"2분반-몇대몇"의 두 판 사이의 차이

2026년 6월 17일 (수) 00:21 기준 최신판

프로젝트 개요

기술개발 과제

국문 : 온라인 게임 중 분쟁사항 판단 투표 서비스

과제 팀명

몇대몇

지도교수

유하진 교수님

개발기간

2026년 3월 ~ 2026년 6월 (총 4개월)

구성원 소개

서울시립대학교 컴퓨터과학부 2021920036 심재용 (팀장)

서울시립대학교 컴퓨터과학부 2020920036 유원호

서울시립대학교 컴퓨터과학부 2021920005 권동현

서울시립대학교 컴퓨터과학부 2021920025 문세현

서론

개발 과제의 개요

개발 과제 요약

◇ 본 과제는 게임 플레이 중 팀 단위 온라인 게임인 “리그 오브 레전드”에서의 서로 간의 의견이 충돌하여 분쟁이 발생하였을 때, 그 분쟁을 해결할 수 있는 사이트를 생성한다. 
◇ 사이트는 누군가가 플레이 영상을 올리고 특정 판단의 내용을 글로 작성하게 하면, 다른 사람들의 의견을 투표 및 댓글을 통해 받도록 한다. 이때 투표나 댓글은 포인트를 지불하는 방식으로 한다.
◇ AI 모델을 활용하여 해당 경기의 승률 변화 그래프를 자동으로 생성하고, 승률이 급격히 변동하는 핵심 지점 3곳을 표시하여 사람이 분쟁 상황을 판단할 때 도움을 주는 객관적인 보조 도구로 활용한다.
◇ 이후 특정 시간까지는 투표의 상황을 비공개 처리하고, 특정 조건을 달성하게 되면 전문가(게임의 티어가 높은 사람)의 의견을 공개하여 그 의견에 해당되는 투표를 한 사람들에게 포인트를 지급하게 된다. 
◇ 포인트 지급은 회원가입, 출석체크 등을 통해 지속적으로 지급할 수 있도록 하고, 포인트를 통해 교환할 수 있는 간단한 상품을 통해 사용자의 동기를 끌어올린다.

개발 과제의 배경

1) 개발 동기 및 필요성

◇ 팀 단위 경쟁 온라인 게임인 리그 오브 레전드에서는 패배의 원인이나 특정 상황의 책임 소재를 두고 “누가 더 잘못했는가”에 대한 논쟁이 자주 발생하며, 이는 유저 간 갈등으로 이어지는 경우가 많다.이런 갈등이 커뮤니티상에서 화제가 되어 교통사고 과실 비율을 판정하는 프로그램인 ‘한문철의 블랙박스 몇 대몇’을 모티브로 인터넷 방송인들이 팀 내 분쟁 상황의 과실 비율을 판정해주는 콘텐츠(일명 ‘롤문철’)가 유행하고, 수요가 늘어나기 시작하였다. 
◇ 게임 내 분쟁 상황의 과실 판정에 대한 수요가 늘어났지만, 이러한 컨텐츠는 일부 방송에 한정되어 있어 접근성이 낮고 일관된 판정 기준이 없다는 한계가 있어, 본 서비스를 통해 접근성을 높이고, 정돈된 환경의 서비스가 필요하다고 판단하였다.
◇ 또한 기존 판정 방식은 영상 시청 및 주관적 판단에 의존하여 분쟁 지점 파악이 어렵다는 문제가 있으며, 이를 AI 기반 승률 그래프 분석 기능으로 보완하고자 한다.

2) 향후 예상 효과

◇ AI 승률 그래프를 통해 핵심 지점을 시각적으로 제공해 분쟁 상황에 관한 보다 객관적인 판단을 제공함으로 유저 간의 갈등을 완화하여 건전한 게임 플레이 문화를 형성을 유도한다.
◇ 의견 제시 및 토론을 통해 게임 플레이에 대한 이해도와 전략적 판단 능력을 향상시켜 플레이어의 게임 실력을 향상시키는데 도움을 준다.
◇ 게임 관련 추가 컨텐츠 제공을 통한 홍보 효과로 게임 활성화에 도움을 준다.

개발 과제의 목표 및 내용

1. 분쟁과 관련한 투표 서비스 제공

◇ 본 프로젝트의 목표는 게임 내 발생하는 분쟁 상황에 대해 여러 사용자에게 투표를 받아 보다 객관적인 판단 기준을 제공하는 투표형 서비스를 구축하는 것이다. 사용자는 분쟁 사항 설명과 분쟁 사항이 담긴 영상을 업로드하여 게시하고, 다른 사용자들은 어떤 쪽이 더 맞는지 투표할 수 있고, 해당 상황에 대한 자신의 생각을 댓글/대댓글 기능으로 남길 수 있다.

2. AI 기반 승률 분석 그래프 제공

◇ 라이엇 게임즈 api를 통해 경기 데이터를 수집하고, AI 모델을 학습시켜 시간대별 팀 승률 변화를 그래프로 시각화하는 기능을 제공한다.
◇ 학습된 AI 모델은 경기 전반에 걸친 승률 곡선을 생성하며, 승률이 급격하게 변동(급등 또는 급락)하는 구간 상위 3개 지점을 그래프 위에 마커로 표시한다.
◇ AI 기반 승률 분석 그래프는 최종 판정의 근거가 아닌 참고 자료로 제공된다.

3. 동기부여를 위한 포인트 지급

◇ 처음 회원가입을 할 때, 출석체크를 할 때 포인트를 지급하여 사용자가 포인트를 이용하여 투표에 참여할 수 있도록 유도한다. 이후 맞추게 될 시 포인트를 대량 지급하고, 포인트 상점을 통해 프로필 사진, 배경 꾸미기 등의 아이템을 제공한다.

개발과제의 기대효과

기술적 기대효과

◇ 팀원들이 직접 대용량 게임 데이터를 수집 및 정제하여 승률 예측 AI 모델을 처음부터 끝까지 파이프라인으로 구축하는 경험을 축적할 수 있다.
◇ 동시다발적인 투표 및 포인트 증감 처리 시 발생할 수 있는 동시성 이슈를 해결하는 등 백엔드 트랜잭션 처리 역량을 기를 수 있다.

경제적, 사회적 기대 및 파급효과

◇ 새로운 플랫폼 시장 창출: 기존 대형 커뮤니티나 통계 사이트가 충족시키지 못했던 '게임 내 분쟁 해결 및 과실 판정'이라는 특정 수요를 공략하여, e-스포츠 파생 콘텐츠의 새로운 플랫폼 시장을 개척할 수 있다.
◇ 건전한 게임 문화 조성 및 사이버 폭력 감소: 온라인 게임 내 분쟁이 감정적인 욕설이나 트롤링 등 비매너 행위로 번지는 것을 방지하고, 제3자의 객관적 시선과 AI 데이터를 통해 분쟁을 이성적으로 해결할 수 있는 창구를 제공함으로써 게임 문화 개선에 기여한다.

기술개발 일정 및 추진체계

개발 일정

단계별 세부개발 내용	담당자	개발기간 (월단위)				비고
단계별 세부개발 내용	담당자	3	4	5	6	비고
주제 선정	팀원 전체
요구사항 분석 및 UI 기획	팀원 전체
웹 사이트 연동	권동현, 문세현
회원가입 / 게시판 기능	권동현, 문세현
투표 / 댓글 기능	권동현
AI 승률 모델 학습 및 개발	심재용, 유원호
AI 모델 적용 및 보완	심재용, 유원호
포인트 시스템 / 라이엇 api 연동	문세현
통합 테스트 및 배포	팀원 전체

구성원 및 추진체계

1. 구성원

◇ 심재용(팀장) : AI 승률 모델 학습 및 개발과 적용, 백엔드 구현
◇ 유원호 : AI 승률 모델 학습 및 개발과 적용, 백엔드 구현 
◇ 권동현 : UI 설계 및 구현, 댓글, 영상, 투표 기능 구현 
◇ 문세현 : 회원가입 및 게시판 기능 구현, 라이엇 api 연동 시스템 구축, 포인트 시스템 구축

2. 추진체계

설계

설계사양

제품의 요구사항

번호	요 구 사 항	D or W	중요도
1	편의성 (UI/UX)	D	중
2	로그인 성공 :	D	대
3	AI 정확성	W	중
4	댓글 기능 :	D	대
5	동영상 업로드	D	대
6	포인트 지급	w	소
7	시스템 안정성	D	소
8	전문가의 판정	D	소

목적 계통도

개념설계안

자체 개발한 AI 를 활용해 온라임 게임 경기 내에서 승률이 급격하게 바뀌는 시점을 제공한다.

◇Match data와 Match timeline data를 활용해 분단위 승률 예측 모델을 개발
◇LSTM모델과 TRANSFORMER모델 두가지를 후보군으로 두고 실험 진행
◇더 나은 예측을 보이는 모델을 사용

유저가 논쟁상황이 일어난 경기를 영상및 게임 태그로 업로드

◇게임 태그를 따로 업로드 할 수 있는 창을 제공
◇영상은 유튜브 영상을 바로 재생할 수 있는 창을 사용

신뢰할수있는 전문가의 평가

◇AI를 활용해 중요한 시간대를 선정해 전문가가 판정 하나를 하는 시간을 감축
◇신뢰할 수 있는 전문가의 이유와 판정으로 논쟁상황을 납득할 수 있도록 정리

평가에 따른 포인트의 분배

◇평가를 해서 승패를 나눈 후 정답인 쪽에 투표한 유저들에게 일정수준의 포인트를 지급
◇오답인 쪽에 투표한 유저들에게는 일정수준의 포인트를 몰수

포인트의 유통량

◇포인트를 접속하는 접속보상, 댓글을 달았을때 얻는 활동보상, 업로드를 했을때 얻는 업로드 보상, 투표로 얻는 보상등으로 얻을 수 있게 한다.
◇포인트획득량을 적절히 조절해 포인트 획득에 적절한 만족감을 얻도록 설계.

이론적 계산 및 시뮬레이션

                 <LSTM>                          <Transformer>

◇ 데이터 수집의 경우 Riot API의 Match Timeline 데이터를 수집하여 분 단위 13개의 피처(블루/레드팀 총 골드/경험치, 골드/경험치 격차, top/mid/bottom 포탑 파괴 여부, 드래곤/유충/전령/바론 처치 여부)를 추출한다. 이를 전처리하고, 5분단위 슬라이딩 윈도우 과정을 거치게 된다. 이를 LSTM, Transformer와 비교하여 human data하고 비교하였을 때 성능이 더 좋다고 생각이 드는 모델을 선정하게 된다.

상세설계 내용

◇ 기술스택으로는 프론트엔드는 React 기반 SPA를 사용하였으며 구글 소셜 로그인을 통해 로그인을 할 수 있도록 하였고, YouTube API를 통한 영상 임베드를 지원하여 영상을 볼 수 있도록 하였다. 백엔드 부분은 Node.js를 사용하였고, Riot API를 받아 경기를 가져오고, 이를 AI 모델을 통해 분석하여 승률 예측 값을 보여주는 방식이다. 데이터베이스는 SQLite를 사용하였고 서버는 AWS EC2에서 사용한다. 
◇ 포인트 시스템의 경우, 출석 체크나 투표 정답 시 포인트를 획득하고, 투표 참여 및 글/댓글 작성을 통해 포인트를 사용하게 된다.

◇ 데이터베이스는 SQLite를 사용하며 총 8개의 테이블로 구성된다. USERS 테이블은 유저 정보와 포인트 잔액을 관리하고, ATTENDANCE는 하루 1회 출석 체크 기록을 저장한다. POSTS는 게시글 정보를 저장하며 판정 완료 여부(is_closed), 최종의견(final_opinion), 정답 항목(correct_option_id)을 포함한다. VOTE_OPTIONS는 게시글별 투표 항목을, VOTES는 유저별 투표 기록(1인 1회)을 저장한다. COMMENTS는 댓글 및 대댓글(parent_id)을 관리하며, POST_LIKES와 COMMENT_LIKES는 각각 게시글과 댓글의 추천/비추천 기록을 저장한다.

결과 및 평가

완료 작품의 소개

프로토타입 사진 혹은 작동 장면

실행

가. 웹 이용 방법 (단계에 따른 화면 포함) 1. https://judgelol.com 사이트 접속

2. 로그인 진행

3. 게시글 작성

4-1 투표

4-2 판정 완료

완료작품의 평가

제공해주신 이미지 속 '평가 항목 및 목표치' 표를 위키백과(Wikipedia) 형식에 맞춘 위키텍스트 문법으로 변환해 드립니다.

가독성을 높이기 위해 수치 데이터가 들어가는 '개발 목표치'와 '비중 (%)' 열은 가운데 정렬(text-align: center)을 적용했고, 줄바꿈이 많은 평가 방법과 적용기준은 자연스럽게 표현되도록 구성했습니다.

위키백과 표 코드 Plaintext

평가 항목	평가 방법	적용기준	개발 목표치	비중 (%)
1. 라이엇 api 연동 기능	라이엇 api 연동 후 티어 출력 테스트 확인	회원가입시 연동 성공률	100%	10%
2. 댓글, 대댓글 기능	댓글 작성 후 프론트엔드에 나타나는지 확인	댓글 작성 성공률	100%	20%
3. 영상 재생 기능	유튜브에 올린 영상을 잘 가져와서 모든 사람들에게 보이는지 확인	유튜브 영상 재생 성공률	80%	20%
4. 투표 기능	업로드 후 특정 조건까지는 비공개 처리 후 특정 시간 이후 모든 사람들에게 보이는지 확인	투표 적용 성공률	100%	20%
5. 포인트 시스템	계정마다 출석을 할 때 포인트 지급되는지, 투표를 할 때 포인트가 사용되는지, 맞추게 될 시 포인트가 지급되는지 확인	포인트 지급/사용 성공률	100%	15%
6. AI 모델이 승률 예측 시스템	경기에 대해 매분 예측 승률이 human data와 비교했을 때 승률의 일치율이 얼마나 비슷한지 확인	전체 분 단위 승률 예측 일치율	70%	15%

향후평가

가. 어려웠던 내용들

◇ LSTM과 Transformer 두 모델을 모두 구현하여 동일 경기 데이터에 적용한 결과, 두 모델이 거의 동일한 승률 예측 그래프를 출력하였다. Human Data를 비교 기준으로 활용하려 했으나 사람마다 시간대별 승률 판단이 다르고 일관성이 부족하여 신뢰할 수 있는 기준 데이터로 삼기 어려웠다. 또한 두 모델을 객관적으로 변별할 수 있는 외부 기준이 부재하여 최종적으로 명확한 기준 하에 하나의 모델을 선정하지는 못하였다. 
◇ Riot API를 통해 수집한 경기 타임라인 데이터는 경기마다 길이가 상이하고 이벤트 발생 시점이 불규칙하여 시계열 입력 벡터로 정규화하는 과정에 어려움을 겪었고, 경기마다 타임라인 길이가 상이해 모델 입력을 위해 시퀀스 길이를 통일하는 과정에서 기준 길이보다 짧은 경기와 기준 길이보다 긴 경기를 처리하는 방식에 어려움이 있었다.
◇ 승률 예측에 유의미한 영향을 주는 피처를 선별하는 과정이 어려웠다. 골드 격차, 킬 수, 오브젝트, 시야 점수 등 다양한 피처 후보 중 어떤 조합이 모델 성능에 실질적으로 기여하는지 판단하기 위해 반복적인 실험이 필요하였다. 
◇ Riot Games API는 개발용 키(Development API Key)의 경우 24시간마다 갱신이 필요하고 호출 횟수 제한이 엄격하여 대량 데이터 수집에 제약이 있었다. Production API Key를 발급받기 위해서는 Riot 측의 심사 승인이 필요한데, 본 프로젝트 기간 내에 승인을 받지 못하여 제한된 호출 횟수 안에서 데이터를 수집해야 했고, 이로 인해 학습 데이터 확보에 어려움이 있었다.

나. 차후 구현할 내용

◇ RIOT Production API key를 발급받아 RSO(라이엇 계정 로그인)기능을 추가해 라이엇 계정과 연동하여 게시글을 작성하거나 댓글을 작성할 때 자신의 티어가 같이 출력되게 구현할 예정이다.
◇ 현재 상점에서 제공하는 아이템 종류가 제한적이므로, 차후 프로필 테두리, 닉네임 색상 등 다양한 꾸미기 요소를 추가하여 사용자의 포인트 소비 동기를 강화할 예정이다. 또한 일정 기간에만 구매 가능한 시즌 한정 아이템이나 이벤트 아이템을 도입해 사용자의 지속적인 서비스 접속을 유도하는 방향으로 상점 시스템을 개발할 예정이다..
◇ 현재 서비스는 리그 오브 레전드에 특화된 구조로 설계되어 있으나, 분쟁 상황에 대한 판정 수요는 다른 팀 단위 온라인 게임에도 존재한다. 차후 발로란트, 오버워치 등 유사한 팀 게임으로 서비스를 확장하되, 각 게임의 공식 API 연동 및 게임별 특성에 맞는 피처 설계를 통해 AI 승률 분석 기능도 함께 제공할 수 있도록 구조를 범용화할 예정이다.

참고문헌 및 참고사이트

◇ Riot Games, "Riot Games API Documentation", https://developer.riotgames.com/ 
◇ Amazon Web Services, AWS 클라우드 서비스 공식 문서, https://docs.aws.amazon.com
◇ YouTube Data API v3 Documentation, https://developers.google.com/youtube/v3
◇ op.gg, 리그 오브 레전드 전적 검색 서비스, https://www.op.gg/
◇ lol.ps, 리그 오브 레전드 통계 서비스, https://lol.ps/
◇ deep.lol, 리그 오브 레전드 딥러닝 기반 분석 서비스, https://deep.lol/

구분	op.gg/lol.ps/deep.lol	리그 오브 레전드 커뮤니티	인터넷 방송 컨텐츠 (롤문철)
서비스 유형	통계/전적 분석 사이트	유저 커뮤니티(갤러리)	인터넷 방송 콘텐츠
주요 특징	챔피언 티어, 유저 전적, 아이템 통계 등 게임 내 수치 데이터 분석에 특화	텍스트, 영상 업로드를 통한 자유로운 유저 간 토론 가능	전문 방송인이 직접 유저 제보를 받아 과실 비율을 판정, 높은 화제성
분쟁 판정 기능	없음	비체계적(댓글/논쟁 형태)	있음(방송인 직접 판정)
전문가 참여	없음	없음(비인증 일반 유저)	있음(특정 방송인 한정)
접근성	높음(누구나 즉시 조회)	높음(자유 게시 가능)	매우 낮음(제보 경쟁 심각)
참여 보상 시스템	없음	없음	없음
AI 기반 분석	일부 있음(전적 통계 기반)	없음	없음
주요 한계	분쟁 판정·커뮤니티 기능 매우 제한적	익명 기반 무분별 비난, 체계적 판정 시스템 미흡	접근성 낮음, 실시간성 부족, 신뢰도 저하

항 목 (품명, 규격)		수 량	단 가	금 액		비 고
( 단위 : 천원 )
				계	현금
직 접 개 발 비	프로젝트 진행을 위한 Claude 구독	2	33	66	0	2개월
	프로젝트 진행을 위한 회의 진행	8	15	120	0	4인 x 2번
	프로젝트 진행을 위한 AWS 서버 사용료	1	15	15	0
	프로젝트 진행을 위한 도메인 구매	1	25	25	0
	프로젝트 관련 문헌 구매	10	37	370	0
	발표 문서 인쇄 비용	80	0.05	4	0
합 계				600

@@ 337번째 줄: / 337번째 줄: @@
 ===완료 작품의 소개===
 ====프로토타입 사진 혹은 작동 장면====
-내용
+[[파일:몇대몇_프로토타입.png]]
-====포스터====
-내용
+====실행====
+가. 웹 이용 방법 (단계에 따른 화면 포함)
+. https://judgelol.com 사이트 접속
+. 로그인 진행
+[[파일:로그인2.png]]
+. 게시글 작성
+[[파일:게시글2.png]]
+-1 투표
+[[파일:투표.png]]
+-2 판정 완료
+[[파일:판정완료.png]]
 ===관련사업비 내역서===
@@ 460번째 줄: / 478번째 줄: @@
 |}
-===향후계획===
+===향후평가===
-내용
+가. 어려웠던 내용들
+ ◇ LSTM과 Transformer 두 모델을 모두 구현하여 동일 경기 데이터에 적용한 결과, 두 모델이 거의 동일한 승률 예측 그래프를 출력하였다. Human Data를 비교 기준으로 활용하려 했으나 사람마다 시간대별 승률 판단이 다르고 일관성이 부족하여 신뢰할 수 있는 기준 데이터로 삼기 어려웠다. 또한 두 모델을 객관적으로 변별할 수 있는 외부 기준이 부재하여 최종적으로 명확한 기준 하에 하나의 모델을 선정하지는 못하였다.
+ ◇ Riot API를 통해 수집한 경기 타임라인 데이터는 경기마다 길이가 상이하고 이벤트 발생 시점이 불규칙하여 시계열 입력 벡터로 정규화하는 과정에 어려움을 겪었고, 경기마다 타임라인 길이가 상이해 모델 입력을 위해 시퀀스 길이를 통일하는 과정에서 기준 길이보다 짧은 경기와 기준 길이보다 긴 경기를 처리하는 방식에 어려움이 있었다.
+ ◇ 승률 예측에 유의미한 영향을 주는 피처를 선별하는 과정이 어려웠다. 골드 격차, 킬 수, 오브젝트, 시야 점수 등 다양한 피처 후보 중 어떤 조합이 모델 성능에 실질적으로 기여하는지 판단하기 위해 반복적인 실험이 필요하였다.
+ ◇ Riot Games API는 개발용 키(Development API Key)의 경우 24시간마다 갱신이 필요하고 호출 횟수 제한이 엄격하여 대량 데이터 수집에 제약이 있었다. Production API Key를 발급받기 위해서는 Riot 측의 심사 승인이 필요한데, 본 프로젝트 기간 내에 승인을 받지 못하여 제한된 호출 횟수 안에서 데이터를 수집해야 했고, 이로 인해 학습 데이터 확보에 어려움이 있었다.
+나. 차후 구현할 내용
+ ◇ RIOT Production API key를 발급받아 RSO(라이엇 계정 로그인)기능을 추가해 라이엇 계정과 연동하여 게시글을 작성하거나 댓글을 작성할 때 자신의 티어가 같이 출력되게 구현할 예정이다.
+ ◇ 현재 상점에서 제공하는 아이템 종류가 제한적이므로, 차후 프로필 테두리, 닉네임 색상 등 다양한 꾸미기 요소를 추가하여 사용자의 포인트 소비 동기를 강화할 예정이다. 또한 일정 기간에만 구매 가능한 시즌 한정 아이템이나 이벤트 아이템을 도입해 사용자의 지속적인 서비스 접속을 유도하는 방향으로 상점 시스템을 개발할 예정이다..
+ ◇ 현재 서비스는 리그 오브 레전드에 특화된 구조로 설계되어 있으나, 분쟁 상황에 대한 판정 수요는 다른 팀 단위 온라인 게임에도 존재한다. 차후 발로란트, 오버워치 등 유사한 팀 게임으로 서비스를 확장하되, 각 게임의 공식 API 연동 및 게임별 특성에 맞는 피처 설계를 통해 AI 승률 분석 기능도 함께 제공할 수 있도록 구조를 범용화할 예정이다.
-===특허 출원 내용===
+===참고문헌 및 참고사이트===
-내용
+ ◇ Riot Games, "Riot Games API Documentation", https://developer.riotgames.com/
+ ◇ Amazon Web Services, AWS 클라우드 서비스 공식 문서, https://docs.aws.amazon.com
+ ◇ YouTube Data API v3 Documentation, https://developers.google.com/youtube/v3
+ ◇ op.gg, 리그 오브 레전드 전적 검색 서비스, https://www.op.gg/
+ ◇ lol.ps, 리그 오브 레전드 통계 서비스, https://lol.ps/
+ ◇ deep.lol, 리그 오브 레전드 딥러닝 기반 분석 서비스, https://deep.lol/