JP2019155109A - 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
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 Download PDFInfo
- Publication number
- JP2019155109A JP2019155109A JP2019049775A JP2019049775A JP2019155109A JP 2019155109 A JP2019155109 A JP 2019155109A JP 2019049775 A JP2019049775 A JP 2019049775A JP 2019049775 A JP2019049775 A JP 2019049775A JP 2019155109 A JP2019155109 A JP 2019155109A
- Authority
- JP
- Japan
- Prior art keywords
- card
- game
- deck
- aggregate
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
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)。
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。
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
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 (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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019049775A JP2019155109A (ja) | 2019-03-18 | 2019-03-18 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019049775A JP2019155109A (ja) | 2019-03-18 | 2019-03-18 | 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 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018048027A Division JP6501938B1 (ja) | 2018-03-15 | 2018-03-15 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019155109A true JP2019155109A (ja) | 2019-09-19 |
Family
ID=67997234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019049775A Pending JP2019155109A (ja) | 2019-03-18 | 2019-03-18 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2019155109A (ja) |
-
2019
- 2019-03-18 JP JP2019049775A patent/JP2019155109A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019176775A1 (ja) | 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並びに分析方法 | |
Martínez et al. | Mining multimodal sequential patterns: a case study on affect detection | |
JP5740365B2 (ja) | ゲームシステム、そのパラメータ制御方法及びコンピュータプログラム | |
US10434407B2 (en) | Game system, and storage medium used in same | |
JP6513776B1 (ja) | データ分析装置及びデータ分析プログラム | |
KR101881647B1 (ko) | 온라인 게임에서의 위치 기반 그룹 분류를 통한 봇 탐지 방법, 장치, 및 컴퓨터 프로그램 | |
US20220212114A1 (en) | Persona driven dynamic content framework | |
JP2015154987A (ja) | ゲームシステム及びそのパラメータ制御方法 | |
KR101962269B1 (ko) | 게임 평가 장치 및 방법 | |
JP6676233B2 (ja) | ゲームシステム、それに用いられるコンピュータプログラム、及びサーバ装置 | |
JP2019155109A (ja) | 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 | |
CN108136261B (zh) | 服务器和非暂时性计算机可读介质 | |
JP2010198199A (ja) | 情報提供システム及び情報提供方法 | |
Zhang et al. | Detection of illegal players in massively multiplayer online role playing game by classification algorithms | |
JP2019107549A (ja) | データ分析装置及びデータ分析プログラム | |
JP6189564B1 (ja) | 情報処理装置及び情報処理プログラム | |
CN111375210A (zh) | 游戏中同步器的检测方法、装置、处理设备及存储介质 | |
KR101320090B1 (ko) | 스쿼드를 추천할 수 있는 온라인 스포츠 게임 제공 방법 및 그 시스템 | |
JP6488039B1 (ja) | ゲーム進行情報生成システム及びそのコンピュータプログラム | |
JP7454726B1 (ja) | ゲーム媒体セットを生成するためのシステム、方法、及びプログラム | |
Xu et al. | Draw-and-Guess: A mobile game with a purpose for drawing base image retrieval | |
JP2019155085A (ja) | ゲーム進行情報生成システム及びそのコンピュータプログラム | |
Kim et al. | Justice League: Time-series Game Player Pattern Detection to Discover Rank-Skill Mismatch | |
Al-Khazzar et al. | Behavioural Authentication Using Computer Games | |
JP2020032302A (ja) | ゲームシステム、それに用いられるコンピュータプログラム、及びサーバ装置 |