.png){kind=icon}
返回
Analyzing cross-platform gaming experiences using topic modeling
.png){kind=icon}
PRE
AI
DOI：10.1016/j.entcom.2025.100946.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于平台特性和用户偏好的差异，用户体验（UX）在不同平台之间存在差异，而关于跨平台游戏用户体验的研究仍处于早期阶段。因此，跨平台游戏应针对每个平台的独特特性进行定制。然而，鲜有研究充分考虑到跨平台游戏中的这些差异。鉴于跨平台游戏独特的概念和内容，以及各平台特定的技术演进和用户需求，探究各平台如何影响用户体验至关重要。为填补这一空白，我们采用文本挖掘技术分析了《Among Us》跨平台评论中的用户体验。我们识别出12个主题，其中4个主题在不同平台间存在重叠。研究发现，不同平台的用户偏好不同的聊天和社会互动方式。PC用户比移动用户更倾向于语音聊天，并且表达了对社交沟通的更高需求。在购买模式上，PC用户倾向于优先考虑额外内容，如扩展包或可下载内容（DLC），而移动用户则更关注角色自定义选项。这表明，开发者应针对各平台独特的用户偏好和行为制定相应策略，以满足多平台用户的需求。
Keyword:
Cross-platform
User experience
Game review
Text mining
Topic modeling
Among Us
期刊
IF:
2.4
论文数:
289
被引数:
1.3K
机构
引用论文
.png){kind=icon}
A Topic Modeling Comparison Between LDA, NMF, Top2Vec, and BERTopic to Demystify Twitter PostsLDA、NMF、Top2Vec和BERTopic之间的主题建模比较，以揭开Twitter帖子的神秘面纱
OAAI
OAAI分享收藏A modified reverse-based analysis logic mining model with Weighted Random 2 Satisfiability logic in Discrete Hopfield Neural Network and multi-objective training of Modified Niched Genetic Algorithm离散Hopfield神经网络中带加权随机2可满足逻辑的改进逆向分析逻辑挖掘模型和改进小空间遗传算法的多目标训练
PREAI
分享收藏
查看更多内容