| dc.description.abstract | Σκοπός της παρούσας διπλωματικής εργασίας είναι η πρόβλεψη και η μοντελοποίηση συμπεριφοράς
των χρηστών των ψηφιακών παιχνιδιών, μέσα από την εκπαίδευση του λογισμικού τους με
διαδικασίες βαθιάς μηχανικής μάθησης, με απώτερο στόχο την βελτιστοποίηση της ικανοποίησης
των χρηστών.
Η διπλωματική ξεκινά με την παρουσίαση της συμβολής της μηχανικής μάθησης στην εξέλιξη των
ψηφιακών παιχνιδιών, τις επιπτώσεις και την αναγκαιότητα της ύπαρξης και της βελτίωσής τους. Στη
συνέχεια παρουσιάζονται οι κατηγορίες και τα μοντέλα της βαθιάς μηχανικής μάθησης, γίνεται
αναλυτική παρουσίαση της χρήσης της τεχνητής νοημοσύνης και των τεχνικών της μηχανικής
μάθησης στα ψηφιακά παιχνίδια. Επιπλέον γίνεται ανάλυση των ειδικών τεχνικών προγραμματισμού
για το user και player modeling και των data driven approaches, καταλήγοντας στις τεχνικές οι οποίες
χρησιμοποιούνται στην παρούσα εργασία, για την εκπαίδευση του λογισμικού. Συγκεκριμένα οι
τεχνικές είναι αυτή των νευρωνικών δικτύων μέσω γράφων (GNN) για πρόβλεψη συμπεριφορών, τα
αναδρομικά νευρωνικά δίκτυα με γράφους (Graph RNNs), η χρήση αλγορίθμων LSTM και τα
δυναμικά νευρωνικά δίκτυα με γράφους μέσω ακολουθιακών δομών (DGSR).
Στη συνέχεια περιγράφεται η ανάλυση και ο σχεδιασμός της εργασίας. Παρουσιάζεται ο τρόπος
υλοποίησης ενός ψηφιακού παιχνιδιού first person μέσω του εργαλείου ανάπτυξης λογισμικού Unity,
ο σχεδιασμός της μηχανικής παιχνιδιού, αλλά και η δομή των κλάσεων αυτού. Συλλέγονται δεδομένα
από χρήστες, τα οποία διαχειρίζονται μέσω της MongoDB Atlas, μια cloud-based υπηρεσίας για τη
διαχείριση βάσεων δεδομένων την MongoDB και αναλύονται οι διαδικασίες επικοινωνίας με την
βάση, η προσπέλαση, η μετατροπή και η επεξεργασία των δεδομένων. Στη συνέχεια περιγράφεται η
διαδικασία ανάπτυξης και εκπαίδευσης των μοντέλων μηχανικής μάθησης που χρησιμοποιήθηκαν,
αλλά και η αξιολόγηση της εγκυρότητάς τους με την διαδικασία της ανατροφοδότησης. Τέλος
παρουσιάζεται η προσαρμογή προβλέψεων των μοντέλων μηχανικής μάθησης στο παιχνίδι.
Στην επόμενη ενότητα παρουσιάζονται η υλοποίηση της εργασίας μέσω της περιγραφής της
διαδικασίας υλοποίησης της δομής των κλάσεων τους κώδικες και τα αποτελέσματα της
επεξεργασίας των δεδομένων, των επιδόσεων και της δυσκολίας των χρηστών, πριν και μετά την
μοντελοποίηση και πρόβλεψη. Ταυτόχρονα παρουσιάζονται τα σφάλματα και οι αποκλίσεις για κάθε
ένα από τα μοντέλα της μηχανικής μάθησης που χρησιμοποιήθηκαν, τα δοκιμαστικά σωστής
λειτουργίας και οι πιθανές αιτίες για κάθε αποτέλεσμα. Επίσης διενεργήθηκε η σύγκριση των
αποτελεσμάτων των μοντέλων GRNN και DGSR. Στην τελευταία ενότητα περιγράφονται τα
συμπεράσματα της μελέτης, οι μελλοντικές επεκτάσεις και οι περιορισμοί της. Τέλος στο παράρτημα
απεικονίζονται οι βασικοί κώδικες των υλοποιήσεων των διαδικασιών, με αναφορική ερμηνεία των
λειτουργιών τους. | en_US |
