講演情報
[5Yin-A-06]GaaS コミュニティの大規模反発における動的ユーザープロファイリング：行動ログと意味解析を用いたリスク検知フレームワーク『原神』におけるコアユーザーと外部干渉の識別
〇ホー ヤンミン1,2、武田 英明2,1 (1. 総合研究大学院大学、2. 国立情報学研究所)
キーワード：
Games-as-a-Service、計算社会科学、ユーザープロファイリング、行動ログ分析、リスク検知
Games-as-a-Service (GaaS) モデルにおいて、コミュニティの健全性はユーザーリテンションの要である。しかし、大規模な「炎上」はしばしば真正なフィードバックを覆い隠し、コアプレイヤーの建設的な不満と、便乗者による破壊的なノイズとの境界を曖昧にする。本研究では、こうした危機的状況下におけるリスク検知とセグメンテーションを自動化するため、事前学習を必要としない動的ユーザープロファイリング・フレームワークを提案する。
具体的には、『原神』の大規模データセットを活用し、行動ログ分析とテキストマイニングを統合したハイブリッド手法を構築した。独自指標である DWRI と HDBSCAN クラスタリングを用いることでユーザー行動をマッピングし、外部のナラティブがコミュニティ規範を動揺させ、言説パターンを乖離させる様子の定量化に成功した。
分析の結果、本フレームワークはラベル付きデータに依存することなく、高リスクな便乗者層をコアユーザー層から効果的に分離できることが示された。本研究は、離脱予測、コミュニティガバナンス、およびリスク管理のためのスケーラブルな手法を提供し、計算社会科学の知見と実務的な運営の架け橋となるものである。
具体的には、『原神』の大規模データセットを活用し、行動ログ分析とテキストマイニングを統合したハイブリッド手法を構築した。独自指標である DWRI と HDBSCAN クラスタリングを用いることでユーザー行動をマッピングし、外部のナラティブがコミュニティ規範を動揺させ、言説パターンを乖離させる様子の定量化に成功した。
分析の結果、本フレームワークはラベル付きデータに依存することなく、高リスクな便乗者層をコアユーザー層から効果的に分離できることが示された。本研究は、離脱予測、コミュニティガバナンス、およびリスク管理のためのスケーラブルな手法を提供し、計算社会科学の知見と実務的な運営の架け橋となるものである。