KR102527558B1 - 인공지능 기반의 팀 매칭을 위한 게임 관리 서버, 방법 및 프로그램 - Google Patents
인공지능 기반의 팀 매칭을 위한 게임 관리 서버, 방법 및 프로그램 Download PDFInfo
- Publication number
- KR102527558B1 KR102527558B1 KR1020230015320A KR20230015320A KR102527558B1 KR 102527558 B1 KR102527558 B1 KR 102527558B1 KR 1020230015320 A KR1020230015320 A KR 1020230015320A KR 20230015320 A KR20230015320 A KR 20230015320A KR 102527558 B1 KR102527558 B1 KR 102527558B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- team
- team matching
- game
- extracted
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000004891 communication Methods 0.000 claims abstract description 31
- 238000000605 extraction Methods 0.000 claims description 5
- 230000006399 behavior Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract description 20
- 238000007726 management method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- A63F13/70—Game security or game management aspects
- A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
- A63F13/795—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories for finding other players; for building a team; for providing a buddy list
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- 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
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/50—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers
- A63F2300/55—Details of game data or player data management
- A63F2300/5546—Details of game data or player data management using player registration data, e.g. identification, account, preferences, game history
- A63F2300/5566—Details of game data or player data management using player registration data, e.g. identification, account, preferences, game history by matching opponents or finding partners to build a team, e.g. by skill level, geographical area, background, play style
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 개시는 게임 정보를 제공하는 게임 서버와 통신을 수행하는 통신부; 및 인공지능 기반의 팀(Team) 자동 매칭과 관련된 동작을 제어하는 프로세서; 를 포함하고, 프로세서는, 통신부를 통해 게임 서버로부터 게임 정보를 수신받고, 게임 정보 내의 참여자의 속성 정보를 확인하며, 참여자의 속성 정보를 인공지능 모델을 기반으로 학습하여 분석하고, 참여자의 속성 정보에 연계되어 저장된 팀 매칭 정보를 추출하며, 추출된 팀 매칭 정보를 기반으로 자동 매칭되도록, 해당 팀 매칭 정보를 게임 서버로 전송하는 것을 특징으로 할 수 있다.
Description
본 개시는 팀 매칭을 위한 게임 관리 서버에 관한 것이다. 보다 상세하게는, 본 개시는 인공지능 기반의 팀 매칭을 위한 게임 관리 서버, 방법 및 프로그램에 관한 것이다.
온라인 게임은, 인터넷이나 기타 네트워크를 통해 실시간으로 하는 멀티 플레이 비디오 게임이다. 이러한, 온라인 게임은 컴퓨터, 휴대전화, 휴대용 게임기 등 다양한 기기를 이용하여 즐길 수 있다.
특히, 온라인 게임 중 전략 게임은, 팀간의 결속력과 전략 계획에 따라 승패가 좌우되는 게임이므로, 더욱 흥미 진진한 게임을 즐길 수 있어, 게임을 좋아하는 사람들에게 더욱 주목을 받고 있다.
따라서, 최근에는 같은 성향의 사람들끼리 팀 매칭시켜, 더욱 흥미 진진한 온라인 게임을 즐길 수 있도록, 게임 서비스의 만족도를 향상시킬 수 있는 개선된 게임의 연출에 대한 연구가 지속적으로 행해져 오고 있다.
본 개시에 개시된 실시예는, 같은 성향의 사람들끼리 팀 매칭시켜, 더욱 흥미 진진한 온라인 게임을 즐길 수 있도록, 게임 서비스의 만족도를 향상시킬 수 있는 것을 제공하는데 그 목적이 있다.
본 개시가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 기술적 과제를 달성하기 위한 본 개시의 일 측면에 따른 인공지능 기반의 팀 매칭을 위한 게임용 관리 서버는, 게임 정보를 제공하는 게임 서버와 통신을 수행하는 통신부; 및 인공지능 기반의 팀(Team) 매칭과 관련된 동작을 제어하는 프로세서; 를 포함하고, 상기 프로세서는 상기 통신부를 통해 상기 게임 서버로부터 상기 게임 정보를 수신받고, 상기 게임 정보 내의 참여자의 속성 정보를 확인하며, 상기 참여자의 속성 정보를 인공지능 모델을 기반으로 학습하여 분석하고, 상기 참여자의 속성 정보에 연계되어 저장된 팀 매칭 정보를 추출하며, 상기 추출된 팀 매칭 정보를 기반으로 팀 매칭되도록, 해당 팀 매칭 정보를 상기 게임 서버로 전송하는 것을 특징으로 할 수 있다.
또한, 상기 프로세서는, 상기 참여자의 속성 정보 내의 전적 정보에 연계되어 저장된 제1 팀 매칭 정보를 추출하며, 상기 추출된 제1 팀 매칭 정보를 기반으로 팀 매칭되도록, 해당 팀 매칭 정보를 상기 게임 서버로 전송하는 것을 특징으로 할 수 있다.
또한, 상기 프로세서는, 상기 참여자의 속성 정보 내의 승률 정보에 연계되어 저장된 제2 팀 매칭 정보를 더 추출하며, 상기 추출된 제1 팀 매칭 정보, 상기 추출된 제2 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 팀 재매칭 정보를 상기 게임 서버로 더 전송하는 것을 특징으로 할 수 있다.
또한, 상기 프로세서는, 상기 참여자의 속성 정보 내의 성별 정보에 연계되어 저장된 제3 팀 매칭 정보를 더 추출하며, 상기 추출된 제1 팀 매칭 정보, 상기 추출된 제2 팀 매칭 정보, 상기 추출된 제3 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 팀 재매칭 정보를 상기 게임 서버로 더 전송하는 것을 특징으로 할 수 있다.
또한, 상기 프로세서는, 상기 참여자의 속성 정보 내의 연령대 정보에 연계되어 저장된 제4 팀 매칭 정보를 더 추출하며, 상기 추출된 제1 팀 매칭 정보, 상기 추출된 제2 팀 매칭 정보, 상기 추출된 제3 팀 매칭 정보, 상기 추출된 제4 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 팀 재매칭 정보를 상기 게임 서버로 더 전송하는 것을 특징으로 할 수 있다.
또한, 본 개시의 다른 측면에 따른 게임 관리 서버에 의해 수행되는 인공지능 기반의 팀 매칭 방법은, 게임 서버로부터 게임 정보를 수신받는 단계; 상기 게임 정보 내의 참여자의 속성 정보를 확인하는 단계; 상기 참여자의 속성 정보를 인공지능 모델을 기반으로 학습하여 분석하는 단계; 상기 참여자의 속성 정보에 연계되어 저장된 팀 매칭 정보를 추출하는 단계; 및 상기 추출된 팀 매칭 정보를 기반으로 팀 매칭되도록, 해당 팀 매칭 정보를 상기 게임 서버로 전송하는 단계; 를 포함할 수 있다.
또한, 상기 추출 단계는 상기 참여자의 속성 정보 내의 전적 정보에 연계되어 저장된 제1 팀 매칭 정보를 추출하며, 상기 전송 단계는 상기 추출된 제1 팀 매칭 정보를 기반으로 팀 매칭되도록, 해당 팀 매칭 정보를 상기 게임 서버로 전송하는 것을 특징으로 할 수 있다.
또한, 상기 추출 단계는 상기 참여자의 속성 정보 내의 승률 정보에 연계되어 저장된 제2 팀 매칭 정보를 더 추출하며, 상기 전송 단계는 상기 추출된 제1 팀 매칭 정보, 상기 추출된 제2 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 팀 재매칭 정보를 상기 게임 서버로 더 전송하는 것을 특징으로 할 수 있다.
또한, 상기 추출 단계는 상기 참여자의 속성 정보 내의 성별 정보에 연계되어 저장된 제3 팀 매칭 정보를 더 추출하며, 상기 전송 단계는 상기 추출된 제1 팀 매칭 정보, 상기 추출된 제2 팀 매칭 정보, 상기 추출된 제3 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 팀 재매칭 정보를 상기 게임 서버로 더 전송하는 것을 특징으로 할 수 있다.
또한, 상기 추출 단계는 상기 참여자의 속성 정보 내의 연령대 정보에 연계되어 저장된 제4 팀 매칭 정보를 더 추출하며, 상기 전송 단계는 상기 추출된 제1 팀 매칭 정보, 상기 추출된 제2 팀 매칭 정보, 상기 추출된 제3 팀 매칭 정보, 상기 추출된 제4 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 팀 재매칭 정보를 상기 게임 서버로 더 전송하는 것을 특징으로 할 수 있다.
이 외에도, 본 개시를 구현하기 위한 실행하기 위한 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 더 제공될 수 있다.
이 외에도, 본 개시를 구현하기 위한 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
본 개시의 전술한 과제 해결 수단에 의하면, 같은 성향의 사람들끼리 팀 매칭시켜, 더욱 흥미 진진한 온라인 게임을 즐길 수 있도록, 게임 서비스의 만족도를 향상시킬 수 있는 효과를 제공한다.
본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시에 따른 인공지능 기반의 팀 매칭을 위한 게임 관리 시스템을 나타낸 도면이다.
도 2는 도 1의 게임 관리 서버의 구성을 나타낸 도면이다.
도 3은 본 개시에 따른 인공지능 기반의 팀 매칭 방법을 나타낸 순서도이다.
도 4 및 도 5는 본 개시에 따른 인공지능 기반의 팀 매칭 과정을 일 예로 나타낸 도면들이다.
도 2는 도 1의 게임 관리 서버의 구성을 나타낸 도면이다.
도 3은 본 개시에 따른 인공지능 기반의 팀 매칭 방법을 나타낸 순서도이다.
도 4 및 도 5는 본 개시에 따른 인공지능 기반의 팀 매칭 과정을 일 예로 나타낸 도면들이다.
본 개시 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 본 개시가 실시예들의 모든 요소들을 설명하는 것은 아니며, 본 개시가 속하는 기술분야에서 일반적인 내용 또는 실시예들 간에 중복되는 내용은 생략한다. 명세서에서 사용되는‘부, 모듈, 부재, 블록’이라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 '부, 모듈, 부재, 블록'이 하나의 구성요소로 구현되거나, 하나의 '부, 모듈, 부재, 블록'이 복수의 구성요소들을 포함하는 것도 가능하다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 간접적으로 연결되어 있는 경우를 포함하고, 간접적인 연결은 무선 통신망을 통해 연결되는 것을 포함한다.
또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
명세서 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
제 1, 제 2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.
단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함한다.
각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.
이하 첨부된 도면들을 참고하여 본 개시의 작용 원리 및 실시예들에 대해 설명한다.
본 명세서에서 본 개시에 따른 관리 서버는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 본 개시에 따른 관리 서버는, 컴퓨터, 서버 장치 및 휴대용 단말기를 모두 포함하거나, 또는 어느 하나의 형태가 될 수 있다.
여기에서, 상기 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 태블릿 PC, 슬레이트 PC 등을 포함할 수 있다.
상기 서버 장치는 외부 장치와 통신을 수행하여 정보를 처리하는 서버로써, 애플리케이션 서버, 컴퓨팅 서버, 데이터베이스 서버, 파일 서버, 프록시 서버 및 웹 서버 등을 포함할 수 있다.
상기 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), WiBro(Wireless Broadband Internet) 단말, 스마트 폰(Smart Phone) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치와 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD) 등과 같은 웨어러블 장치를 포함할 수 있다.
본 개시에 따른 인공지능 기반의 팀 매칭을 위한 게임 관리 시스템은, 게임 서버로부터 게임 정보를 수신받고, 게임 정보 내의 참여자의 속성 정보를 확인하며, 참여자의 속성 정보를 인공지능 모델을 기반으로 학습하여 분석하고, 참여자의 속성 정보에 연계되어 저장된 팀 매칭 정보를 추출하며, 추출된 팀 매칭 정보를 기반으로 팀 매칭되도록, 해당 팀 매칭 정보를 게임 서버로 전송할 수 있다.
이러한, 인공지능 기반의 팀 매칭을 위한 게임 관리 시스템은, 같은 성향의 사람들끼리 팀 매칭시켜, 더욱 흥미 진진한 온라인 게임을 즐길 수 있도록, 게임 서비스의 만족도를 향상시킬 수 있다.
이하에서는, 인공지능 기반의 팀 매칭을 위한 관리 시스템을 자세하게 살펴보기로 한다.
도 1은 본 개시에 따른 인공지능 기반의 팀 매칭을 위한 게임 관리 시스템을 나타낸 도면이다. 도 2는 도 1의 게임 관리 서버의 구성을 나타낸 도면이다.
도 1 및 도 2를 참조하면, 인공지능 기반의 팀 매칭을 위한 게임 관리 시스템은, 게임 서버(10), 제1 팀의 단말기들(20: 21, 22, 23, …), 제2 팀의 단말기들(30: 31, 32, 33, …), 게임 관리 서버(100)를 포함할 수 있다.
게임 서버(10)는 제1 팀의 단말기들(20: 21, 22, 23, …)와 제2 팀의 단말기들(30: 31, 32, 33, …)의 게임 플레이 화면 상에 다양한 게임 정보를 제공할 수 있다. 여기에서, 게임 정보는 참여자의 속성 정보를 포함할 수 있다. 이때, 참여자의 속성 정보는, 전적 정보, 승률 정보, 성별 정보, 연령대 정보, 게임 성향 정보 등을 포함할 수 있다.
도 2를 참조하면, 게임 관리 서버(100)는 프로세서(110)와 메모리(120) 및 통신부(130)를 포함할 수 있다.
먼저, 통신부(130)는 게임 정보를 제공하는 게임 서버(10)와 통신을 수행할 수 있다. 이때, 통신부(130)는 유선 통신 모듈과 무선 통신 모듈 중 적어도 하나를 포함할 수 있다.
유선 통신 모듈은 지역 통신(Local Area Network; LAN) 모듈, 광역 통신(Wide Area Network; WAN) 모듈 또는 부가가치 통신(Value Added Network; VAN) 모듈 등 다양한 유선 통신 모듈뿐만 아니라, USB(Universal Serial Bus), HDMI(High Definition Multimedia Interface), DVI(Digital Visual Interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 다양한 케이블 통신 모듈을 포함할 수 있다.
무선 통신 모듈은 와이파이(Wifi) 모듈, 와이브로(Wireless broadband) 모듈 외에도, GSM(global System for Mobile Communication), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), UMTS(universal mobile telecommunications system), TDMA(Time Division Multiple Access), LTE(Long Term Evolution), 4G, 5G, 6G 등 다양한 무선 통신 방식을 지원하는 무선 통신 모듈을 포함할 수 있다.
메모리(120)는 본 장치 내의 구성요소들의 동작을 제어하기 위한 알고리즘 또는 알고리즘을 재현한 프로그램에 대한 데이터를 저장할 수 있다. 프로세서(110)는 메모리(120)와 통신을 수행하고, 메모리(120)에 저장된 데이터를 이용하여 전술한 동작을 수행할 수 있다. 이때, 프로세서(110)는 인공지능 기반의 팀(Team) 매칭과 관련된 동작을 제어할 수 있다. 여기에서, 프로세서(110)와 메모리(120)는 각각 별개의 칩으로 구현될 수 있다. 또한, 프로세서(110)와 메모리(120)는 단일 칩으로 구현될 수도 있다.
메모리(120)는 본 장치의 다양한 기능을 지원하는 데이터와, 본 장치 내의 구성요소들의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들을 저장할 있고, 본 장치에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 본 장치의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다.
이러한, 메모리(120)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
메모리(120)는 인공지능 기반의 팀(Team) 매칭과 관련된 데이터를 저장할 수 있다. 프로세서(110)는 인공지능 기반의 팀 매칭과 관련된 동작을 제어할 수 있다.
프로세서(110)는 통신부(130)를 통해 게임 서버(10)로부터 게임 정보를 수신받을 수 있다. 프로세서(110)는 게임 정보 내의 참여자의 속성 정보를 확인하며, 참여자의 속성 정보를 인공지능 모델을 기반으로 학습하여 분석할 수 있다. 프로세서(110)는 참여자의 속성 정보에 연계되어 저장된 팀 매칭 정보를 추출하며, 추출된 팀 매칭 정보를 기반으로 팀 매칭되도록, 해당 팀 매칭 정보를 게임 서버(10)로 전송할 수 있다.
프로세서(110)는 참여자의 속성 정보 내의 전적 정보에 연계되어 저장된 제1 팀 매칭 정보를 추출하며, 추출된 제1 팀 매칭 정보를 기반으로 팀 매칭되도록, 해당 팀 매칭 정보를 게임 서버(10)로 전송할 수도 있다.
프로세서(110)는 참여자의 속성 정보 내의 승률 정보에 연계되어 저장된 제2 팀 매칭 정보를 더 추출하며, 추출된 제1 팀 매칭 정보, 추출된 제2 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 팀 재매칭 정보를 게임 서버(10)로 더 전송할 수도 있다.
프로세서(110)는 참여자의 속성 정보 내의 성별 정보에 연계되어 저장된 제3 팀 매칭 정보를 더 추출하며, 추출된 제1 팀 매칭 정보, 추출된 제2 팀 매칭 정보, 추출된 제3 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 팀 재매칭 정보를 게임 서버(10)로 더 전송할 수도 있다.
프로세서(110)는 참여자의 속성 정보 내의 연령대 정보에 연계되어 저장된 제4 팀 매칭 정보를 더 추출하며, 추출된 제1 팀 매칭 정보, 추출된 제2 팀 매칭 정보, 추출된 제3 팀 매칭 정보, 추출된 제4 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 팀 재매칭 정보를 게임 서버(10)로 더 전송할 수도 있다.
도 3은 본 개시에 따른 인공지능 기반의 팀 매칭 방법을 나타낸 순서도이다. 도 4 및 도 5는 본 개시에 따른 인공지능 기반의 팀 매칭 과정을 일 예로 나타낸 도면들이다.
도 3 내지 도 5를 참조하면, 팀 매칭 방법은, 수신 단계(S310), 확인 단계(S320), 분석 단계(S330), 추출 단계(S340), 전송 단계(S350), 제1 제어 단계(S360), 제2 제어 단계(S370)를 포함할 수 있다.
수신 단계는, 통신부(130)를 통해, 게임 서버(10)로부터 게임 정보를 수신받을 수 있다(S310). 이때, 게임 서버(10)는 제1 팀의 단말기들(20: 21, 22, 23, …)와 제2 팀의 단말기들(30: 31, 32, 33, …)의 게임 플레이 화면 상에 다양한 게임 정보를 제공할 수 있다. 여기에서, 게임 정보는 게임 정보는 참여자의 속성 정보를 포함할 수 있다. 이때, 참여자의 속성 정보는, 전적 정보, 승률 정보, 성별 정보, 연령대 정보, 게임 성향 정보 등을 포함할 수 있다.
확인 단계는, 프로세서(110)를 통해, 게임 정보 내의 참여자의 속성 정보를 확인할 수 있다(S320). 이때, 프로세서(110)는 참여자의 전적 정보, 승률 정보, 성별 정보, 연령대 정보, 게임 성향 정보 등을 확인할 수 있다.
분석 단계는, 프로세서(110)를 통해, 참여자의 속성 정보를 인공지능 모델을 기반으로 학습하여 분석할 수 있다(S330). 여기에서, 프로세서(110)는 참여자의 속성 정보를 분석할 때에, 참여자의 전적 정보, 승률 정보, 성별 정보, 연령대 정보, 게임 성향 정보 등을 분석할 수 있다. 이때, 프로세서(110)는 인공지능 모델을 기반으로 분석한 추천 결과에 상응하는 참여자의 전적 정보, 승률 정보, 성별 정보, 연령대 정보, 게임 성향 정보 중 적어도 하나를 출력할 수 있다.
예를 들어, 참여자의 전적 정보는, 100 단위 별 게임 전적 정보, 1000 단위 별 게임 전적 정보, 10000 단위 이상 별 게임 전적 정보등일 수 있다. 다른 예를 들어, 참여자의 승률 정보는 1% 이상 30% 이하의 승률 정보, 31% 이상 50% 이하의 승률 정보, 51% 이상 70% 이하의 승률 정보, 71% 이상 100% 이하의 승률 정보등일 수 있다. 또 다른 예를 들어, 참여자의 성별 정보는, 국가 별 남자 정보, 국가 별 여자 정보등일 수 있다. 또 다른 예를 들어, 참여자의 연령대 정보는, 10대 정보, 20대 정보, 30대 정보, 40대 정보, 50대 정보, 60대 이상 90대 이하의 정보등일 수 있다. 또 다른 예를 들어, 참여자의 게임 성향 정보는, 공격적 성향 정보, 수비적 성향 정보, 중간 성향 정보등일 수 있다. 여기에서, 참여자의 게임 성향 정보는, 참여자의 게임 플레이 스타일의 이력 정보와 음성인식 기반의 키워드 정보 중 적어도 하나를 기반으로, 공격적 성향 정보, 수비적 성향 정보, 중간 성향 정보로 분류될 수 있다. 이때, 공격적 성향 정보는 공격적 성향을 나타내는 키워드 정보를 포함할 수 있고, 공격적 성향을 나타내는 키워드 정보는 "가자!", "하자!" 등일 수 있다. 또한, 중간 성향 정보는 중간 성향을 나타내는 키워드 정보를 포함할 수 있고, 중간 성향을 나타내는 키워드 정보는 "어떻해?", "좋은 생각(방법)있어?" 등일 수 있다. 또한, 수비적 성향 정보는 수비적 성향을 나타내는 키워드 정보를 포함할 수 있고, 수비적 성향을 나타내는 키워드 정보는 "알았어", "오케이" 등일 수 있다.
추출 단계는, 프로세서(110)를 통해, 참여자의 속성 정보에 연계되어 저장된 팀 매칭 정보를 추출할 수 있다(S340). 전송 단계는, 프로세서(110)를 통해, 추출된 팀 매칭 정보를 기반으로 팀 매칭되도록, 통신부(130)를 통해 해당 팀 매칭 정보를 게임 서버(10)로 전송할 수 있다(S350).
예를 들어, 추출 단계는, 프로세서(110)를 통해, 참여자의 속성 정보 내의 전적 정보에 연계되어 저장된 제1 팀 매칭 정보를 추출할 수 있다(S340). 전송 단계는, 프로세서(110)를 통해, 추출된 제1 팀 매칭 정보를 기반으로 팀 매칭되도록, 통신부(130)를 통해 해당 팀 매칭 정보를 게임 서버(10)로 전송할 수 있다(S350). 여기에서, 프로세서(110)는 참여자의 100 단위 별 게임 전적 정보, 1000 단위 별 게임 전적 정보, 10000 단위 이상 별 게임 전적 정보에 연계되어 저장된 제1 팀 매칭 정보를 각각 추출할 수 있다. 이때, 프로세서(110)는 추출된 100 단위 별 게임 전적 정보에 연계되어 저장된 제1 팀 매칭 정보 또는 추출된 1000 단위 별 게임 전적 정보에 연계되어 저장된 제1 팀 매칭 정보 또는 10000 단위 이상 별 게임 전적 정보에 연계되어 저장된 제1 팀 매칭 정보를 기반으로 팀 매칭되도록, 해당 제1 팀 매칭 정보(TMI)를 게임 서버(10)로 전송할 수 있다. 여기에서, 프로세서(110)는 인공지능 모델을 기반으로 분석한 추천 결과에 상응하는 제1 팀 매칭 정보(TMI)를 게임 서버(10)로 전송할 수 있다.
다른 예를 들어, 추출 단계는, 프로세서(110)를 통해, 참여자의 속성 정보 내의 승률 정보에 연계되어 저장된 제2 팀 매칭 정보를 더 추출할 수도 있다(S340). 전송 단계는, 프로세서(110)를 통해, 추출된 제1 팀 매칭 정보, 추출된 제2 팀 매칭 정보를 기반으로 팀 재매칭되도록, 통신부(130)를 통해 해당 팀 재매칭 정보를 게임 서버(10)로 더 전송할 수도 있다(S350). 여기에서, 프로세서(110)는 참여자의 1% 이상 30% 이하의 승률 정보, 31% 이상 50% 이하의 승률 정보, 51% 이상 70% 이하의 승률 정보, 71% 이상 100% 이하의 승률 정보에 연계되어 저장된 제2 팀 매칭 정보를 각각 추출할 수 있다. 이때, 프로세서(110)는 추출된 제1 팀 매칭 정보와, 추출된 1% 이상 30% 이하의 승률 정보에 연계되어 저장된 제2 팀 매칭 정보 또는 추출된 31% 이상 50% 이하의 승률 정보에 연계되어 저장된 제2 팀 매칭 정보 또는 추출된 51% 이상 70% 이하의 승률 정보에 연계되어 저장된 제2 팀 매칭 정보 또는 추출된 71% 이상 100% 이하의 승률 정보에 연계되어 저장된 제2 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 제1 팀 재매칭 정보(TRMI1)를 게임 서버(10)로 전송할 수 있다. 여기에서, 프로세서(110)는 인공지능 모델을 기반으로 분석한 추천 결과에 상응하는 제1 팀 재매칭 정보(TRMI1)를 게임 서버(10)로 전송할 수 있다. 이때, 제1 팀 재매칭 정보(TRMI1)는, 추출된 제1 팀 매칭 정보와 추출된 제2 팀 매칭 정보를 기반으로 팀 재매칭된 정보일 수 있다.
또 다른 예를 들어, 추출 단계는, 프로세서(110)를 통해, 참여자의 속성 정보 내의 성별 정보에 연계되어 저장된 제3 팀 매칭 정보를 더 추출할 수도 있다(S340). 전송 단계는, 프로세서(110)를 통해, 추출된 제1 팀 매칭 정보, 추출된 제2 팀 매칭 정보, 추출된 제3 팀 매칭 정보를 기반으로 팀 재매칭되도록, 통신부(130)를 통해 해당 팀 재매칭 정보를 게임 서버(10)로 더 전송할 수도 있다(S350). 여기에서, 프로세서(110)는 참여자의 국가 별 남자 정보, 국가 별 여자 정보에 연계되어 저장된 제3 팀 매칭 정보를 각각 추출할 수 있다. 이때, 프로세서(110)는 추출된 제1 팀 매칭 정보와, 추출된 제2 팀 매칭 정보와, 추출된 국가 별 남자 정보에 연계되어 저장된 제3 팀 매칭 정보 또는 추출된 국가 별 여자 정보에 연계되어 저장된 제3 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 제2 팀 재매칭 정보(TRMI2)를 게임 서버(10)로 전송할 수 있다. 여기에서, 프로세서(110)는 인공지능 모델을 기반으로 분석한 추천 결과에 상응하는 제2 팀 재매칭 정보(TRMI2)를 게임 서버(10)로 전송할 수 있다. 이때, 제2 팀 재매칭 정보(TRMI2)는, 추출된 제1 팀 매칭 정보, 추출된 제2 팀 매칭 정보, 추출된 제3 팀 매칭 정보를 기반으로 팀 재매칭된 정보일 수 있다.
또 다른 예를 들어, 추출 단계는, 프로세서(110)를 통해, 참여자의 속성 정보 내의 연령대 정보에 연계되어 저장된 제4 팀 매칭 정보를 더 추출할 수도 있다(S340). 전송 단계는, 프로세서(110)를 통해, 추출된 제1 팀 매칭 정보, 추출된 제2 팀 매칭 정보, 추출된 제3 팀 매칭 정보, 추출된 제4 팀 매칭 정보를 기반으로 팀 재매칭되도록, 통신부(130)를 통해 해당 팀 재매칭 정보를 게임 서버(10)로 더 전송할 수도 있다(S350). 여기에서, 프로세서(110)는 참여자의 10대 정보, 20대 정보, 30대 정보, 40대 정보, 50대 정보, 60대 이상 90대 이하의 정보에 연계되어 저장된 제4 팀 매칭 정보를 각각 추출할 수 있다. 이때, 프로세서(110)는 추출된 제1 팀 매칭 정보와, 추출된 제2 팀 매칭 정보와, 추출된 제3 팀 매칭 정보와, 추출된 10대 정보에 연계되어 저장된 제4 팀 매칭 정보 또는 추출된 20대 정보에 연계되어 저장된 제4 팀 매칭 정보 또는 추출된 30대 정보에 연계되어 저장된 제4 팀 매칭 정보 또는 추출된 40대 정보에 연계되어 저장된 제4 팀 매칭 정보 또는 추출된 50대 정보에 연계되어 저장된 제4 팀 매칭 정보 또는 추출된 60대 이상 90대 이하의 정보에 연계되어 저장된 제4 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 제3 팀 재매칭 정보(TRMI3)를 게임 서버(10)로 전송할 수 있다. 여기에서, 프로세서(110)는 인공지능 모델을 기반으로 분석한 추천 결과에 상응하는 제3 팀 재매칭 정보(TRMI3)를 게임 서버(10)로 전송할 수 있다. 이때, 제3 팀 재매칭 정보(TRMI3)는, 추출된 제1 팀 매칭 정보, 추출된 제2 팀 매칭 정보, 추출된 제3 팀 매칭 정보, 추출된 제4 팀 매칭 정보를 기반으로 팀 재매칭된 정보일 수 있다.
또 다른 예를 들어, 추출 단계는, 프로세서(110)를 통해, 참여자의 속성 정보 내의 게임 성향 정보에 연계되어 저장된 제5 팀 매칭 정보를 더 추출할 수도 있다(S340). 전송 단계는, 프로세서(110)를 통해, 추출된 제1 팀 매칭 정보, 추출된 제2 팀 매칭 정보, 추출된 제3 팀 매칭 정보, 추출된 제4 팀 매칭 정보, 추출된 제5 팀 매칭 정보를 기반으로 팀 재매칭되도록, 통신부(130)를 통해 해당 팀 재매칭 정보를 게임 서버(10)로 더 전송할 수도 있다(S350). 여기에서, 프로세서(110)는 참여자의 공격적 성향 정보, 수비적 성향 정보, 중간 성향 정보에 연계되어 저장된 제5 팀 매칭 정보를 각각 추출할 수 있다. 이때, 프로세서(110)는 추출된 제1 팀 매칭 정보와, 추출된 제2 팀 매칭 정보와, 추출된 제3 팀 매칭 정보와, 추출된 제4 팀 매칭 정보와, 추출된 공격적 성향 정보에 연계되어 저장된 제5 팀 매칭 정보 또는 추출된 수비적 성향 정보에 연계되어 저장된 제5 팀 매칭 정보 또는 추출된 중간 성향 정보 정보에 연계되어 저장된 제5 팀 매칭 정보를 기반으로 팀 재매칭되도록, 해당 제4 팀 재매칭 정보(TRMI4)를 게임 서버(10)로 전송할 수 있다. 여기에서, 프로세서(110)는 인공지능 모델을 기반으로 분석한 추천 결과에 상응하는 제4 팀 재매칭 정보(TRMI4)를 게임 서버(10)로 전송할 수 있다. 이때, 제4 팀 재매칭 정보(TRMI4)는, 추출된 제1 팀 매칭 정보, 추출된 제2 팀 매칭 정보, 추출된 제3 팀 매칭 정보, 추출된 제4 팀 매칭 정보, 추출된 제5 팀 매칭 정보를 기반으로 팀 재매칭된 정보일 수 있다.
제1 제어 단계는, 프로세서(110)를 통해, 제1 팀 매칭 정보(TMI), 제1 내지 제4 팀 재매칭 정보(TRMI1 내지 TRMI4)를 기반으로, 게임 서버(10)에 접속한 참여자의 단말기들에게 게임 플레이 화면(도5의 P) 상에서 팀 매칭되는 상황을 표시하도록, 게임 서버(10)를 제어할 수 있다(S360). 여기에서, 제1 내지 제3 단말기(도5의 21, 22, 23, …)는 게임 서버(10)에 의해 제1 팀의 단말기들(도5의 20)로 팀 매칭될 수 있고, 제4 내지 제6 단말기(도5의 31, 32, 33, …)는 게임 서버(10)에 의해 제2 팀의 단말기들(도5의 30)로 팀 매칭될 수 있다. 이때, 제1 팀의 단말기들(도5의 20) 및 제2 팀의 단말기들(도5의 30)은, 참여자의 전적 정보, 승률 정보, 성별 정보, 연령대 정보, 게임 성향 정보 중 적어도 하나의 속성 정보에 따라 팀 매칭될 수 있다. 여기에서, 제1 팀의 단말기들(도5의 20)은 게임 플레이 화면(도5의 P) 상에 참여자의 전적 정보, 승률 정보, 성별 정보, 연령대 정보, 게임 성향 정보 중 적어도 하나의 속성 정보에 따라 팀 매칭된 제1 단말기(도5의 21)의 캐릭터(도5의 21a), 제2 단말기(도5의 22)의 캐릭터(도5의 22a), 제3 단말기(도5의 23)의 캐릭터(도5의 23a)를 표시할 수 있다. 또한, 제2 팀의 단말기들(도5의 30)은 게임 플레이 화면(도5의 P) 상에 참여자의 전적 정보, 승률 정보, 성별 정보, 연령대 정보, 게임 성향 정보 중 적어도 하나의 속성 정보에 따라 팀 매칭된 제4 단말기(도5의 31)의 캐릭터(도5의 31a), 제5 단말기(도5의 32)의 캐릭터(도5의 32a), 제6 단말기(도5의 33)의 캐릭터(도5의 33a)를 표시할 수 있다.
제2 제어 단계는, 프로세서(110)를 통해, 제1 팀의 단말기들(20: 21, 22, 23, …)끼리만 또는 제2 팀의 단말기들(30: 31, 32, 33, …)끼리만, 게임 플레이 화면 상에서 음성 기능과 채팅 기능을 제공하여 서로 공유하도록, 게임 서버(10)를 제어할 수도 있다. 즉, 제1 팀의 단말기들(20: 21, 22, 23, …) 및 제2 팀의 단말기들(30: 31, 32, 33, …)은 인게임(ingame) 상황에서 음성 기능과 채팅 기능을 각각 수행하여 서로 대화를 할 수 있다.
한편, 도시하지 않았지만, 본 개시의 게임 관리 서버(100)는 출력부 및 입력부를 더 포함할 수도 있다.
출력부는 게임 관리 서버(100)에서 구현되는 동작과 관련된 정보를 제공하기 위한 사용자 인터페이스(UI, user interface)를 표시할 수 있다. 출력부는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 통신부(130)가 수신한 임의의 형태의 정보를 출력할 수 있다.
출력부는 액정 디스플레이(LCD: liquid crystal display), 박막 트랜지스터 액정 디스플레이(TFT LCD: thin film transistor- liquid crystal display), 유기 발광 다이오드(OLED: organic light-emitting diode), 플렉시블 디스플레이(Flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다. 이들 중 일부 디스플레이 모듈은, 그를 통해 외부를 볼 수 있도록 투명형 또는 광 투과형으로 구성될 수 있다. 이는 투명 디스플레이 모듈이라 지칭될 수 있는데, 상기 투명 디스플레이 모듈의 대표적인 예로는 TOLED(Transparent OLED) 등이 있다.
입력부는 사용자에 의해서 입력된 정보를 수신할 수 있다. 입력부는 사용자에 의해서 입력된 정보를 수신하기 위한 사용자 인터페이스 상의 키 및/또는 버튼들, 또는 물리적인 키 및/또는 버튼들을 구비할 수 있다. 입력부를 통한 사용자 입력에 따라 본 개시의 실시예들에 따른 디스플레이를 제어하기 위한 컴퓨터 프로그램이 실행될 수 있다.
한편, 본 개시는, 로그인 상태, 매칭 요청 여부, 게임 진행 여부(게임 진행시 종료 예측 시간 고려)등을 기반으로 매칭 가능한 참가자를 분류할 수도 있다. 이때, 본 개시는, 참여자의 입력 또는 빅데이터 기반으로 참여자의 게임 선호 포지션을 분류할 수도 있다.
본 개시는, 참여자의 속성 정보를 분석할 때에, 참여자의 게임 선호 포지션 이력 정보(음성인식과 영상인식 및 게임 플레이 스타일 중 적어도 하나를 통해 추출된 공격적 성향, 수비적 성향, 중간 성향, 리더 성향, 팀원 성향), 캐릭터 이력 정보(영상인식을 통해 추출된 많이 사용한 캐릭터 또는 선호 캐릭터), 행동 이력 정보(음성인식과 영상인식 및 문자인식과 게임 플레이 스타일 중 적어도 하나를 통해 추출된 매너 키워드, 비속어 키워드, 중도 이탈 상황), 게임 지속 시간 이력 정보, 연승 및 연패 이력 정보, 승률이 높은 시간대 이력 정보 등을 더 분석할 수도 있다. 여기에서, 본 개시는, 인공지능 모델을 기반으로 분석한 추천 결과에 상응하는 참여자의 게임 선호 포지션 이력 정보, 캐릭터 이력 정보, 행동 이력 정보, 게임 지속 시간 이력 정보, 연승 및 연패 이력 정보, 승률이 높은 시간대 이력 정보 중 적어도 하나를 출력할 수 있다. 이때, 본 개시의 제1 팀의 단말기들 및 제2 팀의 단말기들은, 참여자의 게임 선호 포지션 이력 정보, 캐릭터 이력 정보, 행동 이력 정보, 게임 지속 시간 이력 정보, 연승 및 연패 이력 정보, 승률이 높은 시간대 이력 정보 중 적어도 하나의 속성 정보에 따라 더 팀 매칭될 수도 있다. 또한, 본 개시의 제1 팀의 단말기들 및 제2 팀의 단말기들은, 캐릭터 이력 정보, 행동 이력 정보, 게임 지속 시간 이력 정보, 연승 및 연패 이력 정보, 승률이 높은 시간대 이력 정보 중 적어도 하나의 유사한 성향을 갖는 속성 정보에 따라 유사한 참여자들끼리 더 팀 매칭될 수도 있다.
본 개시는, 참여자들이 플레이한 캐릭터, 게임 영상 내 사용한 기술, 게임 영상 내 사용한 아이템의 데이터를 기반으로, 포지션 추측 AI 모델을 학습시킬 수도 있다. 여기에서, 본 개시는, 포지션 추측 AI 모델을 학습시키기 위해 범주형 값과 숫자형 값을 기반으로 전처리를 수행할 수도 있다. 이때, 범주형 값은 one-hot encoding 방식의 partipantId, teamId, tierRank, position, 캐릭터ID, result, spell1, spell2, item1, item2, item3, item4, item5, item6, perk0, perkPrimaryStyle, perkSubStyle, lane, role 등을 포함할 수 있다. 또한, 숫자형 값은 normalization 방식의 level,goldEarned,championsKilled,numDeaths,assists, minionsKilled,neutralMinionsKilled,turretsKilled,barracksKilled,largestMultiKill,largestCriticalStrike,largestKillingSpree,physicalDamageDealtToChampions,magicDamageDealtPlayer,totalDamageDealtToChampions,totalDamageDealt,damageDealtToObjectives,damageDealtToTurrets,totalDamageTaken,damageSelfMitigated,visionWardsBoughtInGame,wardKilled,wardPlaced,visionScore,totalHeal,timeCCingOthers,gameLength 등을 포함할 수 있다.
여기에서, 본 개시는, train set과 test set, validation set을 랜덤하게 나누고, train set을 포지션 추측 AI 모델에 넣어서 빌드하며, 정답 accuracy가 역치보다 높으면 빌드를 완료할 수도 있다. 이때, 본 개시는, 게임을 플레이하면 사용자가 플레이한 포지션을 AI 모델을 통해 추측하여 데이터베이스에 저장할 수도 있고, 데이터베이스에 저장된 사용자의 추측된 포지션 중 첫번째, 두번째로 많이한 포지션을 분류하여 매칭에 사용할 수도 있다. 본 개시는, 포지션 추측 AI 모델을 적용하여 포지션 분류 후 데이터베이스에 저장할 수도 있다. 이때, 본 개시는, 실패하면 기존의 규칙 기반(Rule based) 로직을 적용하여 포지션 분류 후 데이터베이스에 저장할 수도 있다. 또한, 본 개시는, 또 다시 실패하면 테이블 분류상 각 캐릭터 role_rate 기반으로, 가장 확률이 높은 조합으로 분류 후 데이터베이스에 저장할 수도 있다. 이때, 본 개시는, 데이터베이스에 저장된 사용자의 추측된 포지션 중 첫번째, 두번째로 많이한 포지션을 분류하여 매칭에 사용할 수도 있다.
본 개시는, 개인 정보가 입력된 사용자의 과거 플레이 포지션, 캐릭터 ID를 기반으로 성별과 나이를 추측하는 AI 모델을 학습시킬 수도 있다. 여기에서, 본 개시는, 성별과 나이를 추측하는 AI 모델을 학습시키기 위해 범주형 값을 기반으로 전처리를 수행할 수도 있다. 이때, 범주형 값은 one-hot encoding 방식의 플레이 포지션, 캐릭터 ID 등을 포함할 수 있다. 또한, 본 개시는, 사용자의 과거 플레이 포지션, 캐릭터 ID를 성별과 나이를 추측하는 AI 모델에 입력하면, 추측된 나이대(10대, 20대, 30대, 40대, 50대이상)와 성별(남, 여)의 결과 값을 출력할 수도 있다. 이때, 본 개시는 추측된 나이 및 성별로 사용자와 나이대가 비슷하고, 성별이 같은 사용자들로 우선 분류할 수도 있다.
본 개시는, 음성인식 기반으로 리더 성향과 팀원 성향을 추측하는 AI 모델을 학습시킬 수도 있다. 여기에서, 본 개시는, 어미 음성 데이터를 기반으로 리더 성향과 팀원 성향을 추측할 수도 있다. 예를 들어, "가자, ~하자, ~해, ~ 하고 와" 등과 같이 지시문, 명령문을 사용 시에, 리더 성향으로 분류할 수 있다. 다른 예를 들어, "할래? ~해도 돼?, ~하고 갈게, 그렇게 하자, 알았어" 등과 같이 질문, 권유문, 단순 대답, 허락을 구하는 문장을 주로 사용 시에, 팀원 성향으로 분류할 수 있다. 이때, 본 개시는, 과거 팀 매칭 시 녹음된 팀 보이스가 있다면, 음성 기록 데이터를 기반으로 리더 성향과 팀원 성향을 추측하는 AI 모델에 입력하여 리더 성향과 팀원 성향을 판단하고, 이를 기반으로 리더 성향의 사용자에게는 팀원 성향의 사용자들을 추천할 수도 있으며, 팀원 성향의 사용자에게는 리더 성향의 사용자를 추천할 수도 있다.
본 개시는, 게임 지속 시간에 따른 게임 패턴을 기반으로 사용자 상태를 예측하는 AI 모델을 학습시킬 수도 있다. 여기에서, 본 개시는, 사용자가 게임을 플레이한 시간과 승패 여부 데이터를 이용하여, 사용자의 다음 게임 승패 확률을 예측하는 AI 모델을 학습시킬 수도 있다. 이때, 게임 승패 확률을 예측하는 AI 모델은, 특정 시간 동안 플레이 중일 때의 승패 확률을 예측하는 AI 모델일 수 있다. 여기에서, 본 개시는, 현재 몇 시간째 플레이 중인지 게임 승패 확률을 예측하는 AI 모델에 입력하면, 게임 승패 확률을 예측하는 AI 모델을 통해 사용자의 다음 게임 승패 확률을 출력할 수도 있다. 이때, 본 개시는, 승패 확률을 기반으로 게임을 더 하면 좋을지, 쉬면 좋을지 안내할 수도 있다.
본 개시는, 연승 기록 및 연패 기록에 따른 게임 패턴을 기반으로 사용자 상태를 예측하는 AI 모델을 학습시킬 수도 있다. 여기에서, 본 개시는, 사용자의 한 달 또는 24시간 동안의 승패 기록의 패턴 데이터를 이용하여, 사용자의 다음 게임 승패 확률을 예측하는 AI 모델을 학습시킬 수도 있다. 이때, 본 개시는, 승패 기록의 패턴 데이터를 게임 승패 확률을 예측하는 AI 모델에 입력하면, 게임 승패 확률을 예측하는 AI 모델을 통해 사용자의 다음 게임 승패 확률을 출력할 수도 있다. 이때, 본 개시는, 승패 확률을 기반으로 게임을 더 하면 좋을지, 쉬면 좋을지 안내할 수도 있다.
본 개시는, 승률이 높은 시간대에 따른 게임 패턴을 기반으로 사용자 상태를 예측하는 AI 모델을 학습시킬 수도 있다. 여기에서, 본 개시는, 사용자 별 승률이 높은 시간대(오전, 오후, 새벽, 평일, 주말 등)의 데이터를 이용하여, 사용자의 다음 게임 승패 확률을 예측하는 AI 모델을 학습시킬 수도 있다. 이때, 본 개시는, 현재 날짜와 시간을 게임 승패 확률을 예측하는 AI 모델에 입력하면, 게임 승패 확률을 예측하는 AI 모델을 통해 사용자의 다음 게임 승패 확률을 출력할 수도 있다. 이때, 본 개시는, 승패 확률을 기반으로 게임을 더 하면 좋을지, 쉬면 좋을지 안내할 수도 있다.
본 개시는, 현재 게임 세션에 참여하고 있는 사용자 정보를 기반으로 예상 종료 시간을 산출하고, 설정한 시간 내 종료가 예상되는 사용자를 팀 매칭 pool에 포함시킬 수 있다, 이때, 본 개시는, 팀 매칭에 있어 해당 추천 사용자의 예상 종료 시간을 함께 산출 및 제공할 수 있다.
본 개시는, 모든 참여자들의 게임 데이터 중 참여자 등급 정보를 기준으로 과거 게임 기록 정보들을 분류할 수 있다. 여기에서, 본 개시는, 챔피언 정보와 총 게임 길이를 이용하여 티어별 게임 길이 예측 AI 모델을 학습시킬 수도 있다. 이때, 본 개시는, 현재 게임의 챔피언 정보들을 사용자의 등급 정보에 맞는 티어별 게임 길이 예측 AI 모델에 입력하면, 티어별 게임 길이 예측 AI 모델을 통해 현재 진행중인 게임의 게임 종료 예측 시간을 출력할 수도 있다.
도 1 및 도 2에 도시된 구성 요소들의 성능에 대응하여 적어도 하나의 구성요소가 추가되거나 삭제될 수 있다. 또한, 구성 요소들의 상호 위치는 시스템의 성능 또는 구조에 대응하여 변경될 수 있다는 것은 당해 기술 분야에서 통상의 지식을 가진 자에게 용이하게 이해될 것이다.
도 3은 복수의 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 3에 기재된 순서를 변경하여 실행하거나 복수의 단계 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 3은 시계열적인 순서로 한정되는 것은 아니다.
한편, 개시된 실시예들은 컴퓨터에 의해 실행 가능한 명령어를 저장하는 기록매체의 형태로 구현될 수 있다. 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 프로그램 모듈을 생성하여 개시된 실시예들의 동작을 수행할 수 있다. 기록매체는 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.
컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터에 의하여 해독될 수 있는 명령어가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다.
이상에서와 같이 첨부된 도면을 참조하여 개시된 실시예들을 설명하였다. 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자는 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고도, 개시된 실시예들과 다른 형태로 본 개시가 실시될 수 있음을 이해할 것이다. 개시된 실시예들은 예시적인 것이며, 한정적으로 해석되어서는 안 된다.
100: 게임 관리 서버 110: 프로세서
120: 메모리 130: 통신부
120: 메모리 130: 통신부
Claims (10)
- 게임 정보를 제공하는 게임 서버와 통신을 수행하는 통신부; 및
인공지능 기반의 팀(Team) 매칭과 관련된 동작을 제어하는 프로세서; 를 포함하고,
상기 프로세서는,
상기 통신부를 통해 상기 게임 서버로부터 상기 게임 정보를 수신받고, 상기 게임 정보 내의 참여자의 속성 정보를 확인하며,
상기 참여자의 속성 정보를 인공지능 모델을 기반으로 학습하여 분석하고,
상기 참여자의 속성 정보 내의 전적 정보에 연계되어 저장된 제1 팀 매칭 정보를 추출하며,
상기 참여자의 속성 정보 내의 성별 정보에 연계되어 저장된 제3 팀 매칭 정보를 추출하고,
상기 참여자의 속성 정보 내의 게임 선호 포지션 이력 정보, 캐릭터 이력 정보, 행동 이력 정보, 게임 지속 시간 이력 정보, 연승 및 연패 이력 정보, 승률이 높은 시간대 이력 정보에 연계되어 저장된 제5 팀 매칭 정보를 추출하며,
상기 추출된 제1 팀 매칭 정보, 상기 추출된 제3 팀 매칭 정보, 상기 추출된 제5 팀 매칭 정보를 기반으로 팀 재매칭되도록, 상기 제1 팀 매칭 정보, 상기 제3 팀 매칭 정보 및 상기 제5 팀 매칭 정보 기반의 팀 재매칭 정보를 상기 게임 서버로 전송하는 것을 특징으로 하는, 인공지능 기반의 팀 매칭을 위한 게임 관리 서버. - 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 프로세서는,
상기 참여자의 속성 정보 내의 연령대 정보에 연계되어 저장된 제4 팀 매칭 정보를 더 추출하며,
상기 추출된 제1 팀 매칭 정보, 상기 추출된 제3 팀 매칭 정보, 상기 추출된 제4 팀 매칭 정보, 상기 추출된 제5 팀 매칭 정보를 기반으로 팀 재매칭되도록, 상기 제1 팀 매칭 정보, 상기 제3 팀 매칭 정보, 상기 제4 팀 매칭 정보 및 상기 제5 팀 매칭 정보 기반의 팀 재매칭 정보를 상기 게임 서버로 더 전송하는 것을 특징으로 하는, 인공지능 기반의 팀 매칭을 위한 게임 관리 서버. - 게임 관리 서버에 의해 수행되는 인공지능 기반의 팀 매칭 방법에 있어서,
게임 서버로부터 게임 정보를 수신받는 단계;
상기 게임 정보 내의 참여자의 속성 정보를 확인하는 단계;
상기 참여자의 속성 정보를 인공지능 모델을 기반으로 학습하여 분석하는 단계;
상기 참여자의 속성 정보 내의 전적 정보에 연계되어 저장된 제1 팀 매칭 정보를 추출하는 단계;
상기 참여자의 속성 정보 내의 성별 정보에 연계되어 저장된 제3 팀 매칭 정보를 추출하는 단계;
상기 참여자의 속성 정보 내의 게임 선호 포지션 이력 정보, 캐릭터 이력 정보, 행동 이력 정보, 게임 지속 시간 이력 정보, 연승 및 연패 이력 정보, 승률이 높은 시간대 이력 정보에 연계되어 저장된 제5 팀 매칭 정보를 추출하는 단계; 및
상기 추출된 제1 팀 매칭 정보, 상기 추출된 제3 팀 매칭 정보, 상기 추출된 제5 팀 매칭 정보를 기반으로 팀 재매칭되도록, 상기 제1 팀 매칭 정보, 상기 제3 팀 매칭 정보 및 상기 제5 팀 매칭 정보 기반의 팀 재매칭 정보를 상기 게임 서버로 전송하는 단계; 를 포함하는, 방법. - 삭제
- 삭제
- 삭제
- 제6항에 있어서,
상기 추출 단계는,
상기 참여자의 속성 정보 내의 연령대 정보에 연계되어 저장된 제4 팀 매칭 정보를 더 추출하며,
상기 전송 단계는,
상기 추출된 제1 팀 매칭 정보, 상기 추출된 제3 팀 매칭 정보, 상기 추출된 제4 팀 매칭 정보, 상기 추출된 제5 팀 매칭 정보를 기반으로 팀 재매칭되도록, 상기 제1 팀 매칭 정보, 상기 제3 팀 매칭 정보, 상기 제4 팀 매칭 정보 및 상기 제5 팀 매칭 정보 기반의 팀 재매칭 정보를 상기 게임 서버로 더 전송하는 것을 특징으로 하는, 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230015320A KR102527558B1 (ko) | 2023-02-06 | 2023-02-06 | 인공지능 기반의 팀 매칭을 위한 게임 관리 서버, 방법 및 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230015320A KR102527558B1 (ko) | 2023-02-06 | 2023-02-06 | 인공지능 기반의 팀 매칭을 위한 게임 관리 서버, 방법 및 프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102527558B1 true KR102527558B1 (ko) | 2023-05-02 |
Family
ID=86387479
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230015320A KR102527558B1 (ko) | 2023-02-06 | 2023-02-06 | 인공지능 기반의 팀 매칭을 위한 게임 관리 서버, 방법 및 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102527558B1 (ko) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080069192A (ko) * | 2005-11-21 | 2008-07-25 | 마이크로소프트 코포레이션 | 팀 매칭을 위한 방법 및 컴퓨터 판독 가능 매체 |
| US20090325709A1 (en) * | 2008-06-26 | 2009-12-31 | Microsoft Corporation | Game Clan Matchmaking |
| KR20200094065A (ko) | 2019-09-05 | 2020-08-06 | 넷마블 주식회사 | 게임 내 스트레스 상황이 발생하였는지를 결정하는 방법 및 그 장치 |
| KR20200123404A (ko) * | 2016-03-08 | 2020-10-29 | 일렉트로닉 아트 아이엔씨. | 멀티 플레이어 비디오 게임 매치 메이킹 최적화 |
| CN112426724A (zh) * | 2020-11-30 | 2021-03-02 | 北京达佳互联信息技术有限公司 | 游戏用户的匹配方法、装置、电子设备及存储介质 |
| CN112494953A (zh) * | 2020-12-01 | 2021-03-16 | 咪咕互动娱乐有限公司 | 游戏匹配方法、电子设备和计算机可读存储介质 |
-
2023
- 2023-02-06 KR KR1020230015320A patent/KR102527558B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080069192A (ko) * | 2005-11-21 | 2008-07-25 | 마이크로소프트 코포레이션 | 팀 매칭을 위한 방법 및 컴퓨터 판독 가능 매체 |
| US20090325709A1 (en) * | 2008-06-26 | 2009-12-31 | Microsoft Corporation | Game Clan Matchmaking |
| KR20200123404A (ko) * | 2016-03-08 | 2020-10-29 | 일렉트로닉 아트 아이엔씨. | 멀티 플레이어 비디오 게임 매치 메이킹 최적화 |
| KR20200094065A (ko) | 2019-09-05 | 2020-08-06 | 넷마블 주식회사 | 게임 내 스트레스 상황이 발생하였는지를 결정하는 방법 및 그 장치 |
| CN112426724A (zh) * | 2020-11-30 | 2021-03-02 | 北京达佳互联信息技术有限公司 | 游戏用户的匹配方法、装置、电子设备及存储介质 |
| CN112494953A (zh) * | 2020-12-01 | 2021-03-16 | 咪咕互动娱乐有限公司 | 游戏匹配方法、电子设备和计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230144690A1 (en) | Method, System, and Computer Program Product for Implementing Reinforcement Learning | |
| US8775332B1 (en) | Adaptive user interfaces | |
| US20120122588A1 (en) | Social information game system | |
| US10848805B1 (en) | Contextual video recommendations within a video game | |
| US10617959B2 (en) | Method and system for training a chatbot | |
| US10650327B2 (en) | Adaptive content generation and dissemination system (ACGDS) | |
| CN110807649A (zh) | 一种金融产品的邀请奖励方法和系统 | |
| US8595167B1 (en) | Predicting likelihood of a successful connection between unconnected users within a social network using a learning network | |
| WO2017088026A1 (en) | Computer-implemented frameworks and methodologies configured to enable delivery of content and/or user interface functionality based on monitoring of activity in a user interface environment and/or control access to services delivered in an online environment responsive to operation of a risk assessment protocol | |
| US9542458B2 (en) | Systems and methods for processing and displaying user-generated content | |
| US20130030907A1 (en) | Clustering offers for click-rate optimization | |
| US12032646B2 (en) | Systems and methods for categorizing, evaluating, and displaying user input with publishing content | |
| US10387506B2 (en) | Systems and methods for online matchmaking | |
| US20210182767A1 (en) | Scoring platform and engine for software engineering contributions | |
| US11200541B1 (en) | Systems and methods for processing and presentation of advisor-related data | |
| CN105993028A (zh) | 用于内容推荐的方法、设备、以及系统 | |
| KR102473540B1 (ko) | 블록체인과 대체 불가능 토큰을 이용한 게임 기반의 메타버스 플랫폼을 지원하는 장치 및 방법 | |
| US11468484B2 (en) | Direct-to-business feedback communication and database management system | |
| KR102527558B1 (ko) | 인공지능 기반의 팀 매칭을 위한 게임 관리 서버, 방법 및 프로그램 | |
| US11458397B1 (en) | Automated real-time engagement in an interactive environment | |
| US20180365252A1 (en) | Presenting content on a webpage in a desired format | |
| Agarwal et al. | Abandoning innovation in emerging industries | |
| Monaco et al. | Bots | |
| EP2955680A1 (en) | Systems and methods for optimizing the selection and display of electronic content | |
| KR102541694B1 (ko) | 인공지능 기반 게임용 메신저의 챗헤드를 조정하기 위한 관리 서버, 방법, 시스템 및 프로그램 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |