본 논문은 완벽한 정보를 가진 결정적 게임인 체스에서, 인간의 기량 수준에 따른 무브 패턴의 차이를 분석하여 행동 분석 작업으로 접근하는, 새롭고 계산 효율적인 무브 예측 프레임워크를 제안한다. N-gram 언어 모델을 사용하여 각기 다른 기량 수준의 플레이어 특징을 포착한다. Lichess 플랫폼의 데이터를 활용하여, 초보부터 전문가까지 7개의 기량 그룹으로 나누어 개별 모델을 훈련시켰다. 프레임워크는 예측 작업에 가장 적합한 모델을 동적으로 선택하고 이전 시퀀스를 기반으로 플레이어의 무브를 생성한다. 실제 게임 데이터에 대한 평가 결과, 프레임워크 내 모델 선택 모듈은 초반 게임 정보(16수)를 활용했을 때 최대 31.7%의 정확도로 기량 수준을 분류할 수 있었고, 무브 예측 정확도는 벤치마크 정확도보다 최대 39.1% 향상되었다. 또한, 프레임워크의 계산 효율성은 실시간 체스 분석에 적합하도록 한다.
