッキＤＣを構成する中心として選定されている可能性が高いと推定されるカードＣであり、プレイヤＰＬの考え方、あるいはデッキＤＣの性質を代表する中心的なカードＣとして推定することができる。また、サブカードは、キーカードと一緒に組み込まれる可能性が高いと推定されるカードＣであって、プレイヤＰＬの考え方やデッキＤＣの性質に合わせてキーカードと一緒に用いられる可能性が高いカードＣとして推定することができる。したがって、キーカード及びサブカードの組み合わせを抽出することにより、デッキＤＣの傾向や性質を区分する指標を得ることが可能である。

キーカード及びサブカードの組み合わせが推定されると、次は、デッキ使用データに含まれているデッキ例が、キーカード及びサブカードの組み合わせとの類似度に基づいて類似群１〜Ｐに分類される。例えば、キーカード及びサブカードの組み合わせを基準として、構成が似通ったデッキ例が一つの類似群に纏められるようにデッキ例が分類される。特定のキーカード及びサブカードの組み合わせを含んでいるデッキ例は、その余のカードＣに相違があっても傾向や性質が一致し、あるいは類似するデッキ例であるとして一つの類似群に纏める、といったように分類が行われてよい。ただし、キーカード及びサブカードに関する複数の組み合わせを含み、デッキＤＣの性質等が曖昧なデッキ例については、類似群から除外されるといった例外的な処理が適用されてもよい。

次に、類似群ごとにモデル例１、２、…Ｐが推定される。モデル例は、例えば一つの類似群に含まれるデッキ例の傾向を示す平均的、あるいは標準的な例として構成されてよい。モデル例は、上述した一組の頻出カード群を含み、かつ頻出カード群のカードＣ以外のカードＣを追加するようにして構成されてよい。一例として、類似群に所属するデッキ例に比較的多く含まれているカードＣを頻出カード群に付加するようにしてモデル例が構成されてもよい。ただし、キーカード及びサブカードを組み合わせた枚数が既にモデル例に含まれるべきカード枚数として十分である場合には、キーカード及びサブカードの組み合わせをモデル例に必須のカードＣとして設定し、その余のカードＣはモデル例に含めないものとしてもよい。あるいは、頻出カード群以外のカードＣは、デッキＤＣの傾向に与える影響が比較的小さく、任意に選択し得るカードＣとしてモデル例に含めるか、モデル例とは別に提示されてもよい。デッキ使用データの収集に併せて、各デッキ例が使用されたゲームの情報、例えば対戦における勝敗といったゲームの結果の情報も取得できる場合には、類似群に含まれるデッキ例のうち、対戦で一定の結果を残したデッキ例からモデル例に加えるべきカードＣが選択されるといったように、ゲームの情報を考慮してモデル例が構成されてもよい。いずれにしても、モデル例はキーカード及びサブカードの組み合わせを少なくとも含み、さらに類似群に含まれるデッキ例から適宜のカードＣを任意的に付加することにより、プレイヤＰＬがデッキＤＣを構成する際の参考例として用い得るように推定されてよい。

図４は、傾向分析処理を実現するための傾向分析システム１の構成例を示す。傾向分析システム１は、デッキ使用データを収集するための識別システム２と、識別システム２とインターネット等のネットワークを介して通信可能に接続され、デッキ使用データの分析等の処理を担当するサーバシステム３とを含んでいる。識別システム２には、ゲームフィールドＧＦを撮像する撮像手段の一例としてカメラ４と、カメラ４が取得した画像に基づいてデッキＤＣに含まれているカードＣを識別する識別装置５とが設けられている。識別装置５は、ＣＰＵと、その動作に必要な内部メモリ等の周辺機器とを含んだコンピュータの一例として構成され、サーバシステム３に対するクライアントとして機能する。サーバシステム３は、単一の物理的なサーバユニットによって構成され、又は複数の物理的なサーバユニットを組み合わせた論理的なサーバシステムとして構成される。サーバシステム３もまたコンピュータの一例として機能する。なお、サーバシステム３は、クラウドサーバとして構成されてもよい。図３では単一の識別システム２がサーバシステム３と接続された状態を示すが、複数の識別システム２がサーバシステム３と接続されてよい。

識別装置５には、当該識別装置５のハードウエア資源とソフトウエア資源の一例としてのコンピュータプログラムＰＧｃとの組み合わせによって実現される論理的装置として、カード識別部１１及びデータ作成部１２が設けられる。カード識別部１１は、カメラ４が撮影したカードＣの画像を解析し、その解析結果をカードデータＤ１と照合してカードＣを識別し、得られた識別結果をカード識別データＤ２に記録する。カードデータＤ１には、一例として図５に示したように、カードＣのカードＩＤと特徴情報とを対応付けて記録したレコードが蓄積されている。カードＩＤはカードＣの種類ごとにユニークに設定される媒体識別情報の一例である。特徴情報はカードＣの表面側における外観上の特徴を記述した情報である。カードＣの表面側の外観は、上述した外観要素によりカードＣの種類ごとに相違する。したがって、画像に基づいてカードＣの種類を特定することが可能であり、特徴情報はその外観要素の特徴を記述した情報として予め生成される。カメラ４が撮影した画像を特徴情報と対比できるように解析すれば、カードＣの画像からカードＣの種類に対応したカードＩＤを識別することができる。なお、カードＣの具体的な内容、例えばキャラクタ等の名称、属性、強さ、効果といった情報はカードＩＤと対応付けて不図示のデータに予め記録されており、カードＩＤが判明すれば、そのカードＩＤを手がかりとしてカードＣの具体的内容は判別可能である。よって、本形態におけるカードＣの識別は、少なくともカードＩＤを識別すれば足りるものとする。カードＩＤが一致すればカードＣの外観要素の特徴は一致する。ゲームではカードＩＤが一致する複数のカードＣが一組のデッキＤＣに組み込まれ、それらのカードＣが適宜に使い分けられることもある。

図４に戻って、データ作成部１２は、カード識別データＤ２を参照して、プレイヤＰＬが使用した一組のデッキＤＣに含まれているカードＣのカードＩＤを判別し、その判別結果に基づいてデッキ使用データＤ３を作成する。また、データ作成部１２は、作成されたデッキ使用データＤ３を適宜の時期にサーバシステム３に送信する。なお、コンピュータプログラムＰＧｃ及びデータＤ１〜Ｄ３は識別装置５に設けられた記憶装置（不図示）に適宜に保存される。

デッキ使用データＤ３は、一組のデッキＤＣに含まれるカードＣの情報を記録したレコードの集合であって、構成例データの一例に相当する。図６はデッキ使用データＤ３に記録される一件のレコードの一例を示している。図６のレコードにおいては、一組のデッキＤＣに含まれるカードＣの情報と、識別率の情報及び付帯情報とがデッキＤＣごとにユニークなデッキＩＤと対応付けて記録される。図６のレコードは、デッキ使用データＤ３に記録されるべき構成例情報の一例である。カードＣの情報としては、例えば一組のデッキＤＣに含まれる各カードＣのカードＩＤが記録される。識別率は、デッキＤＣに含まれるカードＣの枚数に対して、カード識別部１１にて識別されたカードＣの枚数の比率を示す情報である。

付帯情報は、デッキＤＣが使用されたゲームの情報として識別装置５が取得する情報であって、サーバシステム３における処理にて適宜に参照されるべき情報として予め選定される。付帯情報としては、デッキＤＣの性質等を判別するに適した情報が選定されてよく、例えばデッキＤＣがゲームに与えた結果、あるいは影響の判別に用い得る情報が付帯情報として選定されてよい。一例を挙げれば次の通りである。カメラ４が取得した画像に基づいて対戦結果を判別することが可能な場合、対戦結果の情報が付帯情報の少なくとも一部として記録されてよい。付帯情報はカメラ４の画像から判別する例に限られない。例えば、計算機ＣＬ等の補助装置の入力情報を識別装置５が取得可能な場合には、その入力情報又は入力情報から得られる情報を付帯情報に含めてよい。あるいは、識別装置５のオペレータがキーボード等の入力装置を介してゲームの情報を入力することが可能な場合、入力された情報の少なくとも一部が付帯情報に含まれてよい。なお、デッキＩＤは識別装置５で付与せず、サーバシステム３側でレコードごとに付与されてもよい。つまり、識別装置５はカード使用データＤ３に含まれるべきレコードを作成するごとにこれをサーバシステム３に送信するものとし、そのレコードを受け取ったサーバシステム３側がデッキＩＤを付してデッキ使用データＤ３に蓄積するものとしてもよい。一つのデッキＩＤにて特定されるレコードは、図３に示したデッキ使用データに含まれる一組のデッキ例に対応する。

図４に示すように、サーバシステム３には、そのサーバシステム３のハードウエア資源とソフトウエア資源の一例としてのコンピュータプログラムＰＧｓとの組み合わせによって実現される論理的装置として、傾向推定部２１、公開管理部２２及び評価部２３が設けられる。傾向推定部２１は、識別システム２から送信されるデッキ使用データＤ３を蓄積し、そのデッキ使用データＤ３に基づいて図３に示した各種の処理を実行し、実行結果を分析データＤ１０に記録する。分析データＤ１０には、頻出カードデータＤ１１、類似群データＤ１２及びモデルデータＤ１３が含まれる。なお、図４のサーバシステム３において、コンピュータプログラムＰＧｓ及びデータＤ３、Ｄ１０は、サーバシステム３に含まれる適宜の記憶装置（不図示）に保持される。デッキ使用データＤ３及び分析データＤ１０はデータベースサーバによって保持されてもよい。

頻出カードデータＤ１１は、図７に例示したようにキーカードとサブカードとを対応付けて記録したレコードを蓄積したデータである。つまり、頻出カードデータＤ１１は、デッキＤＣに含まれている頻度が相対的に高いカードＣの組み合わせについての分析結果を記録したデータである。類似群データＤ１２は、デッキ使用データＤ３に記録されているデッキ例と類似群との対応関係を示すレコードの集合である。類似群データＤ１２に記録される一件のレコードの一例を図８に示す。図８の例では、一つの類似群に含まれるデッキ例を特定する情報と、その類似群の特徴を示す情報とが類似群ごとにユニークな類似群番号と対応付けて記録される。デッキ例を特定する情報としては、一例として、一つの類似群に分類されたデッキ例のそれぞれのデッキＩＤが記録される。特徴の情報は傾向推定部２１によって推定された類似群ごとのデッキＤＣの特徴を示す情報である。例えば、攻撃重視又は守備重視のいずれの性質を有する類似群かを判別する情報、類似群に含まれるデッキ例の強弱を判別する情報、あるいは、類似群に含まれる各デッキ例における識別率（図６参照）に基づくデータの信頼性を判別する情報、といったように類似群データＤ１２を利用する際に参考となり得る各種の情報が特徴の情報として記録されてよい。

モデルデータＤ１３は、一組のモデル例に関する情報を記録したレコードの集合である。図９はモデルデータＤ１３に記録される一件のレコードの一例を示している。モデルデータＤ１３に記録される一件のレコードの一例を図９に示す。図９の例では、一つのモデル例に含まれるカードＣを特定する情報と、そのモデル例の特徴を示す情報とがモデル例ごとにユニークなモデル番号と対応付けて記録される。カードＣを特定する情報としては、一例として、一つのモデル例に含まれるべきカードＣのカードＩＤが記録される。特徴の情報はモデル例として示されるデッキＤＣの特徴を示す情報である。特徴の情報は、類似群データＤ１２のレコードに含まれる特徴の情報と同様であってよく、モデルデータＤ１３を利用する際に参考となり得るモデル例の性質、強弱、信頼性といった各種の情報が特徴の情報として記録されてよい。

図４に戻って、公開管理部２２は、端末装置６への分析データＤ１０の公開を管理することにより、情報公開手段の一例として機能する。端末装置６は、例えばユーザが利用するパーソナルコンピュータ６ａ、あるいは携帯型の情報通信端末（一例としてスマートフォン）６ｂを含み、サーバシステム３に対して識別装置５と同様に所定のネットワークを介して通信可能に接続される。公開管理部２２は、端末装置６からのアクセスに応じて分析データＤ１０の少なくとも一部を端末装置６における閲覧、参照等の利用に適した形態で配信する。それにより、端末装置６のユーザは、傾向推定部２１によって作成されたモデル例等を端末装置６にて参照しつつゲームにて使用するデッキＤＣを構築する、といったように分析データＤ１０を利用することが可能である。評価部２３は、例えば端末装置６からユーザのデッキＤＣの構成を示す情報を取得し、得られたデッキＤＣを分析データＤ１０と適宜に比較することにより、ユーザのデッキＤＣを評価する。それにより、評価部２３は評価手段の一例として機能する。

次に、傾向分析システム１にて実行される各種の処理の具体的な手順の一例を説明する。まず、図１０及び図１１を参照して識別装置５における処理の一例を説明する。図１０は、識別装置５のカード識別部１１がカードＣを識別するためにゲームのプレイ中に所定の周期で繰り返し実行するカード識別処理の手順の一例を示している。図７のカード識別処理において、カード識別部１１は、カメラ４が撮影した最新の画像を取得し、得られた画像を解析してゲームフィールドＧＦに配置されているカードＣの画像を抽出する（ステップＳ１１）。この場合、表向き、すなわち外観要素に基づく識別が可能な向きで配置されているカードＣのみが抽出対象とされてよい。また、カード識別部１１は、ゲームフィールドＧＦにおけるカードＣの位置を併せて判別し、抽出されたカードＣがプレイヤＰ１、Ｐ２のいずれが使用しているカードＣであるかを併せて識別してもよい。次に、カード識別部１１は、ステップＳ１１で抽出したカードＣから処理対象の一枚のカードＣを選択する（ステップＳ１２）。

続いて、カード識別部１１は、処理対象のカードＣの外観の特徴情報を抽出する（ステップＳ１３）。さらに、カード識別部１１は、抽出された特徴情報と一致し、又は最も近似する特徴情報を有するレコードをカードデータＤ１から抽出し、そのレコードのカードＩＤをカードＣのカードＩＤとして判別する（ステップＳ１４）。その後、カード識別部１１は、ステップＳ１１で抽出した全てのカードＣについてカードＩＤを判別する処理が終了したか否かを判別する（ステップＳ１５）。未処理のカードＣがあればカード識別部１１はステップＳ１２へ戻り、未処理のカードＣから処理対象を選択する。ステップＳ１５にて全てのカードＣが処理済と判断された場合、カード識別部１１は判別したカードＣのカードＩＤを識別結果としてカード識別データＤ２に記録する（ステップＳ１６）。この際、カード識別部１１は、プレイヤＰ１、Ｐ２のいずれが使用したカードＣであるかを区別する情報もカード識別データＤ２に記録する。つまり、プレイヤＰ１、Ｐ２のいずれが使用したデッキＤＣに含まれていたカードＣであるかが区別できるようにしてカード識別データＤ２に識別結果が記録される。ステップＳ１６の処理をもって今回のカード識別処理が終了する。カード識別部１１は、図１０のステップＳ１１〜Ｓ１６の処理を実行することにより媒体識別手段の一例として機能する。

図１１は、識別装置５のデータ作成部１２がデッキ使用データＤ３のレコードを作成するために実行するデッキ使用データ作成処理の手順の一例を示している。この処理は、一回の対戦が終了して各プレイヤＰＬが使用したカードＣの識別結果がカード識別データＤ２に記録された後の適宜の時期に実行される処理であり、デッキＤＣごとに、言い換えればプレイヤＰ１、Ｐ２ごとに実行される。図１１の処理が開始されると、データ作成部１２は、いずれか一方のプレイヤＰＬが使用したカードＣに関する識別結果をカード識別データＤ２から取得し、得られた識別結果に基づいてプレイヤＰＬが使用したデッキＤＣの構成、すなわちデッキＤＣに含まれていたカードＣのカードＩＤを判別する（ステップＳ２１）。カード識別データＤ２はカード識別部１１にて適宜の周期で繰り返し生成されたレコードの集合であり、同一カードＣが複数のレコードに亘って記録されている。したがって、例えば、ステップＳ２１ではカード識別データＤ２のレコードが時系列に従って分析され、ゲームの開始から終了までの間にゲームフィールドＧＦに出現したカードＣが特定され、それらのカードＣのカードＩＤの集合がデッキＤＣの構成として判別される。

続いて、データ作成部１２は、ステップＳ２１で判別したデッキ構成におけるカードＣの識別率を演算する（ステップＳ２２）。識別率は、ステップＳ２１で判別したカードの枚数を、デッキＤＣに含まれるカードの全枚数（予め決められている）で除算することにより求めることできる。識別率は上述したデッキ例の信頼性を示す指標として用い得る。次に、データ作成部１２はデッキ使用データＤ３のレコードの含めるべき付帯情報を生成する（ステップＳ２３）。例えば、データ作成部１２は、カメラ４が撮影した画像を監視してゲームの勝敗を判別し、その判別結果が含まれるように付帯情報を作成してよい。カード識別データＤ２に基づき、ゲームフィールドＧＦにおけるカードＣの変化、つまりカードＣがどのように使用されたかを判別し、その判別結果に基づいて勝敗等を推定して付帯情報を生成してもよい。あるいは、識別装置５のオペレータの入力に基づいて勝敗等を判別し、その入力情報に基づいて付帯情報を生成してもよい。

付帯情報が生成されると、データ作成部１２はステップＳ２１〜Ｓ２３の処理で得られた情報に従ってデッキ使用データＤ３に含めるべき一件のレコードを作成し（ステップＳ２４）、そのレコードをデッキ使用データＤ３に記録する（ステップＳ２５）。以上の処理が、プレイヤＰ１、Ｐ２ごとに実行されることにより、一回の対戦で使用されたデッキＤＣに関するデッキ使用データＤ３が識別装置５に記録される。得られたデッキ使用データＤ３は適宜のタイミングでサーバシステム３に送信される。データ作成部１２は、図１１のステップＳ２１〜Ｓ２５の処理を実行することにより、構成例記録手段の一例として機能する。

次に、図１２〜図１４を参照してサーバシステム３における処理の一例を説明する。図１２は、デッキ使用データＤ３に基づいて頻出カードデータＤ１１を作成するために傾向推定部２１が実行する頻出カード群推定処理の手順の一例を示す。図１２の処理は、例えばデッキＤＣの分析に十分な数のレコードがデッキ使用データＤ３に記録された後の適宜の時期に実行される処理としてよい。図１２の処理が開始されると、傾向推定部２１は、まず、デッキ使用データＤ３に記録されている各カードＣがデッキ例に含まれている頻度をカードＣごとに算出する（ステップＳ３１）。例えば、デッキ使用データＤ３に記録されているカードＣごとに、カードＣが含まれているデッキ例のレコードが検出され、その検出数が頻度として算出される。この場合、デッキ使用データＤ３の各レコードに記録されている識別率が、一件のレコードによって特定されるデッキ例の信頼性を示す指標の一例として考慮されてもよい。例えば、識別率が一定レベル以上のレコードに関しては、そのレコードに記録されているカードＩＤのそれぞれの検出数を１に設定する一方、識別率が相対的に低いレコードに関しては、識別率に応じて検出数を１未満に低下させるといった重み付けがなされてもよい。一例として、識別率が十分に高い１０件のレコードと、識別率がおよそ半分程度の２件のレコードのそれぞれで特定のカードＣのカードＩＤが記録されていた場合、識別率が低いレコードの検出数に係数０．５を乗算し、当該カードＣの検出数を１０×１＋２×０．５＝１１と算出するといったように、識別率に応じた重み付け処理が適用されてもよい。なお、識別率が許容範囲を超えて小さいレコードはステップＳ３１の演算対象から除外されてもよい。

続いて、傾向推定部２１は、ステップＳ３１で算出した頻度に基づいてキーカードを抽出する（ステップＳ３２）。この処理は、検出数が最も高いカードＣから順に一定範囲のカードＣをキーカードとして選択するといった処理により実現されてよい。キーカードが抽出されると、傾向推定部２１はそれらのキーカードのカードＩＤを頻出カードデータＤ１１に一旦記録する（ステップＳ３３）。次に、傾向推定部２１は、頻出カードデータＤ１１に記録されたキーカードのいずれか一つを処理対象のキーカードとして選択し（ステップＳ３４）、そのキーカードと一緒にデッキ使用データＤ３のレコードに記録されているカードＣに関する頻度を算出する（ステップＳ３５）。例えば、デッキ使用データＤ３に記録されているレコードのうち、ステップＳ３４で選択したキーカードのカードＩＤが記録されているレコードを抽出し、得られたレコードに関して、キーカードを除くカードＣごとに、カードＣが含まれているデッキ例のレコードが検出され、その検出数が頻度として算出される。この場合にも、ステップＳ３１と同様に識別率が考慮されてもよく、識別率が許容範囲を超えて小さいレコードは演算対象から除外されてもよい。

続いて、傾向推定部２１は、ステップＳ３５で算出した頻度に基づいてサブカードを抽出する（ステップＳ３６）。この処理は、検出数が最も高いカードＣから順に一定範囲のカードＣをサブカードとして選択するといった処理により実現されてよい。サブカードが抽出されると、傾向推定部２１は、ステップＳ３４で検出したキーカードのカードＩＤと、ステップＳ３６で抽出したサブカードのカードＩＤとの組み合わせを一組の頻出カード群と推定し、それらのカードＩＤを相互に対応付けたレコードを生成してこれを頻出カードデータＤ１１に記録する（ステップＳ３７）。

次に、傾向推定部２１は、ステップＳ３２で抽出した全てのキーカードに関してステップＳ３４〜Ｓ３７の処理が適用されたか否かを判別し（ステップＳ３８）、未処理のキーカードが存在するときはステップＳ３４へと戻る。ステップＳ３７にて全てのキーカードについて処理が適用済と判断された場合、傾向推定部２１は今回の図１２の処理を終える。傾向推定部２１は、図１２のステップＳ３１〜Ｓ３８の処理を実行することにより、傾向推定手段の一例として機能する。

図１３は、頻出カードデータＤ１１に基づいて類似群データＤ１２及びモデルデータＤ１３を作成するために傾向推定部２１が実行するモデル推定処理の手順の一例を示す。図１３の処理は、例えば図１２の処理によって頻出カードデータＤ１１が作成され、あるいは更新された後の適宜の時期に実行される処理としてよい。図１３の処理が開始されると、傾向推定部２１は、まず、頻出カードデータＤ１１に記録されたレコードから一組の頻出カード群（キーカードとサブカードの組み合わせ）に対応するレコードを処理対象として選択する（ステップＳ４１）。続いて、傾向推定部２１は、ステップＳ４１にて選択したレコードのキーカード及びサブカードの組み合わを基準として、同一の類似群に分類されるべきデッキ例のレコードをデッキ使用データＤ３から抽出する（ステップＳ４２）。この処理は、処理対象の頻出カード群のキーカード及びサブカードを含んでいることを少なくとも要件としてデッキ例を抽出するように実行されてよい。頻出カード群以外のカードＣの異同に関しては、例えば一致度が所定範囲内であれば同一類似群に含めるといった判断が適用されてよい。さらに、複数の頻出カード群を含み、デッキＤＣの性質が曖昧といったデッキ例は除外されるといった例外処理が適用されてよい。

次に、傾向推定部２１は、ステップＳ４２で抽出したデッキ例のレコードの付帯情報を参照して、類似群に対応付けるべき特徴の情報を生成する（ステップＳ４３）。特徴の情報は、デッキ使用データＤ３の付帯情報に基づいて適宜に生成されてよい。一例として、上述したようにデッキＤＣの性質、タイプ、類似群に含まれるデッキ例の勝敗率等、類似群に含まれる各デッキＤＣがゲームにおいてどのような効果を発揮し、あるいはどのような影響をゲームに与えたかを知る手がかりとなる情報として特徴が生成されてよい。特徴の情報を生成した後、傾向推定部２１は、ステップＳ４２及びＳ４３の処理結果に基づいて類似群データＤ１２に記録されるべきレコード（図８参照）を生成し、これを類似群データＤ１２に記録する（ステップＳ４４）。

次に、傾向推定部２１はステップＳ４２及びＳ４３の処理結果に基づいて、ステップＳ４４で記録した類似群に対応するモデル例を、当該類似群における構成例のモデルの一例として推定する（ステップＳ４５）。上述したように、モデル例は、一つの類似群に含まれるデッキ例の構成に関する平均的、あるいは標準的な例を推定することにより作成されてよい。モデル例は、処理対象の頻出カード群のキーカード及びサブカードを含み、かつ類似群のデッキ例から選択された適宜のカードＣを含むように構成されてもよい。続いて、傾向推定部２１は、ステップＳ４５で推定したモデル例に対応する特徴の情報を生成する（ステップＳ４６）。この処理は、モデル例の性質等を記述した情報であって、ステップＳ４３で生成した情報がそのまま利用されてもよいし、モデル例のさらなる特徴を示す情報等がステップＳ４６で付加されてもよい。

次に、傾向推定部２１は、ステップＳ４５及びＳ４６の処理結果に基づいて、モデルデータＤ１３に記録すべきレコードを作成し（ステップＳ４７）、これをモデルデータＤ１３に記録する（ステップＳ４８）。その後、傾向推定部２１は、頻出カードデータＤ１１に記録されている全てのレコードに関してステップＳ４２〜Ｓ４８の処理が適用されたか否かを判別し（ステップＳ４９）、未処理のレコードが存在するときはステップＳ４１へと戻る。ステップＳ４８にて全ての頻出カード群の処理が終了したと判断された場合、傾向推定部２１は今回の図１３の処理を終える。

以上の処理が適宜に実行されることにより、ゲームで使用されたカードＣの識別情報に基づいて、プレイヤＰＬがどのようなデッキＤＣをゲームに用いているかを把握する手がかりとなり得るデッキ使用データＤ３が収集され、そのデッキ使用データＤ３に基づいてデッキＤＣの構成に関する傾向を知る手がかりとなる頻出カード群、つまりプレイヤＰＬが組み合わせてデッキＤＣに含めている頻度が高いカードＣの組み合わせを示す頻出カードデータＤ１１が作成される。その頻出カードデータＤ１１を参照することにより、多種多様なデッキＤＣをその性質等に応じて複数の類似群に分類し、さらには類似群ごとにモデル例としてのデッキＤＣを推定することができる。したがって、カードＣの識別結果を、デッキＤＣの構成に関する傾向を把握するための情報として活用することが可能となり、カードＣの識別結果の用途を拡大して情報の有効活用を図ることができる。

なお、上記の形態において、公開管理部２２は、分析データＤ１０に含まれる頻出カードデータＤ１１、類似群データＤ１２、及びモデルデータＤ１３の情報を端末装置６のユーザの求めに応じて適宜に取捨選択して端末装置６に提供してよい。また、評価部２３は、ユーザが構成したデッキＤＣに含まれるカードＣの情報を端末装置６から取得し、その情報に基づいて識別されるデッキＤＣの構成と、傾向推定部２１の推定結果との比較に基づいてプレイヤＰＬのデッキＤＣを評価する。評価部２３による処理の一例を図１４に示す。

図１４の処理において、サーバシステム３の傾向推定部２１は端末装置６からデッキＤＣの構成を識別するための情報を取得し（ステップＳ６１）、得られた情報に基づいて、ユーザが構成したデッキＤＣに類似するデータを分析データＤ１０から抽出する（ステップＳ６２）。この場合、例えばユーザのデッキＤＣに含まれているカードＣのカードＩＤと頻出カードデータＤ１１に記録されている頻出カード群とを対比し、類似度が所定レベル以上の頻出カード群のレコードを抽出し、あるいはユーザのデッキＤＣに含まれているカードＣのカードＩＤと頻出カードデータＤ１１に記録されている頻出カード群とを対比し、類似度が所定レベル以上の頻出カード群のレコードを抽出し、あるいはユーザが構成したデッキＤＣと構成が類似する類似群のレコードを類似群データＤ１２から抽出する、といった処理が適用されてよい。

次に、評価部２３は、ステップＳ６１で取得したデッキＤＣの構成とステップＳ６２で抽出したデータ（レコード）とを比較してユーザのデッキＤＣを評価する。例えば、ユーザのデッキＤＣと、頻出カード群との類似度、あるいはユーザのデッキＤＣと類似群データＤ１２に記録されているデッキの構成との類似度を定量的に算出することによりユーザのデッキＤＣを評価する。例えば類似度が高いほど、プレイヤＰＬがデッキＤＣを構成する傾向と合致しているものとして、ユーザのデッキＤＣを高く評価するといった処理が可能である。その後、評価部２３はステップＳ６３の評価結果を端末装置６に配信してユーザに提示する（ステップＳ６４）。この際、類似群データＤ１２等に記録されている特徴情報、又はその特徴情報をユーザのデッキＤＣに応じて適宜にアレンジした評価コメント等が端末装置６に併せて提供されてもよい。

図１４の例では、ユーザのデッキＤＣに含まれるカードＣの情報が端末装置６からサーバシステム３に提供されることにより、端末装置６それ自体が媒体識別手段の一例として機能する。その場合、端末装置６への情報の入力は、端末装置６に接続されたカメラその他の入力装置が適宜に用いられてよく、ユーザが端末装置６に設けられたキーボード等の入力装置（入力インターフェース）を利用してカードＣの情報を入力するようにしてもよい。また、ユーザが端末装置６に識別させたデッキＤＣは、ゲームで使用すべく構成した集合体の概念に含まれ得るものである。ただし、識別システム２を利用してデッキＤＣのカードＩＣを識別し、得られた識別結果を評価部２３にて評価してもよい。つまり、ゲームがプレイされる場に持ち込まれたデッキＤＣそれ自体を評価部２３によって評価してもよい。

本発明は上述した各形態に限定されず、種々の変形又は変更が施された形態にて実施されてよい。例えば、上記の形態では頻出カード群、類似群及びモデル例を、デッキＤＣの構成に関する傾向を示す要素として推定しているが、本発明はそれらの全ての推定を必須とするものではない。頻出カード群が推定できれば、デッキＤＣを構成する際の考え方に沿ってどのようなカードＣをデッキＤＣに組み込むべきかの傾向を明らかにすることが可能である。したがって、類似群及びモデル例の推定を省略し、頻出カード群の推定結果を適宜の利用に供するように傾向分析システムが構成されてもよい。モデル例は、一つの類似群に対して一組に限らない。一つの類似群に対して二組以上のモデル例が推定されてもよい。デッキ使用データに含まれるデッキ例はいずれか一つの類似群に対して一意的に分類されることを必ずしも要しない。一組のデッキ例が二以上の類似群に並列的に分類されれる場合があってもよい。

本発明の傾向分析システムが適用されるべき対象のゲームは、ゲームフィールドの複数の場所に遊戯媒体が適宜に配置されつつ進行する対戦ゲームに限定されない。例えば、遊戯媒体としてのカードが所定の場に一枚以上の所定枚数（可変であってもよい。）ずつ順次繰り出されながら進行するようなゲームであっても本発明の傾向分析システムを適用することが可能である。

上記の形態では、カメラ４が撮影した画像に基づいてカードＣを識別したが、媒体識別手段はそのような例に限られない。例えば、ゲームに用いられる遊戯媒体のそれぞれ、又は遊戯媒体と組み合わせて用いられる付加物（例えばカードＣに対するスリーブ等）のそれぞれに対して、ＩＣチップ、バーコード、二次元コード等を識別情報として装着し、ゲームフィールドＧＦ等の場に配置された遊戯媒体等からその識別情報を読み取ることにより遊戯媒体を識別するようにしてもよい。この場合、媒体情報取得手段としては、ＩＣチップに対するリーダ、バーコード等に対するスキャナ等を用いることが可能である。遊戯媒体はカードのような平板的な例に限られず、フィギア、駒、その他の立体的な形状を有するものであっても、これを識別して構成例データを作成できる限り、適宜の遊戯媒体が対象とされてよい。ゲームにて使用されるデッキＤＣ等の集合体に含まれる遊戯媒体は、ゲームのプレイ中に得られる情報に基づいて識別されることを必ずしも要しない。例えば、ゲームのプレイが開始される前の段階で、プレイヤが構成したデッキに含まれるカードを順次スキャンする等して識別するものとしてもよい。その場合の識別情報の入力作業の少なくとも一部は、識別装置５のオペレータ等による手作業に依存するものであってもよい。

上述した実施の形態及び変形例のそれぞれから導き出される本発明の各種の態様を以下に記載する。なお、以下の説明では、本発明の各態様の理解を容易にするために添付図面に図示された対応する構成要素を括弧書きにて付記するが、それにより本発明が図示の形態に限定されるものではない。

本発明の一態様に係るゲーム傾向分析システムは、複数のプレイヤ（Ｐ１、Ｐ２）のそれぞれが複数の物理的な遊戯媒体（Ｃ）の集合体（ＤＣ）を用いて対戦するゲームに適用され、前記ゲームで使用された集合体の構成に関する傾向を分析するゲーム傾向分析システム（１）であって、各プレイヤが前記ゲームにて使用すべく構成した集合体に含まれている遊戯媒体のうち少なくとも一部の遊戯媒体を識別する媒体識別手段（１１、Ｓ１１〜１６；６）と、前記媒体識別手段の識別結果を、前記集合体の構成例を示す構成例情報（一例として図６に示すレコード）として、前記集合体ごとに区別して所定の構成例データ（Ｄ３）に記録する構成例記録手段（１２、Ｓ２１〜Ｓ２５）と、前記構成例データに基づいて、前記集合体に含まれる頻度が相対的に高い遊戯媒体の組み合わせとしての頻出媒体群を、前記傾向の少なくとも一部を現す要素として推定する傾向推定手段（２１、Ｓ３１〜Ｓ３８）と、を備えたものである。

本発明の一態様に係る遊戯媒体傾向分析システム用のコンピュータプログラムは、複数のプレイヤ（Ｐ１、Ｐ２）のそれぞれが物理的な複数の遊戯媒体（Ｃ）の集合体（ＤＣ）を用いて対戦するゲームに適用され、前記ゲームで使用された集合体の構成に関する傾向を分析するゲーム傾向分析システム（１）に用いられるコンピュータプログラム（ＰＧｃ、ＰＧｓ）であって、前記ゲーム傾向分析システムのコンピュータ（５、３）を、各プレイヤが前記ゲームにて使用すべく構成した集合体に含まれている遊戯媒体のうち少なくとも一部の遊戯媒体を識別する媒体識別手段（１１、Ｓ１１〜１６；６）、前記媒体識別手段の識別結果を、前記集合体の構成例を示す構成例情報（一例として図６に示すレコード）として、前記集合体ごとに区別して所定の構成例データ（Ｄ３）に記録する構成例記録手段（１２、Ｓ２１〜Ｓ２５）、及び前記構成例データに基づいて、前記集合体に含まれる頻度が相対的に高い遊戯媒体の組み合わせとしての頻出媒体群を、前記傾向の少なくとも一部を現す要素として推定する傾向推定手段（２１、Ｓ３１〜Ｓ３８）として機能させるように構成されたものである。

上記の態様によれば、遊戯媒体の識別結果に基づいて、遊戯媒体の集合体の構成例が収集されて構成例データに蓄積され、得られた構成例データに基づいて集合体に含まれる頻度が相対的に高い遊戯媒体の組み合わせが推定される。遊戯媒体を組み合わせて集合体を構成する場合、プレイヤの考え方、例えば戦略、方針等により集合体の構成は種々変化し得る。例えば、攻撃又は守備のいずれを重視するかによって集合体の構成は変化する。その一方、集合体にはプレイヤの考え方を実現するために中心的な役割を果たすであろう遊戯媒体が含まれることが多い。したがって、プレイヤの考え方が概ね一致し、又は類似する集合体には、同種の遊戯媒体の組み合わせが含まれる可能性が相対的に高い。よって、上記態様によって推定された頻出媒体群は集合体の構成に関するプレイヤの考え方を分類する指標となり得る。そして、そのような頻出媒体群の推定結果を利用すれば、集合体の構成に関するプレイヤの傾向を分析し、その分析結果をプレイヤに提示するといった活用が可能となる。それにより、遊戯媒体の識別結果の用途を拡大して情報の有効活用を図ることができる。

なお、本発明の一態様に係るコンピュータプログラムは、記憶媒体に記憶された状態で提供されてもよい。この記憶媒体を用いれば、例えばコンピュータに本発明に係るコンピュータプログラムをインストールして実行することにより、そのコンピュータを利用して本発明のシステムを実現することができる。コンピュータプログラムを記憶した記憶媒体は、ＣＤＲＯＭ等の非一過性の記憶媒体であってもよい。

上記態様において、前記傾向推定手段は、前記構成例データに基づいて、前記集合体に含まれる頻度が相対的に高い少なくとも一の遊戯媒体を主要媒体（一例としてキーカード）として抽出するとともに、前記主要媒体に付随して前記集合体に含まれている頻度が相対的に高い少なくとも一の遊戯媒体を付随媒体（一例としてサブカード）として抽出し、前記主要媒体と前記付随媒体との組み合わせを前記頻出媒体群として推定してもよい。これによれば、各構成例に遊戯媒体が含まれる頻度から主要媒体を抽出した上で、その主要媒体が含まれている構成例を対象として遊戯媒体が含まれている頻度を調べることにより頻出媒体群を構成すべき主要媒体と付随媒体との組み合わせを効率的に推定することが可能である。

前記傾向推定手段は、複数の主要媒体を抽出するとともに、前記複数の主要媒体のそれぞれに対して主要媒体ごとに区別して前記付随媒体を抽出し、前記構成例データに記録されている集合体ごとの構成例を、前記頻出媒体群に対する類似度に従って複数の類似群に分類し、得られた類似群ごとに前記集合体の構成例のモデルを推定してもよい。これによれば、頻出媒体群に対する類似度を指標として構成例を類似群に分類することにより、頻出媒体群が示す傾向に沿って複数の構成例を類似群に分類することが可能となる。つまり、傾向が似通った構成例を一つの類似群に纏めるといった分類が可能である。そして、類似群ごとにモデルを推定することにより、頻出媒体群が示す傾向に沿ったモデルを推定することができる。さらには、類似群に含まれている各構成例を参照してモデルに含めるべき遊戯媒体、あるいはモデルに含めても傾向に実質的な影響がない遊戯媒体を適宜に選択してモデルに取り込むといった処理も可能である。

前記傾向推定手段は、前記頻出媒体群の推定結果に基づいて、前記集合体の構成例のモデルをさらに推定してもよい。これによれば、頻出媒体群の推定結果に基づいてモデルを推定することにより、頻出媒体群が示す傾向をそのモデルの構成によって表現することが可能となる。そのため、例えばモデルをプレイヤに提示して、他人の構成例に倣った集合体を構成する参考となり得る情報をプレイヤに提供する、といったようにプレイヤに有益な情報を提供することができる。

前記傾向推定手段は、前記集合体ごとの前記媒体識別手段の識別状況に基づいて前記構成例情報を重み付けし、当該重み付けを前記頻出媒体群の推定に反映させてもよい。これによれば、遊戯媒体の識別状況にばらつきが生じる場合、その識別状況を構成例情報に反映させて頻出媒体群の推定に関する信頼性、正確性を高めることが可能である。

前記傾向推定手段の推定結果の少なくとも一部を所定のネットワーク上で公開する情報公開手段（２２）をさらに備えてもよい。これによれば、頻出媒体群の推定結果等をプレイヤに提示して集合体を構成に関する参考となる情報を提供することができる。

上記態様において、前記構成例記録手段は、前記集合体が使用されたゲームの情報を付帯情報として取得し、得られた付帯情報を前記遊戯媒体の識別結果と対応付けて記録し、前記傾向推定手段は、前記付帯情報に基づいて、前記集合体の構成に関する傾向の特徴を示す情報が推定結果に含まれるようにして前記傾向を推定してもよい。これによれば、集合体が使用されたゲームの情報を適宜に参照して集合体の構成に関する傾向を推定し、それにより推定結果の価値を高めることが可能である。

前記傾向推定手段の推定結果に基づいて、前記プレイヤが構成した集合体を評価する評価手段をさらに備えてもよい。これによれば、傾向推定手段の推定結果を利用することにより、集合体の構成に関する傾向に照らしてプレイヤの集合体を客観的に評価することができる。

１ ゲーム傾向分析システム
２ 識別システム
３ サーバシステム（コンピュータ）
４ カメラ
５ 識別装置（コンピュータ）
６ 端末装置（媒体識別手段）
１１ カード識別部（媒体識別手段）
１２ データ作成部（構成例記録手段）
２１ 傾向推定部（傾向推定手段）
２２ 公開管理部（情報公開手段）
２３ 評価部（評価手段）
Ｃ カード（遊戯媒体）
ＤＣ デッキ（集合体）
Ｄ３ デッキ使用データ（構成例データ）
Ｄ１１ 頻出カードデータ
Ｄ１２ 類似群データ
Ｄ１３ モデルデータ

Claims (9)

1. 複数のプレイヤのそれぞれが複数の物理的な遊戯媒体の集合体を用いて対戦するゲームに適用され、前記ゲームで使用された集合体の構成に関する傾向を分析するゲーム傾向分析システムであって、
   各プレイヤが前記ゲームにて使用すべく構成した集合体に含まれている遊戯媒体のうち少なくとも一部の遊戯媒体を識別する媒体識別手段と、
   前記媒体識別手段の識別結果を、前記集合体の構成例を示す構成例情報として、前記集合体ごとに区別して所定の構成例データに記録する構成例記録手段と、
   前記構成例データに基づいて、前記集合体に含まれる頻度が相対的に高い遊戯媒体の組み合わせとしての頻出媒体群を、前記傾向の少なくとも一部を現す要素として推定する傾向推定手段と、
   を備えたゲーム傾向分析システム。
2. 前記傾向推定手段は、
   前記構成例データに基づいて、前記集合体に含まれる頻度が相対的に高い少なくとも一の遊戯媒体を主要媒体として抽出するとともに、前記主要媒体に付随して前記集合体に含まれている頻度が相対的に高い少なくとも一の遊戯媒体を付随媒体として抽出し、前記主要媒体と前記付随媒体との組み合わせを前記頻出媒体群として推定する請求項１に記載のゲーム傾向分析システム。
3. 前記傾向推定手段は、複数の主要媒体を抽出するとともに、前記複数の主要媒体のそれぞれに対して主要媒体ごとに区別して前記付随媒体を抽出し、
   前記構成例データに記録されている集合体ごとの構成例を、前記頻出媒体群に対する類似度に従って複数の類似群に分類し、得られた類似群ごとに前記集合体の構成例のモデルを推定する請求項２に記載のゲーム傾向分析システム。
4. 前記傾向推定手段は、前記頻出媒体群の推定結果に基づいて、前記集合体の構成例のモデルをさらに推定する請求項１又は２に記載のゲーム傾向分析システム。
5. 前記傾向推定手段は、前記集合体ごとの前記媒体識別手段の識別状況に基づいて前記構成例情報を重み付けし、当該重み付けを前記頻出媒体群の推定に反映させる請求項１〜４のいずれか一項に記載のゲーム傾向分析システム。
6. 前記傾向推定手段の推定結果の少なくとも一部を所定のネットワーク上で公開する情報公開手段をさらに備えた請求項１〜５のいずれか一項に記載のゲーム傾向分析システム。
7. 前記構成例記録手段は、前記集合体が使用されたゲームの情報を付帯情報として取得し、得られた付帯情報を前記遊戯媒体の識別結果と対応付けて記録し、
   前記傾向推定手段は、前記付帯情報に基づいて、前記集合体の構成に関する傾向の特徴を示す情報が推定結果に含まれるようにして前記傾向を推定する請求項１〜６のいずれか一項に記載のゲーム傾向分析システム。
8. 前記傾向推定手段の推定結果に基づいて、前記プレイヤが構成した集合体を評価する評価手段をさらに備えた請求項１〜７のいずれか一項に記載のゲーム傾向分析システム。
9. 複数のプレイヤのそれぞれが物理的な複数の遊戯媒体の集合体を用いて対戦するゲームに適用され、前記ゲームで使用された集合体の構成に関する傾向を分析するゲーム傾向分析システムに用いられるコンピュータプログラムであって、前記ゲーム傾向分析システムのコンピュータを、
   各プレイヤが前記ゲームにて使用すべく構成した集合体に含まれている遊戯媒体のうち少なくとも一部の遊戯媒体を識別する媒体識別手段、
   前記媒体識別手段の識別結果を、前記集合体の構成例を示す構成例情報として、前記集合体ごとに区別して所定の構成例データに記録する構成例記録手段、及び
   前記構成例データに基づいて、前記集合体に含まれる頻度が相対的に高い遊戯媒体の組み合わせとしての頻出媒体群を前記傾向の少なくとも一部を現す要素として推定する傾向推定手段、として機能させるように構成されたコンピュータプログラム。

Images