[論文レビュー] Using Collaborative Filtering to Recommend Champions in League of Legends

D. Tiffany, Dylan S. Yu+2 more|arXiv (Cornell University)|Jun 17, 2020

Digital Games and Media参考文献 14被引用数 4

ひとこと要約

本論文は、選手の好みを表す代理指標としてチャンピオンマスタリーポイント（CMP）を用いた特異値分解（SVD）に基づく共同フィルタリングによるリーグ・オブ・レジェンダーズ用チャンピオン推薦システムを提案する。予備のユーザースタディーにおいて、ランダムな推薦よりも優れた性能を示しており、CMPが選手の満足度を効果的に捉え、パーソナライズされた楽しいチャンピオンの提案を可能にしていることが示された。

ABSTRACT

League of Legends (LoL), one of the most widely played computer games in the world, has over 140 playable characters known as champions that have highly varying play styles. However, there is not much work on providing champion recommendations to a player in LoL. In this paper, we propose that a recommendation system based on a collaborative filtering approach using singular value decomposition provides champion recommendations that players enjoy. We discuss the implementation behind our recommendation system and also evaluate the practicality of our system using a preliminary user study. Our results indicate that players significantly preferred recommendations from our system over random recommendations.

研究の動機と目的

• リーグ・オブ・レジェンダーズにおいて勝率最適化を超えたパーソナライズされたチャンピオン推薦システムの不足を解消すること。
• チャンピオンマスタリーポイント（CMP）が、プレイヤーの好みや満足度を信頼できる代理指標として機能するかどうかを検討すること。
• 勝率の相性ではなく、ユーザーの関与度に基づいてチャンピオンを推薦する共同フィルタリングシステムを設計・評価すること。
• 予備のユーザースタディーを通じて、SVDベースの推薦がランダムな推薦よりも実用的でユーザーに好まれることを検証すること。

提案手法

• システムは、非バイアスSVDアルゴリズムを用い、低ランクの潜在要因空間でユーザーとチャンピオンの相互作用をモデル化する。
• チャンピオンマスタリーポイント（CMP）を、プレイヤーがチャンピオンに対して示す好みと関与度を表す暗黙的フィードバックとして使用する。
• SVDモデルは、311,727件のプレイヤー・チャンピオンペアから成るデータセット上で学習され、交差検証によるグリッドサーチにより、平均二乗誤差を最小化するパラメータが最適化された。
• モデルは、ユーザーとチャンピオンを共通の潜在空間にマップし、ユーザーとチャンピオンのベクトルの内積として推薦を生成する。
• Slope One や SVD++ といった代替アルゴリズムも検討されたが、高い人気バイアスや不切な長時間の学習時間を理由に却下された。
• ユーザースタディーでは、SVDベースの推薦とランダムな推薦を比較し、ユーザーの好みを評価した。

実験結果

リサーチクエスチョン

• RQ1 チャンピオンマスタリーポイント（CMP）は、リーグ・オブ・レジェンダーズにおけるプレイヤーのチャンピオンに対する好みを効果的に表現できるか？
• RQ2 CMPデータにSVDを適用した共同フィルタリングシステムは、ランダムな推薦よりもユーザーが好む推薦を生成できるか？
• RQ3 Slope One や SVD++ といった代替推薦アルゴリズムは、この用途において精度と実用性の観点でどのように比較されるか？
• RQ4 メタゲームの変化やチャンピオンのリニューアルによって、CMPベースの推薦の信頼性にどの程度の影響が生じるか？

主な発見

• 予備のユーザースタディーにおいて、SVDベースのシステムからの推薦がランダムな推薦よりも顕著に好まれた。
• 最適なSVDモデルのパラメータは、epoch=20、λ=0.4、γ=0.0005 であり、平均二乗誤差を最小化し、理論的精度を向上させた。
• Slope One と SVD++ モデルは、それぞれ高い人気バイアスと不切な長い学習時間のため、性能で劣った。
• CMPは、明示的な評価が存在しない状況でも、プレイヤーのチャンピオンに対する好みを捉える上で有用で実用的であることが検証された。
• 潜在要因分解を活用することで、システムは人気バイアスを効果的に軽減し、人気のないチャンピオンに対しても推薦を可能にした。
• 制限事項として、チャンピオンのリニューアルや変化するメタゲームによるバイアスの可能性、および初期スタディーにおける非代表的なユーザーサンプルが挙げられる。