Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/47396
Type: | Dissertação |
Title: | Sistema de recomendação de heróis para jogos MOBA utilizando aprendizado de máquina |
Other Titles: | Recommendation system of heroes for MOBA games using machine learning |
Authors: | Lucas Augusto Ferreira Hanke |
First Advisor: | Luiz Chaimowicz |
First Co-advisor: | Sergio Vale Aguiar Campos |
First Referee: | Luiz Chaimowicz |
Second Referee: | Renato Antônio Celso Ferreira |
Third Referee: | Rodrygo Luis Teodoro Santos |
Abstract: | Jogos Multiplayer Online Battle Arena (MOBA) são atualmente um dos mais populares gêneros de jogos online. Na sua jogabilidade básica, dois times de múltiplos jogadores competem entre si a fim de destruir a base inimiga, controlando uma unidade poderosa denominada “herói”. Cada herói tem diferentes habilidades, papéis e forças. Consequentemente, escolher uma boa combinação de heróis é fundamental para o sucesso de um determinado time em uma partida. Neste trabalho, é proposto um sistema de recomendação para seleção de heróis em uma partida de jogo MOBA. Foi desenvolvido um mecanismo baseado em regras de associação que sugere os heróis mais adequados para se compor um time, usando dados coletados de uma grande quantidade de partidas de Dota 2. Para avaliar a eficácia do line-up, foi treinada uma rede neural capaz de prever o time vencedor com uma acurácia de até 90,89%. Os resultados do sistema de recomendação foram muitos satisfatórios com até 76,4% de taxa de sucesso. |
Abstract: | MOBA games are currently one of the most popular online game genres. In their basic gameplay, two teams of multiple players compete against each other to destroy the enemy’s base, controlling a powerful unit known as “hero”. Each hero has different abilities, roles and strengths. Thus, choosing a good combination of heroes is fundamental for the success in the game. In this dissertation we propose a recommendation system for selecting heroes in a MOBA game. We develop a mechanism based on association rules that suggests the most suitable heroes for composing a team, using data collected from a large number of Dota 2 matches. For evaluating the efficacy of the line-up, we trained a neural network capable of predicting the winner team with a 90.89% accuracy. The results of the recommendation system were very satisfactory with up to 76.4% success rate. |
Subject: | Computação – Teses Aprendizado do computador – Teses Sistemas de recomendação – Teses Jogos eletrônicos – Teses |
language: | por |
metadata.dc.publisher.country: | Brasil |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
metadata.dc.publisher.department: | ICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO |
metadata.dc.publisher.program: | Programa de Pós-Graduação em Ciência da Computação |
Rights: | Acesso Aberto |
metadata.dc.rights.uri: | http://creativecommons.org/licenses/by-nc-nd/3.0/pt/ |
URI: | http://hdl.handle.net/1843/47396 |
Issue Date: | 31-Jul-2017 |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
dissertacao_112022.pdf | 11.03 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License