情報処理学会 第86回全国大会 会期:2024年3月15日~17日

6Q-05
機械学習を利用した対局型ゲームのレーティング手法
○島貫凌世,細部博史(法大)
Eloレーティングは,オセロやチェス,将棋など対局型ゲームの実力の評価指標として幅広く利用されている.しかし,実力のあるプレイヤーが新規参入した際,Eloレーティングの変動定数が固定値であることにより適切なレーティング値に収束するまで時間がかかる問題がある .本研究では特にオセロを対象として,機械学習を用いてプレイヤーのレーティング値をより早く適切な値に収束させる方法を提案する.実際のプレイヤーの棋譜とEloレーティング値からレーティング値の予測に適切な特徴量を調査し,棋譜から実際の実力に近いレーティング値を予測する学習モデルを作成する.実験では学習モデルによる収束速度増加を目指す.