## はじめに オンラインゲームは数百万のプレイヤーに届き、人気のあるエンターテインメント形式になっています。ゲームは動的な環境であり、プレイヤーはゲームや世界中の他のプレイヤーとやり取りします。 この意味で、ゲームはデジタルの性質上、豊富なデータを提供します。したがって、人工知能やデータマイニング技術を研究・適用するのに有望な環境です。 ### 背景 このKaggleデータセットでは、スーパーマリオメーカーで作成された11万5千以上のゲームマップと、これらのマップで700万回以上のインタラクションを行った88万以上のプレイヤーのデータを提供しています。インタラクションとは、プレイヤーが(1)ゲームマップを作成すること、(2)他のプレイヤーが作成したマップをプレイすること、ゲームマップのチャレンジをクリアした場合には(3)マップを「クリア」すること、(4)初クリアすること、(5)マップのタイムレコードを更新すること、(6)いつでもゲームマップを「いいね」することができることを意味します。なお、このデータセットは、各ゲームマップの3か月間の時間的な変化を示しています。 このデータは、ゲームのウェブサイトである[supermariomakerbookmark.nintendo.net](http://supermariomakerbookmark.nintendo.net/)から抽出されました。現在、誰でも自由にプレイ、探索、研究することができます。このデータセットは、プレイヤーモデリング（例：プレイヤーの体験）、データマイニング（例：予測、パターン発見）、ソーシャルネットワーク分析（例：コミュニティ検出、リンク予測、ランキング）などの学習モデルの良い基礎となります。 ### データセット このデータセットは7つのファイルに分割されています。 - `courses.csv`：ゲームマップのデータ。 - `course - meta.csv`：ゲームマップの時間的な変化。 - `players.csv`：プレイヤーのデータ。 - `plays.csv`：経時的なプレイ状況。 - `clears.csv`：経時的なクリア状況。 - `likes.csv`：経時的ないいね状況。 - `records.csv`：経時的なレコード状況。 ### データの説明  この図は、SMMnetをリレーショナルデータベース管理システム（RDBMS）に格納するための非正規化テーブルのスキーマを示しています。基本的には7つのテーブルで構成されており、それぞれが1つのCSVファイルに対応しており、マップ、プレイヤー、および時間の経過に伴う変化が含まれています。なお、これらのテーブルには2つの主キー（PK）、つまり`courses.id`と`players.id`があり、他のテーブルの外部キー（FK）によって参照・関連付けられます。 ### インスピレーション 1. ゲームのインフルエンサー（例：TwitchやYouTubeのユーザー）を検出する。[論文](https://github.com/leomaurodesenv/paper - 2019 - iceis) 2. ゲームの人気を経時的に予測する。 3. 人気ゲームの特徴を特定する。 4. プレイヤーモデリング（例：プレイヤーの活動） 5. ソーシャルネットワーク分析（例：コミュニティ検出、リンク予測） 6. あなたの創造力！ ### 謝辞 - この素晴らしいゲームを作ってくれた日本の京都に本社を置く任天堂株式会社。 - UnsplashのCláudio Luiz Castroの写真。 ### 引用 SMMNetは、[Creative Commons BY](https://creativecommons.org/licenses/by/4.0/)ライセンスの下で研究者やデータサイエンティストに提供されています。公開や公的な利用、およびそれから派生したすべてのデータセットに関しては、我々を引用することで作成者を認める必要があります。[Bibtex](https://github.com/leomaurodesenv/smmnet)