KR20200120120A - 게임 이벤트 가이드를 위한 방법 및 장치 - Google Patents

게임 이벤트 가이드를 위한 방법 및 장치 Download PDF

Info

Publication number
KR20200120120A
KR20200120120A KR1020190042596A KR20190042596A KR20200120120A KR 20200120120 A KR20200120120 A KR 20200120120A KR 1020190042596 A KR1020190042596 A KR 1020190042596A KR 20190042596 A KR20190042596 A KR 20190042596A KR 20200120120 A KR20200120120 A KR 20200120120A
Authority
KR
South Korea
Prior art keywords
game
event
information
interest
index
Prior art date
Application number
KR1020190042596A
Other languages
English (en)
Other versions
KR102187916B1 (ko
Inventor
엄태욱
한기영
황영태
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 KR1020190042596A priority Critical patent/KR102187916B1/ko
Publication of KR20200120120A publication Critical patent/KR20200120120A/ko
Application granted granted Critical
Publication of KR102187916B1 publication Critical patent/KR102187916B1/ko

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
    • A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
    • A63F13/69—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor by enabling or updating specific game elements, e.g. unlocking hidden features, items, levels or versions
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

게임 이벤트 가이드를 위한 방법 및 장치가 개시된다. 일 실시예에 따른 게임 이벤트 가이드 방법은 관심 게임에 관한 게임 정보, 관심 게임에 관해 수행될 수 있는 이벤트 정보, 및 관심 게임에 관해 측정된 제1 시점의 게임 운영 지표를 미리 학습된 지표 예측 모델에 입력하여, 관심 게임에 관한 타겟 시간 구간의 게임 운영 지표들을 예측하는 단계와, 예측된 타겟 시간 구간의 게임 운영 지표들을 고려하여, 타겟 시간 구간 내 각 시점에 관해 관심 게임을 위한 최적의 이벤트들을 선정하는 단계와, 샘플 게임들에 관한 각 게임 정보, 샘플 게임들에 관해 수행된 각 이벤트 정보, 및 샘플 게임들에 관해 수행된 각 이벤트 정보의 각 이벤트 상세 정보를 저장하는 이벤트 효과 테이블을 참조하여, 선정된 최적의 이벤트들 각각에 관한 이벤트 수행 전략을 생성하는 단계와, 선정된 최적의 이벤트들 및 선정된 이벤트들 각각에 관한 이벤트 수행 전략에 기초하여, 관심 게임을 위한 이벤트 수행에 관한 가이드 정보를 제공하는 단계를 포함한다.

Description

게임 이벤트 가이드를 위한 방법 및 장치{METHOD AND APPARATUS FOR GAME EVENT GUIDE}
아래 실시예들은 게임 이벤트 가이드를 위한 방법 및 장치에 관한 것이다.
게임이 출시되면 게임의 활성화를 위해 적절한 시점에 게임 관련 이벤트가 제공될 수 있다. 예를 들어, 게임 이벤트는 보상이나 프로모션을 포함할 수 있다. 이러한 게임 이벤트의 제공 효과는 이벤트 제공 시점 및 제공되는 이벤트의 종류에 따라 달라질 수 있다. 게임 장르, 운영 국가, 운영 기간, 업데이트 상황 등에 따라 적절한 종류의 이벤트나 적절한 이벤트 제공 시점이 존재할 수 있다. 관련하여 기존에 유저 분석, 게임 지표 분석, 유저 이탈 예측 등이 수행되고 있다. 한편, 최근 들어 입력 패턴을 특정 그룹으로 분류하는 문제를 해결하는 방안으로써, 인간이 지니고 있는 효율적인 패턴 인식 방법을 실제 컴퓨터에 적용시키려는 연구가 활발히 진행되고 있다. 이러한 연구 중 하나로, 인간의 생물학적 신경 세포의 특성을 수학적 표현에 의해 모델링한 인공 뉴럴 네트워크(artificial neural network)에 대한 연구가 있다. 인공 뉴럴 네트워크는 입력 패턴과 출력 패턴들 간의 사상(mapping)을 생성해낼 수 있는데, 이와 같은 인공 뉴럴 네트워크의 특성이 이벤트 제공이나 기타 게임 운영 가이드를 위해 활용될 수 있다.
일 실시예에 따르면, 게임 운영 장치에 의해 수행되는 게임 이벤트 가이드 방법은 관심 게임에 관한 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 이벤트 정보, 및 상기 관심 게임에 관해 측정된 제1 시점의 게임 운영 지표를 미리 학습된 지표 예측 모델에 입력하여, 상기 관심 게임에 관한 타겟 시간 구간의 게임 운영 지표들을 예측하는 단계; 상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들을 고려하여, 상기 타겟 시간 구간 내 각 시점에 관해 상기 관심 게임을 위한 최적의 이벤트들을 선정하는 단계; 샘플 게임들에 관한 각 게임 정보, 상기 샘플 게임들에 관해 수행된 각 이벤트 정보, 및 상기 샘플 게임들에 관해 수행된 각 이벤트 정보의 각 이벤트 상세 정보를 저장하는 이벤트 효과 테이블을 참조하여, 상기 선정된 상기 최적의 이벤트들 각각에 관한 이벤트 수행 전략을 생성하는 단계; 및 상기 선정된 최적의 이벤트들 및 상기 선정된 이벤트들 각각에 관한 이벤트 수행 전략에 기초하여, 상기 관심 게임을 위한 이벤트 수행에 관한 가이드 정보를 제공하는 단계를 포함한다.
상기 최적의 이벤트들을 선정하는 단계는 상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들의 최대 값에 대응하는 각 이벤트 정보에 기초하여 상기 최적의 이벤트들을 선정하는 단계를 포함할 수 있다.
상기 이벤트 효과 테이블은 상기 샘플 게임들에 관해 측정된 게임 운영 지표들을 더 저장할 수 있고, 상기 이벤트 수행 전략을 생성하는 단계는 상기 샘플 게임들에 관해 측정된 게임 운영 지표들의 최대 값 또는 상기 샘플 게임들에 관해 측정된 게임 운영 지표들의 증가량의 최대 값에 대응하는 이벤트 상세 정보에 기초하여, 상기 이벤트 수행 전략을 생성하는 단계를 포함할 수 있다.
상기 게임 이벤트 가이드 방법은 상기 게임 운영 지표들을 예측하는 단계 이후에 수행되는, 상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들과 제1 임계치를 비교하거나, 또는 상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들의 변화량과 제2 임계치를 비교하는 단계; 상기 비교 결과에 기초하여 상기 관심 게임의 상기 게임 운영의 상태를 판단하는 단계; 및 상기 판단된 상기 게임 운영의 상태에 기초하여 상기 관심 게임의 게임 운영에 관한 위험 경고를 제공하는 단계를 더 포함할 수 있다.
상기 타겟 시간 구간은 상기 제1 시점 이후의 제2 시점, 및 상기 제2 시점 이후의 제3 시점을 포함할 수 있고, 상기 지표 예측 모델은 상기 관심 게임에 관한 상기 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 상기 이벤트 정보, 및 상기 측정된 상기 제1 시점의 상기 게임 운영 지표에 기초하여 상기 제2 시점의 게임 운영 지표를 예측할 수 있고, 상기 관심 게임에 관한 상기 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 상기 이벤트 정보, 및 상기 예측된 상기 제2 시점의 상기 게임 운영 지표에 기초하여 상기 제3 시점의 게임 운영 지표를 예측할 수 있다.
상기 게임 운영 지표는 게임 상태 지표 및 PLC(product life cycle) 지표를 포함할 수 있다. 상기 지표 예측 모델은 상기 관심 게임에 관한 상기 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 상기 이벤트 정보, 및 상기 관심 게임에 관해 측정된 상기 제1 시점의 게임 상태 지표에 기초하여, 상기 타겟 시간 구간의 게임 상태 지표들을 예측하는 게임 상태 지표 예측 모델, 및 상기 관심 게임에 관한 상기 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 상기 이벤트 정보, 및 상기 관심 게임에 관해 측정된 상기 제1 시점의 PLC 지표에 기초하여, 상기 타겟 시간 구간의 PLC 지표들을 예측하는 PLC 지표 예측 모델을 포함할 수 있다.
상기 게임 정보는 장르 정보 및 운영 정보를 포함할 수 있다. 상기 운영 정보는 운영 국가 정보, 운영 기간 정보, 및 게임 업데이트 정보를 포함할 수 있다.
상기 게임 이벤트 가이드 방법은 상기 게임 운영 지표들을 예측하는 단계 이전에 수행되는, 게임 로그 정보, 게임 메타 정보, 및 이벤트 이력을 수집하는 단계; 상기 수집된 상기 게임 로그 정보, 상기 게임 메타 정보 및 상기 이벤트 이력을 가공하여 디스크립터 테이블을 생성하는 단계; 및 상기 디스크립터 테이블을 이용하여 상기 지표 예측 모델을 학습시키는 단계를 더 포함할 수 있다.
일 실시예에 따르면, 게임 운영 장치는 프로세서; 및 상기 프로세서에서 읽을 수 있는 명령어들을 저장하는 메모리를 포함하고, 상기 명령어들이 상기 프로세서에서 수행되면, 상기 프로세서는 관심 게임에 관한 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 이벤트 정보, 및 상기 관심 게임에 관해 측정된 제1 시점의 게임 운영 지표를 미리 학습된 지표 예측 모델에 입력하여, 상기 관심 게임에 관한 타겟 시간 구간의 게임 운영 지표들을 예측하고, 상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들을 고려하여, 상기 타겟 시간 구간 내 각 시점에 관해 상기 관심 게임을 위한 최적의 이벤트들을 선정하고, 샘플 게임들에 관한 각 게임 정보, 상기 샘플 게임들에 관해 수행된 각 이벤트 정보, 및 상기 샘플 게임들에 관해 수행된 각 이벤트 정보의 각 이벤트 상세 정보를 저장하는 이벤트 효과 테이블을 참조하여, 상기 선정된 상기 최적의 이벤트들 각각에 관한 이벤트 수행 전략을 생성하고, 상기 선정된 최적의 이벤트들 및 상기 선정된 이벤트들 각각에 관한 이벤트 수행 전략에 기초하여, 상기 관심 게임을 위한 이벤트 수행에 관한 가이드 정보를 제공한다.
도 1은 일 실시예에 따른 디스크립터 테이블 및 이벤트 효과 테이블의 생성 과정을 나타낸 도면.
도 2는 일 실시예에 따른 지표 예측 모델의 학습 과정을 나타내는 도면.
도 3은 일 실시예에 따른 글로벌 파라미터의 설정 과정을 나타낸 도면.
도 4는 일 실시예에 따른 지표 예측 모델을 나타낸 도면.
도 5는 일 실시예에 따른 이벤트 시뮬레이션 과정을 나타낸 도면.
도 6은 일 실시예에 따른 이벤트 시뮬레이션 결과를 나타낸 도면.
도 7은 일 실시예에 따른 최적의 이벤트의 선정 과정을 나타낸 도면.
도 8은 일 실시예에 따른 이벤트 효과 테이블을 나타낸 도면.
도 9는 일 실시예에 따른 게임 운영 장치를 나타낸 도면.
도 10은 일 실시예에 따른 게임 운영 가이드 방법을 나타낸 도면.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 “연결되어” 있다거나 “접속되어” 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 “직접 연결되어” 있다거나 “직접 접속되어” 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 “~사이에”와 “바로~사이에” 또는 “~에 직접 이웃하는” 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, “포함하다” 또는 “가지다” 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 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 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일 실시예에 따른 디스크립터 테이블 및 이벤트 효과 테이블의 생성 과정을 나타낸 도면이다. 도 1을 참조하면, 게임 클라이언트(111)로부터 수집된 데이터, 및 게임 DB(game database, 112)로부터 수집된 데이터에 기초하여 디스크립터 테이블(140) 및 이벤트 효과 테이블(150)이 생성된다.
게임 클라이언트(111)로부터 게임 로그가 수집되어 게임 로그 테이블(121)이 생성될 수 있다. 또한, 게임 DB(112)로부터 게임 메타 정보가 수집되어 게임 메타 정보 테이블(112)이 생성될 수 있고, 게임 DB(112)로부터 이벤트 이력이 수집되어 이벤트 이력 테이블(123)이 생성될 수 있다.
이러한 데이터 수집은 다수의 다양한 게임들에 관해 수행될 수 있다. 예를 들어, 다수의 게임들에 관한 게임 로그 기록이 수집되어 게임 로그 테이블(121)이 생성될 수 있고, 다수의 게임들의 게임 메타 정보가 수집되어 게임 메타 정보 테이블(122)이 생성될 수 있고, 다수의 게임들에 관해 시행된 이벤트들의 이력이 수집되어 이벤트 이력 테이블(123)이 생성될 수 있다. 게임 메타 정보는 게임 정보로 지칭될 수도 있다.
게임 DB(112) 내 정보나 각 테이블(121, 122, 123)은 게임 운영자에 의해 입력, 관리, 업데이트될 수 있다. 예를 들어, 게임 운영자는 각 게임의 등록 시 각 게임에 관한 장르 정보나 운영 정보와 같은 게임 메타 정보, 각 게임에 관해 시행된 이벤트 종류나 이벤트 기간과 같은 이벤트 이력, 게임 DB(112)의 서버 IP(internet protocol), 각 테이블의 이름, 각 테이블의 스키마, 각 게임의 운영 시작일 등을 입력할 수 있다.
게임 로그, 게임 메타 정보, 및 이벤트 이력에 관한 일정한 가공 과정을 통해 디스크립터 테이블(140) 및 이벤트 효과 테이블(150)이 생성될 수 있다. 예를 들어, 게임 로그 테이블(121) 내 게임 로그에 관한 집계 쿼리 연산을 통해 임시 집계 테이블(131)이 생성될 수 있다. 또한, 게임 메타 정보 테이블(122) 내 게임 메타 정보 및 이벤트 이력 테이블(123) 내 이벤트 이력에 관한 비집계 쿼리 연산을 통해 임시 비집계 테이블(132)이 생성될 수 있다. 이후에, 임시 집계 테이블(131) 및 임시 비집계 테이블(132)에 관한 테이블 결합 쿼리 연산에 기초하여 디스크립터 테이블(140) 및 이벤트 효과 테이블(150)이 생성될 수 있다.
디스크립터 테이블(140)은 게임 상태 지표 디스크립터, PLC(product life cycle) 지표 디스크립터, 게임 정보 디스크립터, 및 이벤트 정보 디스크립터를 포함할 수 있다. 디스크립터 테이블(140) 내 각 디스크립터는 지표 예측 모델의 학습을 위해 이용될 수 있다. 디스크립터 테이블(140) 내 각 디스크립터는 수집된 값 또는 측정된 값에 기반하며, 이는 예측된 값과 구분될 수 있다.
게임 상태 지표 디스크립터는 게임 자체 혹은 게임 내 유저들과 관련하여 지속적으로 측정되는 게임의 상태를 나타내는 데이터를 의미한다. 복수의 게임들을 커버하기 위해 모든 게임에서 공통적으로 가지고 있는 필드와 이에 관한 연산을 이용해 게임 상태를 설명하는 벡터를 구성하여 게임 상태 지표 디스크립터를 생성할 수 있다. 예를 들어, 게임 상태 지표 디스크립터를 구성하는 공통 필드와 각 게임의 개별 필드 간의 관계는 아래 수학식 1과 같이 나타낼 수 있다.
Figure pat00001
공통 필드 내 데이터를 통해 벡터를 구성하기 위해 다양한 집계 연산이 이용될 수 있다. 여기에 이용되는 연산은 사전에 정의될 수 있다. 예를 들어, 각 필드들의 합, 평균, 분산 등이 이용될 수 있으며, 집계 연산은 비접속 유저를 포함하는 전체 유저를 기준으로 수행될 수 있다. 게임 상태 지표 디스크립터는 아래 수학식 2와 같이 나타낼 수 있다.
Figure pat00002
수학식 2에서 S는 게임 상태 지표 디스크립터를 나타낸다.
PLC 지표 디스크립터는 매출과 DAU(daily active users)를 나타내는 벡터들로 구성될 수 있다. 예를 들어, PLC 지표는 DAU, 총 플레이 시간, 평균 플레이 시간, 총 수익, ARPU(average revenue per user), ARPPU(average revenue per paid user) 등을 포함할 수 있다. PLC 지표 디스크립터는 아래 수학식 3과 같이 나타낼 수 있다.
Figure pat00003
수학식 3에서 P는 PLC 지표 디스크립터를 나타낸다.
이벤트 정보 디스크립터는 이벤트를 설명하는 정보이며, 게임 이벤트의 종류를 나타낼 수 있다. 예를 들어, 게임 이벤트는 보상 및 프로모션을 포함할 수 있다. 또한, 보상은 기존 컨텐츠에 대한 기간제 보상이 추가되는 것, 기간제 보상이 적용되는 새로운 컨텐츠가 추가되는 것, 신규 유저나 복귀 유저에 대한 접속 보상 등을 포함할 수 있고, 프로모션은 상품(예: 아이템, 캐릭터 등)에 대한 할인을 포함할 수 있다. 이벤트 정보 디스크립터는 E로 나타낼 수 있다.
아래에서 다시 설명되겠지만, 실시예에 따르면 이벤트 정보와 구분되는 이벤트 상세 정보가 제공될 수 있다. 이벤트 상세 정보는 이벤트 정보에 비해 구체적인 이벤트 내용을 포함할 수 있다. 예를 들어, 이벤트 정보에 따라 이벤트의 종류가 특정된다면, 이벤트 상세 정보는 해당 이벤트의 구체적인 수행 이력(예: 기존 컨텐츠에 추가된 보상의 종류, 새롭게 추가된 보상 컨텐츠의 종류, 보상의 정도, 프로모션이 적용된 상품의 종류, 할인 정도 등)을 포함할 수 있다.
게임 정보 디스크립터는 게임의 종류(장르)와 운영 정보를 일반화하여 시스템으로 다양한 게임에 대응하기 위한 것으로, 실시예들은 이러한 일반화된 시스템과 모델을 통해 제반 데이터가 존재하지 않는 신규 게임에도 적용될 수 있다. 게임 정보 디스크립터는 장르 정보 디스크립터와 운영 정보 디스크립터를 포함할 수 있다. 게임 정보 디스크립터는 아래 수학식 4와 같이 나타낼 수 있다.
Figure pat00004
수학식 4에서 G는 게임 정보 디스크립터를 나타내고, Gk는 장르 정보 디스크립터를 나타내고, Go는 운영 정보 디스크립터를 나타낸다.
장르 정보 디스크립터는 장르 정보를 나타내는 벡터들로 구성될 수 있고, 각 벡터는 각 장르를 하나의 차원으로 두고 해당하는 장르에 관해 true 값을 갖도록 설정될 수 있다. 예를 들어, 장르는 RPG(role playing game), 아케이드, 퍼즐, 캐주얼, 수집형, 액션, 스포츠, 슈팅, MMO(massively multiplayer online game), MOBA(multiplayer online battle arena), 사행성(고스톱, 포커) 등을 포함할 수 있다. 예를 들어, 특정 게임은 [1 0 0 0 0 1 0 0 1 0 0 0 ...]과 같은 벡터로 표현될 수 있다. 장르 정보는 아래 수학식 5와 같이 나타낼 수 있다.
Figure pat00005
운영 정보 디스크립터는 운영 국가 정보, 운영 기간 정보, 및 게임 업데이트 정보를 포함할 수 있다. 운영 정보 디스크립터는 아래 수학식 6과 같이 나타낼 수 있다.
Figure pat00006
수학식 6에서 Gc는 운영 국가 정보를 나타내고, Gd는 운영 기간 정보를 나타내고, Gu는 게임 업데이트 정보를 나타낸다. 운영 국가 정보는 서비스 가능한 국가의 수만큼의 차원을 가지는 one-hot 벡터로 구성될 수 있다. 운영 국가 정보는 아래 수학식 7과 같이 나타낼 수 있다.
Figure pat00007
운영 기간 정보는 게임 서비스가 시작된 시점으로부터의 경과일을 나타낼 수 있다. 게임 서비스의 시작은 대규모 업데이트가 있는 경우도 포함할 수 있다. 운영 기간 정보는 아래 수학식 8과 같이 나타낼 수 있다.
Figure pat00008
게임 업데이트 정보는 각 게임에 관한 업데이트 정보로서 총 업데이트 횟수, 최근 업데이트일로부터의 경과일, 최근 업데이트에 따른 변화 규모, 총 업데이트에 따른 변화 규모 등을 나타낼 수 있다. 예를 들어, 버전 넘버가 1.0.2에서 2.0.0으로 변화한 경우 최근 업데이트 변화 규모는 [0 9 8]과 같이 나타낼 수 있고, 버전 넘버가 2.0.0인 경우 총 업데이트 변화 규모는 [2 0 0]과 같이 나타낼 수 있다. 게임 업데이트 정보는 아래 수학식 9와 같이 나타낼 수 있다.
Figure pat00009
디스크립터 테이블(140)은 각 디스크립터를 (St+1, Pt+1, St, Pt, E, G)와 같은 형태로 저장할 수 있다. 여기서, S는 게임 상태 지표 디스크립터를 나타내고, P는 PLC 지표 디스크립터를 나타내고, E는 이벤트 정보 디스크립터를 나타내고, G는 게임 정보 디스크립터를 나타낸다. 게임 상태 지표 및 PLC 지표는 게임 운영 지표를 구성할 수 있다. 게임 운영 지표는 시간에 의존적인 정보일 수 있고, 이벤트 정보 디스크립터 및 게임 정보 디스크립터는 시간에 독립적인 정보일 수 있다. 따라서, 시간에 따른 각 게임 운영 지표는 타임 스텝 t로 식별될 수 있으며, 디스크립터 테이블(140)은 시간에 따른 각 게임 운영 지표를 t, t+1과 같은 시간 경과 순으로 적재할 수 있다. 디스크립터 테이블(140)은 각 디스크립터를 매칭하여 저장할 수 있다.
이벤트 효과 테이블(150)은 과거에 각 게임에 관해 수행된 이벤트들의 상세 정보 및 이에 따른 효과를 저장할 수 있다. 이벤트 효과 테이블(150)은 이벤트 추천 시 이벤트 수행 전략의 제시를 위해 참조될 수 있다. 예를 들어, 지표 예측 모델을 이용하여 예측된 게임 운영 지표에 기초하여 최적의 이벤트가 선정될 수 있고, 최적의 이벤트를 가지고 이벤트 효과 테이블(150)에 접근하여 구체적인 이벤트 수행 전략이 결정될 수 있다. 구체적인 이벤트 수행 전략은 이벤트 상세 정보에 기초하여 결정될 수 있다.
이벤트 효과 테이블(150)은 PLC 지표, PLC 지표의 변화량, 게임 정보, 이벤트 정보를 수집, 가공, 측정하여 저장할 수 있다. 예를 들어, 이벤트 효과 테이블(150)은 각 정보를 (Pt+1, Pt+1-Pt, E, G, event specification)와 같은 형태로 저장할 수 있다. 여기서, P는 PLC 지표를 나타낸다. Pt+1은 시점 t+1 기준으로 측정된 PLC 지표를 나타내고, Pt+1-Pt는 시점 t+1 기준으로 측정된 PLC 지표와 시점 t 기준으로 측정된 PLC 지표 간의 차이를 나타낸다. 즉, 후자는 PLC 지표의 변화량에 대응할 수 있다. E는 이벤트 정보 디스크립터를 나타내고, G는 게임 정보 디스크립터를 나타내고, event specification은 이벤트 상세 정보를 나타낸다. event specification은 텍스트 형식을 가질 수 있다. 이벤트 효과 테이블(150)은 각 정보를 매칭하여 저장할 수 있다. 예를 들어, 이벤트 효과 테이블(150)은 각 정보를 튜플 형태로 저장할 수 있다.
실시예들에 따른 게임 이벤트 가이드에 관한 동작들은 게임 운영 장치(미도시, 추후 설명됨)에 의해 수행될 수 있으며, 게임 DB(112)나 도 1의 각 테이블, 정보 등은 게임 운영 서버에 저장될 수 있다.
도 2는 일 실시예에 따른 지표 예측 모델의 학습 과정을 나타내는 도면이다. 도 2를 참조하면, 디스크립터 테이블(210)이 생성되면, 디스크립터 테이블(210)에서 학습 데이터(220)가 추출될 수 있고, 학습 데이터(220)를 통해 지표 예측 모델(230)이 학습될 수 있다. 지표 예측 모델(230)은 인공 신경망(artificial neural network, ANN)일 수 있으며, 예를 들어 시간의 흐름을 고려하는 순환 신경망(recurrent neural network, RNN)일 수 있다.
지표 예측 모델(230)은 제1 시점의 게임 운영 지표, 이벤트 정보, 및 게임 정보에 기초하여 타겟 구간의 게임 운영 지표들을 예측하도록 학습될 수 있다. 상술된 것처럼 게임 운영 지표는 시간 의존적 정보일 수 있으므로 시점에 따라 구분될 수 있으며, 게임 상태 지표 및 PLC 지표를 포함할 수 있다.
게임 운영 지표가 게임 상태 지표 및 PLC 지표를 포함하는 경우, 지표 예측 모델(230)은 게임 상태 지표를 예측하기 위한 게임 상태 지표 예측 모델 및 PLC 지표를 예측하기 위한 PLC 지표 예측 모델을 포함할 수 있다. 학습이 완료되면, 게임 상태 지표 예측 모델은 게임 정보, 이벤트 정보, 및 제1 시점의 게임 상태 지표에 기초하여 타겟 시간 구간의 게임 상태 지표들을 예측할 수 있고, PLC 지표 예측 모델은 게임 정보, 이벤트 정보, 및 제1 시점의 PLC 지표에 기초하여 타겟 시간 구간의 PLC 지표들을 예측할 수 있다.
디스크립터 테이블(210)로부터 추출된 게임 상태 지표 예측 모델을 학습하기 위한 학습 데이터는 아래 수학식 10과 같이 나타낼 수 있으며, 게임 상태 지표 예측 모델은 아래 수학식 11에 따라 모델링될 수 있다.
Figure pat00010
Figure pat00011
지표 예측 모델(230)은 수학식 10에 따른 튜플 데이터를 이용해 예측한 값과 실제 값의 오차가 최소화되도록 학습될 수 있다. 수학식 11에 따르면 t 시점의 게임 상태 지표, t 시점의 PLC 지표, 이벤트 정보, 및 게임 정보에 기초하여 t+1 시점의 게임 상태 지표가 예측된다. 게임 상태 지표는 게임 상태를 나타내기 위한 지표들을 멀티 디멘전으로 표현할 수 있고, i는 각 디멘전을 구분하기 위한 인덱스에 해당한다. 게임 상태에 관한 각 디멘전에 관해 연산이 반복되어 게임 상태에 관한 전체 디멘전에 관한 예측이 수행될 수 있다.
예측이 반복됨에 따라 일정한 타겟 시간 구간, 또는 일정한 타겟 시점에 관한 지표가 예측될 수 있다. 예를 들어, t 시점의 게임 상태 지표, 및 PLC 지표에 기초하여 t+1 시점의 게임 상태 지표가 예측될 수 있고, 예측된 t+1 시점의 게임 상태 지표, 및 PLC 지표에 기초하여 t+2 시점의 게임 상태 지표가 예측될 수 있다.
한편, 디스크립터 테이블(210)로부터 추출된 PLC 지표 예측 모델을 학습하기 위한 학습 데이터는 아래 수학식 12와 같이 나타낼 수 있으며, PLC 지표 예측 모델은 아래 수학식 13에 따라 모델링될 수 있다.
Figure pat00012
Figure pat00013
PLC 지표는 PLC를 나타내기 위한 지표들을 멀티 디멘전으로 표현할 수 있고, i는 각 디멘전을 구분하기 위한 인덱스에 해당한다. 그 밖에, 상술된 게임 상태 지표 예측 모델에 관한 내용이 PLC 지표 예측 모델에 관해서도 대응되게 적용될 수 있다.
도 3은 일 실시예에 따른 글로벌 파라미터의 설정 과정을 나타낸 도면이다. 지표 예측 모델에 있어서 이벤트 정보 및 게임 정보는 각 타임 스텝에 영향을 받지 않는 글로벌 조건에 해당할 수 있다. 도 3에 도시된 것처럼, 이벤트들 간의 관계를 모델링하고, 및 운영 국가 간의 관계, 운영 기간 간의 관계, 게임 업데이트 정보 간의 관계를 모델링하여, 최종적으로 그 표현 사이의 관계가 모델링될 수 있다. 완전 연결 계층(fully connected layer), 컨볼루션 계층(convolution layer), 게이트 계층(gated layer) 등을 통해 해당 표현이 모델링될 수 있다. 이벤트 정보 및 게임 정보에 관한 글로벌 조건(GL)은 아래 수학식 14와 같이 나타낼 수 있다.
Figure pat00014
표현된 글로벌 조건(GL)은 아래 수학식 15와 같이 모든 타임 스텝에서 벡터 접합(vector concatenation)의 형태로 사용될 수 있다.
Figure pat00015
도 4는 일 실시예에 따른 지표 예측 모델을 나타낸 도면이다. 일 실시예에 따르면, 지표 예측 모델은 도 4에 도시된 것과 같은 자기회기 모델(autoregressive model)로 구현될 수 있다. 입력 데이터 [GL, Pt-2, St-2]을 입력 받은 노드는 출력 데이터 yt-1을 출력할 수 있고, 출력 데이터 yt-1에 대응하는 입력 데이터 [GL, Pt-1, St-1]가 다음의 연속적인 노드에 입력될 수 있다. 게임 상태 지표 예측 모델과 PLC 지표 예측 모델이 별도로 구현되는 경우, 출력 데이터는 게임 상태 지표에 해당하는 st이거나, 혹은 PLC 지표에 해당하는 st 일 수 있다. 다음 타임 스텝에 관해서도 자기회기적 연산을 통해 입력 데이터 및 출력 데이터가 결정될 수 있다.
도 5는 일 실시예에 따른 이벤트 시뮬레이션 과정을 나타낸 도면이다. 도 5를 참조하면, 지표 예측 모델(510)은 학습이 완료된 것이며, 관심 게임에 관한 게임 정보(
Figure pat00016
), 관심 게임에 관해 수행될 수 있는 이벤트 정보(
Figure pat00017
), 및 관심 게임에 관해 측정된 t 시점의 게임 운영 지표(
Figure pat00018
,
Figure pat00019
)가 입력됨에 응답하여, 관심 게임에 관한 타겟 시간 구간의 게임 운영 지표들(
Figure pat00020
,
Figure pat00021
)을 출력한다. 관심 게임은 현재 서비스 중인 다수의 게임들 중에 이벤트 수행에 관한 가이드 정보를 제공하고자 하는 대상을 나타낸다. t 시점에 관한 지표의 입력에 따라 t+1 시점의 지표가 예측될 수 있고, 예측된 t+1 시점의 지표에 따라 t+2 시점의 지표가 예측될 수 있다. 단위는 하루에 해당할 수 있다. 이와 같은 과정의 반복을 통해 타겟 시간 구간(t+1 내지 k)에 해당하는 지표들이 예측될 수 있다.
즉, 게임 정보(
Figure pat00022
) 및 이벤트 정보(
Figure pat00023
)가 확정된 상태에서, 특정 시점에 관한 게임 운영 지표가 주어지면, 지표 예측 모델(510)에 의해 주어진 게임 정보(
Figure pat00024
)에 대응하는 게임(예:관심 게임)에 관해 주어진 이벤트 정보(
Figure pat00025
)에 따른 이벤트가 수행되었을 때 타겟 시간 구간의 게임 운영 지표가 예측될 수 있다. 예를 들어, 사용자에 의해 관심 게임, 수행할 이벤트, 예측하려는 시간 구간(타겟 시간 구간)이 입력되면, 게임 운영 서버는 특정 시점 t(예: 현재 시점)을 기준으로 입력된 정보를 바탕으로 입력 데이터(
Figure pat00026
,
Figure pat00027
,
Figure pat00028
,
Figure pat00029
)를 구성하여 지표 예측 모델(510)에 입력할 수 있고, 지표 예측 모델(510)의 출력을 통해 타겟 시간 구간의 게임 운영 지표들(
Figure pat00030
,
Figure pat00031
)을 예측할 수 있다.
예측된 게임 운영 지표들(
Figure pat00032
,
Figure pat00033
)은 주어진 이벤트를 수행함에 따른 이벤트 효과를 나타낼 수 있다. 따라서, 이러한 이벤트 시뮬레이션을 통해 주어진 이벤트를 수행함에 따른 미래의 이벤트 효과가 예측될 수 있다. 예를 들어, 도 6은 일 실시예에 따른 이벤트 시뮬레이션 결과를 나타낸 도면이며, 도 6의 그래프(600)와 같이 타임 스텝(시점) 별로 게임 운영 지표들(S, P)이 예측될 수 있고, 예측된 게임 운영 지표들(S, P)을 통해 이벤트 효과가 분석될 수 있다.
도 7은 일 실시예에 따른 최적의 이벤트의 선정 과정을 나타낸 도면이다. 도 5와 같은 이벤트 시뮬레이션이 다양한 게임들 및 다양한 이벤트들에 관해 수행될 수 있으며, 이에 따라 적절한 이벤트가 추천될 수 있다. 도 7은 이러한 일련의 과정을 설명하기 위한 것이다.
도 7을 참조하면, 지표 예측 모델(710)은 각 게임에 관한 게임 정보(
Figure pat00034
), 각 게임에 관해 수행될 수 있는 이벤트 정보(
Figure pat00035
), 및 각 게임에 관해 측정된 t 시점의 게임 운영 지표(
Figure pat00036
,
Figure pat00037
)가 입력됨에 응답하여, 관심 게임에 관한 타겟 시간 구간의 게임 운영 지표들(
Figure pat00038
,
Figure pat00039
)을 출력한다. 지표 예측 모델(710)의 출력은 이벤트 추천을 위해 테이블과 같은 형식으로 저장될 수 있고, 해당 테이블을 참조하여 최적의 이벤트(720)가 선정될 수 있다.
예를 들어, 해당 테이블은 각 게임에 관해 각 이벤트가 수행된 경우에 관해 타겟 구간 동안 예측된 게임 운영 지표들을 포함할 수 있고, 예측된 게임 운영 지표들을 고려하여 각 게임의 각 타임 스텝(시점)에 관해 최적의 이벤트(720)가 선정될 수 있다. 일례로, 타겟 시간 구간의 게임 운영 지표들의 최대 값에 대응하는 각 이벤트 정보에 대응하는 이벤트가 최적의 이벤트(720)로 선정될 수 있다. PLC 지표가 이벤트 효과를 잘 반영할 수 있으므로, 최적의 이벤트(720) 선정 시 PLC 지표의 값(예: 최대 값)이 이용될 수 있다.
이 때, 각 게임의 각 타임 스텝 별로 최적의 이벤트(720)가 선정될 수 있다. 예를 들어, 제1 게임의 제1 타임 스텝에 관해 제1 이벤트가 최적의 이벤트(720)로 선정되고, 제1 게임의 제2 타임 스텝에 관해 제2 이벤트가 최적의 이벤트(720)로 선정될 수 있다.
이벤트 추천을 위한 이러한 일련의 과정은 아래 표 1과 같이 나타낼 수 있다.
Figure pat00040
표 1에 따르면, 변수 Games는 각 게임(게임 정보)을 나타내고, 변수 game은 이 중 어느 하나의 게임(게임 정보)을 나타낸다. 도 7에는 게임을 구분하기 위한 식별자로 'x'가 사용되었다. (1, k)는 타겟 시간 구간을 나타낸다. 변수 Events는 각 이벤트(이벤트 정보)를 나타내고, 변수 event는 이 중 어느 하나의 이벤트(이벤트 정보)를 나타낸다. 도 7에는 이벤트를 구분하기 위한 식별자로 'y'가 사용되었다.게임이 변수 game으로 특정되고, 타임 스텝이 t로 특정된 상태에서, 변수 event를 변경하면서 각 이벤트에 관한 게임 운영 지표(
Figure pat00041
,
Figure pat00042
)가 예측된다. 게임 운영 지표(
Figure pat00043
,
Figure pat00044
)의 각 디멘전에 관한 연산을 통해 최종적인 게임 운영 지표(
Figure pat00045
,
Figure pat00046
)가 예측될 수 있다.
게임 운영 지표(
Figure pat00047
,
Figure pat00048
)가 예측되면, 관한 게임 운영 지표를 고려하여 각 이벤트 중 최적의 이벤트(720)에 해당하는 것이 변수 Bestevent에 추가될 수 있다. PLC 지표가 이벤트 효과를 적절히 반영할 수 있으므로,
Figure pat00049
를 고려하여 최적의 이벤트(720)가 결정될 수 있다. 예를 들어, 각 이벤트에 관해
Figure pat00050
의 각 디멘전의 합이나 평균을 통해
Figure pat00051
의 대표 값이 결정될 수 있고, 각 이벤트에 관해 결정된 대표 값들 중 값이 최대인 것에 대응하는 이벤트가 최적의 이벤트(720)로 결정될 수 있다. 이러한 대표 값은 아래에서 간단히 최대 값으로 표현될 수도 있다. 표 1의 마지막 두 열을 통해 계산된
Figure pat00052
,
Figure pat00053
는 다음 스텝의 예측 연산에 사용될 수 있다.
상술된 과정을 통해 각 게임 별로 각 타임 스템에 관한 최적의 이벤트(720)가 선정될 수 있고, 선정된 최적의 이벤트(720)는 가이드 정보에 포함되어 사용자에게 제공될 수 있다. 예를 들어, 각 타임 스템에 관해 선정된 복수의 최적의 이벤트들이 가이드 정보로서 리스트 형태로 제공될 수 있고, 이 때 효과(예: 예측된 PLC 지표 값)가 높은 순으로 정렬된 형태로 제공되는 것도 가능하다.
한편, 게임 운영 지표가 예측되면, 예측된 게임 운영 지표를 통해 미래의 게임 운영 상태가 예측될 수 있다. 예를 들어, 미래의 특정 시점에 게임 운영 상태가 위험 수준에 이를 수 있다면, 게임 운영에 관한 위험 경고가 가이드 정보로서 미리 제공될 수 있다. 일 실시예에 따르면, 관심 게임의 타겟 시간 구간에 관해 게임 운영 지표들이 예측되면, 예측된 게임 운영 지표들과 제1 임계치가 비교되거나, 또는 예측된 게임 운영 지표들의 변화량과 제2 임계치가 비교될 수 있다. 또한, 비교 결과에 기초하여 관심 게임의 게임 운영의 상태가 판단될 수 있고, 판단된 게임 운영의 상태에 기초하여 관심 게임의 게임 운영에 관한 위험 경고가 제공될 수 있다.
도 8은 일 실시예에 따른 이벤트 효과 테이블을 나타낸 도면이다. 도 7의 과정을 통해 최적의 이벤트가 선정되면, 도 8의 이벤트 효과 테이블(800)을 참조하여 선정된 각 최적의 이벤트에 관한 이벤트 수행 전략이 생성될 수 있다.
도 8을 참조하면, 이벤트 효과 테이블(800)은 PLC 지표(
Figure pat00054
), PLC 지표의 변화량(
Figure pat00055
), 게임 정보(
Figure pat00056
), 이벤트 정보(
Figure pat00057
), 및 이벤트 상세 정보(
Figure pat00058
)를 저장한다. 여기서, 'x'는 게임(게임 정보)을 구분하고, 'y'는 이벤트(이벤트 정보)를 구분한다. 이벤트 효과 테이블(800)은 기 수행된 이벤트 결과를 저장하며, 도 1의 이벤트 효과 테이블(150)에 대응할 수 있다. 이벤트 효과 테이블(800)의 작성을 위해 참조된 게임은 샘플 게임으로 지칭될 수 있다.
최적의 이벤트가 선정되면, 특정 게임(이하, 관심 게임) 및 관심 게임에 관해 선정된 각 최적의 이벤트를 가지고 이벤트 효과 테이블(800)에 접근하여, 관심 게임 및 선정된 각 최적의 이벤트에 대응하는 정보가 검색할 수 있다. 예를 들어, 관심 게임이
Figure pat00059
에 대응하고, 최적의 이벤트가
Figure pat00060
에 대응하는 것을 가정한다. 이 경우, 게임 정보(
Figure pat00061
) 및 이벤트 정보(
Figure pat00062
)에 대응하는 PLC 지표(
Figure pat00063
), PLC 지표의 변화량(
Figure pat00064
), 및 이벤트 상세 정보(
Figure pat00065
)가 검색될 수 있다.
이벤트 상세 정보(
Figure pat00066
)는 관심 게임에 대응하는 게임 정보를 갖는 참조 게임들 및 참조 게임들에 관해 수행된 최적의 이벤트에 대응하는 이벤트들에 관한 이벤트 수행 이력을 포함할 수 있다. 따라서, 검색된 이벤트 상세 정보(
Figure pat00067
)에 포함된 과거 이벤트 수행 이력을 통해 이벤트 수행 전략이 생성 및 제공될 수 있다.
또한, 검색된 PLC 지표(
Figure pat00068
) 및 PLC 지표의 변화량(
Figure pat00069
)은 이벤트 정보(
Figure pat00070
)에 따른 최적의 이벤트의 효과를 나타낼 수 있고, 그 효과가 최대가 되었을 때 수행되었던 구체적인 방안들이 이벤트 상세 정보로서 제공될 수 있다. 예를 들어, PLC 지표(
Figure pat00071
) 중 최대 값에 대응하는 이벤트 상세 정보(
Figure pat00072
) 또는 PLC 지표의 변화량(
Figure pat00073
) 중 최대 값에 대응하는 이벤트 상세 정보(
Figure pat00074
)에 기초하여 이벤트 수행 전략이 생성될 수 있다. 이러한 이벤트 수행 전략은 이벤트 수행에 관한 가이드 정보로서 사용자에게 제공될 수 있다. 실시예에 따라, 가이드 정보는 최적의 이벤트에 관한 정보, 이벤트 수행 전략에 관한 정보, 및 위험 경고 중 적어도 하나를 포함할 수 있다.
일례로, 관심 게임이 운영 기간이 1년이 된 서비스 중인 CCG(collectible card game) 장르인 것을 가정하면, 운영 기간이 3년이 된 CCG 게임 장르의 다른 샘플 게임의 과거 이벤트 수행 정보 중 운영 기간이 1년 정도 되었을 때 효과적이었던 이벤트 및 당시 구체적인 이벤트 수행 전략이 추천될 수 있다. 또한, 신규 퍼즐 게임의 경우 클로즈 베타 서비스를 통해 수집된 정보를 이용해, 게임 지표들이 예측될 수 있고, 이 정보를 이용해 이벤트 시뮬레이션을 수행해 유망한 신규 유저 유입 관련 이벤트를 추천 받을 수 있다. 신규 게임인 관계로 제반 정보가 많지 않은 상황이라도, 해당 신규 게임의 게임 정보(예: 장르 정보, 운영 정보)를 통해 이벤트 시뮬레이션이 가능하고, 다른 유사 게임에 관한 이벤트 이력 검색할 수 있으므로, 신규 게임에 대해서도 실시예에 따른 이벤트 추천이 가능하다.
도 9는 일 실시예에 따른 게임 운영 장치를 나타낸 도면이다. 도 9를 참조하면, 게임 운영 장치(900)는 프로세서(910) 및 메모리(920)를 포함한다. 메모리(920)는 프로세서(910)에서 읽을 수 있는 명령어들을 저장할 수 있고, 메모리(920)에 저장된 명령어들이 프로세서(910)에서 수행되면, 프로세서(910)는 실시예에 따른 게임 이벤트 가이드에 관한 동작들을 수행할 수 있다. 예를 들어, 프로세서(910)는 관심 게임에 관한 게임 정보, 관심 게임에 관해 수행될 수 있는 이벤트 정보, 및 관심 게임에 관해 측정된 제1 시점의 게임 운영 지표를 미리 학습된 지표 예측 모델에 입력하여, 관심 게임에 관한 타겟 시간 구간의 게임 운영 지표들을 예측하고, 예측된 타겟 시간 구간의 게임 운영 지표들을 고려하여, 타겟 시간 구간 내 각 시점에 관해 관심 게임을 위한 최적의 이벤트들을 선정할 수 있다. 또한, 프로세서(910)는 샘플 게임들에 관한 각 게임 정보, 샘플 게임들에 관해 수행된 각 이벤트 정보, 및 샘플 게임들에 관해 수행된 각 이벤트 정보의 각 이벤트 상세 정보를 저장하는 이벤트 효과 테이블을 참조하여, 최적의 이벤트들 각각에 관한 이벤트 수행 전략을 생성하고, 선정된 최적의 이벤트들 및 선정된 이벤트들 각각에 관한 이벤트 수행 전략에 기초하여, 관심 게임을 위한 이벤트 수행에 관한 가이드 정보를 제공할 수 있다. 그 밖에, 게임 운영 장치(900)에 관해서는 도 1 내지 도 8 및 도 10을 통해 설명된 내용이 적용될 수 있다.
도 10은 일 실시예에 따른 게임 운영 가이드 방법을 나타낸 도면이다. 도 10을 참조하면, 게임 운영 가이드 방법은 지표 예측 모델을 이용하여 타겟 시간 구간의 게임 운영 지표들을 예측하는 단계(1010), 예측된 게임 운영 지표들을 고려하여 최적의 이벤트를 선정하는 단계(1020), 이벤트 효과 테이블을 참조하여 이벤트 수행 전략을 생성(1030)하는 단계, 및 이벤트 수행에 관한 가이드 정보를 제공하는 단계(1040)를 포함한다. 그 밖에, 게임 운영 가이드 방법에 관해서는 도 1 내지 도 9를 통해 설명된 내용이 적용될 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 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (17)

  1. 게임 운영 장치에 의해 수행되는 게임 이벤트 가이드 방법에 있어서,
    관심 게임에 관한 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 이벤트 정보, 및 상기 관심 게임에 관해 측정된 제1 시점의 게임 운영 지표를 미리 학습된 지표 예측 모델에 입력하여, 상기 관심 게임에 관한 타겟 시간 구간의 게임 운영 지표들을 예측하는 단계;
    상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들을 고려하여, 상기 타겟 시간 구간 내 각 시점에 관해 상기 관심 게임을 위한 최적의 이벤트들을 선정하는 단계;
    샘플 게임들에 관한 각 게임 정보, 상기 샘플 게임들에 관해 수행된 각 이벤트 정보, 및 상기 샘플 게임들에 관해 수행된 각 이벤트 정보의 각 이벤트 상세 정보를 저장하는 이벤트 효과 테이블을 참조하여, 상기 선정된 상기 최적의 이벤트들 각각에 관한 이벤트 수행 전략을 생성하는 단계; 및
    상기 선정된 최적의 이벤트들 및 상기 선정된 이벤트들 각각에 관한 이벤트 수행 전략에 기초하여, 상기 관심 게임을 위한 이벤트 수행에 관한 가이드 정보를 제공하는 단계
    를 포함하는 게임 이벤트 가이드 방법.
  2. 제1항에 있어서,
    상기 최적의 이벤트들을 선정하는 단계는
    상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들의 최대 값에 대응하는 각 이벤트 정보에 기초하여 상기 최적의 이벤트들을 선정하는 단계를 포함하는,
    게임 이벤트 가이드 방법.
  3. 제1항에 있어서,
    상기 이벤트 효과 테이블은 상기 샘플 게임들에 관해 측정된 게임 운영 지표들을 더 저장하고,
    상기 이벤트 수행 전략을 생성하는 단계는
    상기 샘플 게임들에 관해 측정된 게임 운영 지표들의 최대 값 또는 상기 샘플 게임들에 관해 측정된 게임 운영 지표들의 증가량의 최대 값에 대응하는 이벤트 상세 정보에 기초하여, 상기 이벤트 수행 전략을 생성하는 단계를 포함하는,
    게임 이벤트 가이드 방법.
  4. 제1항에 있어서,
    상기 게임 운영 지표들을 예측하는 단계 이후에 수행되는,
    상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들과 제1 임계치를 비교하거나, 또는 상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들의 변화량과 제2 임계치를 비교하는 단계;
    상기 비교 결과에 기초하여 상기 관심 게임의 상기 게임 운영의 상태를 판단하는 단계; 및
    상기 판단된 상기 게임 운영의 상태에 기초하여 상기 관심 게임의 게임 운영에 관한 위험 경고를 제공하는 단계
    를 더 포함하는, 게임 이벤트 가이드 방법.
  5. 제1항에 있어서,
    상기 타겟 시간 구간은
    상기 제1 시점 이후의 제2 시점, 및 상기 제2 시점 이후의 제3 시점을 포함하고,
    상기 지표 예측 모델은
    상기 관심 게임에 관한 상기 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 상기 이벤트 정보, 및 상기 측정된 상기 제1 시점의 상기 게임 운영 지표에 기초하여 상기 제2 시점의 게임 운영 지표를 예측하고,
    상기 관심 게임에 관한 상기 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 상기 이벤트 정보, 및 상기 예측된 상기 제2 시점의 상기 게임 운영 지표에 기초하여 상기 제3 시점의 게임 운영 지표를 예측하는,
    게임 이벤트 가이드 방법.
  6. 제1항에 있어서,
    상기 게임 운영 지표는
    게임 상태 지표 및 PLC(product life cycle) 지표를 포함하는,
    게임 이벤트 가이드 방법.
  7. 제6항에 있어서,
    상기 지표 예측 모델은
    상기 관심 게임에 관한 상기 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 상기 이벤트 정보, 및 상기 관심 게임에 관해 측정된 상기 제1 시점의 게임 상태 지표에 기초하여, 상기 타겟 시간 구간의 게임 상태 지표들을 예측하는 게임 상태 지표 예측 모델, 및
    상기 관심 게임에 관한 상기 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 상기 이벤트 정보, 및 상기 관심 게임에 관해 측정된 상기 제1 시점의 PLC 지표에 기초하여, 상기 타겟 시간 구간의 PLC 지표들을 예측하는 PLC 지표 예측 모델
    을 포함하는, 게임 이벤트 가이드 방법.
  8. 제1항에 있어서,
    상기 게임 정보는
    장르 정보 및 운영 정보를 포함하는,
    게임 이벤트 가이드 방법.
  9. 제8항에 있어서,
    상기 운영 정보는
    운영 국가 정보, 운영 기간 정보, 및 게임 업데이트 정보를 포함하는,
    게임 이벤트 가이드 방법.
  10. 제1항에 있어서,
    상기 게임 운영 지표들을 예측하는 단계 이전에 수행되는,
    게임 로그 정보, 게임 메타 정보, 및 이벤트 이력을 수집하는 단계;
    상기 수집된 상기 게임 로그 정보, 상기 게임 메타 정보 및 상기 이벤트 이력을 가공하여 디스크립터 테이블을 생성하는 단계; 및
    상기 디스크립터 테이블을 이용하여 상기 지표 예측 모델을 학습시키는 단계
    를 더 포함하는, 게임 이벤트 가이드 방법.
  11. 제1항 내지 제10항 중 어느 한 항의 방법을 수행하기 위한 명령어들을 포함하는 하나 이상의 프로그램을 저장한 컴퓨터 판독 가능 저장매체.
  12. 게임 운영 장치에 있어서,
    프로세서; 및
    상기 프로세서에서 읽을 수 있는 명령어들을 저장하는 메모리
    를 포함하고, 상기 명령어들이 상기 프로세서에서 수행되면, 상기 프로세서는
    관심 게임에 관한 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 이벤트 정보, 및 상기 관심 게임에 관해 측정된 제1 시점의 게임 운영 지표를 미리 학습된 지표 예측 모델에 입력하여, 상기 관심 게임에 관한 타겟 시간 구간의 게임 운영 지표들을 예측하고,
    상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들을 고려하여, 상기 타겟 시간 구간 내 각 시점에 관해 상기 관심 게임을 위한 최적의 이벤트들을 선정하고,
    샘플 게임들에 관한 각 게임 정보, 상기 샘플 게임들에 관해 수행된 각 이벤트 정보, 및 상기 샘플 게임들에 관해 수행된 각 이벤트 정보의 각 이벤트 상세 정보를 저장하는 이벤트 효과 테이블을 참조하여, 상기 선정된 상기 최적의 이벤트들 각각에 관한 이벤트 수행 전략을 생성하고,
    상기 선정된 최적의 이벤트들 및 상기 선정된 이벤트들 각각에 관한 이벤트 수행 전략에 기초하여, 상기 관심 게임을 위한 이벤트 수행에 관한 가이드 정보를 제공하는,
    게임 운영 장치.
  13. 제12항에 있어서,
    상기 프로세서는
    상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들의 최대 값에 대응하는 각 이벤트 정보에 기초하여 상기 최적의 이벤트들을 선정하는,
    게임 운영 장치.
  14. 제12항에 있어서,
    상기 이벤트 효과 테이블은 상기 샘플 게임들에 관해 측정된 게임 운영 지표들을 더 저장하고,
    상기 프로세서는 상기 샘플 게임들에 관해 측정된 게임 운영 지표들의 최대 값 또는 상기 샘플 게임들에 관해 측정된 게임 운영 지표들의 증가량의 최대 값에 대응하는 이벤트 상세 정보에 기초하여, 상기 이벤트 수행 전략을 생성하는,
    게임 운영 장치.
  15. 제12항에 있어서,
    상기 프로세서는
    상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들과 제1 임계치를 비교하거나, 또는 상기 예측된 상기 타겟 시간 구간의 상기 게임 운영 지표들의 변화량과 제2 임계치를 비교하고,
    상기 비교 결과에 기초하여 상기 관심 게임의 상기 게임 운영의 상태를 판단하고,
    상기 판단된 상기 게임 운영의 상태에 기초하여 상기 관심 게임의 게임 운영에 관한 위험 경고를 제공하는,
    게임 운영 장치.
  16. 제12항에 있어서,
    상기 게임 운영 지표는
    게임 상태 지표 및 PLC(product life cycle) 지표를 포함하고,
    상기 지표 예측 모델은
    상기 관심 게임에 관한 상기 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 상기 이벤트 정보, 및 상기 관심 게임에 관해 측정된 상기 제1 시점의 게임 상태 지표에 기초하여, 상기 타겟 시간 구간의 게임 상태 지표들을 예측하는 게임 상태 지표 예측 모델, 및
    상기 관심 게임에 관한 상기 게임 정보, 상기 관심 게임에 관해 수행될 수 있는 상기 이벤트 정보, 및 상기 관심 게임에 관해 측정된 상기 제1 시점의 PLC 지표에 기초하여, 상기 타겟 시간 구간의 PLC 지표들을 예측하는 PLC 지표 예측 모델
    을 포함하는, 게임 운영 장치.
  17. 제12항에 있어서,
    상기 프로세서는
    게임 로그 정보, 게임 메타 정보, 및 이벤트 이력을 수집하고,
    상기 수집된 상기 게임 로그 정보, 상기 게임 메타 정보 및 상기 이벤트 이력을 가공하여 디스크립터 테이블을 생성하고,
    상기 디스크립터 테이블을 이용하여 상기 지표 예측 모델을 학습시키는,
    게임 운영 장치.
KR1020190042596A 2019-04-11 2019-04-11 게임 이벤트 가이드를 위한 방법 및 장치 KR102187916B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190042596A KR102187916B1 (ko) 2019-04-11 2019-04-11 게임 이벤트 가이드를 위한 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190042596A KR102187916B1 (ko) 2019-04-11 2019-04-11 게임 이벤트 가이드를 위한 방법 및 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020200164848A Division KR20200140222A (ko) 2020-11-30 2020-11-30 게임 이벤트 가이드를 위한 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20200120120A true KR20200120120A (ko) 2020-10-21
KR102187916B1 KR102187916B1 (ko) 2020-12-08

Family

ID=73034669

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190042596A KR102187916B1 (ko) 2019-04-11 2019-04-11 게임 이벤트 가이드를 위한 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102187916B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116033214A (zh) * 2021-10-27 2023-04-28 辉达公司 通过使用人工智能预期事件来增强多媒体流

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170078327A (ko) * 2015-12-29 2017-07-07 주식회사 넥슨코리아 게임 가이드 제공 장치 및 게임 가이드 제공 방법
KR20180036189A (ko) * 2016-09-30 2018-04-09 한국전자통신연구원 게임 운영 시나리오 생성 장치 및 그 방법
KR20180063912A (ko) * 2016-11-29 2018-06-14 한국전자통신연구원 온라인 게임 서비스의 운영 결과를 예측하는 방법 및 그 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170078327A (ko) * 2015-12-29 2017-07-07 주식회사 넥슨코리아 게임 가이드 제공 장치 및 게임 가이드 제공 방법
KR20180036189A (ko) * 2016-09-30 2018-04-09 한국전자통신연구원 게임 운영 시나리오 생성 장치 및 그 방법
KR20180063912A (ko) * 2016-11-29 2018-06-14 한국전자통신연구원 온라인 게임 서비스의 운영 결과를 예측하는 방법 및 그 장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116033214A (zh) * 2021-10-27 2023-04-28 辉达公司 通过使用人工智能预期事件来增强多媒体流

Also Published As

Publication number Publication date
KR102187916B1 (ko) 2020-12-08

Similar Documents

Publication Publication Date Title
US9908052B2 (en) Creating dynamic game activities for games
Sakaguchi et al. Efficient elicitation of annotations for human evaluation of machine translation
Barto et al. Some recent applications of reinforcement learning
Wen et al. A knowledge-based intelligent decision support system for national defense budget planning
CN108122127A (zh) 预测在线游戏服务的运行结果的方法及装置
Canossa Meaning in gameplay: Filtering variables, defining metrics, extracting features and creating models for gameplay analysis
KR20210035871A (ko) 게임내 자원 서페이싱 플랫폼
Yu et al. Moba-slice: A time slice based evaluation framework of relative advantage between teams in moba games
Schleier-Smith An architecture for agile machine learning in real-time applications
KR102223640B1 (ko) 클라우드 기반 개인화 콘텐츠 구독 서비스 제공 시스템 및 방법
Han et al. A game strategy model in the digital curling system based on NFSP
Akyol A new hybrid method based on Aquila optimizer and tangent search algorithm for global optimization
KR102187916B1 (ko) 게임 이벤트 가이드를 위한 방법 및 장치
CN106605219A (zh) 用于对移动应用程序进行分析的方法及系统
Samuel et al. A quantified analysis of Bad News for story sifting interfaces
KR20200140222A (ko) 게임 이벤트 가이드를 위한 방법 및 장치
US20160271500A1 (en) System and Method for Analyzing Data Associated with Electronic Games
Janusz et al. Learning multimodal entity representations and their ensembles, with applications in a data-driven advisory framework for video game players
Paschali et al. Implementing game requirements using design patterns
CN112818241B (zh) 一种内容推广方法、装置、计算机设备和存储介质
Verstraete et al. Analyzing soccer players’ skill ratings over time using tensor-based methods
Lau-Soto An agent-based model of a betting exchange via a single-threaded and object-oriented implementation
KR102187880B1 (ko) 게임 업데이트 가이드를 위한 방법 및 장치
KR20200072391A (ko) 게임 지표 정보 예측 방법 및 장치
KR102684531B1 (ko) 게임 플레이 자동화 방법 및 장치

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