[论文解读] 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 4

一句话总结

本文提出了一种基于协同过滤的《英雄联盟》冠军推荐系统，利用奇异值分解（SVD）对冠军熟练度点数（CMP）进行分析，作为玩家偏好的代理指标。初步用户研究表明，该系统在推荐效果上显著优于随机推荐，证明CMP能有效捕捉玩家的喜好，并实现个性化且令人满意的冠军推荐。

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.

研究动机与目标

• 解决《英雄联盟》中除胜率优化外缺乏个性化冠军推荐系统的问题。
• 探究冠军熟练度点数（CMP）是否可作为玩家偏好与愉悦感的可靠代理指标。
• 设计并评估一种基于协同过滤的推荐系统，该系统依据用户参与度而非胜率协同效应来推荐冠军。
• 通过初步用户研究验证基于SVD的推荐在实际应用中的可行性及用户偏好，相较于随机推荐更具优势。

提出的方法

• 系统采用无偏置SVD算法，在低秩潜在因子空间中建模用户与冠军的互动关系。
• 使用冠军熟练度点数（CMP）作为隐式反馈，代表玩家对特定冠军的偏好与参与度。
• SVD模型在包含311,727名玩家-冠军配对的数据集上进行训练，通过网格搜索调参以最小化均方根误差。
• 模型将玩家与冠军映射到共享的潜在空间，推荐结果通过用户向量与冠军向量的内积生成。
• 测试了Slope One与SVD++等替代算法，但因存在过高流行度偏差或训练时间过长而被舍弃。
• 通过用户研究对比基于SVD的推荐与随机推荐，评估用户偏好。

实验结果

研究问题

• RQ1 冠军熟练度点数（CMP）能否有效代表《英雄联盟》玩家对冠军的偏好？
• RQ2 基于CMP数据使用SVD的协同过滤系统是否能生成用户更偏好于随机推荐的推荐结果？
• RQ3 Slope One与SVD++等替代推荐算法在本应用场景下的准确性与实用性如何比较？
• RQ4 版本更新与冠军重制对基于CMP的推荐可靠性有多大影响？

主要发现

• 在初步用户研究中，玩家显著偏好基于SVD的系统推荐，而非随机推荐。
• 最优SVD模型参数为：epoch=20，λ=0.4，γ=0.0005，该参数组合最小化了均方根误差，提升了理论准确性。
• Slope One与SVD++因流行度偏差过高或训练时间过长而表现较差。
• CMP被验证为一种有效且实用的指标，可用于捕捉玩家对冠军的偏好，即使缺乏显式评分。
• 该系统通过潜在因子分解有效缓解了流行度偏差，使冷门冠军也能获得有效推荐。
• 局限性包括冠军重制与元游戏变化可能引入的偏差，以及初步研究中用户样本代表性不足的问题。