Role-sensitive analysis of positional contributions and win prediction in multiplayer online battle arena esports
연구 내용
팀을 단일 단위로 보지 않고 포지션 역할에 따른 Victory Contribution 지표를 설계해 승패를 예측하는 연구
멀티플레이어 온라인 배틀 아레나(MOBA) 경기에서 선수 역할 차이를 반영한 승부 예측 프레임워크를 구축합니다. 기존 메트릭이 팀을 동질 집합으로 취급하는 한계를 고려해, Victory Contribution(VC) 지표를 오펜스, 디펜스, 라인전, 골드 획득의 전략 영역으로 분해하고 포지션 역할을 함께 반영합니다. 이후 10개 이상의 경기 데이터 기반 특성을 구성해 로지스틱 회귀, multilayer perceptron, support vector machine, XGBoost 분류 모델을 학습하고, VC 포함 여부에 따른 성능 및 통계적 유의성을 평가합니다. 리그 간 비교를 통해 역할 기여 구조의 일관성도 검증합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 선수 기여를 팀 단위로 요약하는 기존 접근의 한계를 정리하고, 포지션 역할이 성과에 미치는 영향을 반영할 수 있는 VC 메트릭을 설계했습니다. 이후 경기 데이터에서 전략 영역별 기여 특성을 구성하고, 여러 분류 모델에 대해 VC 포함/미포함 조건을 비교하여 예측력 차이를 확인했습니다. 다음 단계에서는 리그별 교차 검증을 통해 포지션 VC 비율의 구조적 일관성을 점검하고, 전통 메트릭 대비 recall과 F1-score 같은 평가 항목에서 개선이 반복되는지 확인했습니다. 최종적으로 역할 민감형 지표를 기반으로 승부 예측 및 선수 평가 방향으로 확장했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Role-Sensitive Analysis of Positional Contributions and Win Prediction in Multiplayer Online Battle Arena Esports