TW202233287A - 多人線上遊戲之隊友推薦方法 - Google Patents

多人線上遊戲之隊友推薦方法 Download PDF

Info

Publication number
TW202233287A
TW202233287A TW110106462A TW110106462A TW202233287A TW 202233287 A TW202233287 A TW 202233287A TW 110106462 A TW110106462 A TW 110106462A TW 110106462 A TW110106462 A TW 110106462A TW 202233287 A TW202233287 A TW 202233287A
Authority
TW
Taiwan
Prior art keywords
game
player
mentioned
average
players
Prior art date
Application number
TW110106462A
Other languages
English (en)
Other versions
TWI784420B (zh
Inventor
李俊賢
朱昇瑋
袁嘉尚
陳駿宏
黃得仲
蔡宗憲
蔡岳洋
林品銓
Original Assignee
宏碁股份有限公司
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 宏碁股份有限公司 filed Critical 宏碁股份有限公司
Priority to TW110106462A priority Critical patent/TWI784420B/zh
Priority to EP21171845.7A priority patent/EP4049732A1/en
Priority to US17/308,209 priority patent/US11745110B2/en
Publication of TW202233287A publication Critical patent/TW202233287A/zh
Application granted granted Critical
Publication of TWI784420B publication Critical patent/TWI784420B/zh

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
    • A63F13/80—Special adaptations for executing a specific game genre or game mode
    • 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
    • A63F13/46—Computing the game score
    • 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
    • A63F13/70—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
    • A63F13/798—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories for assessing skills or for ranking players, e.g. for generating a hall of fame

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Display Devices Of Pinball Game Machines (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

一種多人線上遊戲之隊友推薦方法，包括以下步驟：根據多個玩家過去之遊戲資訊決定各別玩家之特徵值；根據玩家之特徵值將玩家分類為多個群組；根據過去每場遊戲之組隊資訊及排名決定群組之多種排列組合各別之遊戲體驗指標；根據群組之多種排列組合之遊戲體驗指標決定包括第一玩家所屬之第一群組之群組組合；以及根據該群組組合推薦對應之第二玩家。

Description

多人線上遊戲之隊友推薦方法
本申請係有關基於數據分析之推薦技術，特別係有關於一種針對多人線上遊戲所提供之隊友推薦方法。
近年來，由於普適（ubiquitous）運算與網路通訊技術之發展已趨成熟，造就了線上多媒體內容產業的蓬勃發展，以線上遊戲來說，在2017竄紅的絕地求生（PlayerUnknown’s BattleGrounds，PUBG），相較於1999年推出的絕對武力（Counter Strike，CS）來說，新增不少任務與策略的元素在其中，讓射擊遊戲的模式從直覺看到敵人就開槍，轉變成需要注意小陷阱與拯救人質。根據2018年GitHyp數據網站報告顯示，絕地求生已成為最多人玩的線上遊戲之一，玩家人數高達50萬，因此激勵玩家努力提升遊戲操作與精進策略之技能，以提高隊伍獲勝機率。
明確來說，絕地求生是團隊型的策略生存射擊遊戲，每個隊伍由多個玩家組成，且每個玩家各自擔任不同角色及分工，而獲勝的關鍵是隊友間的合作使隊伍能存活到最後，因此，若能找到契合與互補的隊友，將能於遊戲中提升隊伍的整體表現。同樣地，針對其他需要組隊的多人線上遊戲，也同樣亟需有一種更有效、更健全的隊友推薦方法，以期能增加隊伍的勝率。然而，傳統遊戲的推薦方式為隨機或是依玩家之排位與所在地區做隊友推薦，促使所推薦之隊友不合適導致遊戲品質不佳。
本申請提出一種多人線上遊戲之隊友推薦方法，其包括以下步驟：根據複數玩家過去之遊戲資訊決定上述玩家各別之一或多個特徵值；根據上述玩家之上述特徵值將上述玩家分類為複數群組；根據過去每場遊戲之組隊資訊及排名決定上述群組之多種排列組合各別之一遊戲體驗指標；根據上述群組之多種排列組合之上述遊戲體驗指標決定包括一第一玩家所屬之一第一群組之一群組組合；以及根據上述群組組合推薦對應之一或多個第二玩家。
在本申請之一第一實施例中，上述特徵值之決定步驟還包括：針對上述玩家過去之遊戲資訊中之一或多個參數分別決定每個玩）家所對應之一場均特徵值；結合上述玩家過去之遊戲資訊中之多個參數以取得每個玩家之一或多個複合特徵值；以及根據上述場均特徵值與上述複合特徵值決定一加權特徵值。
在上述第一實施例之一第一附加範例中，上述多人線上遊戲一生存射擊遊戲。且上述玩家過去之遊戲資訊包括以下參數之至少一者：一場次序號；一玩家序號；一組隊序號；一場次時間；一死亡時間；一助攻數；一攻擊數；一擊殺數；一頭殺數；一交戰時擊殺數；一擊殺排名；一最長擊殺距離；最大傷害槍種是否為狙擊槍之一指標；一游泳距離；一走路距離；一總傷害量；一總傷害次數；一反殺擊中次數；以及一反殺總次數。
在上述第一附加範例之一第二附加範例中，上述場均特徵值包括以下至少一者：根據每個玩家參與之每個場次對應之上述助攻數所決定之一場均助攻數；根據每個玩家參與之每個場次對應之上述攻擊數所決定之一場均攻擊數；根據每個玩家參與之每個場次對應之上述擊殺數所決定之一場均擊殺數；根據每個玩家參與之每個場次對應之上述頭殺數所決定之一場均頭殺數；根據每個玩家參與之每個場次對應之上述交戰時擊殺數所決定之一場均交戰時擊殺數；根據每個玩家參與之每個場次對應之上述擊殺排名所決定之一場均擊殺排名；根據每個玩家參與之每個場次對應之上述最長擊殺距離所決定之一場均最長擊殺距離；根據每個玩家參與之每個場次對應之上述指標所決定之最大傷害槍種是否為狙擊槍之一場均指標；根據每個玩家參與之每個場次對應之上述游泳距離所決定之一場均游泳距離；根據每個玩家參與之每個場次對應之上述走路距離所決定之一場均走路距離；根據每個玩家參與之每個場次對應之上述總傷害量所決定之一場均總傷害量；根據每個玩家參與之每個場次對應之上述總傷害次數所決定之一場均總傷害次數；根據每個玩家參與之每個場次對應之上述反殺擊中次數所決定之一場均反殺擊中次數；以及根據每個玩家參與之每個場次對應之上述反殺總次數所決定之一場均反殺總次數。
在上述第二附加範例之一第三附加範例中，上述複合特徵值包括以下至少一者：根據每個玩家參與之每個場次對應之上述場均游泳距離與上述場均走路距離所決定之一移動距離；根據每個玩家參與之每個場次對應之上述場均總傷害量與上述場均總傷害次數所決定之一單次攻擊傷害量；以及根據每個玩家參與之每個場次對應之上述場均反殺擊中次數與上述場均反殺總次數所決定之一反擊率。
在上述第三附加範例之一第四附加範例中，上述加權特徵值包括以下至少一者：根據每個玩家對應之上述場均最長擊殺距離與上述單次攻擊傷害量所決定之一狙擊手攻擊特徵；以及根據每個玩家對應之上述場均總傷害量、上述場均頭殺數、上述場均擊殺排名、上述場均交戰時擊殺數、上述場均擊殺數、以及上述場均攻擊數所決定之一近距離攻擊特徵。
在本申請之一第二實施例中，根據上述群組組合推薦對應之上述第二玩家之步驟還包括：決定上述群組組合中除卻上述第一群組以外之其餘群組；以及針對上述其餘群組之每一者，分別推薦該群組中平均勝率最高之一玩家或平均勝率較高之複數玩家。
在上述第二實施例之一第五附加範例中，上述多人線上遊戲之隊友推薦方法還包括：決定上述其餘群組之各群組所對應之推薦玩家數是否低於一門檻值；以及若上述其餘群組之各群組所對應之推薦玩家數低於上述門檻值，則去除已推薦玩家並從剩餘玩家中根據玩家所屬次要群組進行推薦。
在上述第五附加範例之一第六附加範例中，上述特徵值包括上述場均特徵值、上述複合特徵值、以及上述加權特徵值，而將上述玩家分類為複數群組之步驟還包括：以一分群（clustering）演算法分析上述玩家之上述特徵值以建立上述複數群組之複數中心特徵值；根據上述玩家之上述特徵值以及上述中心特徵值決定每個上述玩家分別屬於上述群組之複數機率；以及針對每個上述玩家決定上述機率中最高者所對應的群組為該玩家之所屬主要群組，而其他群組則依照上述機率之高低排序為該玩家之所屬次要群組。
在上述第五附加範例之一第七附加範例中，上述多人線上遊戲之隊友推薦方法還包括：根據每個上述玩家過去複數場次之各別所屬群組決定上述玩家各別之所屬主要群組以及所屬次要群組。
關於本申請其他附加的特徵與優點，此領域之熟習技術人士，在不脫離本申請之精神和範圍內，當可根據本案實施方法中所揭露之行動通訊裝置以及基於多媒體廣播群播服務之緊急廣播方法做些許的更動與潤飾而得到。
本章節所敘述的是實施本申請之較佳方式，目的在於說明本申請之精神而非用以限定本申請之保護範圍，當可理解的是，使用於本說明書中的「包含」、「包括」等詞，係用以表示存在特定的技術特徵、數值、方法步驟、作業處理、元件以及/或組件，但並不排除可加上更多的技術特徵、數值、方法步驟、作業處理、元件、組件，或以上的任意組合。
第1圖係根據本申請一實施例所述之網路環境之示意圖。
如第1圖所示，網路環境100包括複數遊戲主機（gaming console）110~140、網際網路150、以及遊戲伺服器160，其中遊戲主機110~140之每一者可由不同玩家所操作，以有線或無線的方式連接至網際網路150，再透過網際網路150連接到遊戲伺服器160以進行多人線上遊戲，如：生存射擊遊戲（絕地求生(PLAYERUNKNOWN'S BATTLEGROUNDS，PUBG)、屍流感(H1Z1)、絕對武力(Counter Strike，CS)等）。
遊戲主機110~140之每一者可以是桌上型電腦、智慧型手機、平板電腦、筆記型電腦、或任何電子計算裝置，只要其具備網路通訊以及運行線上遊戲之功能。
舉例來說，遊戲主機110可為一桌上型電腦，其安裝有絕地求生遊戲之應用程式，並透過區域網路（如：乙太網(Ethernet)或無線保真(Wireless-Fidelity，Wi-Fi)網路）連接到網際網路150。遊戲主機120、140可各別為一智慧型手機或平板電腦，其安裝有絕地求生遊戲之應用程式，並透過區域網路（如：無線保真網路）或行動網路（如：4G/5G行動網路）連接到網際網路150。遊戲主機130可為一筆記型電腦，其安裝有絕地求生遊戲之應用程式，並透過區域網路（如：乙太網或無線保真網路）連接到網際網路150。
遊戲伺服器160為一具有網路通訊功能之電腦伺服器，主要用以提供一多人線上遊戲平台，特別是，遊戲伺服器160可紀錄每個玩家過去之遊戲資訊（如：儲存於一資料庫），並且可根據這些資訊進行分析以歸納出每個玩家的所屬類型（如：狙擊手、近距離攻擊手、純支援者、或其他），進而決定玩家組隊時的最佳類型組合並以此產生隊友推薦名單。如此一來，即可協助玩家找到契合與互補的隊友，以提升隊伍在遊戲中的整體表現並增加隊伍的勝率。
第2圖係根據本申請一實施例所述之遊戲伺服器160之硬體架構圖。
如第2圖所示，遊戲伺服器160可包括網路通訊裝置10、控制器20、儲存裝置30、以及輸入輸出（Input/Output，I/O）裝置40。
網路通訊裝置10可依循至少一特定通訊技術（如：乙太網技術、無線保真技術、長期演進技術等）提供有線或無線網路連線至網際網路150，並透過網際網路150連線到遊戲主機110~140。
舉例來說，網路通訊裝置10可包括一網路卡（如：乙太網卡或光纖網卡），用以提供有線網路連線。或者，網路通訊裝置10可包括一無線通訊晶片，內含基頻處理裝置、射頻（Radio Frequency，RF）裝置、以及天線，其中基頻處理裝置可包括多個硬體元件用以執行基頻信號處理，包括類比數位轉換（analog-to-digital conversion，ADC）/數位類比轉換（digital-to-analog conversion，DAC）、增益（gain）調整、調變與解調變、以及編碼/解碼等；射頻裝置可透過天線接收射頻無線信號，並將射頻無線信號轉換為基頻信號以交由基頻處理裝置進一步處理、或自基頻處理裝置接收基頻信號，並將基頻信號轉換為射頻無線信號以透過天線進行傳送。射頻裝置亦可包括多個硬體元件以執行上述射頻無線信號之轉換。例如，射頻裝置可包括一混頻器（mixer）以將基頻信號乘上一射頻之震盪載波，其中該射頻可為無線保真技術所使用之2.4吉赫（GHz）或5吉赫或端視所使用的無線通訊技術而定。
控制器20可為通用處理器、微處理器（Micro-Control Unit，MCU）、應用處理器（Application Processor，AP）、數位訊號處理器（Digital Signal Processor，DSP）、圖形處理單元（Graphics Processing Unit，GPU）、全像處理單元（Holographic Processing Unit，HPU）、或神經處理單元（Neural Processing Unit，NPU）、或上述之任意組合。明確來說，控制器20可包括各式邏輯電路，用以提供資料處理及運算之功能、控制網路通訊裝置10以連線到網際網路150、對儲存裝置30進行資料之儲存（如：每個玩家過去之遊戲資訊）及讀取、以及透過輸入輸出裝置40接收或輸出信號。
特別是，控制器20還整合了網路通訊裝置10、儲存裝置30、以及輸入輸出裝置40之作業，以執行本申請所述之多人線上遊戲之隊友推薦方法。
該領域之熟習技藝人士當可理解，控制器20中的邏輯電路通常可包括多個電晶體，用以控制該邏輯電路之運作以提供所需之功能及作業。更進一步的，電晶體的特定結構及其之間的連結關係通常是由編譯器所決定，例如：暫存器轉移語言（Register Transfer Language，RTL）編譯器可由處理器所運作，將類似組合語言碼的指令檔（script）編譯成適用於設計或製造該邏輯電路所需之形式。更具體而言，控制器20可分成3個部分，分別為「控制單元」、「算數邏輯運算單元」與「暫存器」，但本揭露不限定於此。控制單元會依據程式的指令，控制所要執行的功能。算術邏輯運算單元負責進行各類運算。暫存器以單一硬體方式實現儲存運算的資料和要接續執行的指令，或是以兩獨立硬體方式實現以分別儲存運算的資料和要接續執行的指令。
儲存裝置30為非暫態（non-transitory）之電腦可讀取儲存媒體，包括：記憶體（如：快閃記憶體、非揮發性隨機存取記憶體(Non-volatile Random Access Memory，NVRAM)）、或磁性儲存裝置（如：硬碟、磁帶）、或光碟、或上述媒體之任意組合，其主要用以儲存：玩家的遊戲資訊、以及電腦可讀取及執行之指令或程式碼，包括：應用、作業系統、以及/或本申請所述方法之程式碼。
輸入輸出裝置40可包括一或多個按鈕、燈號裝置、鍵盤、滑鼠、觸碰板、顯示裝置（如：液晶顯示器(Liquid Crystal Display，LCD)、發光二極體(Light-Emitting Diode，LED)顯示器、或電子紙顯示器(Electronic Paper Display，EPD)等）、麥克風、以及/或喇叭等，用以作為人機介面與使用者互動。
當可理解的是，第2圖所示之元件僅用以提供一說明之範例，並非用以限制本申請之保護範圍。舉例來說，遊戲伺服器160可包括其他更多的元件，例如：顯示裝置（如：液晶顯示器(Liquid Crystal Display，LCD)、發光二極體(Light-Emitting Diode，LED)顯示器、或電子紙顯示器(Electronic Paper Display，EPD)等）。
第3圖係根據本申請一實施例所述多人線上遊戲之隊友推薦方法之流程圖。
在此實施例，多人線上遊戲之隊友推薦方法係執行於遊戲伺服器（如：遊戲伺服器160）。或者，在其他實施例，如果遊戲主機具有權限可存取遊戲伺服器中的資料庫以取得其他玩家的遊戲資訊，則多人線上遊戲之隊友推薦方法亦可執行於遊戲主機（如：遊戲主機110~140）。
在步驟S310，根據複數玩家過去之遊戲資訊決定上述玩家各別之一或多個特徵值。
在步驟S320，根據上述玩家之上述特徵值將上述玩家分類為複數群組。
在步驟S330，根據過去每場遊戲之組隊資訊及排名決定上述群組之多種排列組合各別之一遊戲體驗指標（如：平均排名、或平均勝率）。
在步驟S340，根據上述群組之多種排列組合之上述遊戲體驗指標決定包括一第一玩家所屬之一第一群組之一群組組合。
在步驟S350，根據上述群組組合推薦對應之一或多個第二玩家。
以下將以第4~8圖分別針對上述步驟S310~S350之具體操作進行詳細說明。
第4圖係根據本申請一實施例所述步驟S310決定玩家特徵值之細部流程圖。
在步驟S410，取得複數玩家過去之遊戲資訊。
在一實施例，上述玩家過去之遊戲資訊可從遊戲伺服器的資料庫中取得，包括以下參數之至少一者：場次序號、玩家序號、組隊序號、場次時間、死亡時間、助攻數、攻擊數、擊殺數、頭殺數、交戰時擊殺數、擊殺排名、最長擊殺距離、最大傷害槍種是否為狙擊槍之指標、游泳距離、走路距離、總傷害量、總傷害次數、反殺擊中次數、以及反殺總次數。
在一範例中，多位玩家過去之遊戲資訊可依不同遊戲場次整理如以下表1所示，但本申請不在此限。
場次序號 玩家序號 場次時間 助攻數 擊殺數 …
M1 P1 2019-10-04 14:56:49.000 10 2 …
M2 P1 2019-10-03 14:56:49.000 5 3 …
M2 P2 2019-10-03 14:56:49.000 20 10 …
… … … … … …
表1
在步驟S420，針對複數玩家過去之遊戲資訊中之一或多個參數分別決定每個玩家所對應之一場均特徵值。
舉例來說，在絕地求生遊戲中，由於玩家的存活時間與玩家紀錄相關特徵存在相關性（如：存活時間愈長，助攻數會愈多），因此可以根據存活時間為加權依據，並套用以下公式計算出每個玩家的場均助攻數。
Figure 02_image001
進一步說明，在公式1中，
Figure 02_image003
為玩家在第i場次的存活時間，
Figure 02_image005
為玩家在第i場次的助攻數，N為玩家參與的總場次數，但本申請不在此限。
其他場均特徵值，例如：場均攻擊數、場均擊殺數、場均頭殺數、場均交戰時擊殺數、場均擊殺排名、場均最長擊殺距離、最大傷害槍種是否為狙擊槍之場均指標、場均游泳距離、場均走路距離、場均總傷害量、場均總傷害次數、場均反殺擊中次數、以及場均反殺總次數等等，均可套用類似於公式1的方式計算得到，但本申請不在此限。
在步驟S430，結合上述玩家過去之遊戲資訊中之多個參數以取得每個玩家之一或多個複合特徵值。
舉例來說，可根據每個玩家參與之每個場次對應之上述場均游泳距離與上述場均走路距離決定一移動距離，如：移動距離=場均游泳距離+場均走路距離。
舉例來說，可根據每個玩家參與之每個場次對應之上述場均總傷害量與上述場均總傷害次數決定一單次攻擊傷害量，如：單次攻擊傷害量=場均總傷害量/場均總傷害次數。
舉例來說，可根據每個玩家參與之每個場次對應之上述場均反殺擊中次數與上述場均反殺總次數決定一反擊率，如：反擊率=場均反殺擊中次數/場均反殺總次數。
在步驟S440，根據上述場均特徵值與上述複合特徵值決定一加權特徵值。
舉例來說，可利用統計相關整合方法（如：主成份分析(Principal Component Analysis，PCA)），整合場均特徵值以及複合特徵值之結果，例如：由主成份分析的方法，考量第一個主成份PC1為特徵權重，得到PC1（命名為「狙擊手攻擊特徵」） = 0.707*場均最長擊殺距離+ 0.500*單次攻擊傷害量。此複合特徵數值越高，代表玩家特質為擅長遠距離擊殺與單次傷害量高。另外，也可產生其他主成份PC2（命名為「近距離攻擊特徵」） = 0.420*場均總傷害量 + 0.407*場均頭殺數 -0.391* 場均擊殺排名 + 0.391*場均交戰時擊殺數 + 0.428*場均擊殺數 + 0.410 *場均攻擊數，但本申請不在此限。
在步驟S450，將上述場均特徵值、上述複合特徵值、以及上述加權特徵值進行標準化處理以產出步驟S310所述的玩家特徵值。也就是說，步驟S310所述的玩家特徵值包括了上述場均特徵值、上述複合特徵值、以及上述加權特徵值之任意組合。
舉例來說，上述標準化處理可以是：(特徵-特徵平均值)/特徵標準差。在一範例中，標準化處理後所得到的玩家特徵值如以下表2所示，但本申請不在此限。
玩家序號 狙擊手攻擊特徵 其他攻擊特徵 最大傷害槍種是否為狙擊槍 反擊率 移動距離
P1 1.002 0.845 -0.145 1.116 -0.003
P2 10 2 1 0.95 5
… … … … … …
表2
第5圖係根據本申請一實施例所述步驟S320將玩家進行分群之細部流程圖。
在步驟S510，基於上述標準化處理後所得到的玩家特徵值（如表2所示）設定分群模型之參數。
舉例來說，分群模型可採用一分群（clustering）演算法（如：K-means分群演算法、階層式分群演算法、或高斯混合模型(Gaussian Mixture Model)等適用於分群的相關演算法），並依據不同玩家在遊戲中所扮演的角色種類設定分群數K，例如：設定分群數K為4，分別代表狙擊手、近距離攻擊手、純支援者、以及其他（不屬於前三種角色）。
在步驟S520，根據上述設定，分群模型運算後可以取得玩家特徵值分群之散佈狀況、以及各分群之群中心數值。
在一範例中，分群模型運算後所得到的結果如以下表3所示，但本申請不在此限。
特徵名稱 C1 C2 C3 C4
狙擊手攻擊特徵 0.952 -0.191 -0.652 0.473
其他攻擊特徵 1.167 -0.180 -0.612 0.158
最大傷害槍種是否為狙擊槍 -0.248 0.146 -0.552 1.246
反擊率 1.311 -0.335 -0.379 -0.332
移動距離 -0.173 1.677 -0.475 -0.228
表3
在步驟S530，決定玩家的場均特徵值與每個群中心數值距離最近者（即屬於各群組機率最大者）即為該玩家之所屬群組。
以表2的玩家P1為例，其與C1群中心數值的距離可根據以下公式計算得到0.429。
Figure 02_image007
之後再以相同方式可計算與其他三個群中心數值的距離分別為2.736、2.735、2.199，因此，玩家P1屬於C1群之機率為：
Figure 02_image009
。
經過上述計算後，每個玩家的分群數據可整理如以下表4所示，但本申請不在此限。
玩家序號 與C1的距離 與C2的距離 與C3的距離 與C4的距離 屬於各群機率 (C1,C2,C3,C4) 所屬群組
P1 0.429 2.736 2.735 2.199 (0.67, 0.10, 0.10, 0.13) C1
… … … … … … …
表4
第6圖係根據本申請一實施例所述步驟S330決定各群組組合之遊戲體驗指標之細部流程圖。
在步驟S610，從所有玩家過去之遊戲資訊整理出每場次中各隊的玩家組成以及排名/勝率。
在一範例中，整理後所得到的各隊玩家組成以及排名如以下表5所示，但本申請不在此限。
場次序號 組隊序號 隊友一 隊友二 隊友三 隊友四 排名
M1 R1 P1 P2 P3 P4 10
M1 R2 P5 P6 P7 P8 1
M2 R1 P1 P3 P5 P7 2
… … … … … … …
表5
在步驟S620，根據步驟S320所得到的玩家分群結果進一步將上述各隊玩家的組成轉換為對應之群組組合。
在一範例中，轉換後所得到的對應群組組合如以下表6所示，但本申請不在此限。
場次序號 組隊序號 隊友分群組合 排名
M1 R1 C1,C1,C3,C4 10
M1 R2 C1,C1,C3,C4 1
M2 R1 C1,C1,C3,C3 2
… … … …
表6
在步驟S630，根據上述各隊玩家所對應之群組組合以及排名/勝率計算每種群組組合的平均排名/平均勝率與組過隊數。
以上述分群C1~C4的例子來說，總共有
Figure 02_image011
種組合，每一種群組組合的平均排名如以下表7所示，但本申請不在此限。
C1 C2 C3 C4 曾組過隊數 平均排名
2 0 1 1 20 2.5
1 1 1 1 30 4.8
… … … … … …
表7
其中表7的數據是根據每種群組組合的平均排名而作降冪排列。
第7圖係根據本申請一實施例所述步驟S340決定一玩家所屬群組的最佳群組組合之細部流程圖。
在步驟S710，根據欲推薦隊友之一玩家之所屬群組從上述各種群組組合中找出包括該玩家所屬群組的所有群組組合。
在步驟S720，決定該等群組組合中具有最佳遊戲體驗指標的群組組合。
舉例來說，欲推薦隊友之玩家為玩家P100，其特徵值可依照第4圖所述流程而計算得到如以下表8所示，但本申請不在此限。
玩家序號 狙擊手攻擊特徵 其他攻擊特徵 最大傷害槍種是否為狙擊槍 反擊率 移動距離
P100 1.002 0.845 -0.145 1.116 -0.003
表8
接著，玩家P100的所屬群組可依照第5圖所述流程而計算得到為C1，再從表7找出包含C1的群組組合中具有最佳平均排名的群組組合，即為：{C1, C1, C3, C4}。
第8圖係根據本申請一實施例所述步驟S350推薦玩家之細部流程圖。
首先，在步驟S810，先設定每個群組要推薦之玩家數量門檻值N。
舉例來說，由於玩家P100的最佳群組組合為{C1, C1, C3, C4}，表示除卻玩家P100所屬的C1群組以外之其餘群組，也就是C1群組、C3群組、C4群組，從每個待推薦群組中各挑選1位（N=1）或50位（N=50）玩家。
在步驟S820，針對每個待推薦群組將所挑選出的玩家依照平均勝率排序。
在步驟S830，確認每個待推薦群組所挑選出的玩家數量是否符合玩家數量門檻值N。
接續步驟S830，若數量符合，則流程進入步驟S840。反之，若數量不符合，則流程進入步驟S850。
在步驟S840，針對每個待推薦群組依照玩家之平均勝率排序產出推薦玩家名單（也就是優先推薦每個群組中勝率較高的玩家）。
在步驟S850，計算每個待推薦群組缺少的玩家人數（如：C1少20人、C3少40人、C4少0人）。
在步驟S860，去除已推薦玩家，從剩餘玩家中根據玩家所屬次要群組進行推薦。
以表4為例，玩家P1的所屬主要群組為機率最高的C1群，而根據屬於各群的機率排序，可決定玩家P1的所屬次要群組為C4。
或者，可根據每個玩家過去在多個場次之各別所屬群組決定玩家之所屬主要群組以及所屬次要群組。舉例來說，可根據表6計算同一玩家過去多個場次的所屬分群，並整理出玩家的所屬群組（性格）列表，如：依據所屬分群之場次比例，來決定玩家的所屬群組順序如以下表9所示，但本申請不在此限。
玩家序號 玩過場數 玩家屬C1 玩家屬C2 玩家屬C3 玩家屬C4 玩家性格 (1 st,2 nd,3 rd,4 th)
P200 100 20% (20場) 50% (50場) 30% (30場) 0% (0場) (C2,C3,C1,C4)
P300 50 20% (10場) 30% (15場) 50% (25場) 0% (0場) (C3,C2,C1,C4)
… … … … … … …
表9
根據上述實施例，當可理解的是，本申請所提出的多人線上遊戲之隊友推薦方法，可充分利用玩家的過去遊戲資訊擷取出玩家扮演角色的特徵，並建立一套有效之分群模型以區分玩家於遊戲中所扮演的角色，予以推薦合適與較有能力的玩家，且此推薦方式也考量過去玩家組合中遊戲體驗指標較高的結果，因此能增加整體團隊的優勢與勝率。例如，所述遊戲體驗指標可包括遊戲的勝負、遊戲中獲得的資源分數及/或遊戲中獲得的隊友獎勵分數等與玩家的遊戲體驗相關的評估指標，且遊戲體驗指標的類型不限於此。
本申請雖以各種實施例揭露如上，然而其僅為範例參考而非用以限定本申請的範圍，任何熟習此項技藝者，在不脫離本申請之精神和範圍內，當可做些許的更動與潤飾。因此上述實施例並非用以限定本申請之範圍，本申請之保護範圍當視後附之申請專利範圍所界定者為準。
於申請專利範圍中所使用的「第一」、「第二」等詞係用來修飾權利要求中的元件，並非用來表示之間具有優先權順序，先行關係，或者是一個元件先於另一個元件，或者是執行方法步驟時的時間先後順序，僅用來區別具有相同名字的元件。
100:網路環境 110~140:遊戲主機 150:網際網路 160:遊戲伺服器 10:網路通訊裝置 20:控制器 30:儲存裝置 40:輸入輸出裝置 S310~S350, S410~S450, S510~S530, S610~S630, S710~S720, S810~S860:步驟編號
第1圖係根據本申請一實施例所述之網路環境之示意圖。 第2圖係根據本申請一實施例所述之遊戲伺服器160之硬體架構圖。 第3圖係根據本申請一實施例所述多人線上遊戲之隊友推薦方法之流程圖。 第4圖係根據本申請一實施例所述步驟S310決定玩家特徵值之細部流程圖。 第5圖係根據本申請一實施例所述步驟S320將玩家進行分群之細部流程圖。 第6圖係根據本申請一實施例所述步驟S330決定各群組組合之遊戲體驗指標之細部流程圖。 第7圖係根據本申請一實施例所述步驟S340決定一玩家所屬群組的最佳群組組合之細部流程圖。 第8圖係根據本申請一實施例所述步驟S350推薦玩家之細部流程圖。
S310~S350:步驟編號

Claims (10)

  1. 一種多人線上遊戲之隊友推薦方法，包括： 根據複數玩家過去之遊戲資訊決定上述玩家各別之一或多個特徵值；根據上述玩家之上述特徵值將上述玩家分類為複數群組；根據過去每場遊戲之組隊資訊及排名決定上述群組之多種排列組合各別之一遊戲體驗指標；根據上述群組之多種排列組合之上述遊戲體驗指標決定包括一第一玩家所屬之一第一群組之一群組組合；以及根據上述群組組合推薦對應之一或多個第二玩家。
  2. 如請求項1所述之多人線上遊戲之隊友推薦方法，其中上述特徵值之決定步驟還包括： 針對上述玩家過去之遊戲資訊中之一或多個參數分別決定每個玩家所對應之一場均特徵值； 結合上述玩家過去之遊戲資訊中之多個參數以取得每個玩家之一或多個複合特徵值；以及 根據上述場均特徵值與上述複合特徵值決定一加權特徵值。
  3. 如請求項2所述之多人線上遊戲之隊友推薦方法，其中上述多人線上遊戲為一生存射擊遊戲，且上述玩家過去之遊戲資訊包括以下參數之至少一者： 一場次序號； 一玩家序號； 一組隊序號； 一場次時間； 一死亡時間； 一助攻數； 一攻擊數； 一擊殺數； 一頭殺數； 一交戰時擊殺數； 一擊殺排名； 一最長擊殺距離； 最大傷害槍種是否為狙擊槍之一指標； 一游泳距離； 一走路距離； 一總傷害量； 一總傷害次數； 一反殺擊中次數；以及 一反殺總次數。
  4. 如請求項3所述之多人線上遊戲之隊友推薦方法，其中上述場均特徵值包括以下至少一者： 根據每個玩家參與之每個場次對應之上述助攻數所決定之一場均助攻數； 根據每個玩家參與之每個場次對應之上述攻擊數所決定之一場均攻擊數； 根據每個玩家參與之每個場次對應之上述擊殺數所決定之一場均擊殺數； 根據每個玩家參與之每個場次對應之上述頭殺數所決定之一場均頭殺數； 根據每個玩家參與之每個場次對應之上述交戰時擊殺數所決定之一場均交戰時擊殺數； 根據每個玩家參與之每個場次對應之上述擊殺排名所決定之一場均擊殺排名； 根據每個玩家參與之每個場次對應之上述最長擊殺距離所決定之一場均最長擊殺距離； 根據每個玩家參與之每個場次對應之上述指標所決定之最大傷害槍種是否為狙擊槍之一場均指標； 根據每個玩家參與之每個場次對應之上述游泳距離所決定之一場均游泳距離； 根據每個玩家參與之每個場次對應之上述走路距離所決定之一場均走路距離； 根據每個玩家參與之每個場次對應之上述總傷害量所決定之一場均總傷害量； 根據每個玩家參與之每個場次對應之上述總傷害次數所決定之一場均總傷害次數； 根據每個玩家參與之每個場次對應之上述反殺擊中次數所決定之一場均反殺擊中次數；以及 根據每個玩家參與之每個場次對應之上述反殺總次數所決定之一場均反殺總次數。
  5. 如請求項4所述之多人線上遊戲之隊友推薦方法，其中上述複合特徵值包括以下至少一者： 根據每個玩家參與之每個場次對應之上述場均游泳距離與上述場均走路距離所決定之一移動距離； 根據每個玩家參與之每個場次對應之上述場均總傷害量與上述場均總傷害次數所決定之一單次攻擊傷害量；以及 根據每個玩家參與之每個場次對應之上述場均反殺擊中次數與上述場均反殺總次數所決定之一反擊率。
  6. 如請求項5所述之多人線上遊戲之隊友推薦方法，其中上述加權特徵值包括以下至少一者： 根據每個玩家對應之上述場均最長擊殺距離與上述單次攻擊傷害量所決定之一狙擊手攻擊特徵；以及 根據每個玩家對應之上述場均總傷害量、上述場均頭殺數、上述場均擊殺排名、上述場均交戰時擊殺數、上述場均擊殺數、以及上述場均攻擊數所決定之一近距離攻擊特徵。
  7. 如請求項1所述之多人線上遊戲之隊友推薦方法，其中根據上述群組組合推薦對應之上述第二玩家之步驟還包括： 決定上述群組組合中除卻上述第一群組以外之其餘群組；以及 針對上述其餘群組之每一者，分別推薦該群組中遊戲體驗指標最高之一玩家或遊戲體驗指標較高之複數玩家。
  8. 如請求項7所述之多人線上遊戲之隊友推薦方法，還包括： 決定上述其餘群組之各群組所對應之推薦玩家數是否低於一門檻值；以及 若上述其餘群組之各群組所對應之推薦玩家數低於上述門檻值，則去除已推薦玩家並從剩餘玩家中根據玩家所屬次要群組進行推薦。
  9. 如請求項8所述之多人線上遊戲之隊友推薦方法，其中上述特徵值包括上述場均特徵值、上述複合特徵值、以及上述加權特徵值，而將上述玩家分類為複數群組之步驟還包括： 以一分群（clustering）演算法分析上述玩家之上述特徵值以建立上述複數群組之複數中心特徵值； 根據上述玩家之上述特徵值以及上述中心特徵值決定每個上述玩家分別屬於上述群組之複數機率；以及 針對每個上述玩家決定上述機率中最高者所對應的群組為該玩家之所屬主要群組，而其他群組則依照上述機率之高低排序為該玩家之所屬次要群組。
  10. 如請求項8所述之多人線上遊戲之隊友推薦方法，還包括： 根據每個上述玩家過去複數場次之各別所屬群組決定上述玩家各別之所屬主要群組以及所屬次要群組。
TW110106462A 2021-02-24 2021-02-24 多人線上遊戲之隊友推薦方法 TWI784420B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW110106462A TWI784420B (zh) 2021-02-24 2021-02-24 多人線上遊戲之隊友推薦方法
EP21171845.7A EP4049732A1 (en) 2021-02-24 2021-05-03 Teammate recommendation method for a multiplayer online game
US17/308,209 US11745110B2 (en) 2021-02-24 2021-05-05 Teammate recommendation method for a multiplayer online game

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110106462A TWI784420B (zh) 2021-02-24 2021-02-24 多人線上遊戲之隊友推薦方法

Publications (2)

Publication Number Publication Date
TW202233287A true TW202233287A (zh) 2022-09-01
TWI784420B TWI784420B (zh) 2022-11-21

Family

ID=75786991

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110106462A TWI784420B (zh) 2021-02-24 2021-02-24 多人線上遊戲之隊友推薦方法

Country Status (3)

Country Link
US (1) US11745110B2 (zh)
EP (1) EP4049732A1 (zh)
TW (1) TWI784420B (zh)

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5001931B2 (ja) * 2008-11-25 2012-08-15 株式会社コナミデジタルエンタテインメント ゲーム装置、ゲーム装置の制御方法、及びプログラム
US9461876B2 (en) * 2012-08-29 2016-10-04 Loci System and method for fuzzy concept mapping, voting ontology crowd sourcing, and technology prediction
US9526993B2 (en) * 2013-08-02 2016-12-27 Steelseries Aps Systems and methods for associating players of electronic games
US10286326B2 (en) * 2014-07-03 2019-05-14 Activision Publishing, Inc. Soft reservation system and method for multiplayer video games
US9619434B2 (en) * 2015-02-03 2017-04-11 International Business Machines Corporation Group generation using sets of metrics and predicted success values
CA3025382C (en) 2016-05-25 2022-08-02 Sportlogiq Inc. System and method for evaluating team game activities
US10341162B2 (en) * 2017-09-12 2019-07-02 Pacific Import Manufacturing, Inc. Augmented reality gaming system
CN112148393A (zh) * 2019-06-28 2020-12-29 北京智明星通科技股份有限公司 一种基于社交平台小游戏的用户组队方法
US20210086089A1 (en) * 2019-09-25 2021-03-25 Nvidia Corporation Player analysis using one or more neural networks
JP2022523281A (ja) * 2020-01-27 2022-04-22 スクウェア エニックス、リミテッド ビデオゲーム用グラフィカルインジケータ
CN111330286A (zh) * 2020-03-08 2020-06-26 北京智明星通科技股份有限公司 一种多人游戏的组队方法、装置及服务器
CN111672114B (zh) * 2020-06-05 2022-03-18 腾讯科技（深圳）有限公司 目标虚拟对象确定方法、装置、终端及存储介质

Also Published As

Publication number Publication date
TWI784420B (zh) 2022-11-21
EP4049732A1 (en) 2022-08-31
US11745110B2 (en) 2023-09-05
US20220266152A1 (en) 2022-08-25

Similar Documents

Publication Publication Date Title
US11684847B2 (en) Method and apparatus for presenting gamer performance at a social network
CN105641932B (zh) 一种数据对象的匹配方法
US20170361228A1 (en) Collaborative electronic game play employing player classification and aggregation
US20150258456A1 (en) Fantasy game system and method for player selection and scoring
US8920228B2 (en) Multigame ranking with virtual item rewards
JP6212238B1 (ja) ゲームサーバ、方法、プログラム、及びプログラム記録媒体
JP2015157002A (ja) ゲーム制御方法、サーバ装置及びプログラム
US20190381411A1 (en) System and Method for Dynamically Valuating Players During a Fantasy Draft
US20180185759A1 (en) Skill matching for a multiplayer session
CN106362395A (zh) 一种游戏副本快速完成方法
TWI784420B (zh) 多人線上遊戲之隊友推薦方法
JP5368623B1 (ja) ゲームサーバ、ゲーム制御方法、プログラム、及びゲームシステム
US20110256926A1 (en) System and method for valuating a player in a fantasy draft based on user-defined league rules
KR20200124921A (ko) 게임 컨텐츠 제공 방법
CN114984584A (zh) 多人线上游戏的队友推荐方法
JP6993707B2 (ja) ゲームシステム、ゲーム制御装置、プログラム、及びゲーム制御方法
TW202210146A (zh) 組隊遊戲的隊友推薦方法與系統
JP6295002B2 (ja) ゲーム制御方法
JP2020195772A (ja) スポーツゲームの選手のポジションおよびトレーナーに対する自動推奨を利用したチーム管理方法およびシステム
CN108854076A (zh) 一种识别手机游戏作弊玩家的方法、装置和服务器
JP2019069187A (ja) ゲーム制御方法
Gulati et al. Are today’s Test cricket batsmen better than the greats of yesteryears? A comparative analysis
US9669309B2 (en) Method for managing league point of point lapsing league mode and server for providing point lapsing league mode
KR101210009B1 (ko) 플레이 스타일에 대한 캐릭터 능력치 보상 방법 및 서버
JP2023040263A (ja) ゲーム制御方法