Étude comparative d'algorithmes de data mining dans le contexte du jeu vidéo

Dans notre société hyper connectée, la collecte et l'enregistrement de données sur les usagers ou leur environnement est de plus en plus courante. Cette information est un élément clé dans plusieurs domaines. Par exemple, en météorologie, on se base sur les connaissances de phénomènes pour prédire le temps qu'il fera, ou encore, dans le domaine de l'astronomie, on utilise les propriétés des étoiles afin de constituer des groupes qui se ressemblent pour les reconnaître plus facilement. Un autre domaine où les données sont importantes est le marketing. Avec les informations connues sur les acheteurs, on peut tenter d'aller directement vers l'usager pour lui proposer des produits qui l'intéressent, ce qu'on appelle le marketing ciblé. Il est aussi possible de tenter d'évaluer les éléments connus sur les usagers pour faire ressortir de nouvelles connaissances. Tout ce qui peut être mis en vente peut faire l'objet d'analyse, et le jeu vidéo n'y échappe pas. Par exemple, une étude a été faite sur les habitudes de jeux du célèbre World of Warcraft. \ud \ud Un web service a été créé pour évaluer le rendement personnel d'un joueur comparativement à celui du reste des joueurs. Il ne s'agit là que d'un bref aperçu de l'éventail de possibilités qu'offrent les données. Le problème est que ces grands ensembles de données non structurées sont difficiles à manipuler et à exploiter. On peut comparer la tâche à chercher une aiguille dans une botte de foin. Par ailleurs, il existe en intelligence artificielle un créneau, nommé data mining, qui s'attarde spécifiquement à ce problème d'extraire de l'information pertinente et utile à partir de grands entrepôts de données non structurées. L'avantage de cette technique est qu'elle peut s'adapter à plusieurs domaines d'application et que les résultats sont surprenants. La contribution du mémoire prend la forme de l'adaptation, de l'implementation et de l'expérimentation de différents algorithmes de data mining afin de les exploiter dans le contexte précis du domaine de l'analyse du comportement d'un joueur dans un jeu vidéo. Le mémoire fournit des pistes de solutions pour l'élaboration d'une architecture logicielle permettant le développement d'un modèle grâce au data mining. Dans un premier temps, les algorithmes de segmentation K-means ainsi que l'algorithme EM ont été utilisés pour permettre un prétraitement des données.\ud \ud La deuxième phase, la classification, a été effectuée avec les techniques C4.5 et celle des plus proches voisins. L'efficacité de ces algorithmes a été expérimentée avec des données recueillies dans un jeu vidéo sur tablette et téléphone grâce à la collaboration de l'entreprise Bloobuzz, division de Québécor Media. Les résultats des différentes approches ont été analysés et comparés avec les approches existantes pour évaluer la contribution du travail. Ce travail démontre la possibilité d'utiliser une telle approche