發(fā)布時(shí)間：2020-07-05 08:23

【摘要】：隨著當(dāng)前世界范圍內(nèi)電子競(jìng)技快速蓬勃的發(fā)展,國(guó)內(nèi)相關(guān)電競(jìng)產(chǎn)業(yè)也在不斷注入資本和人才等新鮮血液。既然有了更多的人和錢的涌入,其向傳統(tǒng)競(jìng)技體育方向的靠攏自然是不可避免的。傳統(tǒng)的競(jìng)技體育中,比賽結(jié)果的預(yù)測(cè)分析是其中非常重要的一環(huán):NBA,法網(wǎng)之流早就用上了專業(yè)的數(shù)據(jù)分析師建立相關(guān)模型,用來處理相關(guān)比賽數(shù)據(jù)。但是在相關(guān)的電子競(jìng)技行業(yè),這一分析處理卻還仍然停留在初級(jí)、簡(jiǎn)單、粗糙的水準(zhǔn),更多的時(shí)候只是依靠簡(jiǎn)單的統(tǒng)計(jì)和選手本身的有限過往經(jīng)驗(yàn)來進(jìn)行處理。這顯然是不科學(xué)的,因?yàn)殡娮痈?jìng)技本身的電子性,所有的數(shù)據(jù)均是容易大規(guī)模獲取的,那么在當(dāng)下已經(jīng)越來越講求數(shù)據(jù)化,智能化的時(shí)代,我們顯然可以運(yùn)用一些更好的方法來進(jìn)行相關(guān)預(yù)測(cè)分析的建模。本文就從分析當(dāng)今最火熱的一款電子競(jìng)技游戲之一,DOTA2(中文名:刀塔2)出發(fā),首先介紹了一些相關(guān)傳統(tǒng)的機(jī)器學(xué)習(xí)模型:K近鄰(KNN)模型、邏輯斯蒂(logistic)回歸模型、支持向量機(jī)(SVM)模型、決策樹(DecisionTree)模型、以Xgboost為代表的一類集成的的元學(xué)習(xí)算法模型和神經(jīng)網(wǎng)絡(luò)(ANN)算法模型,并且就各個(gè)模型的優(yōu)缺點(diǎn)做出了一一分析。其次鑒于以上各個(gè)模型在處理我們的電子競(jìng)技相關(guān)數(shù)據(jù)時(shí),并不能得到很好的分類性能指標(biāo),本文接下來創(chuàng)新性的引入相關(guān)最新研究成果——文本向量化中的詞向量(詞嵌入),作為處理這一難題的一條解決之路,為此詳細(xì)的介紹了當(dāng)前的關(guān)于生成詞向量的各個(gè)模型,并且就各個(gè)模型之間的聯(lián)系與比較做了一個(gè)小結(jié),為我們后文具體構(gòu)建相關(guān)模型掃清了障礙。緊接著本文還設(shè)計(jì)并搭建了一個(gè)比賽勝負(fù)預(yù)測(cè)系統(tǒng),并且做到了模塊化處理相關(guān)工作,以便未來持續(xù)不斷的改進(jìn)相關(guān)獨(dú)立模塊。最后根據(jù)己經(jīng)模塊化的系統(tǒng),在個(gè)人PC端進(jìn)行相關(guān)數(shù)據(jù)實(shí)驗(yàn),并且分析比較了各個(gè)不同分類模型和詞向量組合而成的新模型的相關(guān)性能。幸運(yùn)的是基于實(shí)驗(yàn)結(jié)果表明,在引入相關(guān)詞向量的來作為模型的輸入時(shí),分類器的分類準(zhǔn)確率均有了不錯(cuò)的提升。
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：C815

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 趙玲;陳磊琛;余小陸;張盛意;;SVM-KNN分類算法研究[J];計(jì)算機(jī)與數(shù)字工程;2010年06期

2 龔安;張敏;;BP網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)率研究[J];科學(xué)技術(shù)與工程;2006年01期

3 賀清碧,周建麗;BP神經(jīng)網(wǎng)絡(luò)收斂性問題的改進(jìn)措施[J];重慶交通學(xué)院學(xué)報(bào);2005年01期

4 李蓉 ,葉世偉 ,史忠植;SVM-KNN分類器——一種提高SVM分類精度的新方法[J];電子學(xué)報(bào);2002年05期

5 劉鷹,趙琳;神經(jīng)網(wǎng)絡(luò)BP算法的改進(jìn)和仿真[J];計(jì)算機(jī)仿真;1999年03期

本文編號(hào)：2742357