Nous présentons une nouvelle approche pour représenter les enregistrements de jeux de société au format JSON tokenisé, utilisant le modèle JSON Bag-of-Tokens (JSON-Bag) et la distance de Jensen-Shannon (JSD) comme mesure de distance. Nous évaluons l'efficacité de JSON-Bag sur trois tâches : la classification des joueurs, des paramètres de jeu et des valeurs de départ à partir des enregistrements de six jeux de société (7 Wonders, Dominion, Sea Salt and Paper, Can't Stop, Connect4 et Dots and Boxes) à l'aide de la recherche du plus proche voisin basée sur un prototype (P-NNS). Dans la plupart des tâches, JSON-Bag surpasse les modèles de base utilisant des caractéristiques personnalisées, et les évaluations de classification N-shot démontrent l'efficacité d'échantillonnage des prototypes JSON-Bag représentant les classes d'enregistrements de jeu. De plus, nous démontrons la puissance de l'extraction automatisée de caractéristiques en traitant les jetons comme des caractéristiques individuelles et en les appliquant à une forêt aléatoire, améliorant significativement la précision dans les tâches où les performances de JSON-Bag étaient faibles. Enfin, nous démontrons que le JSD entre les prototypes JSON-Bag des classes de joueurs est fortement corrélé à la distance entre les politiques des joueurs dans les six jeux.
