Player Profiling and Analysis of Abusive Behavior in Social Games
Summary:
Online multiplayer games create new social platforms, with their own etiquette, social rules of conduct and ways of expression. What counts as aggressive and abusing behavior may change depending on the platform, but most online gaming companies need to deal with aggressive and abusive players explicitly. Artificial intelligence and machine learning techniques are not only useful for creating plausible behaviors for interactive game elements, but also for the analysis of the players to provide a better gaming environment. In this thesis, we investigate the verbal and non-verbal data generated in an online social gaming platform and propose novel algorithms for automatic classification of abusive players and player complaints. We use features that describe both parties of the complaint (namely, the accuser and the suspect), as well as interaction features of the game itself. This methodology is sufficiently generic, and it can be applied to similar gaming platforms, thus describing a useful tool for game companies. We also introduce the COPA Database of 100.000 unique users and 800.000 individual games, which includes multiparty chat records in Turkish, in addition to player profiles, social interactions, and annotated complaint data. The proposed supervised methodologies for complaint classification are tested on this database, and we advance the state-of-the-art in this challenging problem. In addition, we developed a methodology for affect analysis to enrich the interpretation of the data. Finally, we developed a system for authorship recognition based on chat records to identify duplicate user accounts and returning abusive users by analyzing the chat data.
Özet:
Çevirimiçi çoklu oyunculu bilgisayar oyunları, kendine özgü davranış kuralları ve sosyal normları ile yeni sosyal platformlar oluşturmaktadır. Bulunulan platforma göre saldırgan ve tacizkar davranışlar değişkenlik gösterebilmesine rağmen, hemen hemen tüm oyun üreticileri bu tür davranış ve istenmeyen durumlar ile aktif olarak mücadele etmektedir. Yapay zeka ve otomatik öğrenme yöntemleri, geliştiriciler tarafından oyun öğelerinin etkileşiminde kullanılmasının yanında daha sağlıklı bir oyun ortamı oluşturabilmek için oyuncuların davranışlarının analizinde de kullanışlı olabilmektedir. Bu tez çalışmasında, çevirimiçi sosyal bir oyun platformundaki oyuncuların sözel ve sözsüz iletişim verisi kullanılarak tacizkar oyuncular ve ilgili oyuncu şikayetlerinin otomatik olarak sınıflandırılması üzerine yenilikçi yaklaşımlar öneriyoruz. Çalışmamızda oyuncu şikayetlerinde taraf olan oyuncuların oyun profillerinden oluşan öznitelikler ile birbirleri arasında geçen iletişime dair bilgiler üzerinden çıkarımı yapılan öznitelikleri kullanmaktayız. Bu yenilikçi yaklaşımın benzer özelliklere sahip başka oyun platformlarına adapte edilerek oyun geliştiricilere yardımcı olacağını öngörüyoruz. Çalışmamızda kullandığımız 100.000 tekil kullanıcı ve 800.000 oyun verisi barındıran COPA oyun veritabanını sunuyoruz. Bu veritabanı, Türkçe çoklu sohbet verisinin yanında oyuncu profili, sosyal etkileşimleri ve elle incelenmiş ve işaretlenmiş oyuncu şikayetlerini içermektedir. Önerdiğimiz yöntemler bu veritabanı üzerinde deneylerden geçirilmiştir. Son olarak, öznitelik kümemizi iyileştirme amacıyla otomatik duygu analizi ve aynı oyuncuya ait birden fazla oyuncu hesabı olup olmadığını kestirebilmek için geliştirdiğimiz yöntemleri anlatmaktayız.