JP7344053B2 - 所定のゲームを提供するためのシステム、方法、及びプログラム、並びに、デッキの分類を作成するための方法 - Google Patents

Description

本発明は、複数のゲームコンテンツが含まれるデッキを用いる所定のゲームを提供するためのシステム、方法、及びプログラム、並びに、こうしたデッキの分類を作成するための方法に関するものである。

従来、複数のゲームコンテンツ（例えば、キャラクタ及びカード等）によって構成されるデッキを使用する様々なゲームが提供されている（例えば、下記特許文献１を参照）。こうしたゲームの一部においては、デッキを構成する複数のゲームコンテンツの組合せに基づくデッキの分類（属性）が予め定められており、こうした属性に基づく様々な処理（対戦相手のマッチング、及び、各種パラメータの補正等）が行われる。

特開２０１８－１４３８３５号公報

しかしながら、例えば、デッキに含めることが可能なゲームコンテンツの種類が多くなると、デッキを構成するゲームコンテンツの組合せの数が膨大になり、こうした組合せに基づくデッキの分類を予め適切に定めておくことが難しくなる。したがって、デッキの分類を支援するための仕組みの実現が望まれる。

本発明の実施形態は、複数のゲームコンテンツが含まれるデッキの適切な分類を支援することを目的の一つとする。本発明の実施形態の他の目的は、本明細書全体を参照することにより明らかとなる。

本発明の一実施形態に係るシステムは、１又は複数のコンピュータプロセッサを備え、複数のゲームコンテンツが含まれるデッキを用いる所定のゲームを提供するためのシステムであって、前記１又は複数のコンピュータプロセッサは、読取可能な命令の実行に応じて、所定の複数の分類の中から特定のデッキの分類を判定するステップを実行し、前記所定の複数の分類は、第１のデッキ群のデッキデータを学習データとする機械学習を介して生成される第１の学習済みモデルであって、デッキに含まれるゲームコンテンツが文書に含まれる単語として取り扱われるトピックモデルの前記第１の学習済みモデルにおけるトピックに対応する分類を含む。

本発明の一実施形態に係る方法は、１又は複数のコンピュータによって実行され、複数のゲームコンテンツが含まれるデッキを用いる所定のゲームを提供するための方法であって、所定の複数の分類の中から特定のデッキの分類を判定するステップを備え、前記所定の複数の分類は、第１のデッキ群のデッキデータを学習データとする機械学習を介して生成される第１の学習済みモデルであって、デッキに含まれるゲームコンテンツが文書に含まれる単語として取り扱われるトピックモデルの前記第１の学習済みモデルにおけるトピックに対応する分類を含む。

本発明の一実施形態に係るプログラムは、複数のゲームコンテンツが含まれるデッキを用いる所定のゲームを提供するためのプログラムであって、１又は複数のコンピュータに、所定の複数の分類の中から特定のデッキの分類を判定する処理を実行させ、前記所定の複数の分類は、第１のデッキ群のデッキデータを学習データとする機械学習を介して生成される第１の学習済みモデルであって、デッキに含まれるゲームコンテンツが文書に含まれる単語として取り扱われるトピックモデルの前記第１の学習済みモデルにおけるトピックに対応する分類を含む。

本発明の一実施形態に係る他の方法は、所定のゲームで用いられると共に複数のゲームコンテンツが含まれるデッキの分類を作成するための方法であって、デッキ群のデッキデータに対応する学習データであって、デッキに含まれるゲームコンテンツが文書に含まれる単語として取り扱われるトピックモデルの学習データを準備する工程と、準備した学習データの機械学習を介してトピックモデルの学習済みモデルを生成する工程と、生成した学習済みモデルにおけるトピックに対応する分類を含む所定の複数の分類を作成する工程と、を備える。

本発明の様々な実施形態は、複数のゲームコンテンツが含まれるデッキの適切な分類を支援する。

本発明の一実施形態に係るゲーム提供システム１０を含むネットワークの構成を概略的に示す構成図。 ゲーム提供システム１０が有する機能を概略的に示すブロック図。 トピックモデルのグラフィカルモデルを例示する図。 典型的なトピックモデルの機械学習を説明するための図。 デッキの分類に適用されるトピックモデルの機械学習を説明するための図。 学習済みモデル４１７を説明するための図。 プレイヤ情報テーブル４１１が管理する情報を例示する図。 デッキ情報テーブル４１３が管理する情報を例示する図。 デッキの分類を例示する図。 ゲーム実績情報テーブル４１５が管理する情報を例示する図。 デッキの分類を作成するための方法を例示するフロー図。 デッキ作成用画面５０を例示する図。 作成中のデッキの分類を判定する際にシステム１０が実行する処理を例示するフロー図。 デッキ自動編成用画面６０を例示する図。 自動編成実行ボタン６８の選択に応じてシステム１０が実行する処理を例示するフロー図。 イベント統計情報表示画面７０を例示する図。 デッキ群の分類を一括して判定する方法を説明するための図。

以下、図面を参照しながら、本発明の実施形態について説明する。

図１は、本発明の一実施形態に係るゲーム提供システム１０を含むネットワークの構成を概略的に示す構成図である。システム１０は、図１に示すように、インターネット等の通信ネットワーク２０を介してプレイヤ端末３０と通信可能に接続されている。図１においては、１つのプレイヤ端末３０のみが図示されているが、システム１０は、複数のプレイヤ端末３０と通信可能に接続されている。システム１０は、プレイヤ端末３０のユーザに対してゲームを提供する。システム１０が提供するゲーム（以下、「提供ゲーム」と言うことがある。）は、複数のゲームコンテンツが含まれるデッキを用いるゲームとして構成されている。

システム１０は、一般的なコンピュータとして構成されており、図１に示すように、ＣＰＵ及びＧＰＵ等として構成されるコンピュータプロセッサ１１と、メインメモリ１２と、入出力Ｉ／Ｆ１３と、通信Ｉ／Ｆ１４と、ストレージ（記憶装置）１５とを備え、これらの各構成要素が図示しないバス等を介して電気的に接続されている。

コンピュータプロセッサ１１は、ストレージ１５等に記憶されている様々なプログラムをメインメモリ１２に読み込んで、当該プログラムに含まれる各種の命令を実行する。メインメモリ１２は、例えば、ＤＲＡＭ等によって構成される。

入出力Ｉ／Ｆ１３は、ユーザ等との間で情報をやり取りするための各種の入出力装置を含む。入出力Ｉ／Ｆ１３は、例えば、キーボード、ポインティングデバイス（例えば、マウス、タッチパネル等）等の情報入力装置、マイクロフォン等の音声入力装置、カメラ等の画像入力装置を含む。また、入出力Ｉ／Ｆ１３は、ディスプレイ等の画像出力装置、スピーカー等の音声出力装置を含む。

通信Ｉ／Ｆ１４は、ネットワークアダプタ等のハードウェア、各種の通信用ソフトウェア、又はこれらの組み合わせとして実装され、通信ネットワーク２０等を介した有線又は無線の通信を実現できるように構成されている。

ストレージ１５は、例えば磁気ディスク、フラッシュメモリ等によって構成される。ストレージ１５は、オペレーティングシステムを含む様々なプログラム、及び各種データ等を記憶する。

本実施形態において、システム１０は、それぞれが上述したハードウェア構成を有する複数のコンピュータを用いて構成され得る。例えば、システム１０は、１又は複数のサーバ装置によって構成され得る。

このように構成されたゲーム提供システム１０は、ウェブサーバ及びアプリケーションサーバとしての機能を有し、プレイヤ端末３０にインストールされているウェブブラウザ又はその他のアプリケーション（例えば、提供ゲーム用のアプリケーション等）からの要求に応答して各種の処理を実行し、当該処理の結果に応じた画面データ（例えば、ＨＴＭＬデータ）及び制御データ等をプレイヤ端末３０に送信する。プレイヤ端末３０では、受信したデータに基づくウェブページ又はその他の画面が表示される。

プレイヤ端末３０は、一般的なコンピュータとして構成されており、図１に示すように、ＣＰＵ及びＧＰＵ等として構成されるコンピュータプロセッサ３１と、メインメモリ３２と、入出力Ｉ／Ｆ３３と、通信Ｉ／Ｆ３４と、ストレージ（記憶装置）３５とを備え、これらの各構成要素が図示しないバス等を介して電気的に接続されている。

コンピュータプロセッサ３１は、ストレージ３５等に記憶されている様々なプログラムをメインメモリ３２に読み込んで、当該プログラムに含まれる各種の命令を実行する。メインメモリ３２は、例えば、ＤＲＡＭ等によって構成される。

入出力Ｉ／Ｆ３３は、ユーザ等との間で情報をやり取りするための各種の入出力装置を含む。入出力Ｉ／Ｆ３３は、例えば、キーボード、ポインティングデバイス（例えば、マウス、タッチパネル等）等の情報入力装置、マイクロフォン等の音声入力装置、カメラ等の画像入力装置を含む。また、入出力Ｉ／Ｆ３３は、ディスプレイ等の画像出力装置、スピーカー等の音声出力装置を含む。

通信Ｉ／Ｆ３４は、ネットワークアダプタ等のハードウェア、各種の通信用ソフトウェア、及びこれらの組み合わせとして実装され、通信ネットワーク２０等を介した有線又は無線の通信を実現できるように構成されている。

ストレージ３５は、例えば磁気ディスク又はフラッシュメモリ等によって構成される。ストレージ３５は、オペレーティングシステムを含む様々なプログラム及び各種データ等を記憶する。ストレージ３５が記憶するプログラムは、アプリケーションマーケット等からダウンロードされてインストールされ得る。

本実施形態において、プレイヤ端末３０は、スマートフォン、タブレット端末、ウェアラブルデバイス、パーソナルコンピュータ、又はゲーム専用端末等として構成され得る。

このように構成されたプレイヤ端末３０のユーザ（ゲームのプレイヤ）は、ストレージ３５等にインストールされているウェブブラウザ又はその他のアプリケーションを介したシステム１０との通信を実行することによって、システム１０が提供するゲームをプレイすることができる。

次に、本実施形態のゲーム提供システム１０が有する機能について説明する。図２は、システム１０が有する機能を概略的に示すブロック図である。システム１０は、図示するように、様々な情報を記憶及び管理する情報記憶管理部４１と、提供ゲームの基本機能を制御する基本機能制御部４３と、ゲームの進行を制御するゲーム進行制御部４５と、ゲームで用いられるデッキを管理するデッキ管理部４７とを有する。これらの機能は、コンピュータプロセッサ１１及びメインメモリ１２等のハードウェア、並びに、ストレージ１５等に記憶されている各種のプログラムやデータ等が協働して動作することによって実現され、例えば、メインメモリ１２に読み込まれたプログラムに含まれる命令をコンピュータプロセッサ１１が実行することによって実現される。また、図２に示す機能の一部又は全部は、システム１０とプレイヤ端末３０とが協働することによって実現され、又は、プレイヤ端末３０によって実現され得る。

システム１０の情報記憶管理部４１は、ストレージ１５等において様々な情報を記憶及び管理する。例えば、情報記憶管理部４１は、図２に示すように、プレイヤに関する情報を管理するプレイヤ情報テーブル４１１と、デッキに関する情報を管理するデッキ情報テーブル４１３と、ゲームの実績に関する情報を管理するゲーム実績情報テーブル４１５とを有する。また、本実施形態において、情報記憶管理部４１は、デッキの分類に用いられる学習済みモデル４１７を有する。

システム１０の基本機能制御部４３は、基本機能の制御に関する様々な処理を実行する。例えば、基本機能制御部４３は、基本機能に関する様々な画面の画面データ又は制御データをプレイヤ端末３０に送信し、プレイヤ端末３０で表示される当該画面を介したプレイヤによる操作入力に応答して様々な処理を実行し、当該処理の結果に応じた画面データ又は制御データをプレイヤ端末３０に送信する。基本機能制御部４３によって制御される基本機能には、例えば、ログイン処理（ユーザ認証）、課金制御、及び、プレイヤの管理（例えば、プレイヤ情報テーブル４１１の更新等）等が含まれる。

システム１０のゲーム進行制御部４５は、ゲームの進行の制御に関する様々な処理を実行する。例えば、ゲーム進行制御部４５は、ゲームを進行させるための様々な画面の画面データ又は制御データをプレイヤ端末３０に送信し、プレイヤ端末３０で表示される当該画面を介したプレイヤによる操作入力に応答して様々な処理を実行し、当該処理の結果に応じた画面データ又は制御データをプレイヤ端末３０に送信する。

システム１０のデッキ管理部４７は、デッキの管理に関する様々な処理を実行する。例えば、デッキ管理部４７は、デッキの管理（例えば、デッキ情報テーブル４１３の更新等）に関する様々な画面の画面データ又は制御データをプレイヤ端末３０に送信し、プレイヤ端末３０で表示される当該画面を介したプレイヤによる操作入力に応答して様々な処理を実行し、当該処理の結果に応じた画面データ又は制御データをプレイヤ端末３０に送信する。

本実施形態において、デッキ管理部４７は、所定の複数の分類の中からデッキの分類を判定するように構成されている。判定されたデッキの分類は、例えば、デッキ情報テーブル４１３において管理される。

本実施形態において、上記所定の複数の分類は、デッキに含まれるゲームコンテンツが文書に含まれる単語として取り扱われるトピックモデルの学習済みモデル４１７におけるトピックに対応する分類を含む。当該学習済みモデル４１７は、デッキ群（複数のデッキ）のデッキデータを学習データとする機械学習を介して生成される。学習済みモデル４１７におけるトピックは、学習データの機械学習を介して抽出されたトピックであると言うこともできる。デッキ群は、デッキの分類を作成するための多数のデッキによって構成され、例えば、特定の期間において実際にプレイヤ（特定のレベル以上のプレイヤに限定しても良い。）によって使用されたデッキによって構成される。機械学習は、システム１０又は他の装置等のコンピュータにおいて実行され得る。

ここで、トピックモデルについて説明する。トピックモデルは、文書が複数の潜在的なトピックから確率的に生成されると仮定したモデルであって、文書内の各単語は、トピックが有する単語の確率分布に従って出現すると仮定される。図３は、トピックモデルの一例としてのＬＤＡ（Ｌａｔｅｎｔ Ｄｉｒｉｃｈｌｅｔ Ａｌｌｏｃａｔｉｏｎ：潜在的ディリクレ配分法）のグラフィカルモデルを例示する。当該グラフィカルモデルにおいて、Ｄは文書の数であり、Ｔはトピックの数であり、Ｎ_ｄは文書ｄにおける単語の数である。また、Ｗは単語自体であり、Ｚは単語のトピックであり、θは各文書におけるトピックの確率分布であり、αはθを決めるためのディリクレ分布のパラメータである。また、φは各トピックにおける単語の確率分布であり、βはφを決めるためのディリクレ分布のパラメータである。

こうしたＬＤＡを用いて機械学習を行う際には、ハイパーパラメータであるトピック数Ｔ、並びに、ディリクレ分布のパラメータα及びβについては人手で調整される。そして、機械学習を介して推定された、各文書におけるトピックの確率分布θ、及び、各トピックにおける単語の確率分布φが取得される。

図４は、典型的なトピックモデルを用いた機械学習を説明するための図である。図示するように、トピックモデルを用いた機械学習では、多量の文書データが学習データとされ、当該学習データは、「Ｂａｇ ｏｆ Ｗｏｒｄｓ」の形式（文書毎に複数の単語の各々の出現回数が表現されたものであり、以下、「ＢｏＷ形式」と言うことがある。）で準備される。そして、学習データに対する機械学習が行われると、図示するように、各トピックにおける単語の確率分布（φ）、及び、各文書におけるトピックの確率分布（θ）が取得（推定）される。

図５は、本実施形態において、デッキの分類に適用されるトピックモデルの機械学習を説明するための図である。デッキの分類に適用されるトピックモデルを用いた機械学習では、多量のデッキデータが学習データとされ、デッキ内のゲームコンテンツが、典型的なトピックモデルにおける文書内の単語として取り扱われる。当該学習データは、ＢｏＷ形式（デッキ毎に複数のゲームコンテンツの各々の出現回数が表現されたもの）で準備される。そして、学習データに対する機械学習が行われると、図示するように、各トピックにおけるゲームコンテンツの確率分布（φ）、及び、各デッキにおけるトピックの確率分布（θ）が取得される。取得したこれらの値は、学習済みモデル４１７において保存される。

このように生成されたトピックモデルの学習済みモデル４１７は、図６に示すように、新たなデッキ（図６の例では、デッキＸ）のデッキデータ（ＢｏＷ形式で準備される。）が入力されると、当該新たなデッキにおけるトピックの確率分布を出力するように構成される。

デッキの分類に用いられる所定の複数の分類は、学習済みモデル４１７における複数のトピックにそれぞれ対応する複数の分類から成り、又は、こうした複数のトピックにそれぞれ対応する複数の分類と、他の観点で設定された１又は複数の分類と、から成る。

このように、本実施形態のゲーム提供システム１０では、所定の複数の分類の中からデッキの分類を判定し、当該所定の複数の分類は、デッキ群のデッキデータを学習データとする機械学習を介して抽出されるトピックに対応する分類を含むから、複数のゲームコンテンツが含まれるデッキの適切な分類が支援される。

本実施形態のシステム１０が提供するゲームは、デッキを用いる様々な形式のゲームが含まれ得る。また、デッキに含まれるゲームコンテンツは、キャラクタ、カード、及び、これらに関連付けられるアイテム（例えば、キャラクタが装備する装備アイテム等）等の様々なゲームコンテンツが含まれ得る。

本実施形態において、デッキ管理部４７は、特定のデッキのデッキデータを学習済みモデル４１７に入力すると共に当該学習済みモデル４１７から出力される当該特定のデッキにおけるトピックの確率分布に少なくとも基づいて、当該特定のデッキの分類を判定するように構成することができ、例えば、当該特定のデッキにおけるトピックの確率分布に少なくとも基づいて特定されるトピック（例えば、最も確率が高いトピック）に対応する分類を、当該特定のデッキの分類として判定するように構成され得る。こうした構成は、各デッキにおけるトピックの確率分布に基づく各デッキの分類の判定を可能とする。

また、デッキ管理部４７は、プレイヤによって作成中のデッキの分類を判定して当該プレイヤに対して提示するように構成され得る。例えば、デッキ管理部４７は、プレイヤ端末３０において表示される画面を介してプレイヤによるデッキの作成（例えば、当該デッキに含めるゲームコンテンツの選択を含む。）を受け付けて、作成中のデッキのデッキデータを学習済みモデル４１７に入力すると共に当該学習済みモデル４１７から出力される当該デッキにおけるトピックの確率分布に少なくとも基づいて当該デッキの分類を判定し、判定した分類を当該画面において表示するように構成される。こうした構成は、プレイヤが、作成中のデッキの分類を知ることを可能とし、プレイヤによる適切なデッキの作成を支援する。

また、デッキ管理部４７は、所定の複数の分類に含まれる分類のプレイヤによる指定を受け付けると共に、指定された分類に少なくとも基づいて、複数のゲームコンテンツ（例えば、プレイヤによって使用可能な（例えば、プレイヤが保有する）複数のゲームコンテンツ）の中からデッキに含めるゲームコンテンツを選択するように構成され得る。例えば、デッキ管理部４７は、プレイヤ端末３０において表示される画面を介してプレイヤによる分類の指定を受け付けると共に、指定された分類に基づいて選択されたゲームコンテンツを当該画面において表示するように構成され得る。この場合、デッキ管理部４７は、プレイヤによって指定された分類に対応する学習済みモデル４１７のトピックにおけるゲームコンテンツの確率分布に少なくとも基づいて、デッキに含めるゲームコンテンツを選択する（例えば、確率の高いゲームコンテンツを優先して選択する等）ように構成され得る。こうした構成は、指定されたデッキの分類に基づくゲームコンテンツの自動的な選択を可能とし、プレイヤによるデッキの作成を支援する。

また、デッキ管理部４７は、所定の複数の分類に少なくとも基づく提供ゲームの統計情報をプレイヤに対して提示するように構成され得る。統計情報は、例えば、ゲーム実績情報テーブル４１５において管理されている情報に基づいて生成される。例えば、デッキ管理部４７は、プレイヤ端末３０を介したプレイヤによる要求に応答して、統計情報を含む画面の画面データを当該プレイヤ端末３０に送信するように構成され得る。こうした構成は、ユーザが、デッキの分類に基づくゲームの統計情報を知ることを可能とする。

また、デッキ管理部４７は、学習済みモデル４１７を生成する際の学習データに対応するデッキ群の各デッキにおけるトピックの確率分布に少なくとも基づいて、当該デッキ群の各デッキの分類を判定するように構成され得る。こうした構成は、学習済みモデル４１７を生成する際の学習データに対応するデッキ群の分類を一括して判定することを可能とする。

本実施形態において、学習済みモデル４１７を生成する際の学習データに対応する第１のデッキ群とは異なる第２のデッキ群の各デッキの分類を一括して判定するようにしても良い。例えば、第１のデッキ群は、第１の期間において提供ゲームで用いられた複数のデッキから成り、第２のデッキ群は、当該第１の期間よりも後の第２の期間において提供ゲームで用いられた複数のデッキから成る。

例えば、デッキ管理部４７は、第２のデッキ群のデッキデータを学習データとする機械学習を介して生成される第２の学習済みモデルであって、デッキに含まれるゲームコンテンツが文書に含まれる単語として取り扱われるトピックモデルの当該第２の学習済みモデルにおける第２のデッキ群の各デッキにおけるトピックの確率分布に少なくとも基づいて特定される当該第２の学習済みモデルのトピックを特定し、特定したトピックに対応する第１の学習済みモデル（学習済みモデル４１７）のトピックにさらに対応する分類を、第２のデッキ群の各デッキの分類として判定するように構成され得る。第１及び第２の学習済みモデルのトピックの対応関係は、例えば、両モデルの各トピックにおけるゲームコンテンツの確率分布の比較に基づいて設定される（例えば、ゲームコンテンツの確率分布の類似度が高いトピック同士が対応するトピックとして設定される。）。こうした構成は、複数のデッキ群の各々の分類を一括して判定することを可能とする。

次に、このような機能を有する本実施形態のゲーム提供システム１０の具体例について説明する。この具体例におけるシステム１０は、複数のキャラクタによって構成されるデッキを用いてクエストを実行するソーシャルゲームを提供する。また、当該ソーシャルゲームにおけるイベントとして、同じくデッキを用いたプレイヤ間での対戦が行われる。

図７は、この例において、プレイヤ情報テーブル４１１が管理する情報を例示する。この例におけるプレイヤ情報テーブル４１１は、プレイヤ毎の情報を管理し、図示するように、個別のプレイヤを識別する「プレイヤアカウント」に対応付けて、クエストの実行（ステージのクリア）に応じて増加する「経験値」、当該経験値が所定の値に到達する都度、段階的に増加する「ランク」、プレイヤが保有するキャラクタに関する情報である「保有キャラクタ情報」等の情報を管理する。

保有キャラクタ情報は、プレイヤが保有する複数のキャラクタの各々のキャラクタ情報を含む。当該キャラクタ情報は、例えば、個別のキャラクタを識別するキャラクタＩＤ、当該キャラクタの経験値、レベル、コスト、ＨＰ、及び、攻撃力等が含まれる。キャラクタの経験値は、例えば、キャラクタの強化によって増加し、レベルは、当該経験値が所定の値に到達する都度、段階的に増加する。

図８は、この例において、デッキ情報テーブル４１３が管理する情報を例示する。この例におけるデッキ情報テーブル４１３は、プレイヤのデッキ毎の情報を管理し、図示するように、個別のプレイヤを識別する「プレイヤアカウント」及びプレイヤ毎に個別のデッキを識別する「デッキＩＤ」の組合せに対応付けて、このデッキを構成するキャラクタに関する情報である「構成キャラクタ情報」、このデッキの分類を示す「デッキ分類」等の情報を管理する。構成キャラクタ情報は、デッキを構成する複数のキャラクタの各々の上述したようなキャラクタ情報を含む。

この例において、デッキは、２以上の所定数のキャラクタによって構成され、プレイヤは、自身が保有するキャラクタの中から所定数のキャラクタを選択してデッキを構成（作成）することができる。この例において、プレイヤは、複数のデッキ（デッキの複数のバリエーション）を作成することができ、クエスト又は対戦を実行する際には、複数のデッキの中から使用するデッキを選択することができる。

図９は、この例におけるデッキの分類（所定の複数の分類）を例示する。この例では、図示するように、「Ａ」～「Ｈ」までの８個のデッキの分類が設定されている。また、これらの分類「Ａ」～「Ｈ」は、学習済みモデル４１７における８個のトピック（トピック０～トピック７）にそれぞれ対応している。デッキ情報テーブル４１３の「デッキ分類」には、これらの分類の何れかに対応する値が設定される。

図１０は、この例において、ゲーム実績情報テーブル４１５が管理する情報を例示する。この例におけるゲーム実績情報テーブル４１５は、プレイヤ間での対戦の実績に関する情報を管理し、図示するように、個別の対戦を識別する「対戦ＩＤ」に対応付けて、「対戦日時」、ターン制の対戦における先攻のプレイヤを識別する「先攻プレイヤアカウント」、先攻のプレイヤのデッキを構成するキャラクタに関する情報である「先攻デッキ構成キャラクタ情報」、先攻のプレイヤのデッキの分類である「先攻デッキ分類」、ターン制の対戦における後攻のプレイヤを識別する「後攻プレイヤアカウント」、後攻のプレイヤのデッキを構成するキャラクタに関する情報である「後攻デッキ構成キャラクタ情報」、後攻のプレイヤのデッキの分類である「後攻デッキ分類」、対戦内容（勝敗、ターン数等）に関する情報である「対戦内容情報」等の情報を管理する。

ここで、図９に例示したデッキの分類の作成方法について説明する。図１１は、デッキの分類を作成するための方法を例示するフロー図である。まず、図示するように、デッキの分類を作成するための対象のデッキ群のデッキデータに対応するトピックモデルの学習データを準備する（ステップＳ１００）。対象のデッキ群は、（デッキの分類が作成・運用される前の）過去の一定の期間において、プレイヤ間での対戦で実際に用いられた複数のデッキ（例えば、数十万個のデッキ）から成る。トピックモデルの学習データは、上述したように、ＢｏＷ形式で準備される。

次に、準備した学習データの機械学習を介してトピックモデルの学習済みモデル４１７を生成する（ステップＳ１１０）。機械学習は、システム１０又は他の装置において実行される。機械学習は、ハイパーパラメータであるトピック数Ｔ、並びに、ディリクレ分布のパラメータα及びβの調整を伴って繰り返し行われ、最終的には、各トピックにおけるキャラクタの確率分布（φ）、及び、各デッキにおけるトピックの確率分布（θ）が取得され、学習済みモデル４１７として保存される。なお、この例における最終的なトピック数Ｔは８である。

続いて、学習済みモデル４１７におけるトピック（機械学習を介して抽出されたトピック）に対応する分類を作成する（ステップＳ１２０）。分類を作成する際には、各トピックのキャラクタの確率分布を参照して、各トピックの意味・定義を検討し、対応する分類の名称を設定しても良い。

以上、デッキの分類の作成方法について説明した。次に、プレイヤによるデッキの作成に関する動作について説明する。図１２は、プレイヤ端末３０において表示されるデッキ作成用画面５０を例示する。当該画面５０は、プレイヤが個別のデッキを作成するための画面であり、図示するように、デッキのＨＰを表示するＨＰ表示領域５２と、デッキの攻撃力を表示する攻撃力表示領域５４と、デッキの分類（アーキタイプ）を表示する分類表示領域５５と、デッキを構成する複数のキャラクタを設定するためのキャラクタ設定領域５６と、自動編成ボタン５８とを有する。

キャラクタ設定領域５６は、各々が個別のキャラクタに対応する複数（図１２の例では１６個）の個別領域５６１が格子状に配置されている。プレイヤが何れかの個別領域５６１を選択すると、対応するキャラクタを設定（変更を含む。）するための画面が表示され、プレイヤは、当該画面を介して自身が保有するキャラクタの中からデッキに設定するキャラクタを選択することができる。また、この例において、プレイヤは、デッキの複数のバリエーションを作成することができ、１のバリエーションで使用されているキャラクタを、他のバリエーションでも重複して使用することがきる。

ＨＰ表示領域５２において表示されるデッキのＨＰは、デッキに含まれる複数のキャラクタの各々のＨＰに基づいて算出される。キャラクタ設定領域５６を介したキャラクタの設定によってデッキに含まれるキャラクタが変化すると、ＨＰ表示領域５２におけるデッキのＨＰの表示もリアルタイムに変化する。

同様に、攻撃力表示領域５４において表示されるデッキの攻撃力は、デッキに含まれる複数のキャラクタの各々の攻撃力に基づいて算出され、キャラクタ設定領域５６を介したキャラクタの設定によってデッキに含まれるキャラクタが変化すると、攻撃力表示領域５４におけるデッキの攻撃力の表示もリアルタイムに変化する。

また、分類表示領域５５において表示されるデッキの分類（アーキタイプ）は、デッキを構成する複数のキャラクタの全てが設定されている場合に自動的に判定及び表示される。また、当該分類は、キャラクタ設定領域５６を介したキャラクタの設定によってデッキに含まれるキャラクタが変化する都度、自動的に判定及び表示（更新）される。

図１３は、作成中のデッキの分類を判定する際にシステム１０が実行する処理を例示するフロー図である。システム１０は、まず、図示するように、作成中のデッキのデッキデータを学習済みモデル４１７に入力する（ステップＳ２００）。具体的には、デッキ作成用画面５０のキャラクタ設定領域５６を介して設定されている複数のキャラクタに基づいてＢｏＷ形式のデッキデータが作成されて学習済みモデル４１７に入力される。

次に、システム１０は、学習済みモデル４１７から出力されるトピックの確率分布を取得し（ステップＳ２１０）、取得したトピックの確率分布に基づいて、作成中のデッキの分類を判定する（ステップＳ２２０）。具体的には、取得したトピックの確率分布において、最も確率の高いトピックに対応する分類が、作成中のデッキの分類として判定される。例えば、最も確率の高いトピックが「トピック３」である場合、作成中のデッキの分類は「Ｄ」と判定される（図９を参照）。

このように、作成中のデッキの分類が判定されると、デッキ作成用画面５０の分類表示領域５５において、判定された分類が表示される。

デッキ作成用画面５０の自動編成ボタン５８は、デッキの自動編成（キャラクタの自動選択）を行うためのオブジェクトである。当該ボタン５８がプレイヤによって選択されると、図１４に例示するデッキ自動編成用画面６０が、デッキ作成用画面５０に重ねて表示される。当該画面６０は、図示するように、デッキの分類（アーキタイプ）を指定するための分類指定領域６２と、総コストを指定するための総コスト指定領域６４と、「デッキ作成」と表示された自動編成実行ボタン６８とを有する。

プレイヤは、分類指定領域６２及び総コスト指定領域６４を介してデッキの分類及び総コストを指定した上で、自動編成実行ボタン６８を選択することによって、デッキの自動編成を行うことができる。図１５は、自動編成実行ボタン６８の選択に応じてシステム１０が実行する処理を例示するフロー図である。システム１０は、まず、図示するように、指定されたデッキの分類に対応するトピックにおけるキャラクタの確率分布を取得する（ステップＳ３００）。各トピックにおけるキャラクタの確率分布は、学習済みモデル４１７において保存されている。

そして、システム１０は、取得したキャラクタの確率分布、及び、総コスト指定領域６４を介して指定された総コストに基づいて、デッキに含める複数のキャラクタを選択する（ステップＳ３１０）。具体的には、キャラクタの確率分布において確率が高いキャラクタから順に、プレイヤが保有しているか否かが確認され、プレイヤが保有している場合にはデッキに含めるキャラクタとして選択される。また、プレイヤが保有しているキャラクタであっても、デッキに含まれるキャラクタのコストの合計値が、指定されている総コストを超えてしまう場合には、当該キャラクタは選択されずに、次に確率が高いキャラクタへと進む。

こうしてデッキを構成する複数のキャラクタの全てが選択されると、選択されたキャラクタを一覧表示する図示しない画面がプレイヤ端末３０において表示され、プレイヤによる確認操作を介して、選択されたキャラクタが、デッキ作成用画面５０のキャラクタ設定領域５６に設定される。プレイヤがデッキの作成を確定させると、作成されたデッキに関する情報（デッキ分類を含む。）がデッキ情報テーブル４１３に登録される。このように、この例では、デッキが作成される都度、デッキの分類が判定及び登録される。

以上、プレイヤによるデッキの作成に関する動作について説明した。次に、提供ゲームの統計情報の表示に関する動作について説明する。この例では、ゲーム実績情報テーブル４１５において管理されているプレイヤ間の対戦の実績に関する統計情報がプレイヤに対して提供される。図１６は、プレイヤ端末３０において表示されるイベント統計情報表示画面７０を例示する。当該画面７０は、所定の期間において開催される対象のイベントにおける対戦実績に関する統計情報を表示すると共に、「アーキタイプ別」と表示された分類別分析ボタン７２を有する。イベント統計情報表示画面７０において表示される統計情報は、図示するように、デッキの分類（アーキタイプ）に関する４つのランキングを含む。４つのランキングは、具体的には、使用されたデッキ数が多い分類のランキングである「（１）人気のアーキタイプ」、勝率の高い分類のランキングである「（２）勝率（総合）の高いアーキタイプ」、ターンが先攻の場合の勝率の高い分類のランキングである「（３）勝率（先攻）の高いアーキタイプ」、及び、ターンが後攻の場合の勝率の高い分類のランキングである「（４）勝率（後攻）の高いアーキタイプ」である。

分類別分析ボタン７２が選択されると、デッキの分類に基づく様々な分析を行うための図示しない画面がプレイヤ端末３０において表示され、プレイヤは、当該画面を介して、対象のイベントにおける対戦実績の分析を楽しむことができる。当該画面は、例えば、デッキの分類別に、キャラクタの確率分布（キャラクタの使用率）、使用デッキ数、使用ユーザ数、使用対戦数、勝率（総合）、勝率（先攻）、勝率（後攻）、対戦相手のデッキの分類別の勝率、決着までのターン数等の情報を表示する。

上述した例では、デッキが作成される都度、デッキの分類が判定及び登録されるようにしたが、本実施形態の他の例では、デッキ群の分類が一括して判定される。

例えば、図１７（Ａ）に例示するように、まず、第１の期間の第１のデッキ群（例えば、第１の期間（例えば、Ｎ月）において実際に使用されたデッキ群）のデッキデータをトピックモデルの学習データとする機械学習を介して第１の学習済みモデル４１７Ａを生成し（１）、当該第１の学習済みモデル４１７Ａにおける複数のトピック（第１のトピック群）に対応する複数の分類を作成し（２）、その後、第１のデッキ群の分類を判定する（３）。第１のデッキ群の分類は、第１のデッキ群の各デッキにおけるトピックの確率分布に基づいて判定され、具体的には、最も確率の高いトピックに対応する分類が、各デッキの分類として判定される。

その後、図１７（Ｂ）に例示するように、第１の期間よりも後の第２の期間の第２のデッキ群（例えば、第２の期間（例えば、Ｎ＋１月）において実際に使用されたデッキ群）のデッキデータをトピックモデルの学習データとする機械学習を介して第２の学習済みモデル４１７Ｂを生成し（４）、当該第２の学習済みモデル４１７Ｂにおける複数のトピック（第２のトピック群）と、第１の学習済みモデル４１７Ａにおける第１のトピック群と、の対応関係を分析する（５）。第１及び第２のトピック群の対応関係は、第１のトピック群の各トピックにおけるキャラクタの確率分布と、第２のトピック群の各トピックにおけるキャラクタの確率分布と、の比較に基づいて分析され、具体的には、こうしたキャラクタの確率分布が類似するトピック同士が、対応するトピックとして判定される。その後、第２のデッキ群の分類を判定する（６）。第２のデッキ群の分類は、第２のデッキ群の各デッキにおけるトピックの確率分布、及び、第１及び第２のトピック群の対応関係に基づいて判定され、具体的には、最も確率の高い第２のトピック群のトピックに対応する第１のトピック群のトピックにさらに対応する分類が、各デッキの分類として判定される。

上述した例では、学習済みモデル４１７におけるトピック（機械学習を介して抽出されたトピック）に対応する分類のみを作成したが、本実施形態の他の例では、これに加えて、ルールベースで判定される分類が作成される。例えば、所定のキャラクタが含まれるデッキに対応する分類をルールベースで判定される分類として作成することができ、この場合、所定のキャラクタが含まれるデッキは、学習済みモデル４１７を生成する際の学習データに対応するデッキ群から除外される。

以上説明した本実施形態に係るゲーム提供システム１０では、所定の複数の分類の中からデッキの分類を判定し、当該所定の複数の分類は、デッキ群のデッキデータを学習データとする機械学習を介して抽出されるトピックに対応する分類を含むから、複数のゲームコンテンツが含まれるデッキの適切な分類が支援される。

本明細書で説明された処理及び手順は、明示的に説明されたもの以外にも、ソフトウェア、ハードウェア又はこれらの任意の組み合わせによって実現される。例えば、本明細書で説明される処理及び手順は、集積回路、揮発性メモリ、不揮発性メモリ、磁気ディスク等の媒体に、当該処理及び手順に相当するロジックを実装することによって実現される。また、本明細書で説明された処理及び手順は、当該処理・手順に相当するコンピュータプログラムとして実装し、各種のコンピュータに実行させることが可能である。

本明細書中で説明された処理及び手順が単一の装置、ソフトウェア、コンポーネント、モジュールによって実行される旨が説明されたとしても、そのような処理又は手順は複数の装置、複数のソフトウェア、複数のコンポーネント、及び／又は複数のモジュールによって実行され得る。また、本明細書において説明されたソフトウェア及びハードウェアの要素は、それらをより少ない構成要素に統合して、又はより多い構成要素に分解することによって実現することも可能である。

本明細書において、発明の構成要素が単数もしくは複数の何れか一方として説明された場合、又は、単数もしくは複数の何れとも限定 せずに説明された場合であっても、文脈上別に解すべき場合を除き、当該構成要素は単数又は複数の何れであってもよい。

１０ ゲーム提供システム
２０ 通信ネットワーク
３０ プレイヤ端末
４１ 情報記憶管理部
４１１ プレイヤ情報テーブル
４１３ デッキ情報テーブル
４１５ ゲーム実績情報テーブル
４１７、４１７Ａ、４１７Ｂ 学習済みモデル
４３ 基本機能制御部
４５ ゲーム進行制御部
４７ デッキ管理部
５０ デッキ作成用画面
６０ デッキ自動編成用画面
７０ イベント統計情報表示画面

Claims (12)

1. １又は複数のコンピュータプロセッサを備え、複数のゲームコンテンツが含まれるデッキを用いる所定のゲームを提供するためのシステムであって、
   前記１又は複数のコンピュータプロセッサは、読取可能な命令の実行に応じて、
   所定の複数の分類の中から特定のデッキの分類を判定するステップを実行し、
   前記所定の複数の分類は、第１のデッキ群のデッキデータを学習データとする機械学習を介して生成される第１の学習済みモデルであって、デッキに含まれるゲームコンテンツが文書に含まれる単語として取り扱われるトピックモデルの前記第１の学習済みモデルにおけるトピックに対応する分類を含む、
   システム。
2. 前記判定するステップは、前記特定のデッキのデッキデータを前記第１の学習済みモデルに入力すると共に前記第１の学習済みモデルから出力される前記特定のデッキにおけるトピックの確率分布に少なくとも基づいて、前記特定のデッキの分類を判定することを含む、
   請求項１のシステム。
3. 前記判定するステップは、前記特定のデッキにおけるトピックの確率分布に少なくとも基づいて特定されるトピックに対応する分類を、前記特定のデッキの分類として判定することを含む、
   請求項２のシステム。
4. 前記判定するステップは、プレイヤによって作成中のデッキの分類を判定して前記プレイヤに対して提示することを含む、
   請求項１ないし３何れかのシステム。
5. 前記１又は複数のコンピュータプロセッサは、さらに、前記所定の複数の分類に含まれる分類のプレイヤによる指定を受け付けるステップと、指定された分類に少なくとも基づいて、複数のゲームコンテンツの中からデッキに含めるゲームコンテンツを選択するステップと、を実行し、
   前記選択するステップは、前記指定された分類に対応する前記第１の学習済みモデルのトピックにおけるゲームコンテンツの確率分布に少なくとも基づいて、デッキに含めるゲームコンテンツを選択することを含む、
   請求項１ないし４何れかのシステム。
6. 前記判定するステップは、前記第１の学習済みモデルにおける前記第１のデッキ群の各デッキにおけるトピックの確率分布に少なくとも基づいて、前記第１のデッキ群の各デッキの分類を判定することを含む、
   請求項１ないし５何れかのシステム。
7. 前記判定するステップは、第２のデッキ群のデッキデータを学習データとする機械学習を介して生成される第２の学習済みモデルであって、デッキに含まれるゲームコンテンツが文書に含まれる単語として取り扱われるトピックモデルの前記第２の学習済みモデルにおける前記第２のデッキ群の各デッキにおけるトピックの確率分布に少なくとも基づいて特定される前記第２の学習済みモデルのトピックに対応する前記第１の学習済みモデルのトピックに対応する分類を、前記第２のデッキ群の各デッキの分類として判定することを含む、
   請求項１ないし６何れかのシステム。
8. 前記第１のデッキ群は、第１の期間において前記所定のゲームで用いられた複数のデッキから成り、
   前記第２のデッキ群は、前記第１の期間よりも後の第２の期間において前記所定のゲームで用いられた複数のデッキから成る、
   請求項７のシステム。
9. 前記１又は複数のコンピュータプロセッサは、さらに、前記所定の複数の分類に少なくとも基づく前記所定のゲームの統計情報をプレイヤに対して提示するステップを実行する、
   請求項１ないし８何れかのシステム。
10. １又は複数のコンピュータによって実行され、複数のゲームコンテンツが含まれるデッキを用いる所定のゲームを提供するための方法であって、
    所定の複数の分類の中から特定のデッキの分類を判定するステップを備え、
    前記所定の複数の分類は、第１のデッキ群のデッキデータを学習データとする機械学習を介して生成される第１の学習済みモデルであって、デッキに含まれるゲームコンテンツが文書に含まれる単語として取り扱われるトピックモデルの前記第１の学習済みモデルにおけるトピックに対応する分類を含む、
    方法。
11. 複数のゲームコンテンツが含まれるデッキを用いる所定のゲームを提供するためのプログラムであって、１又は複数のコンピュータに、
    所定の複数の分類の中から特定のデッキの分類を判定する処理を実行させ、
    前記所定の複数の分類は、第１のデッキ群のデッキデータを学習データとする機械学習を介して生成される第１の学習済みモデルであって、デッキに含まれるゲームコンテンツが文書に含まれる単語として取り扱われるトピックモデルの前記第１の学習済みモデルにおけるトピックに対応する分類を含む、
    プログラム。
12. 所定のゲームで用いられると共に複数のゲームコンテンツが含まれるデッキの分類を作成するための方法であって、
    デッキ群のデッキデータに対応する学習データであって、デッキに含まれるゲームコンテンツが文書に含まれる単語として取り扱われるトピックモデルの学習データを準備する工程と、
    準備した学習データの機械学習を介してトピックモデルの学習済みモデルを生成する工程と、
    生成した学習済みモデルにおけるトピックに対応する分類を含む所定の複数の分類を作成する工程と、を備える、
    方法。
    
    

Images