Search

KR-102961110-B1 - ELECTRONIC DEVICE, METHOD, AND NON-TRANSITORY COMPUTER READABLE STORAGE MEDIUM FOR OBTAINING FEATURE VECTOR REPRESENTING TRAJECTORY OF PLAYER

KR102961110B1KR 102961110 B1KR102961110 B1KR 102961110B1KR-102961110-B1

Abstract

일 실시 예에 따르면, 전자 장치는, 인스트럭션들을 포함하고 하나 이상의 저장 매체들을 포함하는 메모리 및 처리 회로를 포함하는 적어도 하나의 프로세서를 포함한다. 상기 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 개별적으로 또는 집합적으로 실행될 시, 제1 플레이어 캐릭터가 순차적으로 이동한 장소들을 포함하는 제1 위치 시퀀스를 식별하고, 제2 플레이어 캐릭터가 순차적으로 이동한 장소들을 포함하는 제2 위치 시퀀스를 식별하고, 상기 제1 위치 시퀀스를 분할함으로써, 상기 제1 위치 시퀀스 내에 포함된 제3 위치 시퀀스 및 제4 위치 시퀀스를 획득하고, 이동 경로에 대한 특징 벡터 값을 식별하기 위해 이용될 AI 모델을 트레이닝하기 위해, 상기 제3 위치 시퀀스에 대한 제1 정보, 상기 제4 위치 시퀀스에 대한 제2 정보, 및 상기 제2 위치 시퀀스에 대한 제3 정보를 상기 AI 모델에게 제공하도록, 상기 전자 장치를 야기한다.

Inventors

  • 김현수
  • 손재만

Assignees

  • 주식회사 엔씨

Dates

Publication Date
20260506
Application Date
20250507

Claims (20)

  1. 전자 장치에 있어서, 처리 회로를 포함하는 적어도 하나의 프로세서; 및 인스트럭션들을 저장하고 하나 이상의 저장 매체들을 포함하는 메모리를 포함하고, 상기 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 개별적으로 또는 집합적으로 실행될 시, 제1 플레이어 캐릭터가 순차적으로 이동한 게임 환경 내의 장소들을 포함하는 제1 위치 시퀀스를 식별하고, 상기 제1 플레이어 캐릭터와 다른 제2 플레이어 캐릭터가 순차적으로 이동한 게임 환경 내의 장소들을 포함하는 제2 위치 시퀀스를 식별하고, 상기 제1 위치 시퀀스를 분할함으로써, 상기 제1 위치 시퀀스 내에 포함된 상기 장소들 중 제1 장소들을 포함하는 제3 위치 시퀀스 및 상기 제1 위치 시퀀스 내에 포함된 상기 장소들 중 제2 장소들을 포함하는 제4 위치 시퀀스를 획득하고, 및 플레이어 캐릭터의 이동 경로에 대한 특징 벡터 값을 식별하기 위해 이용될 AI(artificial intelligence) 모델을 트레이닝하기 위해, 상기 제3 위치 시퀀스에 대한 제1 정보, 상기 제4 위치 시퀀스에 대한 제2 정보, 및 상기 제2 위치 시퀀스에 대한 제3 정보를 상기 AI 모델에게 제공하도록, 상기 전자 장치를 야기하고, 상기 AI 모델은, 상기 제1 정보, 상기 제2 정보, 및 상기 제3 정보에 기반하여, 상기 제1 장소들과 관련된 제1 특징 벡터 값이 상기 제2 위치 시퀀스와 관련된 제3 특징 벡터 값보다 상기 제2 장소들과 관련된 제2 특징 벡터 값에 더 가까움을 식별하도록 트레이닝되는, 전자 장치.
  2. 청구항 1에 있어서, 상기 제1 정보는, 상기 제3 위치 시퀀스 내에 포함된 상기 제1 장소들 각각과 링크되고, 기준 범위 내에서 랜덤하게 결정된, 제1 시각 데이터(timing data)를 포함하고, 상기 제2 정보는, 상기 제4 위치 시퀀스 내에 포함된 상기 제2 장소들 각각과 링크되고, 상기 제1 정보 내에 포함된 상기 제1 시각 데이터에 기반하여 결정된, 제2 시각 데이터를 포함하며, 상기 제3 정보는, 상기 제2 위치 시퀀스 내에 포함된 상기 장소들 각각과 링크되고, 상기 기준 범위 내에서 랜덤하게 결정된, 제3 시각 데이터를 포함하는, 전자 장치.
  3. 청구항 1에 있어서, 상기 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 개별적으로 또는 집합적으로 실행될 시, 상기 제1 위치 시퀀스를 분할함으로써, 상기 제1 위치 시퀀스의 제1 부분에 대응하는 제5 위치 시퀀스 및 상기 제1 위치 시퀀스의 상기 제1 부분 다음의 상기 제1 위치 시퀀스의 제2 부분에 대응하는 제6 위치 시퀀스를 획득하고, 상기 AI 모델을 트레이닝하기 위해, 상기 제5 위치 시퀀스에 대한 제4 정보, 및 상기 제6 위치 시퀀스에 대한 제5 정보를 상기 AI 모델에게 제공하도록, 상기 전자 장치를 야기하고, 상기 AI 모델은, 상기 제1 위치 시퀀스의 상기 제1 부분 내에 포함된 장소들을 순차적으로 연결하는 제4 경로를 나타내는 제4 특징 벡터 값과 상기 제1 위치 시퀀스의 상기 제2 부분 내에 포함된 장소들을 순차적으로 연결하는 제5 경로를 나타내는 제5 특징 벡터 값이 서로 관련됨을 식별하도록 트레이닝되는, 전자 장치.
  4. 청구항 1에 있어서, 상기 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 개별적으로 또는 집합적으로 실행될 시, 상기 제3 위치 시퀀스 내에 포함된 상기 제1 장소들의 일부를 마스킹함으로써, 제7 위치 시퀀스를 획득하고, 상기 AI 모델을 트레이닝하기 위해, 상기 제7 위치 시퀀스에 대한 제6 정보 및 상기 제7 위치 시퀀스 내에서 마스킹된 상기 제1 장소들의 상기 일부의 위치에 대한 제7 정보를 상기 AI 모델에게 제공하도록, 상기 전자 장치를 야기하고, 상기 AI 모델은, 상기 제6 정보 및 상기 제7 정보에 기반하여, 상기 제7 위치 시퀀스 내에 포함된 장소들을 순차적으로 연결하는 제6 경로를 나타내는 제6 특징 벡터 값과 상기 제1 특징 벡터 값이 서로 관련됨을 식별하도록 트레이닝되는, 전자 장치.
  5. 청구항 1에 있어서, 상기 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 개별적으로 또는 집합적으로 실행될 시, 상기 트레이닝된 AI 모델을 이용하여, 플레이어 캐릭터들의 이동 경로들을 각각 나타내는 특징 벡터 값들을 식별하고, 상기 특징 벡터 값들 중 하나의 특징 벡터 값과 상기 특징 벡터 값들 중 다른 특징 벡터 값 사이의 거리를 식별하고, 상기 거리를 식별하는 것에 따라 상기 특징 벡터 값들 중 제7 특징 벡터 값과 상기 특징 벡터 값들 중 제8 특징 벡터 값 사이의 거리가 임계 거리보다 짧다는 것을 식별하는 것에 기반하여, 상기 제7 특징 벡터 값 및 상기 제8 특징 벡터 값이 하나의 클러스터 내에 포함됨을 식별하고, 상기 거리를 식별하는 것에 따라 상기 제7 특징 벡터 값과 상기 특징 벡터 값들 중 제9 특징 벡터 값 사이의 거리가 상기 임계 거리보다 길다는 것을 식별하는 것에 기반하여, 상기 제9 특징 벡터 값이 상기 클러스터 내에 포함되지 않음을 식별하도록, 상기 전자 장치를 야기하는, 전자 장치.
  6. 청구항 1에 있어서, 상기 제1 장소 및 상기 제2 장소들은 서로 교대로 결정될 수 있고, 상기 제1 특징 벡터 값은 상기 제1 장소들을 순차적으로 연결하는 제1 경로를 나타내고, 상기 제2 특징 벡터 값은 상기 제2 장소들을 순차적으로 연결하는 제2 경로를 나타내고, 상기 제3 특징 벡터 값은 상기 제2 위치 시퀀스에 포함된 상기 장소들을 순차적으로 연결하는 제3 경로를 나타내는, 전자 장치.
  7. 청구항 5에 있어서, 상기 전자 장치는 디스플레이를 더 포함하고, 상기 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 개별적으로 또는 집합적으로 실행될 시, 상기 제7 특징 벡터 값 및 상기 제8 특징 벡터 값이 상기 클러스터 내에 포함됨을 식별하는 것에 기반하여, 상기 제7 특징 벡터 값과 관련된 플레이어 캐릭터 및 상기 제8 특징 벡터 값과 관련된 플레이어 캐릭터에 대한 정보를 상기 디스플레이를 통해 표시하도록, 상기 전자 장치를 야기하는, 전자 장치.
  8. 청구항 5에 있어서, 상기 전자 장치는 디스플레이를 더 포함하고, 상기 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 개별적으로 또는 집합적으로 실행될 시, 상기 거리를 식별하는 것에 따라 상기 특징 벡터 값들 사이의 위치 관계를 나타내는 맵을 상기 디스플레이를 통해 표시하고, 상기 클러스터는, 상기 맵 내에서 나타내어지는, 전자 장치.
  9. 청구항 8에 있어서, 상기 클러스터는, 상기 맵 내에서, 상기 거리를 식별하는 것에 따라 식별된 다른 클러스터와 시각적으로 구별되는, 전자 장치.
  10. 청구항 8에 있어서, 상기 맵은, 상기 제7 특징 벡터 값에 의해 나타내어지는 이동 경로 내에 포함된 장소들에 대한 정보 및 상기 제8 특징 벡터 값에 의해 나타내어지는 이동 경로 내에 포함된 장소들에 대한 정보를 포함하는, 전자 장치.
  11. 청구항 5에 있어서, 디스플레이를 더 포함하고, 상기 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 개별적으로 또는 집합적으로 실행될 시, 상기 제7 특징 벡터 값과 관련된 플레이어 캐릭터의 식별자를 나타내는 제1 입력을 수신하고, 상기 제1 입력에 기반하여, 상기 제7 특징 벡터 값이 상기 클러스터 내에 포함됨을 나타내는 정보를 상기 디스플레이를 통해 표시하고, 상기 제9 특징 벡터 값과 관련된 플레이어 캐릭터의 식별자를 나타내는 제2 입력을 수신하고, 상기 제2 입력에 기반하여, 상기 제9 특징 벡터 값이 상기 클러스터 내에 포함되지 않음을 나타내는 정보를 상기 디스플레이를 통해 표시하도록, 상기 전자 장치를 야기하는, 전자 장치.
  12. 청구항 11에 있어서, 상기 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 개별적으로 또는 집합적으로 실행될 시, 상기 제1 입력에 기반하여, 상기 클러스터 내에 포함된 상기 제8 특징 벡터 값과 관련된 플레이어 캐릭터에 대한 정보를, 상기 디스플레이를 통해, 표시하도록, 상기 전자 장치를 야기하는, 전자 장치.
  13. 청구항 1에 있어서, 상기 제1 위치 시퀀스 내에 포함된 상기 장소들 각각은, 상기 제1 위치 시퀀스 내의 상기 장소들 각각이 포함된 상기 게임 환경 내의 영역에 대응하는 식별자, 및 상기 제1 위치 시퀀스 내의 상기 장소들 각각이 포함된 상기 게임 환경 내의 상기 영역에 대하여 정의된 상기 제1 위치 시퀀스 내의 상기 장소들 각각의 좌표에 의해 나타내어지고, 상기 제2 위치 시퀀스 내에 포함된 상기 장소들 각각은, 상기 제2 위치 시퀀스 내의 상기 장소들 각각이 포함된 상기 게임 환경 내의 영역에 대응하는 식별자, 및 상기 제2 위치 시퀀스 내의 상기 장소들 각각이 포함된 상기 게임 환경 내의 상기 영역에 대하여 정의된 상기 제2 위치 시퀀스 내의 상기 장소들 각각의 좌표에 의해 나타내어지고, 상기 제3 위치 시퀀스 내에 포함된 상기 장소들 각각은, 상기 제3 위치 시퀀스 내의 상기 장소들 각각이 포함된 상기 게임 환경 내의 영역에 대응하는 식별자, 및 상기 제3 위치 시퀀스 내의 상기 장소들 각각이 포함된 상기 게임 환경 내의 상기 영역에 대하여 정의된 상기 제3 위치 시퀀스 내의 상기 장소들 각각의 좌표에 의해 나타내어지며, 상기 제4 위치 시퀀스 내에 포함된 상기 장소들 각각은, 상기 제4 위치 시퀀스 내의 상기 장소들 각각이 포함된 상기 게임 환경 내의 영역에 대응하는 식별자, 및 상기 제4 위치 시퀀스 내의 상기 장소들 각각이 포함된 상기 게임 환경 내의 상기 영역에 대하여 정의된 상기 제4 위치 시퀀스 내의 상기 장소들 각각의 좌표에 의해 나타내어지는, 전자 장치.
  14. 하나 이상의 프로그램들을 저장하는 비-일시적 컴퓨터 판독가능 저장 매체에 있어서, 상기 하나 이상의 프로그램들은, 디스플레이를 가지는 전자 장치의 적어도 하나의 프로세서에 의해 실행될 시, 제1 플레이어 캐릭터가 순차적으로 이동한 게임 환경 내의 장소들을 포함하는 제1 위치 시퀀스를 식별하고, 상기 제1 플레이어 캐릭터와 다른 제2 플레이어 캐릭터가 순차적으로 이동한 게임 환경 내의 장소들을 포함하는 제2 위치 시퀀스를 식별하고, 상기 제1 위치 시퀀스를 분할함으로써, 상기 제1 위치 시퀀스 내에 포함된 상기 장소들 중 제1 장소들을 포함하는 제3 위치 시퀀스 및 상기 제1 위치 시퀀스 내에 포함된 상기 장소들 중 제2 장소들을 포함하는 제4 위치 시퀀스를 획득하고, 및 플레이어 캐릭터의 이동 경로에 대한 특징 벡터 값을 식별하기 위해 이용될 AI(artificial intelligence) 모델을 트레이닝하기 위해, 상기 제3 위치 시퀀스에 대한 제1 정보, 상기 제4 위치 시퀀스에 대한 제2 정보, 및 상기 제2 위치 시퀀스에 대한 제3 정보를 상기 AI 모델에게 제공하도록, 상기 전자 장치를 야기하는 인스트럭션들을 포함하고, 상기 AI 모델은, 상기 제1 정보, 상기 제2 정보, 및 상기 제3 정보에 기반하여, 상기 제1 장소들과 관련된 제1 특징 벡터 값이 상기 제2 위치 시퀀스와 관련된 제3 특징 벡터 값보다 상기 제2 장소들과 관련된 제2 특징 벡터 값에 더 가까움을 식별하도록 트레이닝되는, 비-일시적 컴퓨터 판독가능 저장 매체.
  15. 청구항 14에 있어서, 상기 제1 정보는, 상기 제3 위치 시퀀스 내에 포함된 상기 제1 장소들 각각과 링크되고, 기준 범위 내에서 랜덤하게 결정된, 제1 시각 데이터를 포함하고, 상기 제2 정보는, 상기 제4 위치 시퀀스 내에 포함된 상기 제2 장소들 각각과 링크되고, 상기 제1 정보 내에 포함된 상기 제1 시각 데이터에 기반하여 결정된, 제2 시각 데이터를 포함하며, 상기 제3 정보는, 상기 제2 위치 시퀀스 내에 포함된 상기 장소들 각각과 링크되고, 상기 기준 범위 내에서 랜덤하게 결정된, 제3 시각 데이터를 포함하는, 비-일시적 컴퓨터 판독가능 저장 매체.
  16. 청구항 14에 있어서, 상기 하나 이상의 프로그램들은, 상기 적어도 하나의 프로세서에 의해 실행될 시, 상기 제1 위치 시퀀스를 분할함으로써, 상기 제1 위치 시퀀스의 제1 부분에 대응하는 제5 위치 시퀀스 및 상기 제1 위치 시퀀스의 상기 제1 부분 다음의 상기 제1 위치 시퀀스의 제2 부분에 대응하는 제6 위치 시퀀스를 획득하고, 상기 AI 모델을 트레이닝하기 위해, 상기 제5 위치 시퀀스에 대한 제4 정보, 및 상기 제6 위치 시퀀스에 대한 제5 정보를 상기 AI 모델에게 제공하도록, 상기 전자 장치를 야기하는 인스트럭션들을 포함하고, 상기 AI 모델은, 상기 제1 위치 시퀀스의 상기 제1 부분 내에 포함된 장소들을 순차적으로 연결하는 제4 경로를 나타내는 제4 특징 벡터 값과 상기 제1 위치 시퀀스의 상기 제2 부분 내에 포함된 장소들을 순차적으로 연결하는 제5 경로를 나타내는 제5 특징 벡터 값이 서로 관련됨을 식별하도록 트레이닝되는, 비-일시적 컴퓨터 판독가능 저장 매체.
  17. 청구항 14에 있어서, 상기 하나 이상의 프로그램들은, 상기 적어도 하나의 프로세서에 의해 실행될 시, 상기 제3 위치 시퀀스 내에 포함된 상기 제1 장소들의 일부를 마스킹함으로써, 제7 위치 시퀀스를 획득하고, 상기 AI 모델을 트레이닝하기 위해, 상기 제7 위치 시퀀스에 대한 제6 정보 및 상기 제7 위치 시퀀스 내에서 마스킹된 상기 제1 장소들의 상기 일부의 위치에 대한 제7 정보를 상기 AI 모델에게 제공하도록, 상기 전자 장치를 야기하는 인스트럭션들을 포함하고, 상기 AI 모델은, 상기 제6 정보 및 상기 제7 정보에 기반하여, 상기 제7 위치 시퀀스 내에 포함된 장소들을 순차적으로 연결하는 제6 경로를 나타내는 제6 특징 벡터 값과 상기 제1 특징 벡터 값이 서로 관련됨을 식별하도록 트레이닝되는, 비-일시적 컴퓨터 판독가능 저장 매체.
  18. 청구항 14에 있어서, 상기 하나 이상의 프로그램들은, 상기 적어도 하나의 프로세서에 의해 실행될 시, 상기 트레이닝된 AI 모델을 이용하여, 플레이어 캐릭터들의 이동 경로들을 각각 나타내는 특징 벡터 값들을 식별하고, 상기 특징 벡터 값들 중 하나의 특징 벡터 값과 상기 특징 벡터 값들 중 다른 특징 벡터 값 사이의 거리를 식별하고, 상기 거리를 식별하는 것에 따라 상기 특징 벡터 값들 중 제7 특징 벡터 값과 상기 특징 벡터 값들 중 제8 특징 벡터 값 사이의 거리가 임계 거리보다 짧다는 것을 식별하는 것에 기반하여, 상기 제7 특징 벡터 값 및 상기 제8 특징 벡터 값이 하나의 클러스터 내에 포함됨을 식별하고, 상기 거리를 식별하는 것에 따라 상기 제7 특징 벡터 값과 상기 특징 벡터 값들 중 제9 특징 벡터 값 사이의 거리가 상기 임계 거리보다 길다는 것을 식별하는 것에 기반하여, 상기 제9 특징 벡터 값이 상기 클러스터 내에 포함되지 않음을 식별하도록, 상기 전자 장치를 야기하는 인스트럭션들을 포함하는, 비-일시적 컴퓨터 판독가능 저장 매체.
  19. 청구항 18에 있어서, 상기 전자 장치는 디스플레이를 더 포함하고, 상기 하나 이상의 프로그램들은, 상기 적어도 하나의 프로세서에 의해 실행될 시, 상기 제7 특징 벡터 값 및 상기 제8 특징 벡터 값이 상기 클러스터 내에 포함됨을 식별하는 것에 기반하여, 상기 제7 특징 벡터 값과 관련된 플레이어 캐릭터 및 상기 제8 특징 벡터 값과 관련된 플레이어 캐릭터에 대한 정보를 상기 디스플레이를 통해 표시하도록, 상기 전자 장치를 야기하는 인스트럭션들을 포함하는, 비-일시적 컴퓨터 판독가능 저장 매체.
  20. 전자 장치에 의해 수행되는 방법에 있어서, 제1 플레이어 캐릭터가 순차적으로 이동한 게임 환경 내의 장소들을 포함하는 제1 위치 시퀀스를 식별하는 동작; 상기 제1 플레이어 캐릭터와 다른 제2 플레이어 캐릭터가 순차적으로 이동한 게임 환경 내의 장소들을 포함하는 제2 위치 시퀀스를 식별하는 동작; 상기 제1 위치 시퀀스를 분할함으로써, 상기 제1 위치 시퀀스 내에 포함된 상기 장소들 중 제1 장소들을 포함하는 제3 위치 시퀀스 및 상기 제1 위치 시퀀스 내에 포함된 상기 장소들 중 제2 장소들을 포함하는 제4 위치 시퀀스를 획득하는 동작; 및 플레이어 캐릭터의 이동 경로에 대한 특징 벡터 값을 식별하기 위해 이용될 AI(artificial intelligence) 모델을 트레이닝하기 위해, 상기 제3 위치 시퀀스에 대한 제1 정보, 상기 제4 위치 시퀀스에 대한 제2 정보, 및 상기 제2 위치 시퀀스에 대한 제3 정보를 상기 AI 모델에게 제공하는 동작을 포함하고, 상기 AI 모델은, 상기 제1 정보, 상기 제2 정보, 및 상기 제3 정보에 기반하여, 상기 제1 장소들과 관련된 제1 특징 벡터 값이 상기 제2 위치 시퀀스와 관련된 제3 특징 벡터 값보다 상기 제2 장소들과 관련된 제2 특징 벡터 값에 더 가까움을 식별하도록 트레이닝되는, 방법.

Description

플레이어의 경로를 나타내는 특징 벡터를 획득하기 위한 전자 장치, 방법, 및 비일시적 컴퓨터 판독가능 저장 매체{ELECTRONIC DEVICE, METHOD, AND NON-TRANSITORY COMPUTER READABLE STORAGE MEDIUM FOR OBTAINING FEATURE VECTOR REPRESENTING TRAJECTORY OF PLAYER} 아래의 설명들은, 플레이어의 경로를 나타내는 특징 벡터를 획득하기 위한 전자 장치(electronic device), 방법, 및 비일시적 컴퓨터 판독가능 저장 매체(non-transitory computer readable storage medium)에 관한 것이다. 전자 장치(electronic device)는, AI(artificial intelligence) 모델이 특정 패턴을 인식하거나 특정 결정을 내릴 수 있도록, 학습 데이터를 이용하여 AI 모델의 트레이닝할 수 있다. 전자 장치는, 복수의 파라미터들로 지시되는 AI 모델을 트레이닝할 수 있다. 전자 장치는, AI 모델의 트레이닝의 진행에 따라, 상기 파라미터들을 조정할 수 있다. 도 1은, 게임 환경 내에 작업장 봇 유저들 및 정상 유저의 경로를 도시한다. 도 2는, 전자 장치의 간소화된 블록도이다. 도 3은, 위치 시퀀스를 이용하여, 특징 벡터 값을 식별하는 AI(artificial intelligence) 모델을 트레이닝하는 동작을 도시하는 흐름도이다. 도 4는, 제1 장소들을 포함하는 위치 시퀀스에 대한 정보 및 제2 장소들을 포함하는 위치 시퀀스에 대한 정보를 이용하여 AI 모델을 트레이닝하는 방법을 도시한다. 도 5는, 영역에 대응하는 식별자, 및 영역에 대하여 정의된 좌표를 식별하는 방법을 도시한다. 도 6은, AI 모델에게 제공되는 정보에 포함되는 시각 데이터를 결정하는 동작을 도시하는 흐름도이다. 도 7은, 위치 시퀀스의 제1 부분 및 제2 부분을 이용하여 AI 모델을 트레이닝하는 동작을 도시하는 흐름도이다. 도 8은, 위치 시퀀스의 제1 부분 및 제2 부분을 이용하여 AI 모델을 트레이닝하는 방법을 도시한다. 도 9는, 제1 장소들의 일부를 마스킹하여 획득한 위치 시퀀스를 이용하여, AI 모델을 트레이닝하는 동작을 도시하는 흐름도이다. 도 10은, 제1 장소들의 일부를 마스킹하여 획득한 위치 시퀀스를 이용하여, AI 모델을 트레이닝하는 방법을 도시한다. 도 11은, 트레이닝된 AI 모델을 이용하여 특징 벡터 값들을 포함하는 클러스터를 식별하는 동작을 도시하는 흐름도이다. 도 12는, 트레이닝된 AI 모델을 이용하여 특징 벡터 값들을 포함하는 클러스터를 식별하는 방법을 도시한다. 도 13은, 클러스터에 포함된 특징 벡터 값들과 관련된 캐릭터들에 대한 정보를 표시하는 동작을 도시하는 흐름도이다. 도 14는, 디스플레이를 통해 표시되는 캐릭터들에 대한 정보를 도시한다. 도 15는, 특징 벡터 값들 사이의 위치 관계를 나타내는 맵을 도시한다. 도 16은, 캐릭터의 식별자를 나타내는 입력에 기반하여, 캐릭터가 클러스터에 포함되는지 여부를 식별하는 동작을 도시하는 흐름도이다. 도 17은, 캐릭터의 식별자를 나타내는 입력에 기반하여, 캐릭터가 클러스터에 포함되는지 여부를 나타내는 정보를 표시하는 방법을 도시한다. 도 18은, 대조 학습(contrastive learning) 및 MCP(masked cell prediction)를 이용하여 AI 모델을 트레이닝하는 방법을 도시한다. 도 19는, 특징 벡터 값들에 기반하여 식별되는 클러스터들의 예를 도시한다. 이하에서는 도면을 참조하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면의 설명과 관련하여, 동일하거나 유사한 구성요소에 대해서는 동일하거나 유사한 참조 부호가 사용될 수 있다. 또한, 도면 및 관련된 설명에서는, 잘 알려진 기능 및 구성에 대한 설명이 명확성과 간결성을 위해 생략될 수 있다. 도 1은, 게임 환경 내에 작업장 봇 유저들 및 정상 유저의 경로를 도시한다. 도 1을 참조하면, 전자 장치의 적어도 하나의 프로세서는, 게임 환경(가상 공간) 내에서 적어도 하나의 플레이어 캐릭터의 이동 경로를 식별할 수 있다. 예를 들면, 적어도 하나의 프로세서는, 제1 플레이어 캐릭터(121)의 이동 경로(131), 제2 플레이어 캐릭터(122)의 이동 경로(132), 및 제3 플레이어 캐릭터(123)의 이동 경로(133)를 획득할 수 있다. 예를 들면, 플레이어 캐릭터의 이동 경로에 포함되는 장소들은 가상 공간 내의 사냥터(hunting ground)(111), 및/또는 마을(village)(112)을 포함할 수 있다. 예를 들면, 적어도 하나의 프로세서는, 자동화 프로그램 및/또는 어플리케이션 프로그램을 이용해 플레이하는 봇 유저(bot user)의 둘 이상의 플레이어 캐릭터들(예: 제1 플레이어 캐릭터(121) 및 제2 플레이어 캐릭터(122))를 식별할 수 있다. 예를 들면, 상기 봇 유저는 둘 이상의 플레이어 캐릭터들을 자동화 프로그램을 이용하여 플레이할 수 있다. 예를 들면, 적어도 하나의 프로세서는, 상기 자동화 프로그램 및/또는 어플리케이션 프로그램의 이용 없이, 플레이하는 정상적인 유저의 플레이어 캐릭터(예: 제3 플레이어 캐릭터)를 식별할 수 있다. 예를 들면, 제2 플레이어 캐릭터(122)는 물약 보충, 게임 내 아이템 판매, 게임 내 아이템 구매, 및/또는 제2 플레이어 캐릭터(122)의 부활을 위해 마을(112) 내에 위치될 수 있다. 한편, 적어도 하나의 프로세서는, 플레이어 캐릭터가 자동화 프로그램 및/또는 어플리케이션 프로그램을 이용해 집단적으로(collectively) 플레이 함을 식별하기 위한 종래 기술에 따라 동작할 경우, 제1 플레이어 캐릭터(121)의 이동 경로(131)가 제2 플레이어 캐릭터(122)의 이동 경로(132)보다 제3 플레이어 캐릭터(123)의 이동 경로(133)와 더 유사하다고 식별할 수 있다. 적어도 하나의 프로세서는, 제1 플레이어 캐릭터(121), 및 제3 플레이어 캐릭터(123)가 봇 유저의 플레이어 캐릭터들임을 식별할 수 있다. 이 경우, 제2 플레이어 캐릭터(122)가 정상 유저의 플레이어 캐릭터가 아님에도, 제2 플레이어 캐릭터(122)는 정상 유저의 플레이어 캐릭터로 식별될 수 있다. 아래에서 설명될 전자 장치(예: 도 2의 전자 장치(200))는, 도 1을 참조하여 설명된 전자 장치와 달리, 제1 플레이어 캐릭터(121) 및 제2 플레이어 캐릭터(122)가 상기 자동화 프로그램 및/또는 상기 어플리케이션 프로그램을 이용해 집단적으로(collectively) 플레이 함을 식별할 수 있다. 예를 들면, 아래에서 설명될 전자 장치는, 도 1을 참조하여 설명된 전자 장치와 달리, 제3 플레이어 캐릭터(123)는 상기 자동화 프로그램 및/또는 상기 어플리케이션 프로그램의 이용 없이 개별적으로(individually) 플레이 함을 식별할 수 있다. 아래에서 설명될 전자 장치는, 도 1을 참조하여 설명된 전자 장치와 달리, 플레이어 캐릭터의 경로를 나타내는 특징 벡터 값을 식별하기 위한 AI 모델을 이용함으로써, 상기 제1 플레이어 캐릭터(121) 및 상기 제2 플레이어 캐릭터(122)가 상기 자동화 프로그램 및/또는 상기 어플리케이션 프로그램을 이용해 집단적으로 플레이함을 식별할 수 있다. 상기 AI 모델을 트레이닝하는 방법은 도 3 내지 도 11을 참조하여 후술될 것이다. 트레이닝된 상기 AI 모델을 이용해 클러스터(a cluster)를 식별하는 방법은 도 12를 참조하여 후술될 것이다. 도 2는, 전자 장치의 간소화된 블록도이다. 도 2를 참조하면, 전자 장치(200)는, 적어도 하나의 프로세서(210), 디스플레이(220), 및 메모리(230)를 포함할 수 있다. 도 2 내에서 도시된 전자 장치(200)의 구성요소들(예: 적어도 하나의 프로세서(210), 디스플레이(220), 및 메모리(230))의 일부는, 전자 장치(200)로부터 생략될 수도 있다. 예를 들면, 디스플레이(220)는 전자 장치(200)로부터 생략될 수 있다. 예를 들면, 적어도 하나의 프로세서(210)는, 디스플레이(220), 및/또는 메모리(230)와 작동적으로(operatively 또는 operably) 결합하거나(coupled with), 연결될(connected with) 수 있다. 적어도 하나의 프로세서(210)가 디스플레이(220) 및/또는 메모리(230)와 작동적으로 결합하거나, 연결된다는 것은, 적어도 하나의 프로세서(210)가 디스플레이(220) 및/또는 메모리(230)를 제어할 수 있음을 의미할 수 있다. 예를 들면, 디스플레이(220), 및/또는 메모리(230)는 적어도 하나의 프로세서(210)에 의해 제어될 수 있다. 예를 들면, 적어도 하나의 프로세서(210)는, AP(application processor) 및/또는 CP(communication processor)를 포함하는 하나 이상의 프로세서들을 포함할 수 있다. 예를 들면, 적어도 하나의 프로세서(210)는, SoC(system on chip)와 같은 단일 칩으로 구현될 수도 있고, 다수의 칩들로 구현될 수도 있다. 예를 들면, 적어도 하나의 프로세서(210)는, 단일 집적 회로(integrated circuitry)로 구현될 수도 있다. 예를 들면, 적어도 하나의 프로세서(210)는, 제1 집적 회로 및 제2 집적 회로를 포함할 수 있다. 예를 들면, 적어도 하나의 프로세서(210)는, 전자 장치(200) 내에서 분산적으로 배열될 수도 있다. 예를 들면, 적어도 하나의 프로세서(210)의 일부는, 적어도 하나의 프로세서(210)의 다른 일부로부터 물리적으로 이격될 수 있다. 제한하지 않는 예로, 적어도 하나의 프로세서(210)의 상기 다른 일부는, 적어도 하나의 프로세서(210)의 상기 일부로부터 이격되지만, 적어도 하나의 프로세서(210)의 상기 다른 일부는, 인터페이스 회로를 통해 적어