10.3969/j.issn.2095-2163.2022.10.027
基于深度学习的MOBA类游戏胜率预测模型的研究
多人在线战术竞技(MOBA)游戏是目前最为火热的竞技游戏之一,根据阵容以及比赛中的实时数据预测比赛的胜率正在成为该领域的研究热点方向.为提高MOBA游戏胜率预测的准确率,本文探索基于深度学习的组合预测方法,提出了MOBA游戏实时胜率预测模型.本文根据比赛双方所选的英雄信息以及比赛实时数据,利用双层LSTM模型并引入注意力机制的方法训练实时胜率预测模型.实验使用了近3 w场Dota2比赛数据集构建训练集和测试集.在实时胜率预测实验中,分别在比赛进行到第10、20、30、35 min时使用实时预测模型的预测胜率,准确率分别达到68.5％、71.8％、85.6％、88.4％,对比其他深度学习模型,准确率平均提高了1.5％以上.实验表明,建立的MOBA游戏实时胜率预测模型具有较高的预测准确率.
MOBA、预测、LSTM、注意力机制
12
TP391(计算技术、计算机技术)
2022-11-10（万方平台首次上网日期，不代表论文的发表时间）
共7页
163-168,175
