限製有毒球員數據和機器學習
一個統一研究描繪了一幅可怕的畫麵:g@ming社區毒性的傾向。它發現的10名球員都經曆過某種形式的頻繁的不良行為——將近一半的球員說他們至少“有時”經驗不良行為,和21%的經驗,“每次”或“經常”。
在許多類型的多人視頻遊戲和在線戰鬥競技場遊戲,或其他形式的在線g@ming,球員不斷交互實時協調或競爭。遊戲動態交互性是不可或缺的,但它也是一個主要開放不良行為體現在許多形式。另一個研究反誹謗聯盟(ADL)發現不良行為的一致性,表明連續第三年,騷擾,成年玩家仍然保持在一個高得驚人的水平;五,六成熟女性(83%)年齡18 - 45在在線多人遊戲體驗它。
作為毒性越來越g@ming社區中普遍存在,因此有其眾多的後果。數據可以發揮重要作用在抑製有毒g@ming行為:組織可以采取措施來更好地滿足毒性與實時通過將毒性檢測集成到遊戲,可伸縮的架構。不僅僅是收集數據,這是關於實施工具,利用機器學習來發現和糾正的行為已成為一個玩家流失的關鍵指標。
有毒的惡劣後果的行為
毒性在g@ming有許多影響。其負麵影響球員的心理健康長期,個人人數有毒像惡意破壞的行為,網絡欺淩,sexu@l騷擾對玩家和社區是一個問題,不能被誇大。它也有一個嚴重的影響了女性的想法。的統一研究上麵提到的發現,男人更願意從事語音聊天和其他通訊工具而玩遊戲,因此經常有經驗的不良行為。但女性更容易避免網上通信工具,因為性別濫用,和那些參與更有可能停止玩遊戲由於不良行為。
一方麵要讓不良行為不僅需要個人玩家人數和社區,但也會影響品牌形象:長期玩家保留和短期的球員保留都是當發生不良事件的影響。2020年研究反誹謗聯盟顯示超過80%的球員最近經曆了毒性,其中,20%離開遊戲由於這些交互。運動員的個性化的遊戲體驗,茁壯成長,需要遠離不良行為,積極1:1的經驗,讓他們娛樂和遊戲表示滿意。
簡單地說,讓不良行為拋到一邊,不采取積極的方法來對抗它可以離開你的觀眾將在其他地方找到一個相匹配的經驗他們的需求。
數據和機器學習如何幫助抑製嗎
毒性檢測G@ming公司現在可以更容易地集成到自己的遊戲通過聊天數據。雖然聊天數據是一個自然的地方評價有毒文本語言被使用在一個遊戲,越來越多的g@ming公司看到了聲音和圖像等非結構化數據源更普遍來源欺淩行為。派生的見解從非結構化數據的複雜性尤為複雜和一個領域領先許多g@ming平台鬥爭。Beplay体育安卓版本平台,可以攝取Beplay体育安卓版本任何類型的數據和應用ML / AI功能在此之上數據來驅動更高效的規模在醫治令人不安的發現和行為是現在的一個重要投資地區g@ming生態係統和許多著名的大數據平台。
實現一個實時、可伸縮架構,檢測毒性產生的能力來過濾數以百萬計的工作負載和簡化工作流社區關係經理。嚴重不良事件可以標記和實時處理,和領導人可以選擇此類事件的自動反應,像靜音球員或快速提醒客戶關係管理(CRM)工具保留事件影響的球員。數據平台也可以Beplay体育安卓版本監控品牌認知的目的通過從不同數據源處理大型數據集,把他們變成更消化的報告和儀表板。
防暴遊戲轉到Apache火花和穀歌TensorFlow提高其識別能力和懲罰玩家在遊戲內使用謾罵或“有毒”語言聊天。他們的小組使用一種神經模型稱為Word2Vec“挖出玩家”使用的語言和理解的意義基於上下文使用。這是關鍵的第一步建立的語言列表在聊天不希望看到。英特爾還曾與科技精神艾未未的盟友處理人類語言,使它國旗有毒的行為在兩個語音聊天和生活流。我們將看到更多的用例類似於這些公司繼續實現有毒的嚴重影響行為。
此舉在g@ming實時
除了在g@ming毒性問題,領導人需要保持強烈關注實時g@ming工具應對其他問題——就像作弊。作弊遊戲已經進化,現在非常先進,和g@ming社區經理需要立即行動抓騙子。
保持最好的g@ming體驗,交互需要發生的時刻,而不是事實。實時平台地址毒性,但它也Beplay体育安卓版本允許擴展用例作弊等。在一天結束的時候,一個敏捷的平台所有這些用例驅動解決方案。Beplay体育安卓版本合適的工具可以節省時間,也就是說誰管理社區——數據科學家,企業主,你的社區管理的負責人,可以花更多的時間在創造性遊戲創新。
