将棋の棋譜から対局者名を深層学習で推測

• Item type: Symposium(1)
• 公開日: 2022-11-04
• タイトル: 将棋の棋譜から対局者名を深層学習で推測
• タイトル / 言語: en
• タイトル: Predict Shogi Player Names from Game Records Using Deep Learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 将棋
• キーワード / 主題Scheme: Other
• キーワード / 主題: 対局者
• キーワード / 主題Scheme: Other
• キーワード / 主題: 棋譜
• キーワード / 主題Scheme: Other
• キーワード / 主題: 深層学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者名: 山下, 宏
• 著者名(英): Hiroshi, Yamashita
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 将棋の棋譜から対局者名を深層学習で推測した。アマの棋譜とプロの棋譜、それぞれ別に検証した結果、アマは98.9 ％、プロは57.2 ％を特定できた。棋譜は1 局面だけを与えるのでなく、連続した64 局面以上を与えると精度が上がる。また対局日の情報は重要である。40 年など長期間にわたるプロの棋譜では流行の戦法を多くの棋士が指すため特定が難しい。アマのネット将棋の棋譜は短期間、短時間で指されるため好みの陣形を何度も選択しやすく個人の特定が容易である。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We used deep learning to guess the name of the player from Shogi game records. 98.9 % of amateur and 57.2 % of professional players were identified. Accuracy is improved by providing 64 or more consecutive game positions instead of only one game position. Identification is difficult for pro players because they tend to play trend strategy. On the other hand, amateurs tend to play their own favorite castling and opening, and it is easy to identify.
• 書誌情報: ゲームプログラミングワークショップ2022論文集; 巻 2022, p. 167-174, 発行日 2022-11-04
• 出版者 / 言語: ja
• 出版者: 情報処理学会