In this paper we removed two key we

In this paper we removed two key weaknesses of Playtracer,
a powerful visual datamining system for games with states
and state transitions, by introducing the notion of state fea-
tures. These features collapse states without losing salient
information and make Playtracer output signicantly easier
to understand. We show how this method allows us to use
Playtracer to analyze previously untraceable data from the
educational game Refraction, as well as two previously un-
traceable games with continuous state spaces, Hello Worlds
and Foldit.
Designers have full control over what they view as features,
and the use of dierent sets of features will result in out-
put that only analyzes the facets of the game those features
capture. Based on our experiences, we suggest three gen-
eral principles for the selection and use of features. First,
high-level features tend to collapse the state space more ag-
gressively, which is generally desirable for complex games.
Second, states should share the same value for a feature if
they are conceptually the same to prevent the appearance
of multiple states which are in fact identical. Finally, each
additional feature causes more fragmentation of the state
space, so only the minimum number of features should be
used. Keeping these principles in mind when choosing fea-
tures makes it much more likely that Playtracer's output will
be useful for analyzing how players interact with a game.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราเอาสองจุดอ่อนที่สำคัญของ Playtracerระบบมีประสิทธิภาพภาพ datamining สำหรับเกมกับอเมริกาและการ เปลี่ยนสถานะ โดยการแนะนำแนวคิดของรัฐ fea-tures คุณลักษณะเหล่านี้ยุบอเมริกาโดยไม่สูญเสียเด่นข้อมูลและทำ Playtracer ผล signi cantly ง่ายเพื่อให้เข้าใจ แสดงว่าวิธีนี้ช่วยให้เราสามารถใช้Playtracer วิเคราะห์ข้อมูล untraceable ก่อนหน้านี้จากการหักเหเกมการศึกษา รวมทั้งสองก่อนหน้านี้สหประชาชาติ -เกมส์บังคับ ด้วยช่องว่างรัฐอย่างต่อเนื่อง สวัสดี โลกและ Folditนักออกแบบได้เต็มควบคุมสิ่งที่พวกเขาดูเป็นลักษณะการทำงานและใช้ชุดคุณลักษณะ erent di จะออก-ย้ายที่เฉพาะ วิเคราะห์แง่มุมของเกมคุณลักษณะเหล่านั้นจับภาพ ขึ้นอยู่กับประสบการณ์ของเรา เราขอแนะนำ 3 gen-หลักการ eral สำหรับการเลือกและการใช้ลักษณะการทำงาน ครั้งแรกคุณลักษณะระดับสูงมักจะ ยุบพื้นที่รัฐเพิ่มเติม ag-gressively ซึ่งโดยทั่วไปเหมาะสำหรับเกมที่ซับซ้อนสอง อเมริกาควรใช้ค่าเดียวกันสำหรับคุณลักษณะถ้าพวกทางแนวคิดเดียวกันให้ปรากฏที่หลายรัฐ ซึ่งในความเป็นจริงเหมือนกัน ในที่สุด แต่ละคุณลักษณะเพิ่มเติมทำให้กระจายตัวมากขึ้นของรัฐพื้นที่ ดังนั้นเฉพาะหมายเลขต่ำสุดของควรใช้ รักษาหลักการเหล่านี้ในจิตใจเมื่อเลือก fea-tures ทำให้แนวโน้มมากที่จะแสดงผลของ Playtracerมีประโยชน์สำหรับการวิเคราะห์วิธีการเล่นโต้ตอบกับเกม

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราเอาออกสองจุดอ่อนที่สำคัญของ Playtracer,
ระบบ datamining ภาพที่มีประสิทธิภาพสำหรับการเล่นเกมกับรัฐ
และการเปลี่ยนรัฐโดยการแนะนำความคิดของ fea- รัฐ
Tures คุณสมบัติเหล่านี้รัฐล่มสลายโดยไม่สูญเสียที่สำคัญ
ข้อมูลและทำให้ Playtracer การส่งออกอย่างมีนัยสำคัญง่าย
ต่อการเข้าใจ เราแสดงให้เห็นว่าวิธีการนี้ช่วยให้เราสามารถใช้
Playtracer ในการวิเคราะห์ข้อมูลที่ไร้ร่องรอยก่อนหน้านี้จาก
การหักเหเกมการศึกษาเช่นเดียวกับก่อนหน้านี้ยกเลิกสอง
เกมตรวจสอบย้อนกลับที่มีช่องว่างของรัฐอย่างต่อเนื่องสวัสดีโลก
และ Foldit.
นักออกแบบมีการควบคุมเต็มรูปแบบผ่านสิ่งที่พวกเขาดูเป็นคุณสมบัติ ,
และการใช้ดิ? ชุดของคุณสมบัติที่ต่างกันจะส่งผลออก
ใส่ว่ามีเพียงการวิเคราะห์แง่มุมของเกมผู้ที่มีคุณสมบัติ
การจับภาพ ขึ้นอยู่กับประสบการณ์ของเราเราขอแนะนำสาม gen-
หลักการ eral สำหรับการเลือกและการใช้งานของคุณสมบัติ ครั้งแรกที่
มีคุณสมบัติในระดับสูงมีแนวโน้มที่จะยุบสภาพพื้นที่มากขึ้น ag-
gressively ซึ่งโดยทั่วไปเป็นที่น่าพอใจสำหรับเกมที่ซับซ้อน.
ประการที่สองรัฐควรใช้ค่าเดียวกันสำหรับคุณลักษณะถ้า
พวกเขามีแนวคิดเดียวกันเพื่อป้องกันการปรากฏตัว
ของหลายรัฐซึ่ง ในความเป็นจริงเหมือนกัน สุดท้ายแต่ละ
คุณลักษณะเพิ่มเติมที่ทำให้เกิดการกระจายตัวมากขึ้นของรัฐ
พื้นที่เท่านั้นดังนั้นจำนวนขั้นต่ำของคุณสมบัติที่ควรจะ
นำมาใช้ การรักษาหลักการเหล่านี้ในใจเมื่อเลือก fea-
Tures ทำให้มันมีแนวโน้มมากขึ้นว่าการส่งออกของ Playtracer จะ
เป็นประโยชน์สำหรับการวิเคราะห์ว่าผู้เล่นโต้ตอบกับเกม

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้เราเอาสองจุดอ่อนสำคัญของ playtracer
ภาพที่มีประสิทธิภาพ , ดาต้าไมนิ่งระบบสำหรับเกมกับรัฐ
และรัฐเปลี่ยน โดยการแนะนำแนวคิดของรัฐฟี -
ตูเรส . คุณสมบัติเหล่านี้ยุบรัฐโดยไม่สูญเสียข้อมูลที่สำคัญ และทำให้ผลผลิต signi playtracer

 ลดลงอย่างมีนัยสําคัญเมื่อง่ายที่จะเข้าใจ เราแสดงให้เห็นว่าวิธีการนี้ช่วยให้เราสามารถใช้
playtracer วิเคราะห์ข้อมูลที่ไร้ร่องรอยก่อนหน้านี้จาก
เกมการศึกษาการหักเห เช่นเดียวกับสองก่อนหน้านี้สหประชาชาติ -
ติดตามเกมอย่างต่อเนื่องกับรัฐเป็น สวัสดีโลก

และ โฟลดิต . นักออกแบบมีการควบคุมเต็มรูปแบบผ่านสิ่งที่พวกเขาดูเป็นคุณสมบัติ
และใช้ ดิ  erent ชุดคุณลักษณะจะส่งผลออกมา -
ใส่ ที่วิเคราะห์แง่มุมของเกม คุณสมบัติเหล่านั้น
จับจากประสบการณ์ของเราเราขอแนะนำ 3 Gen -
ที่หลักสำหรับการเลือกและการใช้คุณลักษณะ แรก
คุณสมบัติระดับสูงมักจะยุบรัฐพื้นที่ AG -
gressively ซึ่งโดยทั่วไปที่พึงประสงค์สำหรับเกมที่ซับซ้อน .
2 รัฐควรใช้ค่าเดียวกันสำหรับคุณลักษณะถ้า
มีแนวคิดเดียวกันเพื่อป้องกันไม่ให้ลักษณะที่ปรากฏ
ของรัฐหลายที่ในความเป็นจริงเหมือนกันในที่สุด สาเหตุของแต่ละ
คุณสมบัติเพิ่มเติมของรัฐ
พื้นที่ ดังนั้นเพียงจํานวนน้อยคุณสมบัติควร
ใช้ . การรักษาหลักการเหล่านี้ในใจเมื่อเลือกฟี -
ตูเรสทำให้มันมีโอกาสมากขึ้นว่า playtracer กำลังจะออก
เป็นประโยชน์สำหรับการวิเคราะห์วิธีผู้เล่นโต้ตอบกับเกม