Как Riot Games использует Data Science для анализа и предсказания токсичного поведения игроков.

👾 Riot Games использует Data Science для анализа и предсказания токсичного поведения игроков. Цель — улучшить среду общения и стимулировать положительное взаимодействие между игроками. Разбираемся, как это работает → Модели машинного обучения и анализ чата Riot Games применяет алгоритмы машинного обучения для мониторинга чата в реальном времени и анализа огромных объемов данных о взаимодействии игроков. ML-модели находят токсичные паттерны и реагируют на них, автоматически блокируя или предупреждая о нарушении. По данным компании, эксперимент с отключением кросс-чата привел к снижению негатива на 32,7% и увеличению позитивных взаимодействий на 34,5%​. → Аналитика и предсказание поведения Используя данные о поведении игроков, например, частоту ухода AFK или токсичные комментарии, Riot создает модели, которые предсказывают вероятность повторных нарушений. Они позволяют автоматически накладывать штрафы или временно ограничивать доступ к игре. А интеграция новой системы анализа текста увеличивает обнаружение токсичных сообщений в 15 раз по сравнению с предыдущими алгоритмами. → Реальные эксперименты и A/B-тестирование Riot регулярно проводит эксперименты, используя Data Science для тестирования гипотез эффективного снижения токсичности. Например, изменены типы сообщений в игре и их визуальное представление. Это позволило снизить количество оскорблений до 11% в зависимости от условий​. Если хотите глубже погрузиться в Data Science и узнать, как создавать подобные системы, присоединяйтесь к нашему курсу: