논문 상세보기
pp.43-48
플레이어 모델링은 플레이어의 행동에 대한 선호도에 대한 특성들을 반영하는 프로파일을 만들고, 플레이어가 게임과 상호작용하는 동안 계속 프로파일의 특성을 학습하는 것이다. 학습된 선호도는 플레이어 행동들의 발생 빈도에 대한 통계적 수치로 기록되며, 이를 바탕으로 플레이어에 최적화된 유저 인터페이스를 제공할 수 있다. 이를 위해서 인터페이스에 대한 플레이어의 선호도를 효과적으로 학습할 수 있는 알고리즘이 필요하다. 베이지안 네트워크를 이용한 플레이어 모델링 기법을 사용하면 플레이어의 선호도에 따라 모델은 게임 디자인 단계에서 모델의 선호도에 대한 초기값을 쉽게 넣을 수 있기 때문에 초기 학습 시간을 줄여줄 수 있다. 본 논문은 플레이어의 선호도에 따라 적합한 인터페이스를 제공하기 위해 플레이어 모델링의 선호도 학습 알고리즘을 제안하였다.
Player Modeling is to create a profile which will be reflected the characteristics of preference about the behavior of players. Interacting with the player during performing the game and continue to learn the characteristics of the profile. It is to provide the user interface is able to be optimized. The preference which is studied about occurrence frequency of player conduct is recorded in statistical shame. The player modeling techniques based on bayesian network can easily put the seed to reduce the initial learning time. In this paper, we suggest learning algorithm of player modeling depending on the player's preference to provide the appropriate interface.
