lol-matches-15.2

这是来自第15.2赛季的《英雄联盟》单人排位游戏数据，涵盖了EUW和NA赛区的所有段位，共包含约30万场比赛的JSON格式时间线及匹配数据。

This is a dataset of solo queue game data from the 15.2 Season of *League of Legends*, covering all ranks across the EUW and NA regions, and containing JSON-formatted timelines and match data for approximately 300,000 total matches.

原始信息汇总

数据集概述

基本信息

• 数据集名称: lol-matches-15.2
• 许可协议: MIT

数据集描述

该数据集包含来自《英雄联盟》第15.2赛季的单排排位赛对局数据，涵盖欧洲西部（EUW）和北美（NA）服务器，包含所有段位。

数据内容

• 数据格式: JSON
• 数据类型: 时间线数据与对局数据
• 数据规模: 约30万场对局

搜集汇总

数据集介绍

构建方式

在电子竞技数据分析领域，lol-matches-15.2数据集通过系统采集《英雄联盟》第15.2赛季欧洲西部和北美服务器的单排天梯对战记录构建而成。该数据集覆盖全分段约30万场比赛，采用JSON格式存储每场比赛的时间线与对战数据，确保了数据的完整性与可解析性。

特点

该数据集的核心特点在于其全面覆盖双大赛区的高频对战数据，包含精确的时间线事件与多维度比赛指标。数据以标准化JSON结构呈现，支持对游戏策略、玩家行为及经济经验的深度分析，为研究动态对局演变提供了丰富素材。

使用方法

研究人员可通过解析JSON文件中的时间序列数据，重构对局中的战斗事件、资源控制与角色动线。该数据集适用于机器学习模型训练、胜率预测因子挖掘或战术模式识别，需结合游戏机制知识进行跨字段关联分析。

背景与挑战

背景概述

电子竞技数据分析领域自2010年代起逐渐成为计算体育科学的研究热点，由Riot Games开发的《英雄联盟》作为全球最具影响力的多人在线战术竞技游戏，其竞技对局数据为研究团队策略与玩家行为提供了宝贵资源。该数据集由匿名研究团队于2025年第二赛季构建，收录欧洲西部和北美服务器约30万场排位赛的时序对战数据，通过JSON格式完整记录装备购买、技能升级等微观决策序列，为机器学习模型理解复杂动态博弈过程奠定了数据基础。

当前挑战

该数据集核心挑战在于解决MOBA游戏高维时空决策的建模难题：非对称地图中10名玩家的实时状态产生数亿种可能博弈路径，技能交互的时序依赖性与团队协作的隐变量机制亟需新型神经网络架构进行表征。数据构建过程中面临异构数据融合的技术瓶颈，需将游戏引擎输出的离散事件日志与连续时空坐标进行对齐，同时需处理涉及玩家隐私的数据脱敏问题，且不同服务器间的元游戏差异要求建立区域自适应标准化流程。

常用场景

经典使用场景

在电子竞技数据分析领域，lol-matches-15.2数据集为研究《英雄联盟》玩家行为与战术模式提供了重要基础。该数据集通过记录超过30万场排位赛的详细时间线与对战数据，支持研究者分析不同段位玩家在游戏中的决策路径、资源分配及团战策略，从而揭示高水平对局中的核心制胜因素。

衍生相关工作

基于该数据集衍生的经典研究包括《基于时空图神经网络的团战结果预测模型》与《多模态融合的玩家技术水平评估框架》。这些工作不仅推动了电竞数据分析方法的革新，更为通用领域中的序列预测与协同行为建模提供了可迁移的技术范式。

数据集最近研究

最新研究方向

随着电子竞技数据分析领域的深入发展，lol-matches-15.2数据集已成为研究《英雄联盟》竞技行为与战略模式的重要资源。当前研究聚焦于利用大规模对战时序数据，结合深度学习模型预测胜率及关键决策节点，探索高维游戏状态下的智能体协作机制。相关热点包括多智能体强化学习在MOBA类游戏中的应用，以及赛事战术挖掘与选手表现评估。这类研究不仅推动了游戏人工智能的进步，也为现实世界中复杂决策系统提供了可借鉴的范式，具有显著的跨学科影响力。