Evaluación de modelos de jugadores mediante técnicas de clustering.

Abstract

Para conseguir captar el interes de los jugadores is importante que los video juegos adapten su dificultad en funcion de las habilidades del jugador. Ser capaz de evaluar como juegan los usuarios es un componente crucial para modelar el comportamiento de los jugadores en los juegos. Uno de los problemas de crear un modelo de comportamiento de usuario es comprobar si las variable predictoras detectan correctamente las acciones del jugador. En este articulo, estudiaremos el juego de codigo abierto Tower Defense (Open-source Tower Defence OTD), basado en un tablero 2D en el que aparecen conjunto de hordas enemigas que deben ser destruidas para evitar que alcancen la salida. Utilizando dicho juego extraeremos en tiempo real la informacion de las interacciones usuario y los eventos del juego utilizando la tecnica de ventana deslizante. Una vez obtenida suficiente informacion, el modelo se evaluara mediante tecnicas de clustering (concretamente, K-Means y Spectral Cluster). Finalmente, estudiaremos la similitud entre las diferentes partidas donde los jugadores han utilizado diferentes estrategias.

Antonio Gonzalez-Pardo

Associate Professor

Lecturer at the Computer Science Department. Main research interests are related to Computational Intelligence and Metaheuristics applied to Social Networks Analysis, and the optimization of graph-based problems.