lol-datasets
收藏github2021-05-09 更新2024-05-31 收录
下载链接:
https://github.com/superblaubeere27/lol-datasets
下载链接
链接失效反馈官方服务:
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
原始信息汇总
数据集概述
数据集名称与格式
- 名称格式:
{platform}_{seasonId}_{gameMode}_{queue}_{patch}_{size}.7z
可用数据集列表
| Patch | Platform | Season | Queue | Size | Download link |
|---|---|---|---|---|---|
| 9.13 | EUW | 13 | 400 (5v5 Draft Pick games) | 52384 | Google Drive |
| 9.16 | EUW, EUN, NA | 13 | 400 (5v5 Draft Pick games (Normal, Ranked, Flex)) | 623255 | Google Drive |
搜集汇总
数据集介绍

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。
以上内容由遇见数据集搜集并总结生成



