摘要

电子竞技（eSports）的训练和分析需要准确收集和标注的数据。大多数电子竞技研究仅专注于游戏内数据的分析，而缺乏对电子竞技运动员的心理生理数据的研究。在本文中，我们介绍了一个从《英雄联盟》视频游戏中收集的专业和业余团队数据集，该数据集涵盖了22场比赛，超过40小时的录制时间。记录的数据包括运动员的生理活动（例如动作、脉搏、眼跳），这些数据通过各种传感器获得，还包括赛后自我报告调查以及游戏内数据。该数据集的一个重要特点是同时从五名玩家处收集数据，这有助于在团队层面进行传感器数据分析。在收集完数据集后，我们对其进行了验证。具体而言，我们展示了职业选手的压力水平和专注度之间的相关性较低，这意味着他们的游戏风格更加独立。此外，我们还表明，缺乏团队沟通对职业选手的影响远小于业余选手。为了探索数据集的其他可能用途，我们使用3分钟的传感器数据训练了经典机器学习算法来进行技能预测和玩家重新识别。最佳模型在验证集上分别达到了0.856和0.521（随机水平为0.10）的准确率分数，用于技能预测和玩家重新识别问题。该数据集可在https://github.com/smerdov/eSports Sensors Dataset 获取。