Алгоритм адаптивной рассадки игроков на примере социальной сетевой игры

Результатом данной работы является разработанная модель автоматической посадки игроков для социального казуального покера, которая максимизирует время, проведенное за столом. Она включает в себя два этапа: выделение групп пользователей и построение таблицы приоритетов для рассадки. При разработке алгоритма была построена модель кластеризации пользователей, которая основана на различных методиках сегментации игроков и их взаимодействия между собой: общеигровые (классификация Бартла и BrainHex) и специфичные модели для покера. В работе использованы алгоритмы машинного обучения k-means++ и spectral clustering. С помощью статистических тестов найдена зависимость времени игры пользователя от его кластера. Данная зависимость была проверена на стационарность с помощью теста Дики-Фуллера. Модель полностью готова к внедрению: благодаря ее реализации, можно ожидать улучшение различных игровых показателей проекта: retention, lifetime, количество сыгранных раздач, что, в свою очередь, приведет к росту LTV пользователей.