Draftování v MOBA hrách s pomocí strojového učení

Abstract

Tato bakalářská práce se věnuje problému draftovaní v MOBA hrách. Zabýváme se predikcí vítěze zápasu MOBA hry s pomocí neuronových sítí. Navrhli a implementovali jsme embedding modely, které využívají informace o vybraných šampionech a příznacích hráčů. U embedding modelů jsme dosáhli přesnosti až 54 % a překonali tak apriorní pravděpodobnost výhry modrého týmu 50,43 %. Tyto modely jsme následně použili při draftu v asistenčním algoritmu doporučující vhodné šampiony. Systém jsme aplikovali na draftováni ve hře League of Legends, jakožto nejhranější a nejpopulárnější MOBA hru dnešní doby. Náš asistenční algoritmus dokázal doporučit šampiony na základě již zvolených šampionů a příznaků hráčů podle našeho očekávání.

This bachelor thesis focuses on the problem of drafting in MOBA games. We predict the winner of the MOBA game match with the help of neural networks. We designed and implemented embedding models that use information about selected champions and player features. For embedding models, we achieved an accuracy of up to 54 % and thus exceeded the a priori probability of blue team winning 50.43 %. We then used these models in a draft assistance algorithm recommending suitable champions. We applied the system to drafting in the game League of Legends, the most played and most popular MOBA game nowadays. Our assistance algorithm was able to recommend champions based on already selected champions and player features according to our expectations.