Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

JSON-Bag: A generic game trajectory representation

Created by
  • Haebom

作者

Dien Nguyen, Diego Perez-Liebana, Simon Lucas

概要

JSON Bag-of-Tokens（JSON-Bag）モデルを使用して、ボードゲームの記録をトークン化されたJSON形式で表現し、Jensen-Shannon distance（JSD）を距離測定方式として使用する新しい方法を紹介します。 6つのボードゲーム（7 Wonders、Dominion、Sea Salt and Paper、Can't Stop、Connect4、Dots and boxes）のゲーム記録を対象に、プレイヤー、ゲームパラメータ、ゲームシードを分類する3つの課題について、円形ベース近接近隣探索（P-NNS）を用いてJSON-Bagの有効性を評価しました。ほとんどの課題では、従来の手作業の特徴を使用する基準モデルよりも優れており、Nショット分類評価により、ゲーム記録クラスを表現するJSON-Bagラウンドのサンプル効率を確認しました。また、トークンを個別の特徴として扱い、ランダムフォレストに適用して自動特徴抽出能力を示し、性能が低調であった課題で精度を大幅に向上させました。最後に、6つのゲームすべてで、プレイヤークラスのJSON-Bagラウンド間のJSDは、プレイヤーポリシー間の距離と高い相関関係を示すことを確認しました。

Takeaways、Limitations

•
Takeaways：
◦
JSON-BagモデルとJSDを用いたゲーム記録表現と分類方法の効率と有効性を提示
◦
手作業の特徴抽出なしで自動特徴抽出を可能にすることにより、ゲーム記録分析の利便性と効率性の向上。
◦
Nショット学習における高いサンプル効率によるデータ不足の問題解決に貢献
◦
プレイヤーポリシー間の距離とJSON-Bagラウンド間の距離との高い相関関係により、モデルの解釈の可能性を高めます。
•
Limitations:
◦
限られた種類のボードゲームの実験として、一般化の可能性に関するさらなる検証が必要です。
◦
JSON-Bagモデルのトークン化とJSD計算プロセスの詳細な説明の欠如
◦
様々なゲーム記録分類問題の一般的なパフォーマンス評価が不足しています。
◦
Random Forest 他の機械学習モデルを用いた性能比較解析部材
👍
Made with Slashpage