KR101380565B1 - Real time game player level and tendency analysis device and controlling method for the same - Google Patents

Real time game player level and tendency analysis device and controlling method for the same Download PDF

Info

Publication number
KR101380565B1
KR101380565B1 KR1020100057842A KR20100057842A KR101380565B1 KR 101380565 B1 KR101380565 B1 KR 101380565B1 KR 1020100057842 A KR1020100057842 A KR 1020100057842A KR 20100057842 A KR20100057842 A KR 20100057842A KR 101380565 B1 KR101380565 B1 KR 101380565B1
Authority
KR
South Korea
Prior art keywords
value
game
user
accuracy
level
Prior art date
Application number
KR1020100057842A
Other languages
Korean (ko)
Other versions
KR20110073207A (en
Inventor
김항기
박창준
류성원
이헌주
이기석
손강민
Original Assignee
한국전자통신연구원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to KR1020090127997 priority Critical
Priority to KR20090127997 priority
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority claimed from US12/905,304 external-priority patent/US8348733B2/en
Publication of KR20110073207A publication Critical patent/KR20110073207A/en
Application granted granted Critical
Publication of KR101380565B1 publication Critical patent/KR101380565B1/en

Links

Images

Abstract

본 발명은 실시간 게임 사용자 특성 분석 장치 및 그 제어 방법에 관한 것으로, 본 발명에 따른 실시간 게임 사용자 특성 분석 장치는 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 제1가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값을 계산하는 적어도 하나의 개별 행동 판단부; The present invention real-time game user characteristic analysis device and relates to a control method, a real-time game user characterization device described in the game by applying the first weight to the game play data values ​​generated by the game play of the game user at least one of the individual behaviors to calculate the user characteristic value that represents the level or nature of a user determination unit; 상기 사용자 특성 값과 관리자가 설정한 값을 비교하여 상기 개별 행동 판단부의 정확도 값을 계산하는 정확도 판단부; By comparing the user characteristic value and the value set by the administrator, the accuracy determination unit for calculating the accuracy of the value of said individual behavior is determined; 상기 정확도 값이 기준 값을 초과하지 않으면 복수개의 상기 개별 행동 판단부에서 계산된 상기 사용자 특성 값들에 제2가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 최종 특성 값을 계산하는 종합 수준 판단부; Overall the level of the accuracy value does not exceed the reference value, calculating a final characteristic value by applying a second weight to said user characteristic values ​​calculated in a plurality of said individual behavior determination unit that represents the level or nature of the game user determiner .; 및 상기 최종 특성 값을 출력하는 특성 값 출력부를 포함한다. And a call attribute value output for outputting the final characteristic value.

Description

실시간 게임 사용자 특성 분석 장치 및 그 제어 방법{Real time game player level and tendency analysis device and controlling method for the same} Real-time game user characteristic analysis device and a control method {Real time game player level and tendency analysis device and controlling method for the same}

본 발명은 실시간 게임 사용자 특성 분석 장치 및 그 제어 방법에 관한 것으로, 보다 상세하게는 게임 사용자의 수준과 성향을 보다 정확하게 실시간으로 판단할 수 있는 실시간 게임 사용자 특성 분석 장치 및 그 제어 방법에 관한 것이다. The present invention relates to that, more specifically, the real-time game user attributes that can be determined in real time more accurately the level and nature of the game user analysis apparatus and its control method according to the real-time game user characteristic analysis device and a control method.

본 발명은 지식경제부의 게이머 수준 실시간 맞춤형 인공지능 엔진 및 저작 기술 개발 사업의 일환으로 수행한 연구로부터 도출된 것이다[과제관리번호: 2009-S-042-01, 과제명: 게이머 수준 실시간 맞춤형 인공지능 엔진 및 저작 기술 개발]. The present invention is derived from a study carried out as part of the Knowledge Economy gamer level real-time custom artificial intelligence engine and authoring technologies developed program of project management number: 2009-S-042-01, Project title: gamer level real-time custom AI engine development and authoring technology.

컴퓨터 게임에서 게임 사용자의 수준 및 성향을 파악하는 것은 게임 서비스에 있어서 중요한 요소 중의 하나로서, 종래에는 사용자가 직접 자신의 수준 및 성향을 입력하거나 특정 룰에 따른 수준 및 성향을 판단하는 방법이 사용되었다. That determination of the level and nature of the game user on the computer game as one important factor for a game service, a prior art user directly enter their own level and inclination, or method for determining the level and inclination according to a particular rule was used .

이와 같은 게임 사용자의 수준 또는 성향은 초급, 중급, 고급 등 게임에 능숙한 사람과 미숙한 사람을 스칼라(Scalar) 값으로 표현할 수 있으며, 상기와 같은 게임 사용자의 수준 또는 성향에 따라서 제공되는 게임의 환경이 변화될 수 있다. This level of game users, or propensity beginner, intermediate, advanced, etc. express the skilled person and an inexperienced person to play for Scala (Scalar) values, and the game environment is provided in accordance with the level or nature of the game users, such as the this may be changing.

그러나, 게임의 사용시에는 같은 아이디(ID)를 사용할 지라도 사용자가 바뀔 수도 있고 사용자의 숙련도가 변할 수도 있다. However, when using the game even when using the same identity (ID) may change the users and may change the user's proficiency. 그뿐만 아니라, 게임 사용자의 플레이 스타일이 현재 게임 상황과 잘 맞아서 기존에 파악된 수준보다 더욱 높은 수준이 되었거나, 반대로 게임 사용자의 플레이 스타일이 현재 게임 상황과는 맞지 않아서 수준이 떨어지는 등과 같이 사용자의 수준이 시시각각 변하는 상황이 발생한다. In addition to that, or a higher level than the identified level to an existing play style of game it is beaten well with the game situation, on the contrary the play style of game user user level, such as the current game because the situation with the match falling level this ever-changing situation arises. 따라서, 이와 같은 상황의 변화에 따라 사용자의 수준 및 성향의 변화를 실시간으로 파악해야 할 필요가 있다. Therefore, it is necessary to do this in accordance with the change of the situation, identify changes in the level and orientation of the user in real time.

본 발명은 상기한 종래의 문제점을 해결하기 위해 안출된 것으로서, 본 발명은 게임 사용자의 수준과 성향을 계층적으로 학습하여 게임 사용자의 수준과 성향을 보다 정확하게 실시간으로 판단하고자 한다. The present invention is conceived to solve the conventional problems above, the present invention is directed to a more accurate level and nature of the game the user is determined in real time by the learning level and the nature of the game user in a hierarchical manner.

또한, 본 발명은 게임 사용자의 수준에 따라서 게임의 난이도를 조정하여 게임 사용자의 게임 적응도를 높이고 게임 사용자의 긴장감과 몰입감을 유지시키고자 한다. The present invention also adjust the difficulty of the game according to the game user to increase the level of fitness of the game game user maintain tension and immersion of the game and the user party.

또한, 본 발명은 게임 사용자의 수준에 따른 게임 사용자 매칭 서비스를 제공하고, 게임 사용자의 수준에 따라 적절한 도우미 또는 훈련 시나리오를 제공하고자 한다. In addition, the present invention is to provide the appropriate helper or training scenario according to the level of the game provides the user matching services, the game user in accordance with the level of a game user.

상기한 목적을 달성하기 위해 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치는 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 제1가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값을 계산하는 적어도 하나의 개별 행동 판단부; Real-time game user characteristic analysis device according to an embodiment of the present invention to achieve the above object is the level or nature of the game user to apply a first weight to the game play data values ​​generated by the game play of the game user It represents at least one of the individual behaviors to calculate the user characteristic value determining unit; 상기 사용자 특성 값과 관리자가 설정한 값을 비교하여 상기 개별 행동 판단부의 정확도 값을 계산하는 정확도 판단부; By comparing the user characteristic value and the value set by the administrator, the accuracy determination unit for calculating the accuracy of the value of said individual behavior is determined; 상기 정확도 값이 기준 값을 초과하지 않으면 복수개의 상기 개별 행동 판단부에서 계산된 상기 사용자 특성 값들에 제2가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 최종 특성 값을 계산하는 종합 수준 판단부; Overall the level of the accuracy value does not exceed the reference value, calculating a final characteristic value by applying a second weight to said user characteristic values ​​calculated in a plurality of said individual behavior determination unit that represents the level or nature of the game user determiner .; 및 상기 최종 특성 값을 출력하는 특성 값 출력부를 포함한다. And a call attribute value output for outputting the final characteristic value.

본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 방법은 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 제1가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값을 계산하는 단계; Real-time game user attributes according to one embodiment of the invention analysis method to calculate the user characteristic value by applying a first weight to the game play data values ​​generated by the game play of the game user indicating the level or nature of the game user step; 상기 사용자 특성 값과 관리자가 설정한 값을 비교하여 정확도 값을 계산하는 단계; Calculating an accuracy value by comparing the user characteristic value and the value set by the administrator; 상기 정확도 값이 기준 값을 초과하지 않으면 복수개의 상기 사용자 특성 값들에 제2가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 최종 특성 값을 계산하는 단계; If no step of the accuracy value exceeds the reference value, calculating a final characteristic value by applying a second weight to a plurality of the user characteristic values ​​representing the level or nature of the game user; 및 상기 최종 특성 값을 출력하는 단계를 포함한다. And a step of outputting the final characteristic value.

본 발명에 따르면 게임 사용자의 수준과 성향을 계층적으로 학습하여 게임 사용자의 수준과 성향을 보다 정확하게 실시간으로 판단할 수 있다. According to the present invention, the learning level and the nature of the game user hierarchically more accurately the level and nature of the game it can determine in real time.

또한, 본 발명에 따르면 게임 사용자의 수준에 따라서 게임의 난이도를 조정하여 게임 사용자의 게임 적응도를 높이고 게임 사용자의 긴장감과 몰입감을 유지시킬 수 있다. Further, according to the present invention depending on the level of the game user to adjust the difficulty of the game to increase the game fitness of the game user can maintain the tension and immersion of the game user.

또한, 본 발명에 따르면 게임 사용자의 수준 판단에 따른 게임 사용자 매칭 서비스를 제공할 수 있도록 하여 게임 사용자의 수준에 따라 적절한 도우미 또는 훈련 시나리오를 제공할 수 있다. Further, according to the present invention to provide a game user matching services according to the determined level of the game user may provide the appropriate helper or training scenarios, depending on the level of a game user.

도 1 및 도 2는 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치를 도시한 도면이다. 1 and 2 is a diagram showing a real-time game user characteristic analysis device according to an embodiment of the present invention.
도 3은 본 발명의 일실시예 따른 실시간 게임 사용자 특성 분석 장치의 구성도이다. 3 is a block diagram of a real-time game user characteristic analysis device according to one embodiment of the invention.
도 4 및 도 5는 본 발명에 따른 실시간 게임 사용자 특성 분석 장치가 뉴럴 네트워크를 이용하여 구성된 일실시예를 도시한 도면이다. 4 and 5 are diagrams illustrating one embodiment a real-time game user characteristic analysis device according to the invention is configured by using a neural network.
도 6은 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 방법을 설명하기 위한 흐름도이다. 6 is a flowchart illustrating a real-time game user characteristic analysis method according to an embodiment of the present invention.

이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. With reference to the accompanying drawings In the following, embodiments of the present invention will be described in detail. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. However, it is not the present invention is not limited or restricted to the embodiments. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다. Like reference numerals in the drawings denote like elements.

도 1 및 도 2는 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치를 도시한 도면이다. 1 and 2 is a diagram showing a real-time game user characteristic analysis device according to an embodiment of the present invention.

본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 모의 데이터 값을 입력하여 가중치를 적용해 계산한 결과 값의 정확도가 기 설정된 값을 초과하는지 판단한다. An exemplary real-time game user characteristic analysis unit 110 according to the embodiment of the present invention, it is determined that the accuracy of the result value calculated by applying a weight to the simulated input data value group exceeds a predetermined value. 이때, 실시간 게임 사용자 특성 분석 장치(110)는 상기 결과 값과 모의 결과 값을 비교하여 정확도를 계산하는데, 상기 결과 값과 모의 결과 값이 유사할수록 정확도가 높다. At this time, the real-time game user characteristic analysis unit 110 is high, the accuracy in calculating the accuracy by comparing the result with the simulation results, as the result of the simulation similar to this value and the result value.

실시간 게임 사용자 특성 분석 장치(110)는 상기 판단 결과 상기 결과 값의 정확도가 기 설정된 값을 초과하는 것으로 판단하면 상기 가중치를 이용하여 특성 값을 계산한다. Real-time game user characteristic analyzer 110 calculates the feature values ​​by using the weight if it is determined to exceed the value of the accuracy of the judgment result of the result value predetermined.

실시간 게임 사용자 특성 분석 장치(110)는 도 1에 도시된 바와 같이 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값(111, 112, 113, 114, 115)에 상기 가중치를 적용하여 상기 게임 사용자의 수준(121) 또는 성향(122)을 나타내는 사용자 특성 값을 계산한다. Real-time game user characteristic analyzer 110 is the game user by applying the weight to the game play data values ​​(111, 112, 113, 114, 115) generated by a game user for game play, as shown in Figure 1 indicating the level 121 or the disposition 122 calculates the user characteristic.

본 발명의 일실시예에 따른 게임 플레이 데이터 값은 게임 환경 변수(111, 112, 113)와 같이 사용자의 게임 환경 값, 그리고 게임 사용자의 행동 선택 값(114), 게임 사용자의 응답 시간 값(115) 등을 말하며, 게임 사용자의 특성 값이라 함은 상기 게임 사용자의 수준을 나타내는 수준 값(121), 성향을 나타내는 성향 값(122) 등을 말한다. Game play data values ​​in accordance with one embodiment of the present invention is a game environment variables (111, 112, 113) the user's game experience value, as, and the action of the game user selected value, 114, the game-user response time value (115 ) such a means, refers to as characteristic value of the game user means the level value indicating the level of the game user 121, the inclination value 122 represents an inclination and so on.

예를 들어, 실시간 게임 사용자 특성 분석 장치(110)에는 게임 플레이 데이터 값으로서 게임 사용자의 캐릭터가 적과 마주친 후 진행된 시간, 적을 겨냥하여 발사한 빈도수, 적에 명중한 정확도, 또는 은폐물로 은폐 여부 등이 게임 플레이 데이터 값으로 입력되고, 그에 따라 게임 사용자가 어떻게 반응하였는지를 나타내는 수준 값 또는 성향 값 등이 출력될 수 있다. For example, a real-time game user characteristic analysis unit 110 whether the cover to then encountered that the game user character as the game play data value enemy progressed time, a firing aimed at less frequency, ever hit accuracy, or eunpyemul game play is inputted to the data value, and thus may be output to the game user to how such a reaction that indicates whether the level value or payout value. 즉, 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 게임 사용자의 상황에 따른 행동 유형에 따라서 게임 사용자의 수준 또는 성향 등의 특성을 파악할 수 있다. That is, real-time game user attributes according to one embodiment of the invention analysis device 110 according to the behavior type according to a game situation, the user can grasp the characteristics such as the level or nature of a game user. 이때, 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 뉴럴 네트워크(Neural Network), MLP(Multilayer Perception), 유전자 알고리즘, HMM(Hidden Markov Model: 은닉 마르코프 모델), MRF(Markov Random Field: 마르코프 랜덤 장), DSOM(Distributed System Object Model), 퍼지(Fuzzy), 에볼루션(Evolution) 방식 및 리인포스먼트(Reinforcement) 방식 중에서 어느 하나의 방법에 기반하여 게임 사용자의 특성 값을 분석할 수 있다. At this time, the real-time game user characteristic analysis unit 110 according to an embodiment of the present invention is the neural network (Neural Network), MLP (Multilayer Perception), genetic algorithm, HMM (Hidden Markov Model: HMM), MRF (Markov Random field: Markov random field), and in DSOM (Distributed system Object Model), purge (fuzzy), Evolution (Evolution) systems and Reinforced garment (Reinforcement) method based on any one of a method to analyze the characteristic value of the game user can.

한편, 게임 사용자의 수준 또는 성향을 분석 할 때 게임이 단순한 경우에는 상기와 같이 실시간 게임 사용자 특성 분석 장치(110)가 한번의 게임 사용자 수준 또는 성향을 충분히 효율적으로 분석할 수 있으나, 게임이 단순하지 않은 경우에는 입력되는 플레이 데이터 값과 출력되는 게임 사용자의 특성 값의 개수가 늘어남에 따라 디멘젼(Dimension)이 커지게 되고, 그에 따라 수행 성능이 급속히 악화되어 게임 사용자의 수준 또는 성향을 실시간으로 파악하기 힘들어지며, 불필요한 플레이 데이터 값까지 고려하게 되어 잘못된 출력 값을 얻을 수도 있다. On the other hand, the game when the game is simple to analyze the level or nature of the user, but the real-time game user characteristic analysis unit 110 as described above can fully analyze efficiently the game user level or inclination of one, the game is not simple If not, the dimension (dimension) becomes large according to the increasing quantity of the play data value to the output of the game user attributes that are input, is the performance rapidly deteriorated thereby to determine the level or nature of a game user in real time, It becomes difficult, it is considered unnecessary to play the data values ​​may get the wrong output.

그러므로, 본 발명의 일실시예에 따르면 사용자 특성 값을 계산하는 과정을 나누도록 구성된다. Therefore, the configuration according to an embodiment of the present invention to divide the process of calculating the user characteristic. 예를 들어, 실시간 게임 사용자 특성 분석 장치(110)에 입력되는 게임 플레이 데이터 입력(Input) 값이 20개, 출력(Output)이 3개인 경우에는 Hidden = Input*1.5 = 30개가 됨에 따라 20*Hidden + Hidden*3 = 20*30 + 30*3 = 690의 계산에 따라서 690개의 링크(Link)가 발생된다. For example, real-time game user attributes play the game data input (Input) value input to the analyzer 110, 20, the output (Output) with three case Hidden = Input * 1.5 = 20 * Hidden as thirty + Hidden * 3 = 20 * 30 + 30 * 3 = 690 is generated according to the calculation of the 690 links (link). 하지만, 20개의 입력(Input)을 10개씩 두 개로 나누고 제1모듈 및 제2 모듈로 각각 입력하는 경우에는 (10*15 + 15*3) * 2 = 390의 계산에 의해 390개의 링크가 발생한다. However, there is, the (10 * 15 + 15 * 3) * 2 = 390 linked by a calculation of 390 occurs when the respective inputs of a first module and a second module divides the 20 input (Input) 10 each with two . 또한, 제1모듈 및 제2 모듈의 출력은 각각 3개이고, 상기 제1모듈 및 제2 모듈의 출력의 개수를 합한 6개의 입력이 제3 모듈에 이루어지면 6*9 + 9*3 = 81의 계산에 의해 81개의 링크가 생기므로 총 490 + 81 = 471 개의 링크가 생긴다. In addition, the first module and the second output of the module is numbered 3, respectively, the first module and the second module plus the number of output 6 inputs the floor made in the third module 6 * 9 + 9 * 3 = 81 Since the link 81 is animated by calculation produces the total of 490 + 81 = 471 links. 이와 같이 모듈을 더 작게 나눌 경우에는 링크의 수를 줄일 수 있으므로 성능을 향상시킬 수 있다. In such a divided smaller module it can be improved, so the performance can reduce the number of links.

따라서, 본 발명의 일실시예에 따르면 실시간 게임 사용자 특성 분석 장치(110)가 도 1과 도 2에 도시된 바와 같이 게임 사용자의 특성 값을 계산하는 과정을 두 과정으로 나눔으로써 실시간으로 게임 사용자의 수준 또는 성향 등의 특성을 분석할 수 있다. Therefore, in real-time as, according to one embodiment of the invention dividing the process of calculating a characteristic value of the game user, as the real-time game user characteristic analysis unit 110 is shown in Figures 1 and 2 two passes game user the characteristics such as level or inclination can be analyzed. 즉, 실시간 게임 사용자 특성 분석 장치(110)는 도 1에 도시된 바와 같이 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값(121, 122)을 계산하고, 도 2에 도시된 바와 같이 상기 계산된 사용자 특성 값들(211, 212, 213, 214)에 가중치를 적용하여 상기 게임 사용자의 최종 수준(221) 또는 최종 성향(222)을 판별할 수 있다. That is, real-time game user characteristic analysis unit 110 of the calculated user, as shown in the calculation the user attribute value (121, 122) indicating the level or nature of the game user, and 2 as shown in Figure 1 characteristic values ​​(211, 212, 213, 214) applying a weight to the end-user games on the level of 221 or can not determine the final disposition 222.

또한, 본 발명의 일실시예에 따르면 실시간 게임 사용자 특성 분석 장치(110)가 상기 계산된 사용자 특성 값과 관리자가 기 설정한 값을 비교하여 정확도 값을 계산하고 계산된 정확도 값이 기준 값을 초과하지 않는 경우에만 복수개의 사용자 특성 값들을 이용하여 최종 특성 값을 계산하도록 구성될 수 있다. Further, according to one embodiment of the present invention real-time game user characteristic analysis unit 110 is the calculated user characteristic value and the manager compute the accuracy values ​​compared to group the setting value and calculation accuracy value exceeds the reference value, If not only may be configured to calculate a final characteristic value using a plurality of user characteristic.

보다 상세하게 설명하면, 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 사용자 특성 값을 계산하고, 계산된 사용자 특성 값과 관리자가 기 설정한 값을 비교하여 정확도 값을 계산하고, 계산된 정확도 값이 기준 값을 초과하면 도 1에 도시된 바와 같은 게임 사용자의 수준(121) 또는 성향(122) 등의 특성 값을 출력한다. More specifically, calculate the accuracy values ​​in real time game user characteristic analysis unit 110 according to an embodiment of the present invention calculates the user attribute value and comparing the calculated user characteristic value as an administrator has previously set and it outputs the value of the property, such as when the level of the game user 121 or the inclination (122) as shown in Figure 1 the calculation accuracy value exceeds the reference value. 그러나, 상기 계산된 정확도 값이 기준 값을 초과하지 못하면 도 1에 도시된 복수개의 실시간 게임 사용자 특성 분석 장치가 게임 플레이 데이터를 입력하여 사용자 특성 값 계산 과정을 각각 실행하고, 도 2에 도시된 바와 같이 실시간 게임 사용자 특성 분석 장치가 계산된 복수개의 사용자 특성 값(211, 212, 213, 214) 또는 변수 값(214) 등에 가중치를 적용하여 상기 게임 사용자의 최종 수준 또는 성향을 나타내는 최종 특성 값(221, 222)을 계산한다. However, as is the calculated accuracy values ​​of the plurality of real-time game user characteristic analyzer shown in Figure 1 does not exceed the reference value input to the game play data by executing the user characteristic value calculation processing, respectively, it is shown in Figure 2 as real-time game user characteristic analysis unit is to apply a weight, etc. of the user characteristic calculated plurality of values ​​(211, 212, 213, 214) or the variable value 214 that represents the final level or nature of the game user end value (221 calculates, 222). 예를 들어, 상기 계산된 정확도 값이 90%를 초과하지 못하는 경우 추가적으로 도 2에 도시된 바와 같은 별도의 최종 특성 값 계산 과정을 실행한다. For example, the addition even to run a final characteristic value calculation process, as illustrated in the case where the accuracy of the calculated value does not exceed 90%.

이후부터는 실시간 게임 사용자 특성 분석 장치(110)의 정확도 판단 방법을 보다 상세하게 설명하기로 한다. Hereafter will be in detail described how the determination accuracy of the real-time game user characteristic analysis unit 110. The

실시간 게임 사용자 특성 분석 장치(110)가 정확도의 계산 시에 다음의 수학식 1에서와 같이, 관리자 설정 값과 실시간 게임 사용자 특성 분석 장치(110)에서 계산된 사용자 특성 값을 이용한다. Real-time game user attributes, as shown in the following equation (1) in the analysis device in the calculation of the 110, the accuracy, and uses the user attributes administrator setting value calculated in real time with the game user characteristic analysis unit 110. The

[수학식 1] Equation 1

정확도 = (최대값 - │관리자 설정 값 - 사용자 특성 값│) / (최대값 - 최소값) * 100 (%) Accuracy = (maximum value - │ administrator setting-user attribute value │) / (Maximum - Minimum) * 100 (%)

수학식 1에서와 같이 관리자 설정 값과 실시간 게임 사용자 특성 분석 장치(110)의 사용자 특성 값의 차이가 작을수록 정확도가 높아진다. As in equation (1) the higher the smaller the difference in the user attribute value accuracy of the administrator setting value and real-time game user characteristic analysis unit 110. The 예를 들어, 특정 게임 사용자에 대한 수준 판단 값의 범위를 0 ~ 1사이로 하고, 관리자 설정 값이 0.9이고 실시간 게임 사용자 특성 분석 장치(110)에서 계산된 사용자 특성 값이0.8인 경우에는, (1 - | 0.9 - 0.8 |) / (1.0 - 0.0) * 100 (%) = 90%로 계산하여 90%의 정확도를 계산할 수 있다. For example, and the scope of the level decision value for a particular game the user between 0 and 1, the administrator setting value is 0.9 and the user characteristic values ​​calculated by the real-time game user characteristic analysis unit 110 is 0.8, the (1 - | 0.9 - 0.8 |) / (1.0 - calculated in 0.0) * 100% = 90%, we can calculate the precision of 90%.

상기에서 계산된 바와 같이, 계산된 정확도가 충분히 높은 경우에는 도 1에 도시된 바와 같이 실시간 게임 사용자 특성 분석 장치(110)가 게임 사용자의 수준(121) 또는 성향(122)을 나타내는 특성 값을 계산하고 종료된다. Calculating a characteristic value representing if the calculation accuracy is sufficiently high, the real-time game user characteristic analysis unit 110, as shown in Figure 1 the level of the game user 121 or the inclination (122), as calculated by the and it ends. 한편, 계산된 정확도가 낮은 경우에는 도 2에 도시된 바와 같이, 실시간 게임 사용자 특성 분석 장치(110)가 복수개의 사용자 특성 값을 계산하고, 계산된 복수개의 사용자 특성 값을 입력하여 게임 사용자의 최종 수준(221) 및 최종 성향(222)인 최종 특성 값을 계산한다. On the other hand, if the calculation accuracy is low, as shown in Figure 2, real-time game user characteristic analysis unit 110 calculates a plurality of user attribute values, and input the calculated plurality of user attribute value end of the game user and calculating a final characteristic level 221 and the final disposition 222 value. 예를 들어, 상기 계산된 특성 값의 정확도가 90% 이상인 경우에는 계산된 특성 값이 높은 신뢰성을 가지므로 실시간 게임 사용자 특성 분석 장치(110)가 한번의 사용자 특성 값을 계산한 후 출력하고 종료되며, 복수개의 사용자 특성 값을 이용하여 최종 특성 값을 계산하는 과정을 실행할 필요가 없다. For example, and when the accuracy of the calculated characteristic value of 90% or more is because of the higher the calculated characteristic value reliability after the real-time game user characteristic analysis unit 110 calculates the user characteristic value of the one output and exit , it is not necessary to execute the process of calculating a final characteristic value by using a plurality of user characteristic.

이와 같은 정확도를 높이는 방법으로는 사용자 캐릭터의 절대위치 값을 캐릭터의 상대위치 값으로 바꾸어 입력에 해당하는 게임 사용자로부터 입력 받는 등과 같이 입력되는 모의 데이터 값을 변경 하는 방법과, 상기 모의 데이터 값을 응답 시간, 행동 선택 또는 게임 환경 등의 값들을 정규화(Normalize)하거나 평균 값으로 전처리하여 알맞은 값으로 바꾸는 방법 등이 있다. In this way the height of the same accuracy, how to change the simulated data values ​​to be input, such as changing the absolute position of the user character in the relative position of a character inputted from a game user for the input and, in response to the simulated data values and a method to change the value of the observation time, the action selection or game environment as normalized (normalize) or pretreated with an average value corresponding value.

도 3은 본 발명의 일실시예 따른 실시간 게임 사용자 특성 분석 장치의 구성도이다. 3 is a block diagram of a real-time game user characteristic analysis device according to one embodiment of the invention. 도 3을 참조하여 본 발명의 일실시예 따른 실시간 게임 사용자 특성 분석 장치의 구성을 설명하기로 한다. Is a diagram of one embodiment of the present invention with reference to FIG. 3 illustrating the configuration of a real-time game user characteristic analysis device according to Example.

본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 학습 처리부(310), 정확도 판단부(315), 복수개의 개별 행동 판단부(310, 321, 322), 종합 수준 판단부(330) 및 특성 값 출력부(340)를 포함하여 구성된다. Real-time game user characteristic analysis unit 110 according to an embodiment of the present invention, the learning processing unit 310, the accuracy determining unit 315, a plurality of individual action determination unit (310, 321, 322), the integrated level determiner ( It is configured, including 330) and property value output unit 340.

학습 처리부(310)는 개별 행동 판단부(310, 321, 322)에 모의 데이터 값을 입력하여 임의의 가중치를 적용하여 결과 값을 계산하도록 하고, 정확도 판단부(315)에 의해 상기 계산된 결과 값과 모의 결과 값을 비교하여 정확도를 계산하도록 한다. Learning processing unit 310 is a separate action determination unit (310, 321, 322) in the simulation by entering the data value by applying random weights and to calculate a result value, the calculation by the precision determination unit 315, the result and comparing simulation results to calculate the value and accuracy. 학습 처리부(310)는 상기 계산 결과 상기 정확도 값이 기 설정되어 있는 값을 초과하면 개별 행동 판단부(310, 321, 322)에서 상기 임의의 가중치를 가중치로서 선택하여 사용하도록 설정한다. Learning processing unit 310 is set so as to when the calculation result exceeds the value in which the accuracy of the value is set based on the individual behavior determination unit (310, 321, 322) used to select the arbitrary weights as weights. 그뿐만 아니라, 학습 처리부(310)는 종합 수준 판단부(330)에도 동일하게, 종합 수준 판단부(330)에 임의의 가중치를 적용하여 결과 값을 계산하도록 하고, 정확도 판단부(315)에 의해 상기 계산된 결과 값과 모의 결과 값을 비교하여 정확도를 계산하도록 하여 계산 결과 상기 정확도 값이 기 설정되어 있는 값을 초과하면 종합 수준 판단부(330)에서 상기 임의의 가중치를 가중치로서 선택하여 사용하도록 설정한다. In addition, the learning processing unit 310 by the general-level determination unit 330 equally, by applying any of weighting the comprehensive level determination unit 330, and to calculate a result, the accuracy determination section 315 in If it exceeds the calculated results and simulated results calculated by comparing the value so as to calculate the accurate results with the accuracy value group is enabled by selecting the arbitrary weights as weights in the general level determiner 330 set.

개별 행동 판단부(310, 321, 322)는 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 상기와 같이 설정된 가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값을 계산한다. Individual action determination unit (310, 321, 322) calculates the user characteristic value by applying a weight is set as described above, the game play data values ​​generated by the game play of the game user indicating the level or nature of the game user.

정확도 판단부(315)는 상기 사용자 특성 값과 관리자가 설정한 값을 비교하여 개별 행동 판단부(310, 321, 322)의 정확도 값을 계산한다. Precision determination unit 315 calculates an accuracy value for the individual action determination unit (310, 321, 322) by comparing the value that the user attribute value and the administrator.

종합 수준 판단부(330)는 상기 계산된 정확도 값이 기준 값을 초과하지 않으면 복수개의 상기 개별 행동 판단부들(320, 321, 322)에서 계산된 상기 사용자 특성 값들을 이용하여 다시 한번의 계산 과정을 실행한다. Global-level determination unit 330 is a calculation processing once again using the the user characteristic value calculation unless the the calculated accuracy value exceeds the reference value from the plurality of said individual behavior determining sections (320, 321, 322) run. 즉, 종합 수준 판단부(330)는 상기 개별 행동 판단부들(320, 321, 322)에서 계산된 특성 값들에 가중치를 적용하여 상기 게임 사용자의 최종 특성 값을 계산한다. That is, the general level determining section 330 calculates a final characteristic value of the game user to apply a weight to the characteristic values ​​calculated from the individual behavior determining sections (320, 321, 322). 이때, 상기 최종 특성 값은 게임 사용자의 수준 또는 성향을 나타낸다. In this case, the final characteristic value represents the level or nature of a game user.

특성 값 출력부(340)는 개별 행동 판단부들(310, 321, 322)에서 계산되는 상기 사용자 특성 값을 출력하거나, 또는 종합 수준 판단부(330)에서 계산되는 상기 최종 특성 값을 출력한다. Attribute value output unit 340 outputs the final characteristic value calculated by the user characteristic value outputs, or general level determination unit 330, which is calculated from the determined individual behavior portions (310, 321, 322).

이때, 상기 플레이 데이터 값은 게임 사용자의 응답 시간 값, 행동 선택 값 또는 게임 환경 값 등과 같이 게임 사용자가 게임을 플레이 함에 따라 생성되는 다양한 데이터를 말하며, 상기 사용자 특성 값 및 상기 게임 사용자의 최종 특성 값은 게임 사용자의 수준을 나타내는 수준 값 또는 게임 사용자의 성향을 나타내는 성향 값이다. In this case, the play data value refers to a variety of data generated as playing the game the user and games, such as game-user response time value, the action selected value or gaming value, the user attribute value and a final characteristic value of the game user is a value representing a payout levels or payout value of your game that represents the level of your game.

한편, 특성 값 출력부(340)는 정확도 판단부(315)에서 계산한 정확도 값이 기준 값을 초과하는 것으로 판단하면 개별 행동 판단부들(310, 321, 322)에서 계산된 사용자 특성 값을 출력한다. On the other hand, the characteristic value output unit 340 determines that that the accuracy values ​​calculated by the accuracy determining section 315 exceeds the reference value, and outputs the user attribute value calculated on individual behavior determined portions (310, 321, 322) .

예를 들어, 학습 처리부(310)에서 가중치를 설정하고, 제1 개별 행동 판단부(320)는 게임 사용자의 게임 플레이 데이터 값들에 상기 가중치를 적용하여 사용자 특성 값을 계산한다. For example, setting the weights of the learning processing unit 310, and the first individual behavior determination unit 320 calculates the user characteristic value by applying the weight to the game user of game play data values. 종합 수준 판단부(330)는 사용자 특성 값과 관리자가 설정한 값을 비교하여 제1 개별 행동 판단부(320)의 정확도 값을 계산한다. Global-level determination section 330 calculates the accurate values ​​of the first individual behavior determination unit 320 compares the values ​​that the user attribute value and the administrator. 정확도 판단부(115)의 판단 결과 제1개별 행동 판단부(320)의 정확도 값이 기준 값을 초과하면, 제1개별 행동 판단부(320)에 게임 플레이 데이터 값을 입력하여 계산된 사용자 특성 값을 특성 값 출력부(340)를 통하여 출력한다. Is determined in accuracy determining unit 115, the first individual behavior determination unit 320, the accuracy value is exceeding the reference value, the first individual behavior determination unit 320, a user characteristic calculated by entering the game play data value with the value of the outputs through the output property values ​​340.

또한, 정확도 판단부(315)의 판단 결과 제1개별 행동 판단부(320)의 정확도 값이 기준 값을 초과하지 않으면, 종합 수준 판단부(330)는 복수개의 개별 행동 판단부들(320, 321, 322)로부터 계산된 사용자 특성 값들을 이용하여 게임 사용자의 최종 특성 값을 계산하고, 특성 값 출력부(340)는 상기와 같이 계산된 최종 특성 값을 출력한다. Further, the determination result of the precision determination unit 315 first does not exceed the accuracy of the value is the reference value for the individual action determination unit 320, composite level determination unit 330 is a plurality of individual behaviors determined portions (320, 321, 322) using the user attribute value and calculates a final attribute value of the game user, attribute value output unit (340 calculated from a), and outputs a final characteristic value calculated as described above.

본 발명의 일실시예에 따르면 개별 행동 판단부들(320, 321, 322) 또는 종합 수준 판단부(330)는 뉴럴 네트워크(Neural Network), MLP(Multilayer Perception), 유전자 알고리즘, HMM(Hidden Markov Model: 은닉 마르코프 모델), MRF(Markov Random Field: 마르코프 랜덤 장), DSOM(Distributed System Object Model), 퍼지(Fuzzy), 에볼루션(Evolution) 방식 및 리인포스먼트(Reinforcement) 방식 중에서 어느 하나의 방법에 기반하여 게임 사용자의 특성 값을 계산할 수 있다. According to one embodiment of the invention individual behavior determining sections (320, 321, 322) or general level determination unit 330 is a neural network (Neural Network), MLP (Multilayer Perception), genetic algorithm, HMM (Hidden Markov Model: hidden Markov model), MRF (Markov Random field: Markov random field), based on any one of a method in DSOM (Distributed system Object model), purge (fuzzy), Evolution (Evolution) systems and Reinforced garment (Reinforcement) method you can calculate the characteristic values ​​of the gamers.

도 4및 도 5는 본 발명 따른 실시간 게임 사용자 특성 분석 장치가 뉴럴 네트워크를 이용하여 구성된 일실시예를 도시한 도면이다. 4 and 5 are diagrams illustrating one embodiment a real-time game user characteristic analysis device of the present invention is configured by using a neural network.

이후부터는 실시간 게임 사용자 특성 분석 장치(110)가 뉴럴 네트워크(Neural Network)를 이용하여 구성된 일실시예를 도 4 및 도 5를 참조하여 설명하지만, 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 뉴럴 네트워크를 통해 구성되는 것으로 한정되지 않는다. Thereafter live game user characteristic analysis unit 110, the neural network (Neural Network), an embodiment to refer to Figs. 4 and 5 to describe but one embodiment real-time game user characterization according to embodiments of the present invention constructed using a device 110 is not limited to be configured by a neural network.

본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 도 4에 도시된 바와 같이 뉴럴 네트워크(Neural Network)로 구성되어, 게임 환경 변수(411, 412, 413)와 같은 게임 환경 값, 그리고 게임 사용자의 행동 선택 값(414), 게임 사용자의 응답 시간 값(415) 등의 사용자 특성 값들에 가중치를 적용하여 게임 사용자의 수준(421) 및 성향(422)을 계산 할 수 있다. Real-time game user characteristic analysis unit 110 according to an embodiment of the present invention is composed of a neural network (Neural Network) 4, the game experience value, such as a gaming environment variables (411, 412, 413) , and the game user selected action value 414, weight the user characteristic values ​​of the game such as the user's response time value 415 and it is possible to calculate the level of the game user 421 and the inclination 422. the 상기와 같은 가중치는 실시간 게임 사용자 특성 분석 장치(110)가 모의 데이터 값을 입력 받아 계산한 결과 값과 모의 결과 값을 비교하여 계산한 정확도 값이 높은 경우에 선택되는 가중치이다. Weight as the weight is to be selected if the real-time game user characteristic analysis unit 110, the simulation input data value received is calculated by comparing the results of calculation and simulation results accuracy value high.

그뿐만 아니라, 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 도 4에 도시된 뉴럴 네트워크에 의해 계산된 게임 사용자의 수준(421) 및 성향 값들(422)을, 도 5에 도시된 바와 같이 게임 사용자의 수준 또는 성향 값들(511, 512, 513)로서 입력하고 환경 변수 값(514)을 입력하며, 상기 입력 값들에 가중치를 적용해 상기 게임 사용자의 최종 수준(521) 및 최종 성향(522)을 계산하도록 구성된다. Not only that, the real-time game user characteristic analyzer 110 is the game user level 421 and the inclination values ​​(422) calculated by the neural network shown in Figure 4 according to one embodiment of the invention, Figure 5 a and inputted as the level of the game user or inclination values ​​(511, 512, 513) and enter the environment variable 514, as shown, by applying a weight to the input values, the final level 521 of the game user shown in, and It is configured to calculate a final inclination (522).

또한, 실시간 게임 사용자 특성 분석 장치(110)에 게임 사용자의 캐릭터 또는 물체의 위치 값이 입력되는 경우에는, 상기 캐릭터 또는 물체의 위치 값이 상대적 위치에 관한 값인지 또는 절대적 위치에 관한 값인지에 따라서, 또는 2D, 3D 게임에서의 위치 값인지에 따라서 입력하는 방법이 다르다. Further, depending on whether the real-time game user characteristic in the case where the position of the character or object, a game user input to the analyzer 110, that the position of the character or object value relating to a relative position or a value relating to the absolute position , or 2D, different from a method of input according to the whether the position estimate of the 3D game. 그러므로 본 발명의 일실시예에 따르면 위치 값을 입력하는 방법에 있어서, 절대적인 위치 값인 경우에 이동 가능한 최소 범위와 최대 범위를 0 ~ 1로 두고 현재의 위치 값을 정규화(Normalize)하여 사용할 수 있으며, 상대적인 위치 값인 경우에는 기준이 되는 위치 값과 현재 위치 값의 차이 또는 최대 거리를 1로 두고 정규화하여 사용할 수 있다. Therefore, in the method for inputting a position value, according to one embodiment of the invention, with the moving minimum range to the maximum extent possible in the case the value the absolute position in 0-1 can be used to normalize (Normalize) the current position value, If the relative position value is placed in the first position value and the difference or maximum distance of a current position value as a reference it can be used to normalize.

뉴럴 네트워크로 구성된 실시간 게임 사용자 특성 분석 장치(110)에서 계산되는 게임 사용자의 수준은 게임 사용자의 수준에 따라서 0 ~ 1로 나타낼 수 있으며 그 값이 낮을수록 게임 사용자의 수준이 낮으며 그 값이 높을수록 수준이 높다. Level of the game user, which is calculated in the neural network real-time game user characteristic analysis unit 110 is configured as will be expressed by 0 to 1 depending on the level of the game user, and was, the lower the value is lower the level of the game user higher the value the high levels. 또한, 게임 사용자의 성향을 공격형, 수비형, 공수형 등으로 나타낼 수 있으며, 그 성향을 0 ~ 1로 나타내는 경우에는 공격형은 0, 수비형은 1 그리고 공수형은 0.5 등으로 나타낼 수 있다. Further, the inclination of the game user may indicate the offensive, defensive, airborne type, etc., indicate the tendency to 0-1, the attacking is 0, 1, and defensive airborne type may be represented by such as 0.5.

이와 같이 뉴럴 네트워크로 구성된 실시간 게임 사용자 특성 분석 장치(110)는 실시간으로 게임 사용자의 게임 플레이 정보를 입력 받고, 그에 따른 게임 사용자의 수준 또는 성향 정보를 출력한다. Thus, real-time game user characteristic analysis unit 110 is configured to receive real-time neural network is a type of game play information of the game user, and outputs the level or inclination information of the game user accordingly.

도 6 은 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 방법을 설명하기 위한 흐름도이다. 6 is a flowchart illustrating a real-time game user characteristic analysis method according to an embodiment of the present invention.

도 6에 도시된 바와 같이 실시간 게임 사용자 특성 분석 장치는 가중치를 설정한다(S610). The real-time game user characteristic analyzer as shown in Figure 6 sets the weights (S610). 보다 상세하게 설명하면 실시간 게임 사용자 특성 분석 장치는 모의 데이터 값을 입력하여 임의의 가중치를 적용해 결과 값을 계산하도록 하고, 상기 계산된 결과 값과 모의 결과 값을 비교하여 정확도를 계산하며, 상기 계산 결과 상기 정확도 값이 기 설정되어 있는 값을 초과하면 상기 임의의 가중치를 가중치로서 선택하여 사용하도록 설정한다. More specifically real-time game user characteristic analysis unit by entering the simulated data values ​​and to calculate a result value by applying a random weights, and calculate the accuracy by comparing the calculated results with the simulation results, the calculated If the result exceeds the value in which the accuracy value group is set to enabled by selecting the arbitrary weights as weights.

이후, 실시간 게임 사용자 특성 분석 장치는 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 상기 가중치를 적용하여 사용자 특성 값을 계산한다(S615). Then, the real-time game user characteristic analysis unit calculates the user characteristic value by applying the weight to the game play data values ​​generated by the game play of a game the user (S615).

또한, 실시간 게임 사용자 특성 분석 장치는 상기와 같이 계산된 사용자 특성 값과 관리자가 설정한 값을 비교하여 정확도 값을 계산한다(S620). In addition, real-time game user characteristic analysis unit calculates the value of accuracy by comparing a user attribute value to the value set by the administrator, calculated as described above (S620).

실시간 게임 사용자 특성 분석 장치는 상기 정확도 값이 기준 값을 초과하는지를 판단하여(S625), 상기 계산된 정확도 값이 기준 값을 초과하면, 상기 계산된 사용자 특성 값을 출력하는데(S630), 보다 상세하게 설명하면 정확도 값이 기준 값을 초과하므로 계산된 사용자 특성 값이 충분히 신뢰도가 있는 것으로 판단하여, 복수개의 사용자 특성 값을 이용하여 최종 특성 값을 계산하지 않고 사용자 특성 값을 출력하는 것이다. Real-time game user characteristic analysis unit to (S630), and more particularly to, outputs the calculated user characteristic value exceeds (S625), the calculated accuracy value is a reference value to determine if said accuracy values ​​exceeds the reference value, Description when to accuracy value exceeds the reference value, so it is determined that there is a sufficient reliability calculated user characteristic value, outputs a user attribute value without calculating the final attribute value by using the plurality of user characteristic.

이때, 상기 플레이 데이터 값은 상기 게임 사용자의 응답 시간 값, 행동 선택 값 및 게임 환경 값 중 적어도 어느 하나이고, 상기 사용자 특성 값 및 상기 게임 사용자의 최종 특성 값은 상기 게임 사용자의 수준을 나타내는 수준 값 및 상기 게임 사용자의 성향을 나타내는 성향 값 중 적어도 어느 하나이다. In this case, the play data value of the game and the user's response time value, at least one of the selected action value and the gaming value of one, the user attribute value and a final characteristic value of the game the user is the level value indicating the level of the game user and one at least one of the inclination value representing the inclination of the game user.

한편, 실시간 게임 사용자 특성 분석 장치는 상기 계산된 정확도 값이 기준 값을 초과하지 않는 것으로 판단하면, 복수개의 상기 사용자 특성 값들에 상기 가중치를 적용하여 상기 게임 사용자의 최종 특성 값을 계산하고(S635, S640), 상기 계산된 최종 특성 값을 출력한다(S645). On the other hand, if it is determined that the real-time game user characteristic analysis apparatus does not have the calculated accuracy value exceeds the reference value, by applying the weights to a plurality of the user-characteristic values, and calculating a final characteristic value of the game user (S635, S640), and outputs the calculated final characteristic values ​​(S645).

본 발명의 일실시예에 따르면 실시간 게임 사용자 특성 분석 장치는 뉴럴 네트워크(Neural Network), MLP(Multilayer Perception), 유전자 알고리즘, HMM(Hidden Markov Model: 은닉 마르코프 모델), MRF(Markov Random Field: 마르코프 랜덤 장), DSOM(Distributed System Object Model), 퍼지(Fuzzy), 에볼루션(Evolution) 방식 및 리인포스먼트(Reinforcement) 방식 중에서 어느 하나의 방법에 기반하여 게임 사용자의 특성 값 또는 최종 특성 값을 계산할 수 있다. According to one embodiment of the present invention real-time game user characteristic analyzer is a neural network (Neural Network), MLP (Multilayer Perception), genetic algorithm, HMM (Hidden Markov Model: HMM), MRF (Markov Random Field: Markov random chapter), DSOM (Distributed system Object Model), purge (fuzzy), Evolution (Evolution) systems and Reinforced garment (Reinforcement) method may be from, based on any one of a method to calculate a characteristic value or the final attribute value of the game user .

따라서, 본 발명의 일실시예에 따르면 실시간 게임 사용자의 수준과 성향을 계층적으로 학습하여 게임 사용자의 수준과 성향을 보다 정확하게 실시간으로 판단할 수 있다. Thus, according to one embodiment of the present invention to study the level and nature of the real-time game user hierarchically more accurately the level and nature of the game the user can determine in real-time.

그러므로 본 발명의 일실시예에 따르면 게임 사용자의 수준에 따라서 게임의 난이도를 조정하여 게임 사용자의 게임 적응도를 높이고 게임 사용자의 긴장감과 몰입감을 유지시킬 수 있을 뿐만 아니라, 게임 사용자의 수준에 따른 게임 사용자 매칭 서비스를 제공하고, 게임 사용자의 수준에 따라 적절한 도우미 또는 훈련 시나리오를 제공할 수 있다. Therefore, according to one embodiment of the invention according to the level of the game user to adjust the difficulty of the game to increase the game fitness of game users as well as to maintain the tension and immersion of the game user, a game according to the level of the game user It provides a matching service users, and can provide the appropriate helper or training scenarios, depending on the level of your game.

위에서 설명된 본 발명의 실시예들은 임의의 다양한 방법으로 구현될 수 있다. The embodiments of the invention described above may be implemented in any of a variety of ways. 예를 들어, 실시예들은 하드웨어, 소프트웨어 또는 그 조합을 이용하여 구현될 수 있다. For example, embodiments may be implemented using hardware, software or a combination thereof. 소프트웨어로 구현되는 경우에, 다양한 운영체제 또는 플랫폼을 이용하는 하나 이상의 프로세서상에서 실행되는 소프트웨어로서 구현될 수 있다. If implemented in software, it can be implemented as software running on one or more processors using various operating systems or platforms. 추가적으로, 그러한 소프트웨어는 다수의 적합한 프로그래밍 언어들 중에서 임의의 것을 사용하여 작성될 수 있고, 또한 프레임워크 또는 가상 머신에서 실행되는 실행가능 기계어 코드 또는 중간 코드로 컴파일될 수 있다. Additionally, such software is among a number of suitable programming languages ​​may be written using any of that, also it may be compiled as executable machine language code or intermediate code that is executed in a framework or virtual machine.

또한, 본 발명은 하나 이상의 컴퓨터 또는 다른 프로세서상에서 실행되는 경우 위에서 논의된 본 발명의 다양한 실시예를 구현하는 방법을 수행하는 하나 이상의 프로그램이 기록된 컴퓨터 판독가능 매체(예를 들어, 컴퓨터 메모리, 하나 이상의 플로피 디스크, 콤팩트 디스크, 광학 디스크, 자기 테이프, 플래시 메모리 등)으로 구현될 수 있다. The invention also contains the possible various embodiments the at least one program for performing a method of implementing recorded computer program product of the present invention discussed above, when executed on one or more computers or other processors medium (e.g., a computer memory, one or more floppy disks, compact disks, optical disks, may be implemented as magnetic tape, flash memory, etc.).

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. In the present invention, as described above been described by the specific details and exemplary embodiments and drawings, such as specific configuration elements, which only be provided to assist the overall understanding of the invention, the invention is not limited to the embodiment of the , those of ordinary skill in the art to which the invention pertains that various modifications, additions and substitutions are possible from this disclosure. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다. Thus, the idea of ​​the invention is limited to the described embodiments jeonghaejyeoseo will not be, all to be described later claims as well as the appended claims and equivalents, or if the equivalent strain ones will to fall within the scope of the inventive idea .

310: 학습 처리부 310: learning processing
315: 정확도 판단부 315: accuracy determination unit
320: 제1개별 행동 판단부 320: first individual action determiner
321: 제2개별 행동 판단부 321: second individual action determiner
322: 제n개별 행동 판단부 322: n-th individual action determiner
330: 종합 수준 판단부 330: general level determination unit
340: 특성 값 출력부 340: characteristic value output section

Claims (9)

  1. 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 제1가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값을 계산하는 적어도 하나의 개별 행동 판단부; Applying a first weight to the game play data values ​​generated by the user of the game game play by at least one individual action determiner for calculating a user characteristic value that represents the level or nature of the game user;
    상기 사용자 특성 값과 관리자가 설정한 값을 비교하여 상기 개별 행동 판단부의 정확도 값을 계산하는 정확도 판단부; By comparing the user characteristic value and the value set by the administrator, the accuracy determination unit for calculating the accuracy of the value of said individual behavior is determined;
    상기 정확도 값이 기준 값을 초과하지 않으면 복수개의 상기 개별 행동 판단부에서 계산된 상기 사용자 특성 값들에 제2가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 최종 특성 값을 계산하는 종합 수준 판단부; Overall the level of the accuracy value does not exceed the reference value, calculating a final characteristic value by applying a second weight to said user characteristic values ​​calculated in a plurality of said individual behavior determination unit that represents the level or nature of the game user determiner .; And
    상기 최종 특성 값을 출력하는 특성 값 출력부 Characteristics of outputting the final value characteristic value output section
    를 포함하는 실시간 게임 사용자 특성 분석 장치. Real-time gamers characterization device comprising a.
  2. 제1항에 있어서, According to claim 1,
    상기 특성 값 출력부는, The characteristic value output section,
    상기 정확도 판단부에서 계산한 정확도 값이 기준 값을 초과하면 상기 개별 행동 판단부에서 계산된 상기 사용자 특성 값을 출력하는 실시간 게임 사용자 특성 분석 장치. If the accuracy of a value calculated by the accuracy determining section exceeds the reference value, real time game user characteristic analysis unit for outputting said user characteristic value calculated by the individual action determination unit.
  3. 제1항에 있어서, According to claim 1,
    상기 개별 행동 판단부에 모의 데이터 값을 입력해 상기 제1가중치를 적용하여 결과 값을 계산하도록 제어하고, 상기 정확도 판단부에서 상기 결과 값과 모의 결과 값을 비교하여 정확도를 계산하도록 제어하여, 상기 계산한 정확도가 기 설정된 값을 초과하면 상기 개별 행동 판단부에서 상기 제1가중치를 사용하도록 설정하는 학습 처리부 By controlling the by entering the simulated data values ​​to individual action determination unit controls to calculate a result value by applying the first weight, and in the precision determination unit to calculate the accuracy by comparing the result with the simulation results, the If it exceeds the calculation accuracy of the pre-set value learning processing to enable the first weight from the individual behavior determination unit
    를 더 포함하는 실시간 게임 사용자 특성 분석 장치. Real-time gamers characterization further comprises.
  4. 제3항에 있어서, 4. The method of claim 3,
    상기 학습 처리부는, The learning processing section,
    상기 종합 수준 판단부에 모의 데이터 값을 입력해 상기 제2가중치를 적용하여 결과 값을 계산하도록 제어하고, 상기 정확도 판단부에서 상기 제2가중치를 적용하여 계산된 상기 결과 값과 모의 결과 값을 비교하여 정확도를 계산하도록 제어하여, 상기 계산한 정확도가 기 설정된 값을 초과하면 상기 개별 행동 판단부에서 상기 제2가중치를 사용하도록 설정하는 실시간 게임 사용자 특성 분석 장치. By entering the simulated data values ​​to the general level determiner controls to calculate a result value by applying the second weight, and comparing the results and simulated results calculated by applying the second weight in the precision determination unit If the controls to calculate an accuracy greater than the value that the calculation accuracy is pre-set real-time game user characteristic analysis unit to enable the second weight from the individual behavior determination unit.
  5. 제1항에 있어서, According to claim 1,
    상기 개별 행동 판단부는, The individual action determination unit,
    상기 게임 플레이 데이터 값들을 정규화(Normalize)하거나 또는 평균 값으로 전처리하여 상기 사용자 특성 값을 계산하는 실시간 게임 사용자 특성 분석 장치. Real-time game user characteristic analyzer by pretreatment of the game play data to the normalization value (Normalize) or average values ​​for calculating the user characteristic.
  6. 삭제 delete
  7. 제1항에 있어서, According to claim 1,
    상기 개별 행동 판단부 및 상기 종합 수준 판단부 중 적어도 어느 하나는, At least one of the individual behavior determination unit and the general level determination unit is
    뉴럴 네트워크(Neural Network), MLP(Multilayer Perception), 유전자 알고리즘, HMM(Hidden Markov Model: 은닉 마르코프 모델), MRF(Markov Random Field: 마르코프 랜덤 장), DSOM(Distributed System Object Model), 퍼지(Fuzzy), 에볼루션(Evolution) 방식 및 리인포스먼트 Reinforcement) 방식 중에서 어느 하나의 방법에 기반하여 상기 사용자 특성 값 또는 상기 최종 특성 값을 계산하는 실시간 게임 사용자 특성 분석 장치. Neural network (Neural Network), MLP (Multilayer Perception), genetic algorithm, HMM (Hidden Markov Model: HMM), MRF (Markov Random Field: Markov random field), (Distributed System Object Model) DSOM, fuzzy (Fuzzy) , Evolution (Evolution) systems and Reinforced garment Reinforcement) based on any one of a method in a real-time game system user characteristic analysis unit for calculating the user characteristic value or the last characteristic value.
  8. 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 제1가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값을 계산하는 단계; Applying a first weight to the game play data values ​​generated by the gamers to play the game that represents the level or nature of the game user computing a user attribute value;
    상기 사용자 특성 값과 관리자가 설정한 값을 비교하여 정확도 값을 계산하는 단계; Calculating an accuracy value by comparing the user characteristic value and the value set by the administrator;
    상기 정확도 값이 기준 값을 초과하지 않으면 복수개의 상기 사용자 특성 값들에 제2가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 최종 특성 값을 계산하는 단계; If no step of the accuracy value exceeds the reference value, calculating a final characteristic value by applying a second weight to a plurality of the user characteristic values ​​representing the level or nature of the game user; And
    상기 최종 특성 값을 출력하는 단계 And outputting the final attribute value
    를 포함하는 실시간 게임 사용자 특성 분석 방법. Live Game Users characteristics analysis method comprising a.
  9. 제8항에 있어서, The method of claim 8,
    상기 사용자 특성 값을 계산하는 단계 이전에, Prior to the step of calculating the user characteristic value,
    모의 데이터 값을 이용하여 상기 제1가중치 또는 제2가중치를 적용하여 계산한 결과 값의 정확도가 기 설정된 값을 초과하면 상기 제1가중치 또는 제2가중치를 사용하도록 설정하는 단계 When using the simulated data values ​​of the first, the accuracy of the result calculated by the weighted average or the second weight group exceeds a predetermined value comprising: enabling the first weight or the second weight
    를 더 포함하는 실시간 게임 사용자 특성 분석 방법. How to analyze real-time gaming more user attributes included.
KR1020100057842A 2009-12-21 2010-06-18 Real time game player level and tendency analysis device and controlling method for the same KR101380565B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020090127997 2009-12-21
KR20090127997 2009-12-21

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US12/905,304 US8348733B2 (en) 2009-12-21 2010-10-15 Apparatus and method for analyzing characteristic of game player in real time

Publications (2)

Publication Number Publication Date
KR20110073207A KR20110073207A (en) 2011-06-29
KR101380565B1 true KR101380565B1 (en) 2014-04-02

Family

ID=44404027

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100057842A KR101380565B1 (en) 2009-12-21 2010-06-18 Real time game player level and tendency analysis device and controlling method for the same

Country Status (1)

Country Link
KR (1) KR101380565B1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060043334A (en) * 2004-03-01 2006-05-15 마이크로소프트 코포레이션 Method for online game matchmaking using play style information
KR20070028971A (en) * 2005-09-08 2007-03-13 엔에이치엔(주) Method and system for controlling game ai which copies input pattern of gamer and playing the game
KR20080069192A (en) * 2005-11-21 2008-07-25 마이크로소프트 코포레이션 Team matching
KR20100032707A (en) * 2008-09-18 2010-03-26 주식회사 엔씨소프트 System and method for on-line game poisoning prevention

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060043334A (en) * 2004-03-01 2006-05-15 마이크로소프트 코포레이션 Method for online game matchmaking using play style information
KR20070028971A (en) * 2005-09-08 2007-03-13 엔에이치엔(주) Method and system for controlling game ai which copies input pattern of gamer and playing the game
KR20080069192A (en) * 2005-11-21 2008-07-25 마이크로소프트 코포레이션 Team matching
KR20100032707A (en) * 2008-09-18 2010-03-26 주식회사 엔씨소프트 System and method for on-line game poisoning prevention

Also Published As

Publication number Publication date
KR20110073207A (en) 2011-06-29

Similar Documents

Publication Publication Date Title
Pedersen et al. Modeling player experience for content creation
US6468155B1 (en) Systems and methods to facilitate games of skill for prizes played via a communication network
Togelius et al. The 2009 mario ai competition
US20150100530A1 (en) Methods and apparatus for reinforcement learning
Chung et al. Monte Carlo Planning in RTS Games.
Torrey et al. Using advice to transfer knowledge acquired in one reinforcement learning task to another
Weber et al. A data mining approach to strategy prediction
Cardamone et al. Interactive evolution for the procedural generation of tracks in a high-end racing game
JP2007527260A (en) Individual behavior of avatars, which are computer-controlled in the virtual reality environment
Treanor et al. Game-o-matic: Generating videogames that represent ideas
Ortega et al. Imitating human playing styles in super mario bros
US7590520B2 (en) Non-deterministic testing
Huang et al. Monte-Carlo simulation balancing in practice
Andrade et al. Dynamic Game Balancing: An Evaluation of User Satisfaction.
Yampolskiy et al. Embedded noninteractive continuous bot detection
KR101231798B1 (en) Method and apparatus for controlling difficulty levels of game
Shaker et al. Evolving playable content for cut the rope through a simulation-based approach
Jain et al. A game-theoretic analysis of games with a purpose
Sisson et al. Toward a Theory of the Dynamics of Conflict
Lara-Cabrera et al. A review of computational intelligence in RTS games
Nielsen et al. General video game evaluation using relative algorithm performance profiles
Miljković et al. The use of data mining for basketball matches outcomes prediction
Mahlmann et al. Evolving card sets towards balancing dominion
Chan et al. Evolutionary behavior testing of commercial computer games
Nielsen et al. Towards generating arcade game rules with VGDL

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee