KR101380565B1 - Real time game player level and tendency analysis device and controlling method for the same - Google Patents

Real time game player level and tendency analysis device and controlling method for the same Download PDF

Info

Publication number
KR101380565B1
KR101380565B1 KR1020100057842A KR20100057842A KR101380565B1 KR 101380565 B1 KR101380565 B1 KR 101380565B1 KR 1020100057842 A KR1020100057842 A KR 1020100057842A KR 20100057842 A KR20100057842 A KR 20100057842A KR 101380565 B1 KR101380565 B1 KR 101380565B1
Authority
KR
South Korea
Prior art keywords
value
user
accuracy
game
determination unit
Prior art date
Application number
KR1020100057842A
Other languages
Korean (ko)
Other versions
KR20110073207A (en
Inventor
김항기
박창준
류성원
이헌주
이기석
손강민
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to US12/905,304 priority Critical patent/US8348733B2/en
Publication of KR20110073207A publication Critical patent/KR20110073207A/en
Application granted granted Critical
Publication of KR101380565B1 publication Critical patent/KR101380565B1/en

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
    • A63F13/70—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 발명은 실시간 게임 사용자 특성 분석 장치 및 그 제어 방법에 관한 것으로, 본 발명에 따른 실시간 게임 사용자 특성 분석 장치는 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 제1가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값을 계산하는 적어도 하나의 개별 행동 판단부; 상기 사용자 특성 값과 관리자가 설정한 값을 비교하여 상기 개별 행동 판단부의 정확도 값을 계산하는 정확도 판단부; 상기 정확도 값이 기준 값을 초과하지 않으면 복수개의 상기 개별 행동 판단부에서 계산된 상기 사용자 특성 값들에 제2가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 최종 특성 값을 계산하는 종합 수준 판단부; 및 상기 최종 특성 값을 출력하는 특성 값 출력부를 포함한다.The present invention relates to a real-time game user characteristic analysis apparatus and a control method thereof, wherein the real-time game user characteristic analysis apparatus according to the present invention applies a first weight value to game play data values generated by a game user's game play to play the game. At least one individual behavior determination unit for calculating a user characteristic value indicating a level or disposition of a user; An accuracy determination unit for comparing the user characteristic value with a value set by an administrator and calculating an accuracy value of the individual behavior determination unit; Comprehensive level determination unit for calculating a final characteristic value representing the level or propensity of the game user by applying a second weighting value to the user characteristic values calculated by the plurality of individual behavior determination unit if the accuracy value does not exceed the reference value ; And a characteristic value output unit configured to output the final characteristic value.

Description

실시간 게임 사용자 특성 분석 장치 및 그 제어 방법{Real time game player level and tendency analysis device and controlling method for the same}Real time game player level and tendency analysis device and controlling method for the same}

본 발명은 실시간 게임 사용자 특성 분석 장치 및 그 제어 방법에 관한 것으로, 보다 상세하게는 게임 사용자의 수준과 성향을 보다 정확하게 실시간으로 판단할 수 있는 실시간 게임 사용자 특성 분석 장치 및 그 제어 방법에 관한 것이다.The present invention relates to a real-time game user characteristic analysis apparatus and a control method thereof, and more particularly, to a real-time game user characteristic analysis apparatus and its control method capable of more accurately determine the level and propensity of the game user in real time.

본 발명은 지식경제부의 게이머 수준 실시간 맞춤형 인공지능 엔진 및 저작 기술 개발 사업의 일환으로 수행한 연구로부터 도출된 것이다[과제관리번호: 2009-S-042-01, 과제명: 게이머 수준 실시간 맞춤형 인공지능 엔진 및 저작 기술 개발].
The present invention is derived from the research conducted as part of the Gamer-level real-time customized AI engine and authoring technology development project of the Ministry of Knowledge Economy [Task Management Number: 2009-S-042-01, Title: Gamer-level Real-Time Customized AI] Engine and authoring technology development].

컴퓨터 게임에서 게임 사용자의 수준 및 성향을 파악하는 것은 게임 서비스에 있어서 중요한 요소 중의 하나로서, 종래에는 사용자가 직접 자신의 수준 및 성향을 입력하거나 특정 룰에 따른 수준 및 성향을 판단하는 방법이 사용되었다.In computer games, grasping the level and propensity of a game user is one of the important factors in game services. In the past, a method of directly inputting the level and propensity of a user or determining the level and propensity according to a specific rule has been used. .

이와 같은 게임 사용자의 수준 또는 성향은 초급, 중급, 고급 등 게임에 능숙한 사람과 미숙한 사람을 스칼라(Scalar) 값으로 표현할 수 있으며, 상기와 같은 게임 사용자의 수준 또는 성향에 따라서 제공되는 게임의 환경이 변화될 수 있다.The level or inclination of the user of the game can be expressed as a scalar value for those who are proficient in the game such as beginner, intermediate, and advanced, and the environment of the game provided according to the level or inclination of the game user as described above. This can be changed.

그러나, 게임의 사용시에는 같은 아이디(ID)를 사용할 지라도 사용자가 바뀔 수도 있고 사용자의 숙련도가 변할 수도 있다. 그뿐만 아니라, 게임 사용자의 플레이 스타일이 현재 게임 상황과 잘 맞아서 기존에 파악된 수준보다 더욱 높은 수준이 되었거나, 반대로 게임 사용자의 플레이 스타일이 현재 게임 상황과는 맞지 않아서 수준이 떨어지는 등과 같이 사용자의 수준이 시시각각 변하는 상황이 발생한다. 따라서, 이와 같은 상황의 변화에 따라 사용자의 수준 및 성향의 변화를 실시간으로 파악해야 할 필요가 있다.
However, when using the game, even if the same ID (ID) is used, the user may change or the user's skill may change. In addition, the user's level of play, such as the user's play style is well-matched with the current game situation, is higher than previously known levels, or, conversely, the user's level of play is inconsistent with the current game situation. This situation changes every moment. Therefore, it is necessary to grasp the change of the user's level and disposition in real time according to the change of the situation.

본 발명은 상기한 종래의 문제점을 해결하기 위해 안출된 것으로서, 본 발명은 게임 사용자의 수준과 성향을 계층적으로 학습하여 게임 사용자의 수준과 성향을 보다 정확하게 실시간으로 판단하고자 한다.The present invention has been made to solve the above-mentioned conventional problems, the present invention is to determine the level and the tendency of the game user more accurately in real time by learning the level and the tendency of the game user in a hierarchical manner.

또한, 본 발명은 게임 사용자의 수준에 따라서 게임의 난이도를 조정하여 게임 사용자의 게임 적응도를 높이고 게임 사용자의 긴장감과 몰입감을 유지시키고자 한다.In addition, the present invention is to adjust the difficulty of the game according to the level of the game user to improve the game adaptability of the game user and maintain the tension and immersion of the game user.

또한, 본 발명은 게임 사용자의 수준에 따른 게임 사용자 매칭 서비스를 제공하고, 게임 사용자의 수준에 따라 적절한 도우미 또는 훈련 시나리오를 제공하고자 한다.
In addition, the present invention is to provide a game user matching service according to the level of the game user, and to provide an appropriate helper or training scenario according to the level of the game user.

상기한 목적을 달성하기 위해 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치는 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 제1가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값을 계산하는 적어도 하나의 개별 행동 판단부; 상기 사용자 특성 값과 관리자가 설정한 값을 비교하여 상기 개별 행동 판단부의 정확도 값을 계산하는 정확도 판단부; 상기 정확도 값이 기준 값을 초과하지 않으면 복수개의 상기 개별 행동 판단부에서 계산된 상기 사용자 특성 값들에 제2가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 최종 특성 값을 계산하는 종합 수준 판단부; 및 상기 최종 특성 값을 출력하는 특성 값 출력부를 포함한다.In order to achieve the above object, a real-time game user characteristic analysis apparatus according to an embodiment of the present invention applies a first weight value to game play data values generated by a game user's game play to adjust the level or propensity of the game user. At least one individual behavior determination unit for calculating a user characteristic value indicating; An accuracy determination unit for comparing the user characteristic value with a value set by an administrator and calculating an accuracy value of the individual behavior determination unit; Comprehensive level determination unit for calculating a final characteristic value representing the level or propensity of the game user by applying a second weighting value to the user characteristic values calculated by the plurality of individual behavior determination unit if the accuracy value does not exceed the reference value ; And a characteristic value output unit configured to output the final characteristic value.

본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 방법은 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 제1가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값을 계산하는 단계; 상기 사용자 특성 값과 관리자가 설정한 값을 비교하여 정확도 값을 계산하는 단계; 상기 정확도 값이 기준 값을 초과하지 않으면 복수개의 상기 사용자 특성 값들에 제2가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 최종 특성 값을 계산하는 단계; 및 상기 최종 특성 값을 출력하는 단계를 포함한다.
The real-time game user characteristic analysis method according to an embodiment of the present invention calculates a user characteristic value representing the level or propensity of the game user by applying a first weight value to game play data values generated by a game user's game play. step; Calculating an accuracy value by comparing the user characteristic value with a value set by an administrator; Calculating a final characteristic value representing a level or propensity of the game user by applying a second weighting value to a plurality of the user characteristic values if the accuracy value does not exceed a reference value; And outputting the final characteristic value.

본 발명에 따르면 게임 사용자의 수준과 성향을 계층적으로 학습하여 게임 사용자의 수준과 성향을 보다 정확하게 실시간으로 판단할 수 있다.According to the present invention, the level and propensity of game users can be hierarchically learned to more accurately determine the level and propensity of game users in real time.

또한, 본 발명에 따르면 게임 사용자의 수준에 따라서 게임의 난이도를 조정하여 게임 사용자의 게임 적응도를 높이고 게임 사용자의 긴장감과 몰입감을 유지시킬 수 있다.In addition, according to the present invention can adjust the difficulty of the game according to the level of the game user to increase the game adaptability of the game user and maintain the tension and immersion of the game user.

또한, 본 발명에 따르면 게임 사용자의 수준 판단에 따른 게임 사용자 매칭 서비스를 제공할 수 있도록 하여 게임 사용자의 수준에 따라 적절한 도우미 또는 훈련 시나리오를 제공할 수 있다.
In addition, according to the present invention, it is possible to provide a game user matching service according to the level of the game user can provide an appropriate helper or training scenario according to the level of the game user.

도 1 및 도 2는 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치를 도시한 도면이다.
도 3은 본 발명의 일실시예 따른 실시간 게임 사용자 특성 분석 장치의 구성도이다.
도 4 및 도 5는 본 발명에 따른 실시간 게임 사용자 특성 분석 장치가 뉴럴 네트워크를 이용하여 구성된 일실시예를 도시한 도면이다.
도 6은 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 방법을 설명하기 위한 흐름도이다.1 and 2 are diagrams illustrating a real-time game user characteristic analysis apparatus according to an embodiment of the present invention.
3 is a block diagram of a real-time game user characteristic analysis apparatus according to an embodiment of the present invention.
4 and 5 are diagrams illustrating an embodiment in which a real-time game user characteristic analysis apparatus according to the present invention is configured using a neural network.
6 is a flowchart illustrating a real-time game user characteristic analysis method according to an embodiment of the present invention.

이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.Hereinafter, embodiments according to the present invention will be described in detail with reference to the accompanying drawings. However, the present invention is not limited to or limited by the embodiments. Like reference symbols in the drawings denote like elements.

도 1 및 도 2는 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치를 도시한 도면이다.1 and 2 are diagrams illustrating a real-time game user characteristic analysis apparatus according to an embodiment of the present invention.

본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 모의 데이터 값을 입력하여 가중치를 적용해 계산한 결과 값의 정확도가 기 설정된 값을 초과하는지 판단한다. 이때, 실시간 게임 사용자 특성 분석 장치(110)는 상기 결과 값과 모의 결과 값을 비교하여 정확도를 계산하는데, 상기 결과 값과 모의 결과 값이 유사할수록 정확도가 높다.The apparatus 110 for analyzing real-time game user characteristics according to an embodiment of the present invention determines whether the accuracy of a result value calculated by applying a weight by inputting a simulated data value exceeds a preset value. In this case, the real-time game user characteristic analysis apparatus 110 compares the result value with the simulation result value and calculates the accuracy. The higher the result value and the simulation result value, the higher the accuracy.

실시간 게임 사용자 특성 분석 장치(110)는 상기 판단 결과 상기 결과 값의 정확도가 기 설정된 값을 초과하는 것으로 판단하면 상기 가중치를 이용하여 특성 값을 계산한다.The real-time game user characteristic analysis apparatus 110 calculates the characteristic value by using the weight if it is determined that the accuracy of the result value exceeds a preset value.

실시간 게임 사용자 특성 분석 장치(110)는 도 1에 도시된 바와 같이 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값(111, 112, 113, 114, 115)에 상기 가중치를 적용하여 상기 게임 사용자의 수준(121) 또는 성향(122)을 나타내는 사용자 특성 값을 계산한다.The real-time game user characteristic analysis apparatus 110 applies the weight to game play data values 111, 112, 113, 114, and 115 generated by game play of a game user, as shown in FIG. 1. Calculate a user characteristic value representing the level 121 or propensity 122 of.

본 발명의 일실시예에 따른 게임 플레이 데이터 값은 게임 환경 변수(111, 112, 113)와 같이 사용자의 게임 환경 값, 그리고 게임 사용자의 행동 선택 값(114), 게임 사용자의 응답 시간 값(115) 등을 말하며, 게임 사용자의 특성 값이라 함은 상기 게임 사용자의 수준을 나타내는 수준 값(121), 성향을 나타내는 성향 값(122) 등을 말한다.The game play data value according to an embodiment of the present invention is a game environment value of the user, such as game environment variables 111, 112, and 113, a game user's behavior selection value 114, and a game user's response time value 115. The characteristic value of the game user refers to the level value 121 indicating the level of the game user, the propensity value 122 indicating the tendency, and the like.

예를 들어, 실시간 게임 사용자 특성 분석 장치(110)에는 게임 플레이 데이터 값으로서 게임 사용자의 캐릭터가 적과 마주친 후 진행된 시간, 적을 겨냥하여 발사한 빈도수, 적에 명중한 정확도, 또는 은폐물로 은폐 여부 등이 게임 플레이 데이터 값으로 입력되고, 그에 따라 게임 사용자가 어떻게 반응하였는지를 나타내는 수준 값 또는 성향 값 등이 출력될 수 있다. 즉, 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 게임 사용자의 상황에 따른 행동 유형에 따라서 게임 사용자의 수준 또는 성향 등의 특성을 파악할 수 있다. 이때, 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 뉴럴 네트워크(Neural Network), MLP(Multilayer Perception), 유전자 알고리즘, HMM(Hidden Markov Model: 은닉 마르코프 모델), MRF(Markov Random Field: 마르코프 랜덤 장), DSOM(Distributed System Object Model), 퍼지(Fuzzy), 에볼루션(Evolution) 방식 및 리인포스먼트(Reinforcement) 방식 중에서 어느 하나의 방법에 기반하여 게임 사용자의 특성 값을 분석할 수 있다.For example, the real-time game user characterization apparatus 110 includes game play data values such as the time after the character of the game user encounters the enemy, the frequency of firing at the enemy, the accuracy hit by the enemy, or whether the user conceals the cover. As a game play data value, a level value or a propensity value indicating how the game user reacted may be output. That is, the apparatus 110 for analyzing real-time game user characteristics according to an embodiment of the present invention may grasp characteristics such as the level or inclination of the game user according to the behavior type according to the situation of the game user. At this time, the real-time game user characteristic analysis apparatus 110 according to an embodiment of the present invention is a neural network (Neural Network), MLP (Multilayer Perception), genetic algorithm, HMM (Hidden Markov Model: Hidden Markov Model), MRF (Markov) Random Field: Analyzes the game user's characteristic values based on one of the following methods: Markov Random Field, DSOM (Distributed System Object Model), Fuzzy, Evolution, and Reinforcement. Can be.

한편, 게임 사용자의 수준 또는 성향을 분석 할 때 게임이 단순한 경우에는 상기와 같이 실시간 게임 사용자 특성 분석 장치(110)가 한번의 게임 사용자 수준 또는 성향을 충분히 효율적으로 분석할 수 있으나, 게임이 단순하지 않은 경우에는 입력되는 플레이 데이터 값과 출력되는 게임 사용자의 특성 값의 개수가 늘어남에 따라 디멘젼(Dimension)이 커지게 되고, 그에 따라 수행 성능이 급속히 악화되어 게임 사용자의 수준 또는 성향을 실시간으로 파악하기 힘들어지며, 불필요한 플레이 데이터 값까지 고려하게 되어 잘못된 출력 값을 얻을 수도 있다.On the other hand, if the game is simple when analyzing the game user's level or propensity as described above, the real-time game user characteristic analysis apparatus 110 can analyze the game user level or propensity once enough, but the game is not simple. Otherwise, the dimension increases as the number of input play data values and output game user characteristic values increases, and accordingly, performance performance deteriorates rapidly, so that the level or propensity of the game user can be determined in real time. It can be difficult, and it may be possible to obtain an incorrect output value by considering unnecessary play data values.

그러므로, 본 발명의 일실시예에 따르면 사용자 특성 값을 계산하는 과정을 나누도록 구성된다. 예를 들어, 실시간 게임 사용자 특성 분석 장치(110)에 입력되는 게임 플레이 데이터 입력(Input) 값이 20개, 출력(Output)이 3개인 경우에는 Hidden = Input*1.5 = 30개가 됨에 따라 20*Hidden + Hidden*3 = 20*30 + 30*3 = 690의 계산에 따라서 690개의 링크(Link)가 발생된다. 하지만, 20개의 입력(Input)을 10개씩 두 개로 나누고 제1모듈 및 제2 모듈로 각각 입력하는 경우에는 (10*15 + 15*3) * 2 = 390의 계산에 의해 390개의 링크가 발생한다. 또한, 제1모듈 및 제2 모듈의 출력은 각각 3개이고, 상기 제1모듈 및 제2 모듈의 출력의 개수를 합한 6개의 입력이 제3 모듈에 이루어지면 6*9 + 9*3 = 81의 계산에 의해 81개의 링크가 생기므로 총 490 + 81 = 471 개의 링크가 생긴다. 이와 같이 모듈을 더 작게 나눌 경우에는 링크의 수를 줄일 수 있으므로 성능을 향상시킬 수 있다.Therefore, according to one embodiment of the present invention is configured to divide the process of calculating the user characteristic value. For example, in the case of 20 game play data input values inputted to the real-time game user characterization apparatus 110 and 3 outputs, 20 * Hidden as Hidden = Input * 1.5 = 30. + 690 links are generated according to the calculation of + Hidden * 3 = 20 * 30 + 30 * 3 = 690. However, in case of dividing 20 inputs into two by 10 and inputting them into the first module and the second module, respectively, 390 links are generated by the calculation of (10 * 15 + 15 * 3) * 2 = 390. . In addition, when the first module and the second module have three outputs, and six inputs including the sum of the outputs of the first module and the second module are made to the third module, 6 * 9 + 9 * 3 = 81 The calculation yields 81 links, resulting in a total of 490 + 81 = 471 links. If you divide the module into smaller parts like this, you can reduce the number of links, thereby improving performance.

따라서, 본 발명의 일실시예에 따르면 실시간 게임 사용자 특성 분석 장치(110)가 도 1과 도 2에 도시된 바와 같이 게임 사용자의 특성 값을 계산하는 과정을 두 과정으로 나눔으로써 실시간으로 게임 사용자의 수준 또는 성향 등의 특성을 분석할 수 있다. 즉, 실시간 게임 사용자 특성 분석 장치(110)는 도 1에 도시된 바와 같이 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값(121, 122)을 계산하고, 도 2에 도시된 바와 같이 상기 계산된 사용자 특성 값들(211, 212, 213, 214)에 가중치를 적용하여 상기 게임 사용자의 최종 수준(221) 또는 최종 성향(222)을 판별할 수 있다.Therefore, according to an embodiment of the present invention, the real-time game user characteristic analysis apparatus 110 divides the process of calculating the characteristic value of the game user as shown in FIG. 1 and FIG. Analyze characteristics such as level or disposition. That is, the real-time game user characteristic analysis apparatus 110 calculates user characteristic values 121 and 122 representing the level or propensity of the game user, as shown in FIG. 1, and calculates the calculated user as shown in FIG. 2. Weights may be applied to the feature values 211, 212, 213, and 214 to determine the final level 221 or the final tendency 222 of the game user.

또한, 본 발명의 일실시예에 따르면 실시간 게임 사용자 특성 분석 장치(110)가 상기 계산된 사용자 특성 값과 관리자가 기 설정한 값을 비교하여 정확도 값을 계산하고 계산된 정확도 값이 기준 값을 초과하지 않는 경우에만 복수개의 사용자 특성 값들을 이용하여 최종 특성 값을 계산하도록 구성될 수 있다.Further, according to an embodiment of the present invention, the real-time game user characteristic analysis apparatus 110 compares the calculated user characteristic value with a value preset by the administrator, calculates an accuracy value, and the calculated accuracy value exceeds a reference value. Only if not, it may be configured to calculate the final characteristic value using the plurality of user characteristic values.

보다 상세하게 설명하면, 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 사용자 특성 값을 계산하고, 계산된 사용자 특성 값과 관리자가 기 설정한 값을 비교하여 정확도 값을 계산하고, 계산된 정확도 값이 기준 값을 초과하면 도 1에 도시된 바와 같은 게임 사용자의 수준(121) 또는 성향(122) 등의 특성 값을 출력한다. 그러나, 상기 계산된 정확도 값이 기준 값을 초과하지 못하면 도 1에 도시된 복수개의 실시간 게임 사용자 특성 분석 장치가 게임 플레이 데이터를 입력하여 사용자 특성 값 계산 과정을 각각 실행하고, 도 2에 도시된 바와 같이 실시간 게임 사용자 특성 분석 장치가 계산된 복수개의 사용자 특성 값(211, 212, 213, 214) 또는 변수 값(214) 등에 가중치를 적용하여 상기 게임 사용자의 최종 수준 또는 성향을 나타내는 최종 특성 값(221, 222)을 계산한다. 예를 들어, 상기 계산된 정확도 값이 90%를 초과하지 못하는 경우 추가적으로 도 2에 도시된 바와 같은 별도의 최종 특성 값 계산 과정을 실행한다.In more detail, the real-time game user characteristic analysis apparatus 110 according to an embodiment of the present invention calculates a user characteristic value, and compares the calculated user characteristic value with a value preset by the administrator to calculate an accuracy value. When the calculated accuracy value exceeds the reference value, a characteristic value such as the level 121 or the propensity 122 of the game user as shown in FIG. 1 is output. However, when the calculated accuracy value does not exceed the reference value, the plurality of real-time game user characteristic analysis apparatuses illustrated in FIG. 1 input game play data to execute user characteristic value calculation processes, respectively, as shown in FIG. 2. As described above, the real-time game user characteristic analysis apparatus applies a weight to a plurality of calculated user characteristic values 211, 212, 213, and 214 or variable values 214 to indicate a final characteristic value 221 representing the final level or propensity of the game user. , 222). For example, when the calculated accuracy value does not exceed 90%, an additional final characteristic value calculation process as shown in FIG. 2 is additionally performed.

이후부터는 실시간 게임 사용자 특성 분석 장치(110)의 정확도 판단 방법을 보다 상세하게 설명하기로 한다.Hereinafter, a method of determining accuracy of the real-time game user characteristic analysis apparatus 110 will be described in more detail.

실시간 게임 사용자 특성 분석 장치(110)가 정확도의 계산 시에 다음의 수학식 1에서와 같이, 관리자 설정 값과 실시간 게임 사용자 특성 분석 장치(110)에서 계산된 사용자 특성 값을 이용한다.
The real-time game user characteristic analysis apparatus 110 uses the administrator setting value and the user characteristic value calculated by the real-time game user characteristic analysis apparatus 110 as in the following Equation 1 when calculating the accuracy.

[수학식 1][Equation 1]

정확도 = (최대값 - │관리자 설정 값 - 사용자 특성 값│) / (최대값 - 최소값) * 100 (%)
Accuracy = (maximum value-│administrator setting value-user characteristic value│) / (maximum value-minimum value) * 100 (%)

수학식 1에서와 같이 관리자 설정 값과 실시간 게임 사용자 특성 분석 장치(110)의 사용자 특성 값의 차이가 작을수록 정확도가 높아진다. 예를 들어, 특정 게임 사용자에 대한 수준 판단 값의 범위를 0 ~ 1사이로 하고, 관리자 설정 값이 0.9이고 실시간 게임 사용자 특성 분석 장치(110)에서 계산된 사용자 특성 값이0.8인 경우에는, (1 - | 0.9 - 0.8 |) / (1.0 - 0.0) * 100 (%) = 90%로 계산하여 90%의 정확도를 계산할 수 있다.As shown in Equation 1, the smaller the difference between the administrator setting value and the user characteristic value of the real-time game user characteristic analysis apparatus 110, the higher the accuracy. For example, if the range of the level determination value for a particular game user is 0 to 1, the administrator setting value is 0.9 and the user characteristic value calculated by the real-time game user characteristic analysis device 110 is 0.8, (1 0.9-0.8 |) / (1.0-0.0) * 100 (%) = 90% to calculate 90% accuracy.

상기에서 계산된 바와 같이, 계산된 정확도가 충분히 높은 경우에는 도 1에 도시된 바와 같이 실시간 게임 사용자 특성 분석 장치(110)가 게임 사용자의 수준(121) 또는 성향(122)을 나타내는 특성 값을 계산하고 종료된다. 한편, 계산된 정확도가 낮은 경우에는 도 2에 도시된 바와 같이, 실시간 게임 사용자 특성 분석 장치(110)가 복수개의 사용자 특성 값을 계산하고, 계산된 복수개의 사용자 특성 값을 입력하여 게임 사용자의 최종 수준(221) 및 최종 성향(222)인 최종 특성 값을 계산한다. 예를 들어, 상기 계산된 특성 값의 정확도가 90% 이상인 경우에는 계산된 특성 값이 높은 신뢰성을 가지므로 실시간 게임 사용자 특성 분석 장치(110)가 한번의 사용자 특성 값을 계산한 후 출력하고 종료되며, 복수개의 사용자 특성 값을 이용하여 최종 특성 값을 계산하는 과정을 실행할 필요가 없다.As calculated above, when the calculated accuracy is sufficiently high, as shown in FIG. 1, the real-time game user characteristic analysis apparatus 110 calculates a characteristic value representing the level 121 or the propensity 122 of the game user. And exit. Meanwhile, when the calculated accuracy is low, as shown in FIG. 2, the real-time game user characteristic analysis apparatus 110 calculates a plurality of user characteristic values and inputs the calculated plurality of user characteristic values to the final game user. The final characteristic value, which is the level 221 and the final propensity 222, is calculated. For example, when the calculated characteristic value has an accuracy of 90% or more, since the calculated characteristic value has high reliability, the real-time game user characteristic analysis apparatus 110 calculates one user characteristic value and outputs it and ends. There is no need to execute the process of calculating the final characteristic value using the plurality of user characteristic values.

이와 같은 정확도를 높이는 방법으로는 사용자 캐릭터의 절대위치 값을 캐릭터의 상대위치 값으로 바꾸어 입력에 해당하는 게임 사용자로부터 입력 받는 등과 같이 입력되는 모의 데이터 값을 변경 하는 방법과, 상기 모의 데이터 값을 응답 시간, 행동 선택 또는 게임 환경 등의 값들을 정규화(Normalize)하거나 평균 값으로 전처리하여 알맞은 값으로 바꾸는 방법 등이 있다.In order to increase the accuracy, a method of changing the simulated data value, such as receiving an input from a game user corresponding to the input by changing the absolute position value of the user character to the relative position value of the character, and responding the simulated data value There are ways to normalize values such as time, action selection or game environment, or preprocess them to average values and change them to appropriate values.

도 3은 본 발명의 일실시예 따른 실시간 게임 사용자 특성 분석 장치의 구성도이다. 도 3을 참조하여 본 발명의 일실시예 따른 실시간 게임 사용자 특성 분석 장치의 구성을 설명하기로 한다.3 is a block diagram of a real-time game user characteristic analysis apparatus according to an embodiment of the present invention. Referring to Figure 3 will be described the configuration of the real-time game user characteristic analysis apparatus according to an embodiment of the present invention.

본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 학습 처리부(310), 정확도 판단부(315), 복수개의 개별 행동 판단부(310, 321, 322), 종합 수준 판단부(330) 및 특성 값 출력부(340)를 포함하여 구성된다.The real-time game user characteristic analysis apparatus 110 according to an embodiment of the present invention includes a learning processor 310, an accuracy determiner 315, a plurality of individual behavior determiners 310, 321, and 322, and a comprehensive level determiner ( 330 and the characteristic value output unit 340.

학습 처리부(310)는 개별 행동 판단부(310, 321, 322)에 모의 데이터 값을 입력하여 임의의 가중치를 적용하여 결과 값을 계산하도록 하고, 정확도 판단부(315)에 의해 상기 계산된 결과 값과 모의 결과 값을 비교하여 정확도를 계산하도록 한다. 학습 처리부(310)는 상기 계산 결과 상기 정확도 값이 기 설정되어 있는 값을 초과하면 개별 행동 판단부(310, 321, 322)에서 상기 임의의 가중치를 가중치로서 선택하여 사용하도록 설정한다. 그뿐만 아니라, 학습 처리부(310)는 종합 수준 판단부(330)에도 동일하게, 종합 수준 판단부(330)에 임의의 가중치를 적용하여 결과 값을 계산하도록 하고, 정확도 판단부(315)에 의해 상기 계산된 결과 값과 모의 결과 값을 비교하여 정확도를 계산하도록 하여 계산 결과 상기 정확도 값이 기 설정되어 있는 값을 초과하면 종합 수준 판단부(330)에서 상기 임의의 가중치를 가중치로서 선택하여 사용하도록 설정한다.The learning processor 310 inputs the simulated data values to the individual behavior determination units 310, 321, and 322 to calculate a result value by applying arbitrary weights, and calculates the result values by the accuracy determination unit 315. Compute the accuracy by comparing the simulation results with. The learning processor 310 sets the individual weight determination unit 310, 321, and 322 to select and use the arbitrary weights as weights when the accuracy value exceeds the preset value. In addition, the learning processor 310 may apply the arbitrary weight to the comprehensive level determining unit 330 to calculate the result value in the same manner as the comprehensive level determining unit 330, and by the accuracy determining unit 315. Comparing the calculated result value and the simulation result value to calculate the accuracy, and if the accuracy value exceeds the predetermined value, the comprehensive level determination unit 330 selects and uses the arbitrary weight as a weight. Set it.

개별 행동 판단부(310, 321, 322)는 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 상기와 같이 설정된 가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값을 계산한다.The individual behavior determining unit 310, 321, or 322 calculates a user characteristic value representing the level or propensity of the game user by applying the weights set as described above to game play data values generated by the game play of the game user.

정확도 판단부(315)는 상기 사용자 특성 값과 관리자가 설정한 값을 비교하여 개별 행동 판단부(310, 321, 322)의 정확도 값을 계산한다.The accuracy determiner 315 calculates the accuracy of the individual behavior determiner 310, 321, or 322 by comparing the user characteristic value with a value set by the administrator.

종합 수준 판단부(330)는 상기 계산된 정확도 값이 기준 값을 초과하지 않으면 복수개의 상기 개별 행동 판단부들(320, 321, 322)에서 계산된 상기 사용자 특성 값들을 이용하여 다시 한번의 계산 과정을 실행한다. 즉, 종합 수준 판단부(330)는 상기 개별 행동 판단부들(320, 321, 322)에서 계산된 특성 값들에 가중치를 적용하여 상기 게임 사용자의 최종 특성 값을 계산한다. 이때, 상기 최종 특성 값은 게임 사용자의 수준 또는 성향을 나타낸다.If the calculated accuracy value does not exceed the reference value, the comprehensive level determiner 330 performs the calculation process once again using the user characteristic values calculated by the plurality of individual behavior determiners 320, 321, and 322. Run That is, the comprehensive level determination unit 330 calculates the final characteristic value of the game user by applying weights to the characteristic values calculated by the individual behavior determination units 320, 321, and 322. In this case, the final characteristic value represents the level or tendency of the game user.

특성 값 출력부(340)는 개별 행동 판단부들(310, 321, 322)에서 계산되는 상기 사용자 특성 값을 출력하거나, 또는 종합 수준 판단부(330)에서 계산되는 상기 최종 특성 값을 출력한다.The characteristic value output unit 340 outputs the user characteristic value calculated by the individual behavior determination units 310, 321, and 322 or the final characteristic value calculated by the comprehensive level determination unit 330.

이때, 상기 플레이 데이터 값은 게임 사용자의 응답 시간 값, 행동 선택 값 또는 게임 환경 값 등과 같이 게임 사용자가 게임을 플레이 함에 따라 생성되는 다양한 데이터를 말하며, 상기 사용자 특성 값 및 상기 게임 사용자의 최종 특성 값은 게임 사용자의 수준을 나타내는 수준 값 또는 게임 사용자의 성향을 나타내는 성향 값이다.In this case, the play data value refers to various data generated as the game user plays the game, such as a response time value, an action selection value, or a game environment value of the game user, and the user characteristic value and the final characteristic value of the game user. Is a level value representing a game user's level or a propensity value representing a game user's disposition.

한편, 특성 값 출력부(340)는 정확도 판단부(315)에서 계산한 정확도 값이 기준 값을 초과하는 것으로 판단하면 개별 행동 판단부들(310, 321, 322)에서 계산된 사용자 특성 값을 출력한다.Meanwhile, if it is determined that the accuracy value calculated by the accuracy determination unit 315 exceeds the reference value, the characteristic value output unit 340 outputs the user characteristic values calculated by the individual behavior determination units 310, 321, and 322. .

예를 들어, 학습 처리부(310)에서 가중치를 설정하고, 제1 개별 행동 판단부(320)는 게임 사용자의 게임 플레이 데이터 값들에 상기 가중치를 적용하여 사용자 특성 값을 계산한다. 종합 수준 판단부(330)는 사용자 특성 값과 관리자가 설정한 값을 비교하여 제1 개별 행동 판단부(320)의 정확도 값을 계산한다. 정확도 판단부(115)의 판단 결과 제1개별 행동 판단부(320)의 정확도 값이 기준 값을 초과하면, 제1개별 행동 판단부(320)에 게임 플레이 데이터 값을 입력하여 계산된 사용자 특성 값을 특성 값 출력부(340)를 통하여 출력한다.For example, the weight is set in the learning processor 310, and the first individual behavior determiner 320 calculates a user characteristic value by applying the weight to game play data values of a game user. The comprehensive level determiner 330 calculates an accuracy value of the first individual behavior determiner 320 by comparing the user characteristic value with a value set by the administrator. As a result of the determination by the accuracy determining unit 115, if the accuracy value of the first individual behavior determining unit 320 exceeds the reference value, the user characteristic value calculated by inputting the game play data value to the first individual behavior determining unit 320 is calculated. It is output through the characteristic value output unit 340.

또한, 정확도 판단부(315)의 판단 결과 제1개별 행동 판단부(320)의 정확도 값이 기준 값을 초과하지 않으면, 종합 수준 판단부(330)는 복수개의 개별 행동 판단부들(320, 321, 322)로부터 계산된 사용자 특성 값들을 이용하여 게임 사용자의 최종 특성 값을 계산하고, 특성 값 출력부(340)는 상기와 같이 계산된 최종 특성 값을 출력한다.In addition, when the accuracy determination unit 315 determines that the accuracy value of the first individual behavior determination unit 320 does not exceed the reference value, the comprehensive level determination unit 330 may include a plurality of individual behavior determination units 320, 321, and the like. The final characteristic value of the game user is calculated using the user characteristic values calculated from 322, and the characteristic value output unit 340 outputs the final characteristic value calculated as described above.

본 발명의 일실시예에 따르면 개별 행동 판단부들(320, 321, 322) 또는 종합 수준 판단부(330)는 뉴럴 네트워크(Neural Network), MLP(Multilayer Perception), 유전자 알고리즘, HMM(Hidden Markov Model: 은닉 마르코프 모델), MRF(Markov Random Field: 마르코프 랜덤 장), DSOM(Distributed System Object Model), 퍼지(Fuzzy), 에볼루션(Evolution) 방식 및 리인포스먼트(Reinforcement) 방식 중에서 어느 하나의 방법에 기반하여 게임 사용자의 특성 값을 계산할 수 있다.According to an embodiment of the present invention, the individual behavior determination units 320, 321, and 322 or the comprehensive level determination unit 330 may include a neural network, a multilayer perception (MLP), a genetic algorithm, and a Hidden Markov Model: Based on one of the Hidden Markov Model (MRF), Markov Random Field (MRF), Distributed System Object Model (DSOM), Fuzzy, Evolution, and Reinforcement. The property value of the game user can be calculated.

도 4및 도 5는 본 발명 따른 실시간 게임 사용자 특성 분석 장치가 뉴럴 네트워크를 이용하여 구성된 일실시예를 도시한 도면이다.4 and 5 are views illustrating an embodiment in which a real-time game user characteristic analysis apparatus according to the present invention is configured by using a neural network.

이후부터는 실시간 게임 사용자 특성 분석 장치(110)가 뉴럴 네트워크(Neural Network)를 이용하여 구성된 일실시예를 도 4 및 도 5를 참조하여 설명하지만, 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 뉴럴 네트워크를 통해 구성되는 것으로 한정되지 않는다.Hereinafter, an embodiment in which the real-time game user characteristic analysis apparatus 110 is configured by using a neural network will be described with reference to FIGS. 4 and 5, but real-time game user characteristic analysis according to an embodiment of the present invention. Device 110 is not limited to being configured via a neural network.

본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 도 4에 도시된 바와 같이 뉴럴 네트워크(Neural Network)로 구성되어, 게임 환경 변수(411, 412, 413)와 같은 게임 환경 값, 그리고 게임 사용자의 행동 선택 값(414), 게임 사용자의 응답 시간 값(415) 등의 사용자 특성 값들에 가중치를 적용하여 게임 사용자의 수준(421) 및 성향(422)을 계산 할 수 있다. 상기와 같은 가중치는 실시간 게임 사용자 특성 분석 장치(110)가 모의 데이터 값을 입력 받아 계산한 결과 값과 모의 결과 값을 비교하여 계산한 정확도 값이 높은 경우에 선택되는 가중치이다.Real-time game user characteristic analysis apparatus 110 according to an embodiment of the present invention is composed of a neural network (Neural Network), as shown in Figure 4, game environment values such as game environment variables (411, 412, 413) In addition, the user's level 421 and the propensity 422 may be calculated by applying weights to user characteristic values such as the game user's action selection value 414 and the game user's response time value 415. The weight as described above is a weight that is selected when the accuracy value calculated by comparing the simulation result value and the simulation result value received by the real-time game user characteristic analysis apparatus 110 is input.

그뿐만 아니라, 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 장치(110)는 도 4에 도시된 뉴럴 네트워크에 의해 계산된 게임 사용자의 수준(421) 및 성향 값들(422)을, 도 5에 도시된 바와 같이 게임 사용자의 수준 또는 성향 값들(511, 512, 513)로서 입력하고 환경 변수 값(514)을 입력하며, 상기 입력 값들에 가중치를 적용해 상기 게임 사용자의 최종 수준(521) 및 최종 성향(522)을 계산하도록 구성된다. In addition, the real-time game user characteristic analysis apparatus 110 according to an embodiment of the present invention may calculate the game user's level 421 and propensity values 422 calculated by the neural network shown in FIG. As shown in FIG. 2, the game user enters the game user's level or propensity values 511, 512, and 513, inputs an environment variable value 514, and applies the weighted values to the final level 521 of the game user. Configured to calculate the final propensity 522.

또한, 실시간 게임 사용자 특성 분석 장치(110)에 게임 사용자의 캐릭터 또는 물체의 위치 값이 입력되는 경우에는, 상기 캐릭터 또는 물체의 위치 값이 상대적 위치에 관한 값인지 또는 절대적 위치에 관한 값인지에 따라서, 또는 2D, 3D 게임에서의 위치 값인지에 따라서 입력하는 방법이 다르다. 그러므로 본 발명의 일실시예에 따르면 위치 값을 입력하는 방법에 있어서, 절대적인 위치 값인 경우에 이동 가능한 최소 범위와 최대 범위를 0 ~ 1로 두고 현재의 위치 값을 정규화(Normalize)하여 사용할 수 있으며, 상대적인 위치 값인 경우에는 기준이 되는 위치 값과 현재 위치 값의 차이 또는 최대 거리를 1로 두고 정규화하여 사용할 수 있다.In addition, when a position value of a character or an object of a game user is input to the real-time game user characteristic analysis apparatus 110, it is determined whether the position value of the character or object is a value relating to a relative position or an absolute position. The input method differs depending on whether or not the position value is in a 2D or 3D game. Therefore, according to an embodiment of the present invention, in the method of inputting a position value, in the case of an absolute position value, it is possible to normalize the current position value by using a minimum range and a maximum range of 0 to 1, In the case of relative position values, the difference or maximum distance between the reference position value and the current position value is 1 and can be normalized.

뉴럴 네트워크로 구성된 실시간 게임 사용자 특성 분석 장치(110)에서 계산되는 게임 사용자의 수준은 게임 사용자의 수준에 따라서 0 ~ 1로 나타낼 수 있으며 그 값이 낮을수록 게임 사용자의 수준이 낮으며 그 값이 높을수록 수준이 높다. 또한, 게임 사용자의 성향을 공격형, 수비형, 공수형 등으로 나타낼 수 있으며, 그 성향을 0 ~ 1로 나타내는 경우에는 공격형은 0, 수비형은 1 그리고 공수형은 0.5 등으로 나타낼 수 있다.The game user level calculated by the neural network real-time game user characterization apparatus 110 may be represented by 0 to 1 according to the game user level. The lower the value, the lower the game user's level and the higher the value. The higher the level. In addition, the propensity of the game user may be represented by an attacking type, a defensive type, an airborne type, and the like, and when the propensity is represented by 0 to 1, an attacking type may be represented by 0, a defensive type of 1, and a karate type of 0.5.

이와 같이 뉴럴 네트워크로 구성된 실시간 게임 사용자 특성 분석 장치(110)는 실시간으로 게임 사용자의 게임 플레이 정보를 입력 받고, 그에 따른 게임 사용자의 수준 또는 성향 정보를 출력한다.As such, the real-time game user characteristic analysis apparatus 110 configured as a neural network receives game play information of a game user in real time, and outputs the game user level or propensity information accordingly.

도 6 은 본 발명의 일실시예에 따른 실시간 게임 사용자 특성 분석 방법을 설명하기 위한 흐름도이다.6 is a flowchart illustrating a method of analyzing real-time game user characteristics according to an embodiment of the present invention.

도 6에 도시된 바와 같이 실시간 게임 사용자 특성 분석 장치는 가중치를 설정한다(S610). 보다 상세하게 설명하면 실시간 게임 사용자 특성 분석 장치는 모의 데이터 값을 입력하여 임의의 가중치를 적용해 결과 값을 계산하도록 하고, 상기 계산된 결과 값과 모의 결과 값을 비교하여 정확도를 계산하며, 상기 계산 결과 상기 정확도 값이 기 설정되어 있는 값을 초과하면 상기 임의의 가중치를 가중치로서 선택하여 사용하도록 설정한다.As shown in FIG. 6, the apparatus for analyzing real-time game user characteristics sets a weight (S610). In more detail, the real-time game user characteristic analysis apparatus inputs a simulated data value to calculate a result value by applying an arbitrary weight, compares the calculated result value with the simulated result value, calculates the accuracy, and calculates the calculated value. As a result, when the accuracy value exceeds a predetermined value, the arbitrary weight is selected and used as a weight.

이후, 실시간 게임 사용자 특성 분석 장치는 게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 상기 가중치를 적용하여 사용자 특성 값을 계산한다(S615).Thereafter, the real-time game user characteristic analysis apparatus calculates a user characteristic value by applying the weight to game play data values generated by game play of a game user (S615).

또한, 실시간 게임 사용자 특성 분석 장치는 상기와 같이 계산된 사용자 특성 값과 관리자가 설정한 값을 비교하여 정확도 값을 계산한다(S620).In addition, the real-time game user characteristic analysis apparatus compares the user characteristic value calculated as described above and a value set by the administrator to calculate the accuracy value (S620).

실시간 게임 사용자 특성 분석 장치는 상기 정확도 값이 기준 값을 초과하는지를 판단하여(S625), 상기 계산된 정확도 값이 기준 값을 초과하면, 상기 계산된 사용자 특성 값을 출력하는데(S630), 보다 상세하게 설명하면 정확도 값이 기준 값을 초과하므로 계산된 사용자 특성 값이 충분히 신뢰도가 있는 것으로 판단하여, 복수개의 사용자 특성 값을 이용하여 최종 특성 값을 계산하지 않고 사용자 특성 값을 출력하는 것이다.The real-time game user characteristic analysis apparatus determines whether the accuracy value exceeds the reference value (S625), and outputs the calculated user characteristic value when the calculated accuracy value exceeds the reference value (S630). When the accuracy value exceeds the reference value, it is determined that the calculated user characteristic value is sufficiently reliable, and the user characteristic value is output without calculating the final characteristic value using the plurality of user characteristic values.

이때, 상기 플레이 데이터 값은 상기 게임 사용자의 응답 시간 값, 행동 선택 값 및 게임 환경 값 중 적어도 어느 하나이고, 상기 사용자 특성 값 및 상기 게임 사용자의 최종 특성 값은 상기 게임 사용자의 수준을 나타내는 수준 값 및 상기 게임 사용자의 성향을 나타내는 성향 값 중 적어도 어느 하나이다.In this case, the play data value is at least one of a response time value, an action selection value, and a game environment value of the game user, and the user characteristic value and the final characteristic value of the game user are level values representing the level of the game user. And a propensity value representing the propensity of the game user.

한편, 실시간 게임 사용자 특성 분석 장치는 상기 계산된 정확도 값이 기준 값을 초과하지 않는 것으로 판단하면, 복수개의 상기 사용자 특성 값들에 상기 가중치를 적용하여 상기 게임 사용자의 최종 특성 값을 계산하고(S635, S640), 상기 계산된 최종 특성 값을 출력한다(S645).On the other hand, if the real-time game user characteristic analysis apparatus determines that the calculated accuracy value does not exceed the reference value, and calculates the final characteristic value of the game user by applying the weight to a plurality of the user characteristic values (S635, In operation S640, the calculated final characteristic value is output in operation S645.

본 발명의 일실시예에 따르면 실시간 게임 사용자 특성 분석 장치는 뉴럴 네트워크(Neural Network), MLP(Multilayer Perception), 유전자 알고리즘, HMM(Hidden Markov Model: 은닉 마르코프 모델), MRF(Markov Random Field: 마르코프 랜덤 장), DSOM(Distributed System Object Model), 퍼지(Fuzzy), 에볼루션(Evolution) 방식 및 리인포스먼트(Reinforcement) 방식 중에서 어느 하나의 방법에 기반하여 게임 사용자의 특성 값 또는 최종 특성 값을 계산할 수 있다.According to an embodiment of the present invention, the real-time game user characterization apparatus is a neural network (Neural Network), MLP (Multilayer Perception), genetic algorithm, HMM (Hidden Markov Model: Hidden Markov Model), MRF (Markov Random Field: Markov Random) Chapter), Distributed System Object Model (DSOM), Fuzzy, Evolution, and Reinforcement methods can be used to calculate the game user's or final feature values. .

따라서, 본 발명의 일실시예에 따르면 실시간 게임 사용자의 수준과 성향을 계층적으로 학습하여 게임 사용자의 수준과 성향을 보다 정확하게 실시간으로 판단할 수 있다.Therefore, according to an embodiment of the present invention, the level and propensity of the game user can be hierarchically determined to more accurately determine the level and propensity of the game user in real time.

그러므로 본 발명의 일실시예에 따르면 게임 사용자의 수준에 따라서 게임의 난이도를 조정하여 게임 사용자의 게임 적응도를 높이고 게임 사용자의 긴장감과 몰입감을 유지시킬 수 있을 뿐만 아니라, 게임 사용자의 수준에 따른 게임 사용자 매칭 서비스를 제공하고, 게임 사용자의 수준에 따라 적절한 도우미 또는 훈련 시나리오를 제공할 수 있다.Therefore, according to an embodiment of the present invention, the difficulty of the game can be adjusted according to the level of the game user, thereby improving the game adaptability of the game user and maintaining the tension and immersion of the game user, and the game according to the level of the game user. It may provide a user matching service and provide an appropriate helper or training scenario according to the level of the game user.

위에서 설명된 본 발명의 실시예들은 임의의 다양한 방법으로 구현될 수 있다. 예를 들어, 실시예들은 하드웨어, 소프트웨어 또는 그 조합을 이용하여 구현될 수 있다. 소프트웨어로 구현되는 경우에, 다양한 운영체제 또는 플랫폼을 이용하는 하나 이상의 프로세서상에서 실행되는 소프트웨어로서 구현될 수 있다. 추가적으로, 그러한 소프트웨어는 다수의 적합한 프로그래밍 언어들 중에서 임의의 것을 사용하여 작성될 수 있고, 또한 프레임워크 또는 가상 머신에서 실행되는 실행가능 기계어 코드 또는 중간 코드로 컴파일될 수 있다.The embodiments of the invention described above may be implemented in any of a variety of ways. For example, embodiments may be implemented using hardware, software, or a combination thereof. When implemented in software, it may be implemented as software running on one or more processors using various operating systems or platforms. Additionally, such software may be written using any of a number of suitable programming languages, and may also be compiled into executable machine code or intermediate code that runs in a framework or virtual machine.

또한, 본 발명은 하나 이상의 컴퓨터 또는 다른 프로세서상에서 실행되는 경우 위에서 논의된 본 발명의 다양한 실시예를 구현하는 방법을 수행하는 하나 이상의 프로그램이 기록된 컴퓨터 판독가능 매체(예를 들어, 컴퓨터 메모리, 하나 이상의 플로피 디스크, 콤팩트 디스크, 광학 디스크, 자기 테이프, 플래시 메모리 등)으로 구현될 수 있다.In addition, the present invention may be embodied in a computer-readable medium (e.g., a computer memory, a storage medium, a storage medium, a storage medium, a computer readable medium, A floppy disk, a compact disk, an optical disk, a magnetic tape, a flash memory, etc.).

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
As described above, the present invention has been described with reference to particular embodiments, such as specific elements, and specific embodiments and drawings. However, it should be understood that the present invention is not limited to the above- And various modifications and changes may be made thereto by those skilled in the art to which the present invention pertains. Accordingly, the spirit of the present invention should not be construed as being limited to the embodiments described, and all of the equivalents or equivalents of the claims, as well as the following claims, belong to the scope of the present invention .

310: 학습 처리부
315: 정확도 판단부
320: 제1개별 행동 판단부
321: 제2개별 행동 판단부
322: 제n개별 행동 판단부
330: 종합 수준 판단부
340: 특성 값 출력부310: learning processing unit
315: accuracy determination unit
320: first individual behavior determination unit
321: Second individual behavior judgment unit
322: n-th individual behavior determination unit
330: comprehensive level judgment unit
340: characteristic value output unit

Claims (9)

게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 제1가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값을 계산하는 적어도 하나의 개별 행동 판단부;
상기 사용자 특성 값과 관리자가 설정한 값을 비교하여 상기 개별 행동 판단부의 정확도 값을 계산하는 정확도 판단부;
상기 정확도 값이 기준 값을 초과하지 않으면 복수개의 상기 개별 행동 판단부에서 계산된 상기 사용자 특성 값들에 제2가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 최종 특성 값을 계산하는 종합 수준 판단부; 및
상기 최종 특성 값을 출력하는 특성 값 출력부
를 포함하는 실시간 게임 사용자 특성 분석 장치.
At least one individual behavior determination unit calculating a user characteristic value representing a level or propensity of the game user by applying a first weight value to game play data values generated by a game play of a game user;
An accuracy determination unit for comparing the user characteristic value with a value set by an administrator and calculating an accuracy value of the individual behavior determination unit;
Comprehensive level determination unit for calculating a final characteristic value representing the level or propensity of the game user by applying a second weighting value to the user characteristic values calculated by the plurality of individual behavior determination unit if the accuracy value does not exceed the reference value ; And
Characteristic value output unit for outputting the final characteristic value
Real-time game user characterization apparatus comprising a.
제1항에 있어서,
상기 특성 값 출력부는,
상기 정확도 판단부에서 계산한 정확도 값이 기준 값을 초과하면 상기 개별 행동 판단부에서 계산된 상기 사용자 특성 값을 출력하는 실시간 게임 사용자 특성 분석 장치.
The method of claim 1,
The characteristic value output unit,
And outputting the user characteristic value calculated by the individual behavior determination unit when the accuracy value calculated by the accuracy determination unit exceeds a reference value.
제1항에 있어서,
상기 개별 행동 판단부에 모의 데이터 값을 입력해 상기 제1가중치를 적용하여 결과 값을 계산하도록 제어하고, 상기 정확도 판단부에서 상기 결과 값과 모의 결과 값을 비교하여 정확도를 계산하도록 제어하여, 상기 계산한 정확도가 기 설정된 값을 초과하면 상기 개별 행동 판단부에서 상기 제1가중치를 사용하도록 설정하는 학습 처리부
를 더 포함하는 실시간 게임 사용자 특성 분석 장치.
The method of claim 1,
Inputting the simulated data value to the individual behavior determination unit to control the calculation of the result value by applying the first weight value, and controlling the accuracy determination unit to calculate the accuracy by comparing the result value with the simulation result value; A learning processor configured to set the individual weighting unit to use the first weight value when the calculated accuracy exceeds a preset value
Real-time game user characteristic analysis device further comprising.
제3항에 있어서,
상기 학습 처리부는,
상기 종합 수준 판단부에 모의 데이터 값을 입력해 상기 제2가중치를 적용하여 결과 값을 계산하도록 제어하고, 상기 정확도 판단부에서 상기 제2가중치를 적용하여 계산된 상기 결과 값과 모의 결과 값을 비교하여 정확도를 계산하도록 제어하여, 상기 계산한 정확도가 기 설정된 값을 초과하면 상기 개별 행동 판단부에서 상기 제2가중치를 사용하도록 설정하는 실시간 게임 사용자 특성 분석 장치.
The method of claim 3,
The learning processing unit,
Input the simulated data value to the synthesis level determining unit to control the resultant value by applying the second weight value, and compare the simulated result value with the result value calculated by applying the second weight value to the accuracy determining part; And control the computer to calculate the accuracy, and set the individual weight determination unit to use the second weight value when the calculated accuracy exceeds a preset value.
제1항에 있어서,
상기 개별 행동 판단부는,
상기 게임 플레이 데이터 값들을 정규화(Normalize)하거나 또는 평균 값으로 전처리하여 상기 사용자 특성 값을 계산하는 실시간 게임 사용자 특성 분석 장치.
The method of claim 1,
The individual behavior determination unit,
And calculating the user characteristic value by normalizing or preprocessing the game play data values to an average value.
삭제delete 제1항에 있어서,
상기 개별 행동 판단부 및 상기 종합 수준 판단부 중 적어도 어느 하나는,
뉴럴 네트워크(Neural Network), MLP(Multilayer Perception), 유전자 알고리즘, HMM(Hidden Markov Model: 은닉 마르코프 모델), MRF(Markov Random Field: 마르코프 랜덤 장), DSOM(Distributed System Object Model), 퍼지(Fuzzy), 에볼루션(Evolution) 방식 및 리인포스먼트 Reinforcement) 방식 중에서 어느 하나의 방법에 기반하여 상기 사용자 특성 값 또는 상기 최종 특성 값을 계산하는 실시간 게임 사용자 특성 분석 장치.
The method of claim 1,
At least one of the individual behavior determination unit and the comprehensive level determination unit,
Neural Network, Multilayer Perception, MLP, Genetic Algorithm, Hidden Markov Model (HMM), Markov Random Field (Markov Random Field), Distributed System Object Model (DSOM), Fuzzy And calculating the user characteristic value or the final characteristic value based on one of an evolution method and a reinforcement method.
게임 사용자의 게임 플레이에 의해 발생하는 게임 플레이 데이터 값들에 제1가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 사용자 특성 값을 계산하는 단계;
상기 사용자 특성 값과 관리자가 설정한 값을 비교하여 정확도 값을 계산하는 단계;
상기 정확도 값이 기준 값을 초과하지 않으면 복수개의 상기 사용자 특성 값들에 제2가중치를 적용하여 상기 게임 사용자의 수준 또는 성향을 나타내는 최종 특성 값을 계산하는 단계; 및
상기 최종 특성 값을 출력하는 단계
를 포함하는 실시간 게임 사용자 특성 분석 방법.
Calculating a user characteristic value representing a level or propensity of the game user by applying a first weighting value to game play data values generated by a game user's game play;
Calculating an accuracy value by comparing the user characteristic value with a value set by an administrator;
Calculating a final characteristic value representing a level or propensity of the game user by applying a second weighting value to a plurality of the user characteristic values if the accuracy value does not exceed a reference value; And
Outputting the final characteristic value
Real-time game user characterization method comprising a.
제8항에 있어서,
상기 사용자 특성 값을 계산하는 단계 이전에,
모의 데이터 값을 이용하여 상기 제1가중치 또는 제2가중치를 적용하여 계산한 결과 값의 정확도가 기 설정된 값을 초과하면 상기 제1가중치 또는 제2가중치를 사용하도록 설정하는 단계
를 더 포함하는 실시간 게임 사용자 특성 분석 방법.
9. The method of claim 8,
Prior to calculating the user characteristic value,
Setting the first weight value or the second weight value to be used when the accuracy of the result value calculated by applying the first weight value or the second weight value using a simulated data value exceeds a preset value.
Real-time game user characterization method further comprising.
KR1020100057842A 2009-12-21 2010-06-18 Real time game player level and tendency analysis device and controlling method for the same KR101380565B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US12/905,304 US8348733B2 (en) 2009-12-21 2010-10-15 Apparatus and method for analyzing characteristic of game player in real time

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20090127997 2009-12-21
KR1020090127997 2009-12-21

Publications (2)

Publication Number Publication Date
KR20110073207A KR20110073207A (en) 2011-06-29
KR101380565B1 true KR101380565B1 (en) 2014-04-02

Family

ID=44404027

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100057842A KR101380565B1 (en) 2009-12-21 2010-06-18 Real time game player level and tendency analysis device and controlling method for the same

Country Status (1)

Country Link
KR (1) KR101380565B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021158423A1 (en) * 2020-02-04 2021-08-12 modl.ai ApS Ai-based content generation for gaming applications
US11596867B2 (en) 2019-03-19 2023-03-07 modl.ai ApS AI-based content generation for gaming applications

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102198818B1 (en) * 2019-04-30 2021-01-05 넷마블 주식회사 A computer program for providing a user-customized reaction
KR102431050B1 (en) * 2020-08-18 2022-08-10 주식회사 이산기술 An Artificial Intelligence Type of a Game System for Improving a Brain Cognitive Skill
JP7243755B2 (en) 2021-03-29 2023-03-22 大日本印刷株式会社 matte goods
JP7226465B2 (en) 2021-03-30 2023-02-21 大日本印刷株式会社 matte goods

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060043334A (en) * 2004-03-01 2006-05-15 마이크로소프트 코포레이션 Method for online game matchmaking using play style information
KR20070028971A (en) * 2005-09-08 2007-03-13 엔에이치엔(주) Method and system for controlling game ai which copies input pattern of gamer and playing the game
KR20080069192A (en) * 2005-11-21 2008-07-25 마이크로소프트 코포레이션 Team matching
KR20100032707A (en) * 2008-09-18 2010-03-26 주식회사 엔씨소프트 System and method for on-line game poisoning prevention

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060043334A (en) * 2004-03-01 2006-05-15 마이크로소프트 코포레이션 Method for online game matchmaking using play style information
KR20070028971A (en) * 2005-09-08 2007-03-13 엔에이치엔(주) Method and system for controlling game ai which copies input pattern of gamer and playing the game
KR20080069192A (en) * 2005-11-21 2008-07-25 마이크로소프트 코포레이션 Team matching
KR20100032707A (en) * 2008-09-18 2010-03-26 주식회사 엔씨소프트 System and method for on-line game poisoning prevention

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11596867B2 (en) 2019-03-19 2023-03-07 modl.ai ApS AI-based content generation for gaming applications
WO2021158423A1 (en) * 2020-02-04 2021-08-12 modl.ai ApS Ai-based content generation for gaming applications

Also Published As

Publication number Publication date
KR20110073207A (en) 2011-06-29

Similar Documents

Publication Publication Date Title
US8348733B2 (en) Apparatus and method for analyzing characteristic of game player in real time
KR101380565B1 (en) Real time game player level and tendency analysis device and controlling method for the same
CN107944915B (en) Game user behavior analysis method and computer-readable storage medium
CN109637546B (en) Knowledge distillation method and apparatus
CN108920221B (en) Game difficulty adjusting method and device, electronic equipment and storage medium
KR101231798B1 (en) Method and apparatus for controlling difficulty levels of game
US10803762B2 (en) Body-motion assessment device, dance assessment device, karaoke device, and game device
CN105989849B (en) A kind of sound enhancement method, audio recognition method, clustering method and device
WO1997044741A1 (en) System and method for combining multiple learning agents to produce a prediction method
CN111111204A (en) Interactive model training method and device, computer equipment and storage medium
CN109815155A (en) A kind of method and device of game test, electronic equipment, storage medium
US20220193554A1 (en) Device and method for generating npc capable of adjusting skill level
CN111957047B (en) Checkpoint configuration data adjustment method, computer equipment and storage medium
CN115412301B (en) Predictive analysis method and system for network security
US20150242797A1 (en) Methods and systems for evaluating performance
CN110956684B (en) Crowd movement evacuation simulation method and system based on residual error network
KR102561498B1 (en) Military simulation system and operating method thereof
CN117762250B (en) Virtual reality action recognition method and system based on interaction equipment
CN112052166B (en) Test case generation method and device based on domination relationship
CN114225354B (en) Intelligent analysis method, system and storage medium for martial arts training
CN115273237A (en) Human body posture and action recognition method based on integrated random configuration neural network
CN113253976B (en) Game record analysis-based research and development module construction method and system
CN110334244B (en) Data processing method and device and electronic equipment
CN113407937A (en) Balanced data set construction method for side channel modeling attack model
CN111582446A (en) System for neural network pruning and neural network pruning processing method

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee