PlayerEmbed：从输入序列识别玩家行为指纹
热点事件持续更新
PlayerEmbed：从输入序列识别玩家行为指纹
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Tobias Schneider 等提出 PlayerEmbed 框架，用深度度量学习和混合 CNN-LSTM 编码器，从 1,000 名玩家的原始输入序列中学习玩家行为嵌入表示。据论文报告，配合最近质心分类器，对训练中见过的玩家和 1,000 名完全未见的玩家，平衡准确率分别达 0.950 和 0.879。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
PlayerEmbed：从原始输入序列学习玩家行为指纹表示报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AIPlayerEmbed：从原始输入序列学习玩家行为指纹表示
PlayerEmbed 是一个基于深度度量学习的框架，用混合 CNN-LSTM 编码器从 1,000 名玩家的原始输入序列中学习紧凑且具区分性的玩家嵌入。在训练中见过的玩家和 1,000 名完全未见的玩家上评估，最近质心分类器的平衡准确率分别达 0.950 和 0.879。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。