Araştırma Makalesi


DOI :10.26650/acin.1180583   IUP :10.26650/acin.1180583    Tam Metin (PDF)

MOBA Oyunlarında Makine Öğrenimi Teknikleri: League of Legends Kazanan Tahmini

Kaan Arık

Eğlence endüstrisi, telekomünikasyon hizmetleri, televizyon, müzik, video oyunları ve canlı konserler gibi işlerle uğraşan alışılmadık derecede geniş bir şirket yelpazesini içerir. Oyun, son on yılda eğlence sektöründe gelir artışı ivmesi elde etmiştir. Bu ivme oyun sektörünü eğlence endüstrisinin en popular alanlarından biri haline getirmiştir. Profesyonel oyuncularla resmi ligler kurulmuş ve e-spor kavramı yaygın hale gelmeye başlamıştır. Çevrimiçi oyun türlerinden olan MMO (Massive Multiplayer Online) oyunların bir türevi olarak karşımıza çıkan MOBA (Multiplayer Online Battle Arena) internet üzerinde genellikle 5 kişilik 2 takımla bir harita üzerinde belirli yapıları domine ederek rakibin üssünü yok etme hedefiyle oynanan oyunlara verilen isimdir. LoL (League of Legends) bir MOBA oyunudur. Çevrimiçi video oyunlarında kazananların tahmini, makine öğrenmesi tabanlı tahmin modelleri için önemli bir uygulama haline gelmiştir. Araştırmanın hedefi LoL oyuncu metrikleriyle maç kazanma tahminin makine öğrenmesi yöntemleriyle sınıflandırma tahminidir. Önemli performans ölçütleri ve bunların her bir oyun modeli üzerindeki etkisi de analiz edildi. Sonuçlar, League of Legends oyununda kazanan tahmininin mümkün olduğunu göstermektedir. LightGBM (0.97), Lojistik regresyon (0,96), SVM ve GBC (0.95) başarım oranı ile öne çıkan algoritmalardır. Çalışmanın oyun alanında makine öğrenmesiyle sınıflandırma çalışmalarına katkı sağlayacağı düşünülmektedir.

DOI :10.26650/acin.1180583   IUP :10.26650/acin.1180583    Tam Metin (PDF)

Machine Learning Models on MOBA Gaming: League of Legends Winner Prediction

Kaan Arık

The entertainment industry includes companies engaged in telecommunications services, television, music streaming, video games, and live events. Gaming has gained momentum in revenue growth in the entertainment industry over the past decade. This momentum has made the gaming industry one of the most popular areas of the entertainment industry. Official leagues have been teamed up with professional players, and the concept of e-sports has become widespread. MOBA (Multiplayer Online Battle Arena), which is a derivative of MMO (massively multiplayer online) games, is the name given to the games played on the Internet in which players destroy the opponent's base by dominating specific objectives on a map, usually with two teams of five players each. LoL (League of Legends) is one of the most popular MOBA games. Predicting winners in online games has become an essential application for machine learning models. This research aims to predict classification with machine learning methods of match winner with LoL player metrics. Key performance metrics and their impact on each game model were analyzed. The results show that winner prediction is possible in League of Legends, also, LightGBM (0.97), Logistic Regression (0.96), SVM and GBC (Gradient Boosting Classifier) (0.95) are outperformed with a high accuracy ratio. This paper will contribute to the classification research on topic of gaming with machine learning.


PDF Görünüm

Referanslar

Atıflar

Biçimlendirilmiş bir atıfı kopyalayıp yapıştırın veya seçtiğiniz biçimde dışa aktarmak için seçeneklerden birini kullanın


DIŞA AKTAR



APA

Arık, K. (2023). MOBA Oyunlarında Makine Öğrenimi Teknikleri: League of Legends Kazanan Tahmini. Acta Infologica, 7(1), 139-151. https://doi.org/10.26650/acin.1180583


AMA

Arık K. MOBA Oyunlarında Makine Öğrenimi Teknikleri: League of Legends Kazanan Tahmini. Acta Infologica. 2023;7(1):139-151. https://doi.org/10.26650/acin.1180583


ABNT

Arık, K. MOBA Oyunlarında Makine Öğrenimi Teknikleri: League of Legends Kazanan Tahmini. Acta Infologica, [Publisher Location], v. 7, n. 1, p. 139-151, 2023.


Chicago: Author-Date Style

Arık, Kaan,. 2023. “MOBA Oyunlarında Makine Öğrenimi Teknikleri: League of Legends Kazanan Tahmini.” Acta Infologica 7, no. 1: 139-151. https://doi.org/10.26650/acin.1180583


Chicago: Humanities Style

Arık, Kaan,. MOBA Oyunlarında Makine Öğrenimi Teknikleri: League of Legends Kazanan Tahmini.” Acta Infologica 7, no. 1 (May. 2024): 139-151. https://doi.org/10.26650/acin.1180583


Harvard: Australian Style

Arık, K 2023, 'MOBA Oyunlarında Makine Öğrenimi Teknikleri: League of Legends Kazanan Tahmini', Acta Infologica, vol. 7, no. 1, pp. 139-151, viewed 18 May. 2024, https://doi.org/10.26650/acin.1180583


Harvard: Author-Date Style

Arık, K. (2023) ‘MOBA Oyunlarında Makine Öğrenimi Teknikleri: League of Legends Kazanan Tahmini’, Acta Infologica, 7(1), pp. 139-151. https://doi.org/10.26650/acin.1180583 (18 May. 2024).


MLA

Arık, Kaan,. MOBA Oyunlarında Makine Öğrenimi Teknikleri: League of Legends Kazanan Tahmini.” Acta Infologica, vol. 7, no. 1, 2023, pp. 139-151. [Database Container], https://doi.org/10.26650/acin.1180583


Vancouver

Arık K. MOBA Oyunlarında Makine Öğrenimi Teknikleri: League of Legends Kazanan Tahmini. Acta Infologica [Internet]. 18 May. 2024 [cited 18 May. 2024];7(1):139-151. Available from: https://doi.org/10.26650/acin.1180583 doi: 10.26650/acin.1180583


ISNAD

Arık, Kaan. MOBA Oyunlarında Makine Öğrenimi Teknikleri: League of Legends Kazanan Tahmini”. Acta Infologica 7/1 (May. 2024): 139-151. https://doi.org/10.26650/acin.1180583



ZAMAN ÇİZELGESİ


Gönderim26.09.2022
Kabul09.05.2023
Çevrimiçi Yayınlanma15.06.2023

LİSANS


Attribution-NonCommercial (CC BY-NC)

This license lets others remix, tweak, and build upon your work non-commercially, and although their new works must also acknowledge you and be non-commercial, they don’t have to license their derivative works on the same terms.


PAYLAŞ




İstanbul Üniversitesi Yayınları, uluslararası yayıncılık standartları ve etiğine uygun olarak, yüksek kalitede bilimsel dergi ve kitapların yayınlanmasıyla giderek artan bilimsel bilginin yayılmasına katkıda bulunmayı amaçlamaktadır. İstanbul Üniversitesi Yayınları açık erişimli, ticari olmayan, bilimsel yayıncılığı takip etmektedir.