摘要由 AI 生成
针对 MOBA 游戏中冷启动难、数据分布不一致及样本匮乏三大瓶颈，研究人员提出 CHAMP（Cross-domain Hybrid Architecture for Matchmaking and Prediction）框架。该方案采用跨域混合架构，将传统玩家画像替换为融合时间序列与多模式统计特征的混合集，并构建域感知胜率网络（DAWN）。离线测试显示，DAWN 的胜率预测准确率达 67.73%，超越所有基线模型；在线 A/B 测试进一步证实，CHAMP 使低段位玩家的“击杀碾压”率最高降低 20.73%，有效缓解了匹配不平衡问题。
关键实体KEY ENTITIES
CHAMPCUPIDDAKEDATOEDAWN
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
关键词热度
- CHAMP1
- CUPID1
- DAWN1
- DAKE1
- DATOE1
全部报道（1）SOURCES
↗
CHAMP 框架解决了 MOBA 游戏匹配中冷启动、分布不一致及数据匮乏三大瓶颈。该研究提出跨域混合架构，将目标模式玩家画像替换为含时间序短序列与多模式统计的混合特征集，并构建域感知胜率网络（DAWN），通过域感知知识提取器与多编码器联合学习模式条件表征。离线测试中 DAWN 胜率预测准确率达 67.73%，优于所有基线模型；在线 A/B 测试显示，CHAMP 使低段位玩家 5 分钟击杀碾压率降低最高 20.73%，有效减少了不平衡匹配。