Exploring language-based representations for outcome prediction in League of Legends

Abstract

Exploring language-based representations for outcome prediction in League of Legends This thesis investigates whether written match commentaries from professional League of Legends games can be used to predict match outcomes. Text-embedding-based models were found to perform poorly and did not improve predictions when combined with numerical features, which remained the most reliable source of information. Large language models showed more promising behavior by reacting to contextual cues in some cases, but still did not outperform numerical baselines. Overall, the results suggest that raw text alone is insufficient for reliable outcome prediction, while more structured uses of language may hold future potential.

Zkoumání jazykových reprezentací pro zlepšení predikce výsledků v League of Legends Tato práce zkoumá, zda lze přepis komentářů profesionálních zápasů League of Legends využít k predikci výsledků zápasů. Modely založené na embeddingách celého zápasu se ukázaly jako málo úspěšné a nepřinesly zlepšení ani v kombinaci s numerickými příznaky, které zůstávají nejspolehlivějším zdrojem informací. Velké jazykové modely vykazovaly slibnější chování, když v některých případech správně reagovaly na kontext, avšak ani ty nepřekonaly numerické metody. Celkově výsledky naznačují, že samotný text není pro spolehlivou predikci výsledků dostačující, zatímco strukturovanější využití informací z něj může být perspektivní do budoucna.