في عالم الألعاب، يعتبر فهم سلوك اللاعبين وتحليل تسلسلات اللعب أمرًا بالغ الأهمية. هنا يأتي نموذج JSON-Bag (JSON Bag-of-Tokens) ليقدم حلاً جديدًا ومبتكرًا لتمثيل تلك التسلسلات. يعتمد هذا النموذج على تقنية تحويل أوصاف الألعاب إلى رموز (Tokens)، مما يسهل تحليلها وقياس المسافة بينها باستخدام مقياس Jensen-Shannon distance (JSD).

تم اختبار فعالية النموذج على ست ألعاب لوحية مشهورة: 7 Wonders، Dominion، Sea Salt and Paper، Can’t Stop، Connect4، وDots and boxes. تم إجراء تقييم للنموذج عبر ثلاث مهام تصنيف مختلفة، تشمل تصنيف الوكلاء اللاعبين (agents)، والمعلمات الخاصة بالألعاب، أو البذور (seeds) المستخدمة في توليد التسلسلات.

تظهر النتائج أن نموذج JSON-Bag يتفوق على النماذج التقليدية باستخدام الخصائص اليدوية في معظم المهام. كما تشير التقييمات إلى أن استخدام سوق N-shot classification مع نموذج JSON-Bag يعد فعالاً، مما يعني أنه يحتاج إلى عدد أقل من العيّنات لتحقيق أداء مشابه.

بالإضافة إلى ذلك، يمكن استخدام JSON-Bag لاستخراج الميزات تلقائيًا بتعامل الرموز كميزات فردية في تقنية Random Forest. هذا التحليل يعزز دقة النموذج بشكل كبير، خاصة في المهام التي تعاني من ضعف الأداء.

الأهم من ذلك، يظهر التحليل أن المسافة بين نماذج JSON-Bag للوكلاء المرتبطة تتوافق بشدة مع الاختلافات بين استراتيجيات اللعب الخاصة بهم. في النهاية، يفتح نموذج JSON-Bag آفاقاً جديدة نحو تحسينات جوهرية في مجال تحليل الألعاب باستخدام تقنيات الذكاء الاصطناعي.