Детальная информация

Данная работа посвящена разработке подхода к анализу и ранжированию компьютерных игр на основе их конкурентных характеристик. Целью исследования является разработка инструмента, поддерживающего принятие решений в индустрии компьютерных игр - со стороны разработчиков, издателей и инвесторов. Объектом исследования являются методы и средства многокритериального ранжирования. В качестве методологической основы использован гибридный подход, включающий методы многокритериальной оптимизации, а также качественную и количественную оценку значимости признаков. Для анализа сходства между игровыми проектами применены методы кластерного анализа и сопоставления по ключевым параметрам: жанрам, мета-данным и показателям популярности. Система была разработана с использованием MongoDB в качестве системы управления базами данных и библиотеки React. В результате реализован прототип веб-приложения, позволяющий ранжировать игры, находить успешные аналоги и формировать рекомендации по улучшению проектов. Разработанная система может найти применение в игровой индустрии и быть использована при планировании новых игр и оценке их доли продаж в сегменте похожих игр. Сделаны выводы о высокой эффективности предложенного решения при сравнительном анализе с существующими системами (Steam, STEAMer, DeepFM).

The present paper is dedicated to the development of an approach to analyzing and ranking computer games based on their competitive characteristics. The objective of the present study is to devise a mechanism that will facilitate decision-making processes within the domain of the video game industry, particularly among developers, publishers, and investors. The object of the study is methods and tools of multi-criteria ranking. A methodological framework is employed that incorporates a hybrid approach, which integrates multi-criteria optimization methods and qualitative and quantitative assessments of feature significance. In order to facilitate an analysis of the similarities between game projects, a set of methodologies was employed, including cluster analysis and a comparison by key parameters. The parameters in question included genres, metadata, and popularity indicators. The system was developed using MongoDB as the database management system and the React library. Consequently, a prototype web application was developed that facilitates the evaluation of games based on the identification of successful analogies, and the formulation of recommendations for enhancing project quality. The developed system can find application in the game industry and be used in planning new games and assessing their market potential. The following conclusions are drawn regarding the comparative analysis of the efficiency of the proposed solution with existing systems (Steam, STEAMer, DeepFM).

• Разработка системы поддержки анализа компьютерных игр для их ранжирования и составления рекомендаций по улучшению
  • Введение
  • 1. Исследование методов и средств ранжирования компьютерных игр
  • 2. Проектирование системы поддержки анализа компьютерных игр
  • 3. Реализация системы поддержки анализа компьютерных игр
  • 4. Тестирование и апробация системы поддержки анализа компьютерных игр
  • Заключение
  • Список сокращений и условных обозначений
  • Список использованных источников
  • Приложение 1 Диаграмма компонентов системы поддержки анализа компьютерных игр для их ранжирования и составления рекомендаций по улучшению
  • Приложение 2 Диаграмма случаев использования системы поддержки анализа компьютерных игр для их ранжирования и составления рекомендаций по улучшению
  • Приложение 3 Архитектура системы поддержки анализа компьютерных игр для их ранжирования и составления рекомендаций по улучшению
  • Приложение 4 Логическая модель документоориентированной БД GamesAnalyzer с цветовой маркировкой источников данных
  • Приложение 5 Диаграмма классов системы GamesAnalyze
  • Приложение 6 Основные параметры игр из Steam и SteamSpy
  • Приложение 7 Основные параметры отзывов пользователей
  • Приложение 8 Сравнение количества игр в Steam и на других игровых платформах для ПК
  • Приложение 9 Сравнительный анализ методов векторизации текстовых данных
  • Приложение 10 Определение оптимального числа кластеров методом локтя
  • Приложение 11 Объектно-признаковая таблица моделей ранжирования
  • Приложение 12 Сравнительный анализ подходов к ранжированию игр
  • Приложение 13 Сравнение инструментальных средств для разработки веб-приложения
  • Приложение 14 Производительность ключевых методов системы
  • Приложение 15 Определение оптимального числа кластеров методом локтя
  • Приложение 16 Определение оптимального числа кластеров методом локтя
  • Приложение 17 t-SNE визуализация кластеров компьютерных игр
  • Приложение 18 Блок-схема выполнения одного из возможных сценариев работы системы
  • Приложение 19 Пример POST-запроса к API анализа игры через Postman
  • Приложение 20 Форма загрузки данных пользовательской игры при светлой теме
  • Приложение 21 Программный код модуля BaseAnalyzer
  • Приложение 22 Программный код модуля CompetitivenessRanker
  • Приложение 23 Программный код модуля GameClusterer
  • Приложение 24 Программный код модуля FeatureExtractor
  • Приложение 25 Программный код модуля GameAnalysisPipeline
  • Приложение 26 Программный код модуля GameAnalyzer
  • Приложение 27 Программный код модуля GameCompetitivenessAnalyzer
  • Приложение 28 Программный код модуля GameRecommendationAnalyzer
  • Приложение 29 Программный код модуля GameRecommendationAnalyzer
  • Приложение 30 Программный код модуля GameSimilarityAnalyzer
  • Приложение 31 Программный код модуля GameUniqueFeaturesAnalyzer
  • Приложение 32 Программный код компонента GameAnalysisForm
  • Приложение 33 Программный код компонента GameIdForm
  • Приложение 34 Программный код компонента GameRatingDisplay
  • Приложение 35 Программный код компонента ResultsDisplay
  • Приложение 36 Программный код компонента SettingsDialog
  • Приложение 37 Программный код тестов модуля FeatureExtractor
  • Приложение 38 Программный код тестов модуля FeatureExtractor для HTML
  • Приложение 39 Программный код тестов модуля GameClusterer
  • Приложение 40 Программный код тестов стабильности GameClusterer
  • Приложение 41 Программный код тестов модуля GameCompetitivenessAnalyzer
  • Приложение 42 Программный код тестов обработки пропущенных данных в GameCompetitivenessAnalyzer
  • Приложение 43 Программный код тестов модуля GameUniqueFeaturesAnalyzer
  • Приложение 44 Программный код тестов конвейера анализа игр
  • Приложение 45 Программный код тестов модуля формирования рекомендаций игр
  • Приложение 46 Программный код тестов компонента GameIdForm
  • Приложение 47 Программный код тестов компонента GameAnalysisForm
  • Приложение 48 Программный код тестов компонента ResultsDisplay
  • Приложение 49 Программный код тестов компонента HomePage