О нас      Контакты      Оплата      Доставка      Кредит      Покупаем БУ      Техподдержка      Акции     
(499) 126-15-12
ICQ445899221   ICQ334778123
КЦ “Савеловский”
Павильон А5
Как добраться

Товаров: 0
Сумма: 0
Курс: $1=62.00руб.
  ВЕРНОСТЬ ТРАДИЦИЯМ

ТКЦ «САВЕЛОВСКИЙ»
   

Пол игрока можно узнать по его поведению

Пол игрока можно узнать по его поведению

Их пользователи с каждым днем генерируют всё больше данных, которые можно использовать для разработки моделей игрового поведения или определения персональных особенностей игроков. Видеоигры давно и прочно вошли в современную жизнь: с каждым днем растёт количество онлайн и оффлайн продуктов для различных платформ. Это полезно, к примеру, для раннего выявления игровой зависимости, а также для маркетинговых исследований в игровой сфере.

Однако, чтобы делать статистически значимые выводы, необходимо анализировать большие массивы игровых данных. До сих пор все исследования игровых данных проводились вручную на небольших выборках. Учёные из Университета ИТМО вместе с коллегами из Университета Сингапура одними из первых применили для этого машинное обучение и при помощи собранного набора данных о поведении пользователей игровой платформы Steam, а также специально разработанной и обученной модели, смогли на основе поведения игрока предсказывать его пол.

me, который позволяет сопоставить аккаунты пользователей Steam с их профилями в социальных сетях: Twitter, Facebook и Instagram. Базу данных для анализа исследователи собирали на основе сервиса Player. На основе этого сравнения исследователи искали связи между данными об игровом поведении и демографическими показателями, а в итоге в основу модели легли такие признаки как потраченное на игру время, полученные игровые достижения, предпочитаемые жанры игр, наличие внутриигровых платежей и другие.

Исследователи будут работать над улучшением полученной модели, чтобы повысить точность предсказаний о пользователях. По мнению учёных, анализ игровых данных позволяет оценить интересы, локацию и демографию пользователей, а также учесть, сколько времени человек готов тратить на игры. Также её планируют адаптировать для определения игровой зависимости.

Однако, чтобы делать статистически значимые выводы, необходимо анализировать большие массивы игровых данных. До сих пор все исследования игровых данных проводились вручную на небольших выборках. Учёные из Университета ИТМО вместе с коллегами из Университета Сингапура одними из первых применили для этого машинное обучение и при помощи собранного набора данных о поведении пользователей игровой платформы Steam, а также специально разработанной и обученной модели, смогли на основе поведения игрока предсказывать его пол.

Их пользователи с каждым днем генерируют всё больше данных, которые можно использовать для разработки моделей игрового поведения или определения персональных особенностей игроков. Видеоигры давно и прочно вошли в современную жизнь: с каждым днем растёт количество онлайн и оффлайн продуктов для различных платформ. Это полезно, к примеру, для раннего выявления игровой зависимости, а также для маркетинговых исследований в игровой сфере.

Исследователи будут работать над улучшением полученной модели, чтобы повысить точность предсказаний о пользователях. По мнению учёных, анализ игровых данных позволяет оценить интересы, локацию и демографию пользователей, а также учесть, сколько времени человек готов тратить на игры. Также её планируют адаптировать для определения игровой зависимости.

me, который позволяет сопоставить аккаунты пользователей Steam с их профилями в социальных сетях: Twitter, Facebook и Instagram. Базу данных для анализа исследователи собирали на основе сервиса Player. На основе этого сравнения исследователи искали связи между данными об игровом поведении и демографическими показателями, а в итоге в основу модели легли такие признаки как потраченное на игру время, полученные игровые достижения, предпочитаемые жанры игр, наличие внутриигровых платежей и другие.


Дата публикации: 07.02.2019


Ещё новости


  26.04.2019  Google объявила номинантов на премию лучшего приложения Google Play

В категории «здоровье и фитнес» выбраны Kinedu, My Oasis, Shine, SleepTown и Woebot. Всего выбрано 45 приложений в девяти категориях. и Best Social Impact. В «Универсальном доступе» — Envision AI, gu...

  24.04.2019  Крутая распродажа от Ulefone на Banggood: успей купить защищенный смартфон

  25.04.2019  Учёные показали прибор для чтения мыслей

Около 70% этих искусственных звуков слушатели смогли распознать как отдельные слова. После этого смоделированные движения голосового тракта перевели в звуки. Дело в том, что эти пациенты имели време...

  26.04.2019  Как кошка реагирует на беговую дорожку

  25.04.2019  Ситилинк открыл второй контакт-центр в Оренбурге



Все новости
Достаем Ноутбуки...
Ждем Ваши заказы...
Оформление кредита
Наши программисты потрудилсь сделать так, что бы вы могли оформить кредит не вставая из за стола
   
© 2003—2019 Интернет-магазин ноутбуков a5savel.ru. Все права защищены.
Нелицензированное использование материалов данного сайта запрещено.
(499) 126-15-12 |