five

lol-datasets|电子竞技数据集|游戏数据分析数据集

收藏
github2021-05-09 更新2024-05-31 收录
电子竞技
游戏数据分析
下载链接:
https://github.com/superblaubeere27/lol-datasets
下载链接
链接失效反馈
资源简介:
包含多个《英雄联盟》游戏数据集,数据集按照平台、赛季、游戏模式、队列、补丁和大小进行命名和组织。

This dataset encompasses multiple game datasets from 'League of Legends', organized and named according to platform, season, game mode, queue, patch, and size.
创建时间:
2019-05-05
AI搜集汇总
数据集介绍
main_image_url
构建方式
lol-datasets数据集的构建基于《英雄联盟》游戏的多维度数据采集,涵盖了不同平台、赛季、游戏模式和队列的匹配数据。数据通过Riot Games官方API获取,确保了数据的权威性和时效性。每个数据文件以`{platform}_{seasonId}_{gameMode}_{queue}_{patch}_{size}.7z`的格式命名,便于用户快速识别和筛选所需数据。数据集的分层结构设计使得数据管理更加高效,同时也为后续的分析和研究提供了坚实的基础。
特点
lol-datasets的特点在于其广泛覆盖了多个游戏平台(如EUW、EUN、NA等)和不同赛季的游戏数据,特别是5v5 Draft Pick模式下的比赛记录。数据集不仅包含了常规匹配数据,还涵盖了排位赛和灵活组排等多种队列类型。此外,数据按游戏版本(Patch)进行分类,确保了数据的时效性和针对性。这种多维度的数据覆盖为研究《英雄联盟》游戏策略、玩家行为及游戏平衡性提供了丰富的素材。
使用方法
使用lol-datasets时,用户可通过Google Drive链接下载所需的数据文件。每个文件均以压缩格式(.7z)存储,解压后可获得详细的比赛数据。用户可根据文件名中的平台、赛季、游戏模式、队列和版本信息快速定位所需数据。数据集适用于多种研究场景,如游戏数据分析、机器学习模型训练以及玩家行为研究等。通过结合Riot Games官方文档,用户可以进一步解析数据中的具体字段,从而深入挖掘游戏中的潜在规律。
背景与挑战
背景概述
lol-datasets数据集由Riot Games的开发者社区创建,旨在为《英雄联盟》游戏的数据分析提供支持。该数据集涵盖了多个赛季、平台和游戏模式,特别是5v5 Draft Pick模式的对战数据。数据集的核心研究问题在于如何通过大规模的游戏数据,深入分析玩家行为、游戏平衡性以及战术策略的演变。自2019年发布以来,该数据集已成为电竞分析和游戏AI研究的重要资源,推动了相关领域的技术进步。
当前挑战
lol-datasets面临的挑战主要体现在两个方面。首先,游戏数据的多样性和复杂性对分析模型提出了高要求,例如如何从海量数据中提取有效的特征以支持战术分析或玩家行为预测。其次,数据集的构建过程中,由于游戏版本更新频繁,不同版本间的数据兼容性和一致性成为一大难题。此外,数据采集的规模和质量也受到网络延迟、玩家隐私保护等因素的限制,进一步增加了数据处理的复杂性。
常用场景
经典使用场景
lol-datasets数据集广泛应用于电子竞技分析领域,特别是在《英雄联盟》游戏的战术研究和玩家行为分析中。研究者通过分析不同赛季、平台和游戏模式下的比赛数据,深入探讨游戏策略的演变和玩家决策的优化路径。
解决学术问题
该数据集为学术界提供了丰富的游戏比赛数据,解决了游戏策略优化、玩家行为模式识别以及电子竞技生态系统研究中的关键问题。通过对大量比赛数据的分析,研究者能够揭示游戏平衡性、玩家表现与团队协作之间的复杂关系,推动了电子竞技研究的深入发展。
衍生相关工作
基于lol-datasets,许多经典研究工作得以展开,例如《英雄联盟》战术推荐系统的开发、玩家行为预测模型的构建以及游戏平衡性分析工具的研发。这些工作不仅推动了电子竞技研究的理论发展,也为实际应用提供了有力的技术支持。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

中国知识产权局专利数据库

该数据集包含了中国知识产权局发布的专利信息,涵盖了专利的申请、授权、转让等详细记录。数据内容包括专利号、申请人、发明人、申请日期、授权日期、专利摘要等。

www.cnipa.gov.cn 收录

中国陆域及周边逐日1km全天候地表温度数据集(TRIMS LST;2000-2023)

地表温度(Land surface temperature, LST)是地球表面与大气之间界面的重要参量之一。它既是地表与大气能量交互作用的直接体现,又对于地气过程具有复杂的反馈作用。因此,地表温度不仅是气候变化的敏感指示因子和掌握气候变化规律的重要前提,还是众多模型的直接输入参数,在许多领域有广泛的应用,如气象气候、环境生态、水文等。伴随地学及相关领域研究的深入和精细化,学术界对卫星遥感的全天候地表温度(All-weather LST)具有迫切的需求。 本数据集的制备方法是增强型的卫星热红外遥感-再分析数据集成方法。方法的主要输入数据为Terra/Aqua MODIS LST产品和GLDAS等数据,辅助数据包括卫星遥感提供的植被指数、地表反照率等。方法充分利用了卫星热红外遥感和再分析数据提供的地表温度高频分量、低频分量以及地表温度的空间相关性,最终重建得到较高质量的全天候地表温度数据集。 评价结果表明,本数据集具有良好的图像质量和精度,不仅在空间上无缝,还与当前学术界广泛采用的逐日1 km Terra/Aqua MODIS LST产品在幅值和空间分布上具有较高的一致性。当以MODIS LST为参考时,该数据集在白天和夜间的平均偏差(MBE)为0.09K和-0.03K,偏差标准差(STD)为1.45K和1.17K。基于19个站点实测数据的检验结果表明,其MBE为-2.26K至1.73K,RMSE为0.80K至3.68K,且在晴空与非晴空条件下无显著区别。 本数据集的时间分辨率为逐日4次,空间分辨率为1km,时间跨度为2000年-2023年;空间范围包括我国陆域的主要区域(包含港澳台地区,暂不包含我国南海诸岛)及周边区域(72°E-135°E,19°N-55°N)。本数据集的缩写名为TRIMS LST(Thermal and Reanalysis Integrating Moderate-resolution Spatial-seamless LST),以便用户使用。需要说明的是,TRIMS LST的空间子集TRIMS LST-TP(中国西部逐日1 km全天候地表温度数据集(TRIMS LST-TP;2000-2023)V2)同步在国家青藏高原科学数据中心发布,以减少相关用户数据下载和处理的工作量。

国家青藏高原科学数据中心 收录

MedDialog

MedDialog数据集(中文)包含了医生和患者之间的对话(中文)。它有110万个对话和400万个话语。数据还在不断增长,会有更多的对话加入。原始对话来自好大夫网。

github 收录

THUCNews

THUCNews是根据新浪新闻RSS订阅频道2005~2011年间的历史数据筛选过滤生成,包含74万篇新闻文档(2.19 GB),均为UTF-8纯文本格式。本次比赛数据集在原始新浪新闻分类体系的基础上,重新整合划分出14个候选分类类别:财经、彩票、房产、股票、家居、教育、科技、社会、时尚、时政、体育、星座、游戏、娱乐。提供训练数据共832471条。

github 收录

ToN-IoT

ToN-IoT数据集是一个用于物联网(IoT)网络流量分析的数据集,主要用于检测和分类物联网设备中的网络攻击。该数据集包含了多种类型的网络流量数据,包括正常流量和恶意流量,适用于网络安全领域的研究和实验。

research.unsw.edu.au 收录