ARAM Mayhem Database

ARAM Mayhem数据库是一个专门收集和存储《英雄联盟》ARAM Mayhem模式（队列ID 2400）对局数据的资源库。数据来源于台服真实对局，通过本地LCU API收集，包含英雄选择、强化符文（Augment）和胜负结果等信息。目前数据量约38,000场对局（其中16.10版本约28,000场），用于生成基于贝叶斯平滑胜率的英雄层级列表和强化符文推荐。

The ARAM Mayhem Database is a specialized repository dedicated to collecting and storing match data for the League of Legends ARAM Mayhem game mode (queue ID 2400). The data is sourced from real matches on the Taiwan server, collected via the local LCU API, and includes information such as champion selections, Augments and match outcomes. Currently, the dataset contains approximately 38,000 matches (with around 28,000 matches from patch 16.10), and is used to generate champion tier lists and Augment recommendations based on Bayesian-smoothed win rates.

原始信息汇总

数据集概述：ARAM Mayhem Database

数据集地址：https://github.com/Lanternko/ARAM-Mayhem-Database

核心描述：本项目收集并统计了《英雄联盟》“极地大乱斗·狂暴模式”（ARAM Mayhem，队列ID 2400）的英雄胜率、强度分档以及增幅装置（Augment）推荐数据，数据来源为台服真实对局。

---

📌 项目背景与目的

• 自《英雄联盟》14.x版本起，Riot公开API彻底移除了“狂暴模式”的对战数据，导致OP.GG、U.GG等第三方统计网站无法提供该模式的分析。
• 本项目利用League客户端的本地LCU API，通过“好友→对手”的BFS（广度优先搜索）方式，收集对局详情。
• 当前数据量约为 38,000场“狂暴模式”对局，其中28,000场来自16.10版本。

---

🛠️ 数据集内容与功能

• 英雄强度分档：基于贝叶斯平滑胜率，分为 OP、T1–T5 共7个等级。
  • OP ≥ 55%、T1 ≥ 52%、T2 ≥ 50%、T3 ≥ 48%、T4 ≥ 46%、T5 < 46%。
• 增幅装置适配分析：针对每个英雄，展示其最适配与最不适配的增幅装置（按彩色、金色、银色分类），并支持鼠标悬停查看中文效果描述。
• 过滤与搜索：支持按角色（刺客/战士/法师/射手/辅助/坦克）筛选，以及中英文英雄名/关键词搜索。
• 前端展示：纯HTML/CSS/JS单文件（约460KB），无后端依赖，通过GitHub Pages静态托管。

---

📊 数据收集与贡献方式

• 收集流程：用户运行本地Python脚本（需Python 3.13+），通过LCU API获取对局数据，并保存为SQLite数据库。
• 贡献要求：导出的数据文件（.db.zip）仅包含比赛信息，不含PUUID；通过GitHub Issue提交，系统自动去重。
• 使用建议：贡献时建议指定当前游戏版本（如--patch-prefix 16.10），以确保胜率统计的版本准确性。

---

🔬 技术实现要点

• 数据存储：使用SQLite数据库。
• 统计方法：采用贝叶斯平滑，英雄胜率先验设为0.5（k=200）；英雄-增幅装置配对胜率以该英雄自身胜率为先验（k=20）。
• 数据过滤：每个英雄至少需要50场样本；每个英雄-增幅装置组合至少需要15场样本。
• 中文来源：增幅装置描述来自CommunityDragon镜像的中文语言文件。
• 未来计划：计划引入PyTorch训练神经网络，预测双方英雄组合的胜率。

---

⚠️ 注意事项

• 法律免责：本项目未经Riot Games认可，不反映其官方观点。
• 限制：因API原因，无法使用Riot官方开发者API获取该模式数据。
• 文件限制：提交至GitHub Issue的附件大小上限为25MB；超出需分多次提交。

搜集汇总

数据集介绍

构建方式

在Riot Games公开API于14.x补丁移除ARAM Mayhem（queueId 2400）对战数据获取能力的背景下，该项目巧妙利用League客户端本机的LCU API，通过本地收集器以广度优先搜索（BFS）策略从自身账户出发，逐渐拓展至好友、对手乃至对手的对手，横向爬取大量对局信息。每场对局中十位玩家的英雄选择、所携带的Augment及胜负结果均被记录并存入SQLite数据库。目前，该项目已累积约38,000场Mayhem对局数据，其中补丁16.10版本的数据占比超过28,000场，形成了一个相对丰富的本地对决知识库。

使用方法

用户可通过运行本地收集器脚本参与贡献数据集。首先，需使用`python scripts/lcu_collector.py seed-opgg-plan`命令生成种子文件，随后通过`snowball`命令以自我为中心扩展搜索，指定目标场次（如500场）与玩家数量上限。收集过程中随时中断，再次运行将从上次进度继续。收集完成后，执行`export-share`命令自动生成包含仅games表、无PUUID的压缩数据库文件，并自动打开浏览器跳转至GitHub Issue页面，用户仅需将文件拖入留言框并提交即可完成贡献。此外，亦可利用`build_tier_list.py`脚本自行构建静态网站，并部署至GitHub Pages实现可视化浏览。

背景与挑战

背景概述

ARAM Mayhem Database 数据集创建于2024年，由独立开发者 Lanternko 主导，旨在应对《英雄联盟》Riot Games 官方 API 自 14.x 版本起完全移除 Mayhem（queueId 2400）对局数据所带来的统计空白。因此，传统数据聚合平台如 OP.GG 和 U.GG 无法提供该模式的英雄胜率与强化符文（Augment）推荐。该数据集另辟蹊径，利用客户端本地 LCU API，通过广度优先搜索（BFS）从用户自身对战记录横向扩展，收集了约38,000场真实台服对局（其中 16.10 版本占 28,000 场），并采用贝叶斯平滑算法计算英雄分级（OP 至 T5）与英雄-强化符文匹配度。该数据集填补了 Mayhem 模式在公开数据源中的缺失，为玩家社区提供了唯一且持续更新的 tier list 参考，对游戏策略研究与社区贡献具有深远影响。

当前挑战

该数据集面临的主要挑战包括：1）领域问题层面，Mayhem 模式的核心问题是如何在缺乏官方 API 的情况下，获取足够样本量以构建可靠的英雄与强化符文胜率统计，以解决玩家群体对客观数据指导的迫切需求，这要求数据集在数据稀缺性与统计准确性之间取得平衡。2）构建过程层面，由于 Riot Games 将 queueId 2400 从公开 API 中彻底移除，开发者只能依赖客户端本地 LCU API 进行横向爬取，这引入了数据收集的局限性，包括仅能获取用户及其对手的历史记录、无法规模化抽取全服样本。此外，数据贡献流程要求用户安装 Python 环境、运行本地脚本并手动上传至 GitHub Issue，带来了参与门槛与数据质量一致性的挑战。同时，多玩家贡献的同一场次对局需通过 Riot game_id 去重，而跨版本（patch）数据的一致性仍需维护，以防止胜率统计被稀释。最终，数据集还需确保用户隐私安全，只导出不含 PUUID 的匿名游戏记录，并公开审计以维持透明度。

常用场景

经典使用场景

ARAM Mayhem Database 最经典的使用场景是作为《英雄联盟》游戏模式“ARAM 大乱斗·Mayhem”的英雄胜率统计与强度分级的基准数据集。该数据集基于台服真实对局，通过本地 LCU API 爬取并整合了约 38,000 场对局的玩家英雄选择、增强符文（Augment）以及胜负结果，运用贝叶斯平滑算法生成从 OP 到 T5 的精细化梯级排行。研究者可利用该数据集进行英雄强度动态评估、符文组合效能分析，以及英雄在不同补丁下的环境适应性研究。

解决学术问题

该数据集解决了 Riot 公开 API 自 patch 14.x 起移除 Mayhem（queueId 2400）对战数据后，游戏领域内缺乏该模式系统统计与定量分析工具的学术研究问题。它突破了外部数据源（如 OP.GG、U.GG）无法获取 Mayhem 数据的瓶颈，填补了该特殊游戏模式在胜率演化、英雄平衡性偏离与增强符文交互效应等方面的研究空白。其贡献在于为游戏平衡性设计、补丁影响评估及玩家策略优化提供了可复现的量化数据基础，显著推动了 MOBA 子模式元游戏的实证研究。

实际应用

在实际应用中，ARAM Mayhem Database 直接支撑了一个公开的梯级排行网站，服务于广大玩家进行英雄选取决策和增强符文搭配参考。开发者可以基于该数据集构建推荐系统，为玩家推荐特定英雄的最优增强符文组合（如彩色、金色、银色各层级的 Top 5 与 Bottom 5），也可用于实时对局分析工具与游戏内容平台的胜率更新模块。此外，数据集贡献机制的开放性允许社区持续注入新对局数据，使实际系统具备动态演化能力，适应版本迭代。

数据集最近研究

最新研究方向

在当前英雄联盟大乱斗模式因Riot官方API移除队列ID 2400而导致主流数据平台（如OP.GG、U.GG）无法获取对战统计的背景下，ARAM Mayhem Database项目通过逆向利用客户端本地LCU API，以图论中的广度优先搜索算法（BFS）从玩家自身节点出发，逐层扩展至好友、对手及其对手，成功构建了包含约38,000场对局（其中28,000场属于近期的16.10补丁）的私有数据库。该项目着重于贝叶斯平滑胜率建模与装备-英雄协同效应分析，不仅提供了基于贝叶斯先验（k=200）的层级分阶（OP至T5）的胜率Tier列表，还深入挖掘了每个英雄的彩色、金色与银色装备推荐与不推荐组合。研究前沿聚焦于两大方向：一是利用社区众包数据采集机制填补官方API数据断层的可行方案，二是通过贝叶斯统计方法从有限样本中提取英雄-装备协同的强健信号，为超越传统摘要统计的数据驱动决策提供参考。该数据集的出现不仅弥补了关键游戏模式的数据空缺，其逆向数据获取与开源协作方式也对游戏数据科学研究社区具有重要的方法论借鉴意义。