• 한국산업정보학회논문지
• /
• 제23권6호
• /
• pp.9-19
• /
• 2018

최근 게임 산업의 발달과 게임 방송에 대한 사람들의 관심이 많아짐에 따라 기존 게이머들이 아닌 사람들도 게임에 관심을 많이 보이고 있고, 게임 구매로 이어지고 있다. 하지만, 일반 사용자가 매일 수십 개씩 발매되는 게임 중에 어떤 게임이 자신이 재밌게 즐길 수 있는 게임인지를 판단하기 어렵다. 따라서 게임 판매 플랫폼에서 게임 추천 기능을 갖추고 있지만 그들의 매출 증가를 위한 수단으로 사용되어 그들의 할인 제품이나 신제품에 초점을 맞춰 추천을 해주기 때문에 추천 시스템의 정확도가 낮다. 이러한 이유 때문에 본 논문에서는 사용자에 대한 추천 만족도를 높이고 사용자 경험을 적절히 반영한, 사용자가 남긴 평점을 기반으로 한 게임 추천 시스템을 구성하였다. 시스템에서는 협력 필터링을 이용한 예상 평가 점수 기능과 나이브 베이지안을 이용한 게임 추천 기능을 구현하여 사용자에게 빠르고 정확한 추천을 할 수 있도록 구현하였다. 결과적으로 예상 평점 알고리즘의 경우 2.4초의 처리 속도와 평균 72.1퍼센트의 정확도를 얻었고, 게임 추천 알고리즘의 경우 75.187퍼센트의 정확도를 얻어 사용자에게 빠르고 정확한 추천 결과를 제시 할 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2017년도 제55차 동계학술대회논문집 25권1호
• /
• pp.155-156
• /
• 2017

본 논문에서는 블리자드 회사에서 제작한 게임 중 하나인 오버워치(Overwatch)에서 게임의 간접정보를 학습하여 플레이어에게 유리한 영웅 캐릭터를 추천해주는 인공신경망 기반 영웅 캐릭터 추천 방법을 제안한다. 오버워치에서 게임 맵별로 적군 캐릭터와 아군 캐릭터가 선정되었을 때 플레이어가 어떤 영웅캐릭터를 선정하면 승률에 좋은지를 알기가 어렵다. 본 논문에서는 플레이어의 영웅캐릭터 선정을 도와주기위하여 오버워치 게임의 간접정보를 기반으로 학습데이터를 만들어 인공신경망을 학습한 후 학습한 인공신경망을 이용하여 영웅캐릭터를 추천한다. 실험결과 인공신경망이 추천하는 영웅캐릭터가 적절한 캐릭터임을 확인하였다.

• 디지털융복합연구
• /
• 제15권4호
• /
• pp.461-468
• /
• 2017

현재 제공되고 있는 모바일 게임 추천 시스템들은 실제 사용자가 선호하는 게임에 대한 패턴을 추천하는지, 아니면 단순히 관심 정도의 패턴을 추천하는지 알 수 없어 사용자의 주관적인 선호도를 직접적으로 알 수 없다는 문제점이 있다. 이를 해결하기 위하여 사용자들의 주관적인 선호도를 직접적으로 반영한 계층적 분석 방법(Analytic Hierarchy Process, AHP) 기반 모바일 게임 추천 시스템을 개발하였지만, 사용자들이 선호하는 항목에 대한 척도가 같다고 할지라도 선호하는 정도까지 동일하다고 볼 수 없다는 문제가 발생하였다. 본 연구에서는 이와 같은 문제점을 해결하기 위해 Fuzzy-AHP 기법의 삼각 퍼지 수(Triangular Fuzzy Numbers)와 베이지안 네트워크에서 평가 항목의 독립성을 적용한 모바일 게임 추천 시스템을 구현하였다. 그 결과 본 연구에서 제안한 추천 시스템이 기존의 시스템과 비교하여 볼 때 추천 결과의 정확도 및 사용자의 만족도가 가장 높은 것을 확인할 수 있었다.

• 디지털융복합연구
• /
• 제15권1호
• /
• pp.427-433
• /
• 2017

모바일 게임 이용자들은 모바일 게임을 선택할 때, 친구들이나 SNS의 의견을 참고하는 것을 선호하는 경향이 있다. 이러한 이유는 기존의 모바일 게임 추천 시스템에서 제공하는 추천 정보에 만족하지 않기 때문이다. 본 연구에서는 계층적 분석 방법(Analytic Hierarchy Process, AHP)을 적용하여 사용자들의 선호도를 직접적으로 반영할 수 있는 모바일 게임 추천 시스템을 구현하였다. 본 시스템에서 AHP 계층도는 각 계층별로 최종 목표(Level 1), 평가 기준(Level 2), 대안(Level 3)으로 구성된다. 본 시스템은 입력 모듈, AHP 처리 모듈, 추천 모듈, 데이터베이스로 구성된다. 본 시스템의 성능을 확인하기 위하여 기존의 추천 시스템들과 만족도를 비교한 결과, 본 시스템이 다른 추천 시스템보다 만족도가 높다는 것을 확인할 수 있었다.

• 융합정보논문지
• /
• 제9권2호
• /
• pp.108-114
• /
• 2019

본 논문에서는 모바일 교육 증강현실 게임 환경에서 게임 학습 참여자의 학습 필요와 요구에 부응하는 어휘를 자동으로 제공해주는 지능형 어휘 추천 에이전트를 제안한다. 제안된 에이전트는 모바일 기술의 특성과 증강 현실 기술의 특성을 최대한 반영하여 설계하도록 하고 상황 어휘 추론 모듈, 싱글 게임 어휘 추천 모듈, 배틀 게임 어휘 추천 모듈, 학습 어휘 목록 모듈, 유의어 모듈로 구성한다. 연구 결과, 게임 학습 참여자들은 대체적으로 만족함을 알 수 있다. 상황 어휘 추론과 유의어의 정확도는 각각 4.01점, 4.11점으로 게임 학습 참여자가 처한 상황과 관련이 깊은 어휘가 추출되는 것을 보여준다. 하지만 만족도의 경우에는 배틀 게임 어휘(3.86)는 개인별 학습자의 추천 어휘 중에서 공동으로 사용할 수 있는 어휘를 추천하기 때문에 싱글 게임 어휘(3.94)보다는 상대적으로 낮은 결과가 나타났다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 추계학술발표대회
• /
• pp.571-572
• /
• 2016

현재 모바일 게임 이용자들은 모바일 게임을 선택할 때 친구들의 직접적인 추천이나 SNS에서의 추천을 이용하여 선택한다. 이러한 이유는 기존의 추천 시스템에서 제공하는 정보가 적합하지 않기 때문이다. 이에 본 연구에서는 불확실한 상황이나 다양한 평가 항목들에 대한 중요도 및 선호도를 순위화하여 우선순위가 높은 항목을 선택하게 하는 계층적 분석 방법을 적용하여 사용자들의 선호도를 직접적으로 반영할 수 있는 모바일 게임 추천 시스템을 제안하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.56-59
• /
• 2019

하루 평균 동시 접속자가 1,000만 명이 넘을 정도로 많은 사람이 사용하는 플랫폼은 드물다. 이러한 플랫폼 중에 스팀은 독보적인 존재이다. 스팀 내에는 수많은 게임이 있다. 그 수많은 게임 중 각 사용자에게 맞는 게임을 찾아내는 것은 매우 어렵다. 그래서 각 개인한테 맞는 게임을 추천해주는 것이 필요하다. 본 논문에서는 각 개인에 맞는 게임을 추천해주기 위하여 현재까지 가장 좋은 방법으로 알려진 협업 필터링 방법과 장르, 사용한 시간, 사용자 수를 고려하여 추천한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1202-1203
• /
• 2023

본 논문은 스팀(Steam) 게임 플랫폼을 기반으로 약 1000개의 게임 데이터를 활용하여 사용자들에게 알맞은 게임을 추천해주는 시스템을 제안한다. 게임 선택에 영향을 주는 요인들을 언어 객체로 설정하여 규칙 기반 추론 시스템을 구현했다. 선호도 정보는 게임 선택의 기준이 되는 세 가지 요소에 대한 질문에 답하는 방식으로 수집된다. 게임 추천 결과를 시각화하여 신규 유저를 게임에 유입하고 몰입을 촉진하고자 한다.

• 디지털융복합연구
• /
• 제15권1호
• /
• pp.453-459
• /
• 2017

본 연구는 게임 산업 시장에 새로운 성장 동력으로 주목받고 있는 모바일 소셜 네트워크 게임에 대한 이용자들의 이용행태를 알아보기 위해 진행되었다. 이를 위해 남, 여 대학생 250명을 대상으로 설문조사를 실시하였다. 연구결과 첫째, 모바일 소셜 네트워크 게임에 대한 관계형성 동기와 여유시간 재미찾기 동기 요인이 게임태도에 정(+)의 영향을 미치는 것으로 확인되었다. 둘째, 모바일 소셜 네트워크 게임에 대한 관계형성 동기는 지속적 이용의도에 정(+)의 영향을 미치는 것으로 확인되었다. 셋째, 모바일 소셜 네트워크 게임에 대한 관계형성 동기와 여유시간 재미찾기 동기는 구전에 의한 추천의도에, 관계형성 동기와 광고추천 동기는 온라인에 의한 추천의도에 정(+)의 영향을 미치는 것으로 확인되었다. 넷째, 모바일 소셜 네트워크 게임에 대한 태도는 지속적 이용의도에 정(+)의 영향을 미치는 것으로 확인되었다. 마지막으로 모바일 소셜 네트워크 게임에 대한 태도는 구전에 의한 추천의도에 정(+)의 영향을 미치는 것으로 확인되었다. 본 연구는 이러한 연구결과를 바탕으로 이용자들의 편의에 맞는 양질의 게임 콘텐츠 개발을 위한 유용한 기초정보를 제공해줄 수 있을 것으로 기대한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.145-146
• /
• 2023

본 논문에서는 최대 규모의 게임 플랫폼인 Steam에서 수집한 유저 정보 데이터 셋에 Item2vec과 LSTM을 사용하여 추천 시스템을 구현한다. 수집한 유저 정보 데이터 셋에 Item2vec을 적용하여 각각의 유저들이 보유하고 있는 고유한 Appid들을 200차원의 벡터로 변환한다. 그 후 데이터 셋을 기간에 따라 4단계의 시퀀스로 나눈 후 LSTM을 사용하여 유저별로 최대 5가지의 추천 리스트를 생성한다. 유저 정보 데이터 셋은 액티브한 유저 정보를 얻기 위해 Steam 게임 리뷰 항목에서 리뷰를 남긴 유저들의 데이터를 api를 사용해 수집했으며 LSTM을 사용한 실험의 성능 평가 지표는 RMSE를 사용했고 이때의 성능은 0.1357을 얻을 수 있었다.