This paper presents a personalized character recommendation system for Multiplayer Online Battle Arena (MOBA) games which are considered as one of the most popular online video game genres around the world. When playing MOBA games, players go through a draft stage, where they alternately select a virtual character to play. When drafting, players select characters by not only considering their character preferences, but also the synergy and competence of their team's character combination. However, the complexity of drafting induces difficulties for beginners to choose the appropriate characters based on the characters of their team and their play styles. To alleviate this problem, we propose DraftRec, a novel hierarchical model which recommends characters by considering each player's play style and the interaction between the players. DraftRec consists of two networks: the player network and the match network. The player network captures the individual player's play style, and the match network integrates the complex relationship between the players and their respective champions. We train and evaluate our model from manually collected 280,000 matches of League of Legends and a publicly available 50,000 matches of Dota2. Empirically, our method achieved state-of-the-art performance for the character recommendation and match outcome prediction task. Furthermore, a comprehensive user survey confirms that DraftRec provides convincing and satisfying recommendations for real-world players.
본 논문은 전 세계에서 가장 인기 있는 온라인 비디오 게임 장르 중 하나인 다중 사용자 전투 아레나 (MOBA) 게임에서의 개인화된 캐릭터 추천 시스템을 제시한다. MOBA 게임에서 플레이어들은 밴픽 단계를 통해 가상 캐릭터를 교대로 선택한다. 밴픽 단계에서, 플레이어들은 자신의 캐릭터 선호도뿐만 아니라 자신의 팀의 캐릭터들과의 상성을 고려하여 캐릭터를 선택한다. 그러나 플레이어들은 많은 수의 캐릭터들과 그 상성의 복잡도로 인해 각 팀의 플레이 스타일에 적합한 캐릭터를 선택하는데 어려움을 겪는다. 이러한 문제를 해결하기 위해, 각 플레이어들의 플레이 스타일과 플레이어들간의 상호작용을 계층적으로 고려하여 캐릭터를 추천해주는 DraftRec 모델을 제안한다. DraftRec은 플레이어 네트워크와 매치 네트워크로 구성되어 있다. 우선 플레이어 네트워크는 플레이어 개개인의 플레이 스타일을 포착하고, 매치 네트워크는 플레이어 네트워크로부터의 결과를 통합한다. d본 논문은 직접 수집한 리그오브레전드에서의 280,000게임과 공개적으로 사용 가능한 도타에서의 50,000게임에서 모델의 학습과 평가를 진행했다. 해당 평가에서 DraftRec은 캐릭터 추천의 정확도와 게임 승패 예측에서 기존의 방법론보다 우수한 성능을 달성하였으며, 사용자 설문조사를 통해 해당 모델이 실제 플레이어들에게 설득력있고 만족스러운 추천을 제공하는 것을 확인하였다.
