Анализ поединков и определение ключевых событий в DotA 2

DotA 2 — многопользовательская сессионная онлайн-игра, в которой участвуют две команды по пять человек. У каждой команды есть база, на которой находится главное сооружение — трон; целью игры является разлом вражеского трона: как только одна из команд делает это, она побеждает в матче. Также в игре присутствует босс по имени Рошан, убийство которого дает определенное преимущество команде, сделавшей это. Каждый игрок в начале поединка делает выбор одного героя, которым он будет сражаться в течение поединка. В работе рассматриваются две задачи: о предсказании команды, которая победит в матче, а также о том, какая из команд следующей убьет Рошана, или тот факт, что его не убьет никто — здесь говорится о следующем убийстве, потому что предполагается, что алгоритм предсказания получает на вход матчи, в которых известна не вся информация — часть поединка умышленно скрывается от алгоритма, чтобы научиться предсказывать события в произвольный момент времени. Представленные ранее в статьях алгоритмы в основном опираются на информацию о выборе персонажей, в то время как многие участники соревнований по машинному обучению в подобных состязаниях много времени уделяют генерации признаков, интерпретируемость которых не всегда оказывается простой, и тонкой настройке алгоритмов обучения. Главной целью данной работы является создание архитектуры нейронной сети, которая наиболее удачным образом комбинирует в себе информацию о выборе персонажей, показатели персонажей во времени на протяжении поединка, и общие показатели персонажей за поединок: вдохновившись идеей Factorization Machines, автор предлагает архитектуру блока нейронной сети, эффективно способную учитывать выбор персонажей на поединок. В работе продемонстрирована успешная реализация этой идеи, которая оказывается наиболее удачной с точки зрения качества среди всех алгоритмов, с которыми проводится сравнение.