KR102007371B1 - 게임 플레이 전략 추천 방법 및 장치 - Google Patents

게임 플레이 전략 추천 방법 및 장치 Download PDF

Info

Publication number
KR102007371B1
KR102007371B1 KR1020190009175A KR20190009175A KR102007371B1 KR 102007371 B1 KR102007371 B1 KR 102007371B1 KR 1020190009175 A KR1020190009175 A KR 1020190009175A KR 20190009175 A KR20190009175 A KR 20190009175A KR 102007371 B1 KR102007371 B1 KR 102007371B1
Authority
KR
South Korea
Prior art keywords
game
game play
chess
player
strategy
Prior art date
Application number
KR1020190009175A
Other languages
English (en)
Inventor
박승제
조영박
Original Assignee
넷마블 주식회사
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
Application filed by 넷마블 주식회사 filed Critical 넷마블 주식회사
Priority to KR1020190009175A priority Critical patent/KR102007371B1/ko
Application granted granted Critical
Publication of KR102007371B1 publication Critical patent/KR102007371B1/ko
Priority to US16/743,749 priority patent/US11413533B2/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/50—Controlling the output signals based on the game progress
    • A63F13/53—Controlling the output signals based on the game progress involving additional visual information provided to the game scene, e.g. by overlay to simulate a head-up display [HUD] or displaying a laser sight in a shooting game
    • A63F13/537—Controlling the output signals based on the game progress involving additional visual information provided to the game scene, e.g. by overlay to simulate a head-up display [HUD] or displaying a laser sight in a shooting game using indicators, e.g. showing the condition of a game character on screen
    • A63F13/5375—Controlling the output signals based on the game progress involving additional visual information provided to the game scene, e.g. by overlay to simulate a head-up display [HUD] or displaying a laser sight in a shooting game using indicators, e.g. showing the condition of a game character on screen for graphically or textually suggesting an action, e.g. by displaying an arrow indicating a turn in a driving game
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/85—Providing additional services to players
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F11/00—Game accessories of general use, e.g. score counters, boxes
    • A63F11/0074—Game concepts, rules or strategies
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/30—Interconnection arrangements between game servers and game devices; Interconnection arrangements between game devices; Interconnection arrangements between game servers
    • A63F13/35—Details of game servers
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/45—Controlling the progress of the video game
    • A63F13/49—Saving the game status; Pausing or ending the game
    • A63F13/497—Partially or entirely replaying previous game actions
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/80—Special adaptations for executing a specific game genre or game mode
    • A63F13/822—Strategy games; Role-playing games
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F3/00—Board games; Raffle games
    • A63F3/02—Chess; Similar board games

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

게임 플레이 전략 추천 방법 및 장치가 개시된다. 게임 플레이 전략 추천 방법은 게임을 플레이한 사용자의 게임 플레이 데이터를 기록하는 단계, 게임 플레이 데이터로부터 게임 플레이 특징을 추출하는 단계, 플레이어 추천 모델을 이용하여 해당 게임 플레이 특징으로부터 사용자의 게임 플레이 스타일에 대응하는 프로 플레이어를 결정하는 단계 및 사용자에게 해당 결정된 프로 플레이어의 게임 플레이 전략을 제공하는 단계를 포함한다.

Description

게임 플레이 전략 추천 방법 및 장치{METHOD AND APPARATUS FOR RECOMMENDING GAME PLAY STRATEGY}
아래 실시예들은 사용자에게 게임 플레이 전략을 추천해 주는 기술에 관한 것이다.
최근 들어, 컴퓨터 게임은 점점 고품질 및 고사양으로 제작되어 더 이상 게임 콘텐츠 자체로는 큰 차별화 효과를 얻기 힘들어지고 있다. 또한, 점점 그 경쟁이 치열해지는 게임 시장에서 살아남기 위한 방편으로 각 게임 업체들은 이미 출시된 게임에 대한 게임 공략집, 효율적인 게임 플레이 비법 또는 다른 게임 유저들이 게시판에 올려 놓은 게임 플레이 팁(tip) 등과 같은 게임 관련 정보를 온라인 게시판 또는 오프라인으로 제공하여 게임 유저들이 게임을 쉽게 이해하면서 즐길 수 있도록 배려하고 있다.
그러나, 이러한 게임 관련 정보들은 실제로 게임을 플레이하고 있는 도중에 제공되는 것이 아니어서 게임 유저는 게임을 다 마치고 별도로 해당 정보들을 찾아 확인해 보아야 하는 번거로움으로 인하여 그 활용도가 매우 낮았던 것이 사실이다. 따라서, 결과적으로 게임 유저는 낯선 조작법, 상대적으로 익숙치 않은 퀘스트의 수행과 레벨 업 또는 게임 플레이의 어려움 등으로 고민을 하다가 결국 그 게임에 흥미를 느끼지 못한 채로 게임에서 이탈하는 문제점이 있었다.
일 실시예에 따른 게임 플레이 전략 추천 방법은, 게임을 플레이한 사용자의 게임 플레이 데이터를 기록하는 단계; 상기 게임 플레이 데이터로부터 게임 플레이 특징을 추출하는 단계; 플레이어 추천 모델을 이용하여 상기 추출된 게임 플레이 특징으로부터 상기 사용자의 게임 플레이 스타일에 대응하는 상기 게임의 프로 플레이어를 결정하는 단계; 및 상기 사용자에게 상기 결정된 프로 플레이어의 게임 플레이 전략을 제공하는 단계를 포함할 수 있다.
상기 게임 플레이 전략을 제공하는 단계는, 상기 게임의 시작부터 미리 설정된 게임 플레이 턴 수까지의 게임 플레이 전략 또는 상기 게임의 시작 시작부터 미리 설정된 시간 동안의 게임 플레이 전략을 상기 사용자에게 제공하는 단계를 포함할 수 있다.
상기 게임은, 체스 게임이고, 상기 게임 플레이 전략을 제공하는 단계는, 상기 사용자와 상대방 간의 체스 대결이 종료한 뒤, 상기 사용자에게 상기 결정된 프로 플레이어의 이름과 상기 결정된 프로 플레이어의 체스 오프닝 전략을 나타내는 오프닝 명칭을 제공하는 단계를 포함할 수 있다.
상기 게임 플레이 전략을 제공하는 단계는, 상기 사용자가 상기 결정된 프로 플레이어의 체스 오프닝 전략을 선택하는 것에 응답하여, 상기 선택된 체스 오프닝 전략의 게임 플레이 기록에 기초하여 상기 사용자에게 상기 선택된 체스 오프닝 전략을 가이드하기 위한 인터페이스를 실행시키는 단계를 포함할 수 있다.
상기 프로 플레이어를 결정하는 단계는, 상기 사용자가 상기 게임을 상대방보다 먼저 플레이하는 선공인 경우에 추천할 게임 플레이 전략의 제1 프로 플레이어 및 상기 사용자가 상기 게임을 상기 상대방보다 늦게 플레이하는 후공인 경우에 추천할 게임 플레이 전략의 제2 프로 플레이어 중 적어도 하나를 결정하는 단계를 포함할 수 있다.
상기 프로 플레이어를 결정하는 단계는, 상기 사용자의 게임 플레이 스타일에 대응하는 체스 프로 플레이어를 결정하는 단계를 포함하고, 상기 게임 플레이 전략을 제공하는 단계는, 상기 결정된 체스 프로 플레이어의 체스 오프닝 전략을 상기 사용자에게 제공하는 단계를 포함할 수 있다.
상기 프로 플레이어를 결정하는 단계는, 상기 사용자가 상기 게임을 상대방보다 먼저 플레이하는 선공인 경우에 추천할 게임 플레이 전략의 제1 프로 플레이어 및 상기 사용자가 상기 게임을 상기 상대방보다 늦게 플레이하는 후공인 경우에 추천할 게임 플레이 전략의 제2 프로 플레이어 중 적어도 하나를 결정하는 단계를 포함할 수 있다.
상기 프로 플레이어를 결정하는 단계는, 상기 사용자의 게임 플레이 스타일에 대응하는 체스 프로 플레이어를 결정하는 단계를 포함하고, 상기 게임 플레이 전략을 제공하는 단계는, 상기 결정된 체스 프로 플레이어의 체스 오프닝 전략을 상기 사용자에게 제공하는 단계를 포함할 수 있다.
상기 게임 플레이 특징을 추출하는 단계는, 상기 사용자의 게임 플레이 데이터로부터 상기 사용자가 미리 설정된 턴 수 이내에 체스말이 잡히는 횟수를 나타내는 특징을 추출하는 단계를 포함할 수 있다.
상기 게임 플레이 특징을 추출하는 단계는, 상기 사용자의 게임 플레이 데이터로부터 상기 사용자가 미리 설정된 턴 수 또는 미리 설정된 시간 이내에 상대방 체스말을 잡는 횟수를 나타내는 특징을 추출하는 단계를 포함할 수 있다.
상기 게임 플레이 특징을 추출하는 단계는, 상기 사용자의 게임 플레이 데이터로부터 상기 사용자가 상기 체스 게임의 첫 턴에서 선택한 체스말과 상기 선택한 체스말을 이동시킨 위치를 나타내는 특징을 추출하는 단계를 포함할 수 있다.
상기 게임 플레이 특징을 추출하는 단계는, 상기 사용자의 게임 플레이 데이터로부터 상기 사용자의 무승부 이력을 나타내는 특징을 추출하는 단계를 포함할 수 있다.
상기 게임 플레이 특징을 추출하는 단계는, 상기 사용자의 게임 플레이 데이터로부터 체스 캐슬링 사용 여부를 나타내는 특징을 추출하는 단계를 포함할 수 있다.
상기 게임 플레이 특징을 추출하는 단계는, 상기 사용자의 게임 플레이 데이터로부터 상기 사용자의 게임 시작부터 미리 설정된 턴 수에 도달했을 때 체스판 위에 남아있는 체스말들에 기초한 스코어를 나타내는 특징을 추출하는 단계를 포함할 수 있다.
상기 플레이어 추천 모델은, 상기 추출된 게임 플레이 특징을 입력으로 하고, 상기 입력된 게임 플레이 특징에 대응하는 프로 플레이어에 대한 지시자를 출력할 수 있다.
일 실시예에 따른 사용자의 게임 플레이 스타일에 대응하는 프로 플레이어를 식별하는 플레이어 추천 모델을 학습시키는 학습 방법은, 게임의 프로 플레이어의 이전 게임 플레이 데이터에 기반한 학습 데이터로부터 게임 플레이 특징을 추출하는 단계; 및 상기 추출한 게임 플레이 특징에 기초하여 플레이어 추천 모델을 학습시키는 단계를 포함할 수 있다.
상기 학습 데이터는, 상기 체스 게임의 체스 프로 플레이어들의 이전 게임 플레이 데이터를 포함할 수 있다.
상기 플레이어 추천 모델은, 상기 추출된 게임 플레이 특징에 기초하여, 상기 게임을 상대방보다 먼저 플레이하는 선공인 경우에 추천할 게임 플레이 전략의 제1 프로 플레이어 및 상기 게임을 상대방보다 늦게 플레이하는 후공인 경우에 추천할 게임 플레이 전략의 제2 프로 플레이어 중 적어도 하나에 대한 지시자를 출력할 수 있다.
상기 플레이어 추천 모델은, 학습 과정을 통해 파라미터 값들이 갱신되는 뉴럴 네트워크에 기반할 수 있다.
일 실시예에 따른 게임 플레이 전략 추천 장치는, 메모리 및 프로세서를 포함하고, 상기 메모리는 상기 프로세서에 의해 실행 가능한 인스트럭션들을 저장하고, 상기 인스트럭션들이 상기 프로세서에 의해 실행될 때, 상기 프로세서는, 게임을 플레이한 사용자의 게임 플레이 데이터를 기록하고, 상기 게임 플레이 데이터로부터 게임 플레이 특징을 추출하고, 플레이어 추천 모델을 이용하여 상기 추출된 게임 플레이 특징으로부터 상기 사용자의 게임 플레이 스타일에 대응하는 상기 게임의 프로 플레이어를 결정하고, 상기 사용자에게 상기 결정된 프로 플레이어의 게임 플레이 전략을 제공하도록, 상기 게임 플레이 전략 추천 장치를 제어할 수 있다.
일 실시예에 따른 사용자의 게임 플레이 스타일에 대응하는 프로 플레이어를 식별하는 플레이어 추천 모델을 학습시키는 학습 장치는, 메모리 및 프로세서를 포함하고, 상기 메모리는 상기 프로세서에 의해 실행 가능한 인스트럭션들을 저장하고, 상기 인스트럭션들이 상기 프로세서에 의해 실행될 때, 상기 프로세서는, 게임의 프로 플레이어의 이전 게임 플레이 데이터에 기반한 학습 데이터로부터 게임 플레이 특징을 추출하고, 상기 추출한 게임 플레이 특징에 기초하여 플레이어 추천 모델을 학습시키도록, 상기 학습 장치를 제어할 수 있다.
일 실시예에 따르면, 사용자의 게임 플레이 스타일에 가장 적합한 게임 플레이 전략을 추천해 줌으로써 사용자의 게임에 대한 흥미와 몰입도를 증대시킬 수 있다.
일 실시예에 따르면, 사용자가 게임 플레이의 어려움이나 반복적인 게임 플레이의 지겨움으로 인하여 사용자가 게임에서 이탈되는 것을 효과적으로 방지할 수 있다.
도 1은 일 실시예에 따른 게임 시스템의 개요(overview)를 제공하는 도면이다.
도 2는 일 실시예에 따른 플레이어 추천 모델의 학습 방법의 동작을 설명하기 위한 흐름도이다.
도 3은 일 실시예에 따른 게임 플레이 전략 추천 방법의 동작을 설명하기 위한 흐름도이다.
도 4는 일 실시예에 따른 체스 게임에 대한 게임 플레이 전략 추천 방법을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 프로 체스 플레이어의 게임 플레이 스타일을 분석한 일례를 도시한 도면이다.
도 6은 일 실시예에 따른 사용자의 게임 플레이 스타일에 대응하는 추천 체스 오프닝의 일례를 도시한 도면이다.
도 7 및 도 8은 일 실시예에 따른 사용자에게 체스 오프닝 전략을 제공하는 일례를 설명하기 위한 도면들이다.
도 9는 일 실시예에 따른 학습 장치의 구성을 도시하는 도면이다.
도 10은 일 실시예에 따른 게임 플레이 전략 추천 장치의 구성을 도시한 도면이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 실시예에 따른 게임 시스템의 개요를 제공하는 도면이다.
도 1을 참조하면, 게임 시스템(100)은 게임 서버(110)를 통해 복수의 사용자 단말(130)들에 게임 서비스를 제공한다. 게임 시스템(100)은 게임 서버(110), 네트워크(120), 복수의 사용자 단말(130)들을 포함하고, 게임 서버(110)와 복수의 사용자 단말(130)들은 네트워크(120)(예를 들어, 인터넷 통신망, 유무선의 근거리 통신망 또는 광역 데이터 통신망 등)를 통해 서로 통신할 수 있다.
게임 서버(110)는 게임 프로그램의 실행을 위해 접속을 요청한 사용자 단말(130)에 대한 인증 절차를 수행하고, 인증이 완료된 사용자 단말(130)에 게임 서비스를 제공할 수 있다. 게임을 플레이하고자 하는 사용자는 사용자 단말(130)에 설치된 게임 프로그램(또는 게임 어플리케이션)을 실행하고, 게임 서버(110)에 접속을 요청한다. 사용자 단말(130)은 사용자의 게임 플레이를 가능하게 하는 컴퓨팅 장치로서, 예를 들어 셀룰러 폰, 스마트 폰, 퍼스널 컴퓨터, 랩탑, 노트북, 넷북, 태블릿 또는 휴대 정보 단말기(personal digital assistant; PDA)일 수 있다. 본 명세서에서 ‘사용자’는 게임 유저 또는 게이머로도 지칭될 수 있고, ‘사용자 단말(130)’은 게임 클라이언트로도 지칭될 수 있다.
사용자 단말(130)은 네트워크(120)를 통해 게임 서버(110)와의 접속 상태를 유지한다. 사용자 단말(130)의 게임 프로그램은 사용자의 게임 플레이와 관련된 게임 제어 정보(또는 게임 플레이 정보)를 게임 서버(110)에 전송하여 게임 서버(110)로 하여금 다른 사용자의 사용자 단말(130)에도 해당 게임 플레이 내용이 반영되도록 할 수 있다. 게임 서버(110)는 사용자 단말(130)로부터 각종 게임 제어 정보 또는 게임 플레이 정보를 수신하고, 수신한 각종 게임 제어 정보 또는 게임 플레이 정보를 데이터베이스에 저장할 수 있다. 게임 제어 정보를 통해 게임 서버(110)는 동시에 동일한 게임을 플레이하고 있는 사용자들에 동기화된 게임 서비스를 제공할 수 있다.
일 실시예에서, 게임 서버(110)는 사용자에게 게임 플레이 전략을 추천하는 게임 플레이 전략 추천 장치를 포함할 수 있다. 게임 플레이 전략 추천 장치는 사용자의 게임 플레이 정보를 기초로 사용자의 게임 플레이 스타일 내지 성향을 분석하고, 사용자의 게임 플레이 스타일에 맞는 게임 플레이 전략을 사용자에게 추천해 줄 수 있다. 예를 들어, 게임 플레이 전략 추천 장치는 사용자의 게임 플레이 스타일과 유사한 게임 플레이 스타일을 가지는 프로 플레이어를 결정하고, 해당 결정된 프로 플레이어 게임 플레이 전략을 사용자에게 제공할 수 있다. 여기서, 프로 플레이어는 사용자가 플레이하는 게임의 프로 플레이어를 나타내고, 전직 프로 플레이어 및 현직 프로 플레이어를 모두 포함할 수 있다.
예를 들어, 사용자가 체스 게임을 플레이하는 경우, 게임 플레이 전략 추천 장치는 사용자의 체스 게임 플레이에 기초하여 사용자의 게임 플레이 스타일을 분석하고, 사용자의 게임 플레이 스타일에 맞는 프로 플레이어의 체스 오프닝을 추천할 수 있다. 여기서, 체스 오프닝은, 예를 들어 체스 게임에서 첫수를 포함한 체스 게임 초반의 10수 내외의 게임 플레이 구간을 의미한다.
체스 게임에서 체스 오프닝 전략은 수백 가지가 존재하며, 체스 게임을 처음 접하는 사용자가 이러한 체스 오프닝 전략을 전부 익히기는 쉽지 않은 일이다. 게임 플레이 전략 추천 장치는 사용자의 게임 플레이 스타일을 판단하여, 해당 게임 플레이 스타일에 가장 적합한 체스 오프닝을 추천해 줌으로써 사용자의 게임에 대한 흥미와 몰입도를 증대시킬 수 있다. 또한, 게임 플레이 전략 추천 장치는 사용자에게 게임 플레이 전략을 추천해 줌으로써 게임 플레이의 어려움이나 반복적인 게임 플레이의 지겨움으로 인하여 사용자가 게임에서 이탈되는 것을 효과적으로 방지할 수 있다.
이하에서는, 게임 플레이 전략 추천 장치에 의해 수행되는 게임 플레이 전략 추천 방법에 대해 보다 자세히 설명한다. 설명의 편의를 위해 아래 실시예들에서는 체스 게임에 초점을 맞추어 게임 플레이 전략 추천 장치 및 방법을 예시적으로 설명하나, 본 발명은 다른 게임들, 예를 들어 장기, 바둑, 오목, 오델로, 쇼기 등의 게임에도 적용될 수 있다. 또한, 본 발명은 도 1에 도시된 것과 같은 네트워크(120) 기반의 게임 시스템(100)뿐만 아니라, 퍼스널 컴퓨터 기반의 게임 프로그램이나 비디오 콘솔 기반의 게임 프로그램에도 그대로 적용될 수 있다
도 2는 일 실시예에 따른 플레이어 추천 모델의 학습 방법의 동작을 설명하기 위한 흐름도이다. 본 학습 방법은 본 명세서에서 설명되는 학습 장치에 의해 수행될 수 있다.
본 명세서에서 설명되는 게임 플레이 전략 추천 장치는 플레이어 추천 모델을 이용하여 사용자의 게임 플레이 스타일과 유사한 게임 플레이 스타일을 가지는 프로 플레이어를 식별할 수 있다. 플레이어 추천 모델은 기계 학습의 학습 과정을 통해 파라미터 값들이 갱신되는 뉴럴 네트워크에 기반할 수 있다. 플레이어 추천 모델을 구성하는 뉴럴 네트워크는 복수의 인공 뉴런들로 구성된 복수의 레이어들(layers)을 포함할 수 있다. 일 실시예에서, 플레이어 추천 모델에는 특징 값이 입력되고, 이에 응답하여 플레이어 추천 모델은 프로 플레이어를 나타내는 지시자 또는 인덱스를 출력한다. 학습 장치는 위에 설명된 것과 같이 사용자의 게임 플레이 스타일에 대응하는 프로 플레이어를 식별하는 플레이어 추천 모델을 학습시킬 수 있다.
도 2를 참조하면, 단계(210)에서 학습 장치는 게임의 프로 플레이어의 이전 게임 플레이 데이터에 기반한 학습 데이터로부터 게임 플레이 특징을 추출할 수 있다. 예를 들어, 체스 게임의 경우, 학습 데이터는 체스 게임의 체스 프로 플레이어들(또는 선수들)의 이전 게임 플레이 데이터를 포함할 수 있다. 이전 게임 플레이 데이터는 체스 프로 플레이어들이 이전 시간에 체스 게임을 플레이하여 기록된 체스 게임의 초반 오프닝 전략을 포함한다.
학습 장치는 학습 데이터에서 체스 게임의 게임 플레이 스타일을 파악하기 위한 하나 이상의 특징을 추출할 수 있다. 이하, 추출될 수 있는 특징의 예를 설명한다.
(1) 학습 장치는 프로 플레이어의 게임 플레이 데이터로부터 프로 플레이어가 미리 설정된 턴 수 이내에 체스말이 잡히는 횟수를 나타내는 특징을 추출할 수 있다. 예를 들어, 학습 장치는 체스 게임의 초반 10수 이내에 체스말이 잡히는 횟수(예, 0~5개 사이)를 특징으로서 추출할 수 있다.
(2) 학습 장치는 프로 플레이어의 게임 플레이 데이터로부터 프로 플레이어가 미리 설정된 턴 수 또는 미리 설정된 시간 이내에 상대방 체스말을 잡는 횟수를 나타내는 특징을 추출할 수 있다. 체스 게임에서 상대방 체스말은 총 16개가 존재하므로, 여기서 추출되는 특징은 0에서 16 사이의 값을 가진다.
(3) 학습 장치는 프로 플레이어의 게임 플레이 데이터로부터 프로 플레이어가 체스 게임의 첫 턴에서 선택한 체스말과 선택한 체스말을 이동시킨 위치를 나타내는 특징을 추출할 수 있다. 여기서, 첫 수로 가능한 경우의 수는 20가지가 존재한다.
(4) 학습 장치는 프로 플레이어의 게임 플레이 데이터를 포함하는 학습 데이터로부터 프로 플레이어의 무승부 이력을 나타내는 특징을 추출할 수 있다. 여기서, 추출되는 특징은, 예를 들어 무승부이면 '1'로 지정되고, 무승부가 아니면 '0'으로 지정될 수 있다.
(5) 학습 장치는 프로 플레이어의 게임 플레이 데이터로부터 체스 캐슬링 사용 여부를 나타내는 특징을 추출할 수 있다. 체스 캐슬링은 퀸(queen)의 체스말과 룩(rook)의 체스말을 동시에 움직이는 규칙으로서, 여기서의 특징은 예를 들어 프로 플레이어가 체스 캐슬링을 사용하였으면 '1'로 지정되고, 체스 캐슬링을 사용하지 않은 경우에는 '0'으로 지정될 수 있다. 다른 실시예에 따르면, 체스 캐슬링뿐만 아니라, 앙파상(En passant)이나 프로모션(promotion)과 같은 다른 체스 규칙의 사용 여부에 대한 특징이 추출될 수도 있다.
(6) 학습 장치는 프로 플레이어의 게임 플레이 데이터로부터 프로 플레이어의 게임 시작부터 미리 설정된 턴 수에 도달했을 때 체스판 위에 남아있는 체스말들에 기초한 스코어를 나타내는 특징을 추출할 수 있다. 예를 들어, 학습 장치는 프로 플레이어의 게임 플레이 데이터로부터 게임 시작 후 10턴, 20턴, 30턴, 40턴 및 50턴의 수에서 체스판 위에 남아 있는 모든 체스말에 대한 가치를 스코어로서 계산할 수 있다. 가령, 퀸의 체스말은 9점, 룩(rook)의 체스말은 5점, 비숍(bishop)과 나이트(knight)의 체스말은 4점, 폰(pawn)의 체스말은 1점의 가중치를 할당하여 특정한 게임 턴 수에서 체스판위에 남아 있는 체스말들에 대한 가중치가 적용된 전체 점수를 합하는 것에 의해 스코어가 계산될 수 있다.
단계(210)에서, 학습 장치는 단계(210)에서 추출한 게임 플레이 특징에 기초하여 플레이어 추천 모델을 학습시킬 수 있다. 학습 장치는 단계(210)에서 추출한 하나 이상의 게임 플레이 특징에 기반하여 학습을 수행할 수 있다. 플레이어 추천 모델에는 추출된 게임 플레이 특징이 입력되고, 플레이 추천 모델은 입력된 게임 플레이 특징에 대응되는 프로 플레이어에 대한 지시자를 출력할 수 있다. 예를 들어, 총 8명의 프로 플레이어들에 대해 학습이 진행된다면, 플레이어 추천 모델은 8명의 프로 플레이어들 중 특정한 프로 플레이어를 가리키는 인덱스를 출력할 수 있다.
학습 장치는 학습에 이용된 특정 프로 플레이어의 게임 플레이 데이터로부터 게임 플레이 특징이 추출되어 플레이어 추천 모델에 입력되었을 때, 플레이어 추천 모델이 해당 프로 플레이어를 가리키는 인덱스를 출력하도록 플레이어 추천 모델을 구성하는 파라미터 값들을 조정하는 과정을 포함하는 기계 학습을 수행할 수 있다. 파라미터 값들의 조정을 위해, 역전파(backpropagation) 알고리즘 등이 이용될 수 있으며, 이에 대한 설명은 본 명세서의 범위를 벗어나기에 자세한 설명은 생략한다.
학습 장치는 위와 같은 학습 과정을 여러 프로 플레이어들의 게임 플레이 데이터에 대해 수행할 수 있다. 이 경우, 플레이어 추천 모델은 해당 프로 플레이어들을 학습하게 되며, 나중에 사용자에게 이들 프로 플레이어들 중 하나 이상의 사용자의 게임 플레이에 대응되는 프로 플레이어를 제공할 수 있다.
위와 같이, 프로 플레이어들의 이전 체스 플레이 기록(기보)을 바탕으로 체스 플레이의 특징을 추출한 후, 추출된 특징을 이용하여 플레이어 추천 모델을 학습시킬 수 있다. 이렇게 학습된 플레이어 추천 모델은, 사용자가 실제 게임을 플레이하고 난 후 사용자의 게임 플레이 스타일을 분석하여 사용자의 게임 플레이 스타일과 유사한 프로 플레이어를 식별하는데 이용될 수 있다.
도 3은 일 실시예에 따른 게임 플레이 전략 추천 방법의 동작을 설명하기 위한 흐름도이다. 게임 플레이 전략 추천 방법은 본 명세서에서 설명되는 게임 플레이 전략 추천 장치에 의해 수행될 수 있다.
도 3을 참조하면, 단계(310)에서 게임 플레이 전략 추천 장치는 게임을 플레이한 사용자의 게임 플레이 데이터를 기록한다. 게임 플레이 전략 추천 장치는, 예를 들어 게임 시작부터 미리 설정된 턴 수 또는 미리 설정된 시간 이내 동안 플레이한 게임 플레이 데이터를 저장할 수 있다. 일 실시예에서, 게임 플레이 전략 추천 장치는 사용자의 게임 플레이에서 발생하는 게임 플레이 패턴을 추적하여 저장할 수도 있다. 예를 들어, 체스 게임의 경우, 게임 플레이 전략 추천 장치는 사용자의 체스 오프닝에서 이용하는 체스 오프닝 전략 패턴을 추적하고, 이를 게임 플레이 데이터로서 저장할 수 있다.
단계(320)에서, 게임 플레이 전략 추천 장치는 게임 플레이 데이터로부터 사용자의 게임 플레이 특징을 추출한다. 게임 플레이 전략 추천 장치는 사용자의 게임 플레이 스타일을 분석하기 위해 게임 플레이 데이터로부터 게임 플레이 특징을 추출할 수 있다. 다음은 체스 게임일 경우에 추출된 게임 플레이 특징의 일례들이다. 게임 플레이 전략 추천 장치는 아래 특징들 중에서 하나 이상을 추출할 수 있다.
(1) 게임 플레이 전략 추천 장치는 사용자의 게임 플레이 데이터로부터 사용자가 미리 설정된 턴 수 이내에 체스말이 잡히는 횟수를 나타내는 특징을 추출할 수 있다.
(2) 게임 플레이 전략 추천 장치는 사용자의 게임 플레이 데이터로부터 사용자가 미리 설정된 턴 수 또는 미리 설정된 시간 이내에 상대방 체스말을 잡는 횟수를 나타내는 특징을 추출할 수 있다.
(3) 게임 플레이 전략 추천 장치는 사용자의 게임 플레이 데이터로부터 사용자가 체스 게임의 첫 턴에서 선택한 체스말과 선택한 체스말을 이동시킨 위치를 나타내는 특징을 추출할 수 있다.
(4) 게임 플레이 전략 추천 장치는 사용자의 게임 플레이 데이터로부터 사용자의 무승부 이력을 나타내는 특징을 추출할 수 있다.
(5) 게임 플레이 전략 추천 장치는 사용자의 게임 플레이 데이터로부터 체스 캐슬링, 앙파상 또는 프로모션 등과 같은 체스 규칙의 사용 여부를 나타내는 특징을 추출할 수 있다.
(6) 게임 플레이 전략 추천 장치는 사용자의 게임 플레이 데이터로부터 사용자의 게임 시작부터 미리 설정된 턴 수에 도달했을 때 체스판 위에 남아있는 체스말들에 기초한 스코어를 나타내는 특징을 추출할 수 있다.
위 특징 (1) 부터 (6)은 각각, 도 2의 학습 과정에서 추출되는 특징 (1) 부터 (6)에 대응되며, 중복되는 설명은 생략한다.
단계(330)에서, 게임 플레이 전략 추천 장치는 플레이어 추천 모델을 이용하여, 단계(320)에서 추출된 게임 플레이 특징으로부터 사용자의 게임 플레이 스타일에 대응하는 게임의 프로 플레이어를 결정할 수 있다. 예를 들어, 체스 게임의 경우, 게임 플레이 전략 추천 장치는 플레이어 추천 모델을 이용하여 사용자의 게임 플레이 스타일에 대응하는 체스 프로 플레이어를 결정할 수 있다.
플레이어 추천 모델은 프로 플레이어의 이전 게임 플레이 데이터에 기초한 학습 과정을 통해 학습된 뉴럴 네트워크에 기반할 수 있다. 예를 들어, 플레이어 추천 모델은 도 2에서 설명한 것과 같은 학습 방법에 의해 미리 학습될 수 있다.
플레이어 추천 모델은 단계(320)에서 추출된 게임 플레이 특징을 입력으로 하고, 입력된 게임 플레이 특징에 대응하는 프로 플레이어에 대한 지시자를 출력할 수 있다. 일 실시예에서, 게임 플레이 전략 추천 장치는 플레이어 추천 모델을 이용하여, 사용자가 게임을 상대방보다 먼저 플레이하는 선공인 경우에 추천할 게임 플레이 전략의 제1 프로 플레이어 및 사용자가 게임을 상대방보다 늦게 플레이하는 후공인 경우에 추천할 게임 플레이 전략의 제2 프로 플레이어 중 적어도 하나를 결정할 수도 있다.
단계(340)에서, 게임 플레이 전략 추천 장치는 사용자에게 단계(330)에서 결정된 프로 플레이어의 게임 플레이 전략을 제공할 수 있다. 일 실시예에서, 단계(330)에서 결정된 프로 플레이어에 대한 정보가 사용자에게 제공될 수 있고, 사용자는 사용자 입력을 통해 해당 프로 플레이어의 게임 플레이 전략을 제공받을지 여부를 결정할 수 있다. 또는, 사용자에게 사용자의 게임 플레이 스타일과 유사한 게임 플레이 스타일을 가지는 복수의 프로 플레이어들에 대한 정보가 제시될 수도 있고, 이 경우 사용자는 제시된 프로 플레이들 중에서 게임 플레이 전략을 제공받기를 원하는 프로 플레이어를 선택할 수도 있다.
일 실시예에서, 게임 플레이 전략 추천 장치는 게임의 시작부터 미리 설정된 게임 플레이 턴 수까지의 게임 플레이 전략 또는 게임의 시작 시작부터 미리 설정된 시간 동안의 게임 플레이 전략을 사용자에게 제공할 수 있다.
게임이 체스 게임인 경우, 플레이어 추천 모델에 의해 사용자의 게임 플레이에 대응하는 체스 프로 플레이어가 결정되고, 게임 플레이 전략 추천 장치는 해당 결정된 체스 프로 플레이어의 체스 오프닝 전략을 사용자에게 제공할 수 있다. 일 실시예에서, 게임 플레이 전략 추천 장치는 사용자와 상대방 간의 체스 대결이 종료한 뒤, 사용자에게 결정된 체스 프로 플레이어의 이름과 해당 결정된 체스 프로 플레이어의 체스 오프닝 전략을 나타내는 오프닝 명칭을 제공할 수도 있다. 게임 플레이 전략 추천 장치는 사용자가 해당 결정된 프로 플레이어의 체스 오프닝 전략을 선택하는 것에 응답하여, 선택된 체스 오프닝 전략의 게임 플레이 기록에 기초하여 사용자에게 해당 선택된 체스 오프닝 전략을 가이드하기 위한 인터페이스를 실행시킬 수 있다.
위와 같이, 게임 플레이 전략 추천 장치는 수집된 사용자의 게임 플레이 데이터에 기초하여 사용자의 게임 플레이에 상응하는 프로 플레이어를 결정하고, 데이터베이스에서 해당 결정된 프로 플레이어의 게임 플레이 전략을 추출하여 사용자에게 제공할 수 있다. 데이터베이스에는 복수의 프로 플레이어들의 게임 플레이 전략 정보가 저장될 수 있고, 하나의 프로 플레이어에 대해 복수의 게임 플레이 전략 정보가 존재할 수도 있다.
본 발명에 따르면, 체스 게임 등의 경우에서 게임 플레이 전략 추천 장치는 사용자의 체스 게임 플레이 성향에 적합한 체스 오프닝 전략을 제공함으로써 사용자가 체스 게임을 더 재미있고 유리하게 플레이할 수 있도록 가이드할 수 있다. 또한, 이를 통해 사용자는 많은 수의 게임 플레이 전략 중 자신의 게임 플레이 스타일에 적합한 게임 플레이 전략을 익힐 수 있게 되어 게임에 대한 사용자의 흥미와 재미를 증대시킬 수 있다.
도 4는 일 실시예에 따른 체스 게임에 대한 게임 플레이 전략 추천 방법을 설명하기 위한 도면이다.
도 4를 참조하면, 체스 게임의 경우에 사용자의 게임 플레이 스타일에 맞는 게임 플레이 전략을 추천하는 과정이 도시되어 있다. 먼저, 학습 장치는 프로 체스 플레이어들의 이전 게임 플레이 데이터인 기보(410)로부터 체스 게임의 초반 체스 오프닝과 관련된 게임 플레이 특징을 추출(420)한다. 예를 들어, 학습 장치는 기보(410)로부터 도 2에서 설명한 특징 (1) 내지 특징 (6) 중 하나 이상의 특징을 게임 플레이 특징으로서 추출할 수 있다.
이후에, 학습 장치는 추출한 게임 플레이 특징에 기초하여 플레이어 추천 모델(450)을 학습시킨다. 학습 장치는 특정 프로 체스 플레이어의 기보로부터 추출된 게임 플레이 특징이 플레이어 추천 모델(450)에 입력되었을 때, 플레이어 추천 모델(450)이 해당 특정 프로 체스 플레이어를 나타내는 지시자를 출력하도록 플레이어 추천 모델(450)을 구성하는 뉴럴 네트워크의 파라미터 값들을 조정할 수 있다. 학습 장치는 이와 같은 학습 과정을 복수의 프로 체스 플레이어들 각각에 대해 수행할 수 있다.
플레이어 추천 모델(450)의 학습이 완료되면, 게임 플레이 전략 추천 장치는 학습이 완료된 플레이어 추천 모델(450)을 이용하여 사용자의 게임 플레이 스타일에 상응하는 게임 플레이 전략을 사용자에게 추천할 수 있다. 먼저, 게임 플레이 전략 추천 장치는 사용자의 체스 게임 플레이 데이터(430)를 기록한다. 게임 플레이 전략 추천 장치는 체스 게임 플레이 데이터(430)에서 체스 게임의 초반 체스 오프닝과 관련된 게임 플레이 특징을 추출(440)할 수 있다. 게임 플레이 전략 추천 장치는 도 3에서 설명한 특징 (1) 내지 특징 (6) 중 하나 이상의 특징을 게임 플레이 특징으로서 추출할 수 있다. 이 때, 추출되는 게임 플레이 특징의 종류는 단계(420)에서 추출되는 게임 플레이 특징의 종류와 동일할 수 있다.
이후에, 게임 플레이 전략 추천 장치는 기학습된 플레이어 추천 모델(450)을 이용하여 사용자의 게임 플레이 스타일을 분류(460)할 수 있다. 게임 플레이 전략 추천 장치는 플레이어 추천 모델(450)에 단계(440)에서 추출된 게임 플레이 특징을 적용하여 사용자의 게임 플레이 스타일에 상응하는 프로 체스 플레이어를 결정할 수 있다. 플레이어 추천 모델(450)에 단계(440)에서 추출된 게임 플레이 특징이 입력되고, 플레이어 추천 모델(450)은 입력된 게임 플레이 특징에 대응하는 출력으로서, 특정한 프로 체스 플레이어를 나타내는 지시자를 출력할 수 있다.
게임 플레이 전략 추천 장치는 사용자에게 플레이어 추천 모델(450)을 통해 결정된 프로 체스 플레이어의 체스 오프닝 전략을 추천(470)할 수 있다. 사용자가 해당 체스 오프닝 전략의 제공을 요청한 경우, 게임 플레이 전략 추천 장치는 해당 체스 오프닝을 가이드하기 위한 인터페이스를 실행시킬 수 있다. 이 때, 게임 플레이 전략 추천 장치는 사용자가 해당 프로 체스 플레이어의 특정한 체스 오프닝 전략을 익히도록 해당 체스 오프닝 전략을 한 턴씩 사용자에게 가이드할 수 있다.
도 5는 일 실시예에 따른 프로 체스 플레이어의 게임 플레이 스타일을 분석한 일례를 도시한 도면이다.
도 5를 참조하면, 프로 체스 플레이어별로 체스 오프닝 전략과 관련된 게임 플레이 스타일을 분석한 표가 도시되어 있다. 학습 장치는 이러한 표에 나타난 것과 같이 게임 플레이 스타일이 서로 구별되는 프로 체스 플레이어들의 이전 게임 플레이 데이터인 기보를 기초로 플레이어 추천 모델을 학습시킬 수 있다. 표에서, 예를 들어 Mikhail Tal의 게임 플레이 스타일은 기술적이고, 공격적이며 직감적인 것으로 나타나고, Wilhelm Steinitz는 입지적이고, 수비적이며 계산적인 것으로 나타난다.
도 6은 일 실시예에 따른 사용자의 게임 플레이 스타일에 대응하는 추천 체스 오프닝의 일례를 도시한 도면이다.
도 6을 참조하면, 사용자의 게임 플레이 스타일에 맞는 추천 체스 오프닝 전략의 일례들이 표로서 도시되어 있다. 예를 들어, 사용자의 게임 플레이 스타일과 프로 체스 플레이어들의 게임 플레이 스타일은 [1]부터 [8]까지의 8 종류로 분류될 수 있고, 각 종류에 대응하는 게임 플레이 스타일마다 추천 체스 오프닝 전략들이 존재할 수 있다. 일 실시예에서, 게임 플레이 전략 추천 장치는 사용자의 게임 플레이 성향이 유사한 프로 체스 플레이어가 주로 사용하는 체스 오프닝 전략을 사용자에게 추천할 수 있다. 여기서, 체스 게임의 선공 또는 후공(백 또는 흑) 여부에 따라 추천되는 체스 오프닝 전략도 달라질 수 있다. 표에서 ECO(Encyclopedia of Chess Openings)는 각 체스 오프닝 전략을 식별하기 위한 식별자이다.
도 7 및 도 8은 일 실시예에 따른 사용자에게 체스 오프닝 전략을 제공하는 일례를 설명하기 위한 도면들이다.
도 7을 참조하면, 체스 게임의 경우에서 사용자의 게임 플레이 스타일을 분석하고, 해당 분석 결과에 따라 추천할 체스 오프닝 전략을 제공하는 일례가 도시되어 있다. 예를 들어, 게임 플레이 전략 추천 장치는 사용자가 체스 게임 대결을 진행하는 동안 게임 플레이 데이터를 기록하고, 사용자의 체스 게임 대결이 종료되면 해당 게임 플레이 데이터에 기반하여 결정된 프로 체스 플레이어의 체스 오프닝 전략을 사용자에게 제안할 수 있다.
게임 플레이 전략 추천 장치는 기록된 사용자의 게임 플레이 데이터로부터 체스 게임과 관련된 게임 플레이 특징을 추출하고, 플레이어 추천 모델에 해당 추출된 게임 플레이 특징을 적용함으로써 사용자의 게임 플레이 스타일과 가장 유사한 프로 체스 플레이어를 식별할 수 있다. 게임 플레이 전략 추천 장치는 식별된 프로 체스 플레이어의 하나 이상의 체스 오프닝 전략을 사용자에게 제공할 수 있다. 이 때, 먼저 해당 프로 체스 플레이어의 이름과 함께 사용자에게 제공할 해당 프로 체스 플레이어의 체스 오프닝 전략의 명칭을 팝업 창의 형태로 제공할 수 있다. 게임 플레이 전략 추천 장치는 추천하고자 하는 체스 게임 진영별(선공(흑), 후공(백))로 체스 오프닝 전략을 추천할 수 있다. 도 7에 도시된 실시예에서, 'Wilhelm Steinitz'는 플레이어 추천 모델에 의해 식별된, 사용자의 게임 플레이 스타일에 상응하는 프로 체스 플레이어의 이름을 나타내며, 'Vienna Game', 'King's Gambit', 'Ruy Lopez'는 사용자에게 추천할 'Wilhelm Steinitz'의 체스 오프닝 전략들의 명칭을 나타낸다.
사용자는 제시된 추천 체스 오프닝 전략들(Vienna Game, King's Gambit, Ruy Lopez) 중 익히길 원하는 체스 오프닝 전략을 선택할 수 있다. 사용자가 특정한 체스 오프닝 전략을 선택하는 경우, 도 8에 도시된 것과 같이, 선택된 체스 오프닝 전략을 사용자에게 학습시키기 위한 가이드 인터페이스가 실행될 수 있다. 또는, 실시예에 따라, 게임 플레이 전략 추천 장치가 자동으로 사용자에게 추천할 체스 오프닝 전략을 선택하여 가이드 인터페이스를 실행시킬 수도 있다.
도 8을 참조하면, (a)->(b)->(c)->(d)의 순서대로 시간의 흐름에 따른 게임 플레이 화면 변화가 도시되어 있다. 가이드 인터페이스가 실행되고, 처음에 화면 (a)와 같이 출력된다. 이후에, 사용자에게 추천된 특정한 프로 체스 플레이어의 체스 오프닝 전략이 가이드된다. 예를 들어, 화면 (b)에서와 같이, 추천된 체스 오프닝 전략에서는 먼저 폰의 체스말(810)을 위치(815)로 이동하였음을 사용자에게 알려준다. 위치(815)는, 예를 들어 윤곽선만 표시되거나 또는 흐릿하게 표시될 수 있으나, 실시예의 범위가 이에 한정되는 것은 아니다. 예를 들어, 사용자에게 "체스말(810)을 선택하여 위치(815)로 이동시키세요"와 같이 가이드될 수도 있다.
화면 (c)는 사용자가 가이드에 따라 자신의 턴에서 체스말(810)을 위치(815)로 이동시키고, 이에 응하여 상대방이 다음 턴을 플레이한 결과 화면을 나타낸다. 이후에, 게임 플레이 전략 추천 장치는 화면 (d)에서와 같이, 사용자에게 추천된 특정한 프로 체스 플레이어의 체스 오프닝 전략에 따라 두 번째 턴에서의 체스말 조작을 가이드한다. 예를 들어, 체스말(820)을 선택하여 위치(825)로 이동시키라고 사용자에게 가이드할 수 있다. 사용자는 해당 체스 오프닝 전략을 익히기 위해, 가이드에 따라 체스말(820)을 위치(825)로 이동시킬 수 있다. 이와 같이, 사용자는 순차적으로 추천된 체스 오프닝 전략에 나타난 체스말의 조작 흐름을 익힘으로써, 자신의 게임 플레이 스타일과 가장 유사한 프로 체스 플레이어의 초반 오프닝 전략을 효과적으로 익힐 수 있다.
일 실시예에서, 가이드 인터페이스가 제공되는 화면의 일부분에는 가이드되고 있는 체스 오프닝 전략의 명칭이 표시될 수 있다. 만약, 사용자가 제공되는 체스 오프닝 전략을 따라 게임 플레이를 진행하지 않는 경우에는, 게임 플레이 전략 추천 장치는 사용자가 현재 수행한 게임 플레이 데이터를 분석하여 사용자의 게임 플레이 스타일에 상응하는 다른 프로 체스 플레이어가 있는지 검색할 수 있다. 검색 결과, 상응하는 다른 프로 체스 플레이어가 존재하는 경우, 게임 플레이 전략 추천 자치는 해당 프로 체스 플레이어의 체스 오프닝 전략을 사용자에게 제공할 수 있다. 제공되는 다른 체스 오프닝 전략은 사용자의 게임 플레이 중간에 바로 반영될 수 있고, 화면에 표시되어 있던 이전 체스 오프닝 전략의 명칭은 현재 제공되는 체스 오프닝 전략의 명칭으로 변경될 수 있다.
실시예에 따라, 게임 플레이 전략 추천 장치는 체스 오프닝 전략별 선호도나 추천 횟수 등과 관련된 순위 정보를 사용자에게 제공할 수도 있다.
도 9는 일 실시예에 따른 학습 장치의 구성을 도시하는 도면이다.
도 9를 참조하면, 학습 장치(900)는 프로세서(910), 메모리(920) 및 통신 인터페이스(930)를 포함할 수 있다. 실시예에 따라, 학습 장치(900)는 데이터베이스(940)를 더 포함할 수도 있다. 학습 장치(900)는 본 명세서에서 설명된 학습 장치에 대응하여 도 1의 게임 서버(110)에 포함되어 동작할 수 있다.
메모리(920)는 프로세서(910)에 연결되고, 프로세서(910)에 의해 실행가능한 인스트럭션들, 프로세서(910)가 연산할 데이터 또는 프로세서(910)에 의해 처리된 데이터를 저장할 수 있다. 메모리(920)는 비일시적인 컴퓨터 판독가능 매체, 예컨대 고속 랜덤 액세스 메모리 및/또는 비휘발성 컴퓨터 판독가능 저장 매체(예컨대, 하나 이상의 디스크 저장 장치, 플래쉬 메모리 장치, 또는 기타 비휘발성 솔리드 스테이트 메모리 장치)를 포함할 수 있다.
통신 인터페이스(930)는 외부 장치와 통신하기 위한 인터페이스를 제공한다. 통신 인터페이스(930)는 유선 또는 무선 네트워크를 통해 외부 장치와 통신할 수 있다.
데이터베이스(940)는 학습 장치(900)가 동작하는데 필요한 정보 및 학습 데이터를 저장할 수 있다. 예를 들어, 데이터베이스(940)는 사용자들의 게임 플레이 데이터 및 플레이어 추천 모델을 학습시키기 위한 학습 데이터로서 프로 플레이어의 이전 게임 플레이 데이터 등을 저장할 수 있다.
프로세서(910)는 학습 장치(900) 내에서 실행하기 위한 기능 및 인스트럭션들을 실행하고, 학습 장치(900)의 전체적인 동작을 제어한다. 프로세서(910)는 사용자에게 학습 인터페이스를 제공할 수 있다. 프로세서(910)는 도 2 및 도 4에서 설명된 학습 장치의 동작과 관련된 하나 이상의 동작을 수행할 수 있다.
예를 들어, 프로세서(910)는 사용자의 게임 플레이 스타일에 대응하는 프로 플레이어를 식별하는 플레이어 추천 모델을 학습시킬 수 있다. 프로세서(910)는 게임의 프로 플레이어의 이전 게임 플레이 데이터에 기반한 학습 데이터로부터 게임 플레이 특징을 추출하고, 추출한 게임 플레이 특징에 기초하여 플레이어 추천 모델을 학습시키도록, 학습 장치(900)를 제어할 수 있다.
도 10은 일 실시예에 따른 게임 플레이 전략 추천 장치의 구성을 도시한 도면이다.
도 10을 참조하면, 게임 플레이 전략 추천 장치(1000)는 프로세서(1010), 메모리(1020) 및 통신 인터페이스(1030)를 포함한다. 실시예에 따라, 게임 플레이 전략 추천 장치(1000)은 사용자 입력 인터페이스(1040), 디스플레이(1050) 및 데이터베이스(미도시)를 더 포함할 수 있다. 게임 플레이 전략 추천 장치(1000)는 본 명세서에서 설명된 게임 플레이 전략 추천 장치에 대응하여 도 1의 게임 서버(110)에 포함되어 동작할 수 있다.
메모리(1020)는 프로세서(1010)에 연결되고, 프로세서(1010)에 의해 실행가능한 인스트럭션들, 프로세서(1010)가 연산할 데이터 또는 프로세서(1010)에 의해 처리된 데이터를 저장할 수 있다. 메모리(1020)는 비일시적인 컴퓨터 판독가능 매체, 예컨대 고속 랜덤 액세스 메모리 및/또는 비휘발성 컴퓨터 판독가능 저장 매체를 포함할 수 있다.
통신 인터페이스(1030)는 외부 장치와 통신하기 위한 인터페이스를 제공한다. 통신 인터페이스는 유선 또는 무선 네트워크를 통해 외부 장치와 통신할 수 있다.
사용자 입력 인터페이스(1040)는 사용자에 의해 입력되는 사용자 입력을 수신한다. 일 실시예에서, 사용자 입력 인터페이스(1040)는 게임 플레이 전략의 제공 요청을 포함하는 사용자 입력을 수신할 수 있다. 디스플레이(1050)는 프로세서(1010)에 의해 실행되는 게임 플레이 화면을 출력할 수 있다. 일 예에서, 디스플레이(1050)는 모니터 또는 터치 스크린 디스플레이일 수 있다.
프로세서(1010)는 게임 플레이 전략 추천 장치(1000) 내에서 실행하기 위한 기능 및 인스트럭션들을 실행하고, 게임 플레이 전략 추천 장치(1000)의 전체적인 동작을 제어한다. 예를 들어, 프로세서(1010)는 게임을 플레이한 사용자의 게임 플레이 데이터를 기록하고, 게임 플레이 데이터로부터 게임 플레이 특징을 추출하도록 제어할 수 있다. 이후에, 프로세서(1010)는 플레이어 추천 모델을 이용하여, 해당 추출된 게임 플레이 특징으로부터 사용자의 게임 플레이 스타일에 대응하는 프로 플레이어를 결정할 수 있고, 사용자에게 해당 결정된 프로 플레이어의 게임 플레이 전략을 제공하도록, 게임 플레이 전략 추천 장치(1000)를 제어할 수 있다. 프로세서(1010)는 데이터베이스에서 해당 결정된 프로 플레이어의 게임 플레이 전략 정보를 불러오고, 불러온 프로 플레이어의 게임 플레이 전략 정보를 사용자에게 제공하기 위한 가이드 인터페이스를 실행시킬 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
100: 게임 시스템 110: 게임 서버
120: 네트워크 130: 사용자 단말
800: 학습 장치 900: 게임 플레이 전략 추천 장치
810, 910: 프로세서 820, 920: 메모리
830, 930: 통신 인터페이스 840: 데이터베이스
940: 사용자 입력 인터페이스 950: 디스플레이

Claims (27)

  1. 게임 플레이 전략 추천 장치에 의해 수행되는, 사용자에게 게임 플레이 전략을 추천하는 게임 플레이 전략 추천 방법에 있어서,
    게임을 플레이한 사용자의 게임 플레이 데이터를 기록하는 단계;
    상기 게임 플레이 데이터로부터 게임 플레이 특징을 추출하는 단계;
    플레이어 추천 모델을 이용하여 상기 추출된 게임 플레이 특징으로부터 상기 사용자의 게임 플레이 스타일에 대응하는 상기 게임의 프로 플레이어를 결정하는 단계; 및
    상기 사용자에게 상기 결정된 프로 플레이어의 게임 플레이 전략을 제공하는 단계를 포함하고,
    상기 프로 플레이어를 결정하는 단계는,
    상기 사용자가 상기 게임을 상대방보다 먼저 플레이하는 선공인 경우에 추천할 게임 플레이 전략의 제1 프로 플레이어 및 상기 사용자가 상기 게임을 상기 상대방보다 늦게 플레이하는 후공인 경우에 추천할 게임 플레이 전략의 제2 프로 플레이어 중 적어도 하나를 결정하는 단계를 포함하는,
    게임 플레이 전략 추천 방법.
  2. 제1항에 있어서,
    상기 게임 플레이 전략을 제공하는 단계는,
    상기 게임의 시작부터 미리 설정된 게임 플레이 턴 수까지의 게임 플레이 전략 또는 상기 게임의 시작부터 미리 설정된 시간 동안의 게임 플레이 전략을 상기 사용자에게 제공하는 단계
    를 포함하는,
    게임 플레이 전략 추천 방법.
  3. 제1항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 전략을 제공하는 단계는,
    상기 사용자와 상대방 간의 체스 대결이 종료한 뒤, 상기 사용자에게 상기 결정된 프로 플레이어의 이름과 상기 결정된 프로 플레이어의 체스 오프닝 전략을 나타내는 오프닝 명칭을 제공하는 단계
    를 포함하는,
    게임 플레이 전략 추천 방법.
  4. 제1항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 전략을 제공하는 단계는,
    상기 사용자가 상기 결정된 프로 플레이어의 체스 오프닝 전략을 선택하는 것에 응답하여, 상기 선택된 체스 오프닝 전략의 게임 플레이 기록에 기초하여 상기 사용자에게 상기 선택된 체스 오프닝 전략을 가이드하기 위한 인터페이스를 실행시키는 단계
    를 포함하는,
    게임 플레이 전략 추천 방법.
  5. 삭제
  6. 제1항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 프로 플레이어를 결정하는 단계는,
    상기 사용자의 게임 플레이 스타일에 대응하는 체스 프로 플레이어를 결정하는 단계를 포함하고,
    상기 게임 플레이 전략을 제공하는 단계는,
    상기 결정된 체스 프로 플레이어의 체스 오프닝 전략을 상기 사용자에게 제공하는 단계
    를 포함하는,
    게임 플레이 전략 추천 방법.
  7. 제1항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 특징을 추출하는 단계는,
    상기 사용자의 게임 플레이 데이터로부터 상기 사용자가 미리 설정된 턴 수 이내에 체스말(chess piece)이 잡히는 횟수를 나타내는 특징을 추출하는 단계
    를 포함하는,
    게임 플레이 전략 추천 방법.
  8. 제1항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 특징을 추출하는 단계는,
    상기 사용자의 게임 플레이 데이터로부터 상기 사용자가 미리 설정된 턴 수 또는 미리 설정된 시간 이내에 상대방 체스말을 잡는 횟수를 나타내는 특징을 추출하는 단계
    를 포함하는,
    게임 플레이 전략 추천 방법.
  9. 제1항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 특징을 추출하는 단계는,
    상기 사용자의 게임 플레이 데이터로부터 상기 사용자가 상기 체스 게임의 첫 턴에서 선택한 체스말과 상기 선택한 체스말을 이동시킨 위치를 나타내는 특징을 추출하는 단계
    를 포함하는,
    게임 플레이 전략 추천 방법.
  10. 제1항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 특징을 추출하는 단계는,
    상기 사용자의 게임 플레이 데이터로부터 상기 사용자의 무승부 이력을 나타내는 특징을 추출하는 단계
    를 포함하는,
    게임 플레이 전략 추천 방법.
  11. 제1항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 특징을 추출하는 단계는,
    상기 사용자의 게임 플레이 데이터로부터 체스 캐슬링(chess castling) 사용 여부를 나타내는 특징을 추출하는 단계
    를 포함하는,
    게임 플레이 전략 추천 방법.
  12. 제1항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 특징을 추출하는 단계는,
    상기 사용자의 게임 플레이 데이터로부터 상기 사용자의 게임 시작부터 미리 설정된 턴 수에 도달했을 때 체스판 위에 남아있는 체스말들에 기초한 스코어를 나타내는 특징을 추출하는 단계
    를 포함하는,
    게임 플레이 전략 추천 방법.
  13. 제1항에 있어서,
    상기 플레이어 추천 모델은,
    상기 추출된 게임 플레이 특징을 입력으로 하고, 상기 입력된 게임 플레이 특징에 대응하는 프로 플레이어에 대한 지시자를 출력하는,
    게임 플레이 전략 추천 방법.
  14. 제1항에 있어서,
    상기 플레이어 추천 모델은,
    상기 프로 플레이어의 이전 게임 플레이 데이터에 기초한 학습 과정을 통해 학습된 뉴럴 네트워크에 기반하는,
    게임 플레이 전략 추천 방법.
  15. 학습 장치에 의해 수행되는, 사용자의 게임 플레이 스타일에 대응하는 프로 플레이어를 식별하는 플레이어 추천 모델을 학습시키는 학습 방법에 있어서,
    게임의 프로 플레이어의 이전 게임 플레이 데이터에 기반한 학습 데이터로부터 게임 플레이 특징을 추출하는 단계; 및
    상기 추출한 게임 플레이 특징에 기초하여 플레이어 추천 모델을 학습시키는 단계를 포함하고,
    상기 플레이어 추천 모델은,
    상기 추출된 게임 플레이 특징에 기초하여, 상기 게임을 상대방보다 먼저 플레이하는 선공인 경우에 추천할 게임 플레이 전략의 제1 프로 플레이어 및 상기 게임을 상대방보다 늦게 플레이하는 후공인 경우에 추천할 게임 플레이 전략의 제2 프로 플레이어 중 적어도 하나에 대한 지시자를 출력하는,
    학습 방법.
  16. 제15항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 학습 데이터는, 상기 체스 게임의 체스 프로 플레이어들의 이전 게임 플레이 데이터를 포함하는,
    학습 방법.
  17. 삭제
  18. 제15항에 있어서,
    상기 플레이어 추천 모델은,
    학습 과정을 통해 파라미터 값들이 갱신되는 뉴럴 네트워크에 기반하는,
    학습 방법.
  19. 제15항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 특징을 추출하는 단계는,
    상기 프로 플레이어의 게임 플레이 데이터로부터 상기 프로 플레이어가 미리 설정된 턴 수 이내에 체스말이 잡히는 횟수를 나타내는 특징을 추출하는 단계
    를 포함하는,
    학습 방법.
  20. 제15항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 특징을 추출하는 단계는,
    상기 프로 플레이어의 게임 플레이 데이터로부터 상기 프로 플레이어가 미리 설정된 턴 수 또는 미리 설정된 시간 이내에 상대방 체스말을 잡는 횟수를 나타내는 특징을 추출하는 단계
    를 포함하는,
    학습 방법.
  21. 제15항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 특징을 추출하는 단계는,
    상기 프로 플레이어의 게임 플레이 데이터로부터 상기 프로 플레이어가 상기 체스 게임의 첫 턴에서 선택한 체스말과 상기 선택한 체스말을 이동시킨 위치를 나타내는 특징을 추출하는 단계
    를 포함하는,
    학습 방법.
  22. 제15항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 특징을 추출하는 단계는,
    상기 학습 데이터로부터 상기 프로 플레이어의 무승부 이력을 나타내는 특징을 추출하는 단계
    를 포함하는,
    학습 방법.
  23. 제15항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 특징을 추출하는 단계는,
    상기 프로 플레이어의 게임 플레이 데이터로부터 체스 캐슬링 사용 여부를 나타내는 특징을 추출하는 단계
    를 포함하는,
    학습 방법.
  24. 제15항에 있어서,
    상기 게임은, 체스 게임이고,
    상기 게임 플레이 특징을 추출하는 단계는,
    상기 프로 플레이어의 게임 플레이 데이터로부터 상기 프로 플레이어의 게임 시작부터 미리 설정된 턴 수에 도달했을 때 체스판 위에 남아있는 체스말들에 기초한 스코어를 나타내는 특징을 추출하는 단계
    를 포함하는,
    학습 방법.
  25. 제1항 내지 제4항, 제6항 내지 제16항 및 제18항 내지 제24항 중 어느 한 항의 방법을 수행하는 프로그램을 기록한 컴퓨터 판독 가능 기록매체.
  26. 게임 플레이 전략 추천 장치에 있어서,
    메모리 및 프로세서를 포함하고,
    상기 메모리는 상기 프로세서에 의해 실행 가능한 인스트럭션들을 저장하고,
    상기 인스트럭션들이 상기 프로세서에 의해 실행될 때, 상기 프로세서는,
    게임을 플레이한 사용자의 게임 플레이 데이터를 기록하고,
    상기 게임 플레이 데이터로부터 게임 플레이 특징을 추출하고,
    플레이어 추천 모델을 이용하여 상기 추출된 게임 플레이 특징으로부터 상기 사용자의 게임 플레이 스타일에 대응하는 상기 게임의 프로 플레이어를 결정하고,
    상기 사용자에게 상기 결정된 프로 플레이어의 게임 플레이 전략을 제공하도록, 상기 게임 플레이 전략 추천 장치를 제어하고,
    상기 프로세서는,
    상기 플레이어 추천 모델을 이용하여, 상기 사용자가 상기 게임을 상대방보다 먼저 플레이하는 선공인 경우에 추천할 게임 플레이 전략의 제1 프로 플레이어 및 상기 사용자가 상기 게임을 상기 상대방보다 늦게 플레이하는 후공인 경우에 추천할 게임 플레이 전략의 제2 프로 플레이어 중 적어도 하나를 결정하는,
    게임 플레이 전략 추천 장치.
  27. 사용자의 게임 플레이 스타일에 대응하는 프로 플레이어를 식별하는 플레이어 추천 모델을 학습시키는 학습 장치에 있어서,
    메모리 및 프로세서를 포함하고,
    상기 메모리는 상기 프로세서에 의해 실행 가능한 인스트럭션들을 저장하고,
    상기 인스트럭션들이 상기 프로세서에 의해 실행될 때, 상기 프로세서는,
    게임의 프로 플레이어의 이전 게임 플레이 데이터에 기반한 학습 데이터로부터 게임 플레이 특징을 추출하고,
    상기 추출한 게임 플레이 특징에 기초하여 플레이어 추천 모델을 학습시키도록, 상기 학습 장치를 제어하고,
    상기 플레이어 추천 모델은,
    상기 추출된 게임 플레이 특징에 기초하여, 상기 게임을 상대방보다 먼저 플레이하는 선공인 경우에 추천할 게임 플레이 전략의 제1 프로 플레이어 및 상기 게임을 상대방보다 늦게 플레이하는 후공인 경우에 추천할 게임 플레이 전략의 제2 프로 플레이어 중 적어도 하나에 대한 지시자를 출력하는,
    학습 장치.
KR1020190009175A 2019-01-24 2019-01-24 게임 플레이 전략 추천 방법 및 장치 KR102007371B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190009175A KR102007371B1 (ko) 2019-01-24 2019-01-24 게임 플레이 전략 추천 방법 및 장치
US16/743,749 US11413533B2 (en) 2019-01-24 2020-01-15 Method and apparatus for recommending game play strategy

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190009175A KR102007371B1 (ko) 2019-01-24 2019-01-24 게임 플레이 전략 추천 방법 및 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020190091712A Division KR20200092242A (ko) 2019-07-29 2019-07-29 게임 플레이 전략 추천 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102007371B1 true KR102007371B1 (ko) 2019-08-05

Family

ID=67615897

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190009175A KR102007371B1 (ko) 2019-01-24 2019-01-24 게임 플레이 전략 추천 방법 및 장치

Country Status (2)

Country Link
US (1) US11413533B2 (ko)
KR (1) KR102007371B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220159571A (ko) 2021-05-26 2022-12-05 엔에이치엔클라우드 주식회사 딥러닝 기반의 장기 게임 서비스 방법 및 그 장치

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113509713A (zh) * 2021-06-25 2021-10-19 成都商汤科技有限公司 一种人机对弈方法、装置、设备及存储介质
CN113426094A (zh) * 2021-06-30 2021-09-24 北京市商汤科技开发有限公司 一种棋力调整方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070052493A (ko) * 2005-11-17 2007-05-22 (주)윌비솔루션 게이머의 플레이 패턴 분석을 통한 게임 가이드 정보 제공방법 및 이를 구현하는 시스템
JP2008119502A (ja) * 2008-02-07 2008-05-29 Casio Comput Co Ltd ゲーム装置、ゲーム方法、データ検索装置、ゲームシステム、ゲームプログラムが記憶された記憶媒体
JP2016024739A (ja) * 2014-07-23 2016-02-08 株式会社ソニー・コンピュータエンタテインメント 情報処理装置
KR20170078327A (ko) * 2015-12-29 2017-07-07 주식회사 넥슨코리아 게임 가이드 제공 장치 및 게임 가이드 제공 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7976373B2 (en) * 2007-01-09 2011-07-12 Bally Gaming, Inc. Apparatus for providing amusement
KR102045567B1 (ko) 2017-02-24 2019-11-18 고려대학교 산학협력단 딥러닝에 기반한 컬링 경기 전략 추천 장치 및 그 방법
US10894215B1 (en) * 2017-06-27 2021-01-19 Amazon Technologies, Inc. Matching players for networked gaming applications
US11819764B2 (en) * 2018-07-24 2023-11-21 Sony Interactive Entertainment LLC In-game resource surfacing platform

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070052493A (ko) * 2005-11-17 2007-05-22 (주)윌비솔루션 게이머의 플레이 패턴 분석을 통한 게임 가이드 정보 제공방법 및 이를 구현하는 시스템
JP2008119502A (ja) * 2008-02-07 2008-05-29 Casio Comput Co Ltd ゲーム装置、ゲーム方法、データ検索装置、ゲームシステム、ゲームプログラムが記憶された記憶媒体
JP2016024739A (ja) * 2014-07-23 2016-02-08 株式会社ソニー・コンピュータエンタテインメント 情報処理装置
KR20170078327A (ko) * 2015-12-29 2017-07-07 주식회사 넥슨코리아 게임 가이드 제공 장치 및 게임 가이드 제공 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220159571A (ko) 2021-05-26 2022-12-05 엔에이치엔클라우드 주식회사 딥러닝 기반의 장기 게임 서비스 방법 및 그 장치

Also Published As

Publication number Publication date
US11413533B2 (en) 2022-08-16
US20200238176A1 (en) 2020-07-30

Similar Documents

Publication Publication Date Title
JP7399932B2 (ja) クラウドゲーミングネットワークを使用した人工知能（ａｉ）モデルの訓練
US10839215B2 (en) Artificial intelligence for emulating human playstyles
KR102170560B1 (ko) 멀티 플레이어 비디오 게임 매치 메이킹 최적화
KR102007371B1 (ko) 게임 플레이 전략 추천 방법 및 장치
US11712630B2 (en) Dynamic interfaces for launching direct gameplay
US20070066403A1 (en) Method for dynamically adjusting an interactive application such as a videogame based on continuing assessments of user capability
CN113171608B (zh) 用于基于网络的视频游戏应用程序的系统和方法
Björk et al. Describing games: An interaction-centric structural framework
US20200324206A1 (en) Method and system for assisting game-play of a user using artificial intelligence (ai)
KR20200024733A (ko) 시즌별 보상 분배 시스템
Summerville et al. Mechanics automatically recognized via interactive observation: Jumping
KR101962269B1 (ko) 게임 평가 장치 및 방법
CA3087629C (en) System for managing user experience and method therefor
KR20200092242A (ko) 게임 플레이 전략 추천 방법 및 장치
KR101981643B1 (ko) 게임 제공 장치 및 방법
US9308459B2 (en) System for providing competition game using plurality of game contents, and method and program using the system
Goodbrey Game comics: Theory and design
JP2022109903A (ja) プログラム、電子装置、方法、及びシステム
KR20130143163A (ko) 온라인 게임에서의 스킬 판정방법 및 시스템
KR20210032838A (ko) 감정을 이용한 게임 장치 및 방법
Sadmine et al. Stockfish or Leela Chess Zero? A Comparison Against Endgame Tablebases
AU2015101894A4 (en) A method for guiding a user in an electronic game or other environment
KR102365620B1 (ko) 감정 표정을 이용한 게임의 스토리 제어 장치 및 방법
KR102343354B1 (ko) 게임의 에너지 충전 장치 및 방법
US20240325901A1 (en) Automated personalized video game guidance system

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant