Anderen Personen beim Computerspielen zuzuschauen ist in den letzten Jahren immer beliebter geworden. Plattformen wie Twitch, Hitbox, Azubu oder Douyu ziehen Millionen an Zuschauern weltweit an, die eSports-Turniere oder individuell gestaltete Übertragungen von Spielen einzelner Personen anschauen. Alleine auf Twitch wurden im letzten Jahr 241.441.823.059 Minuten an Videospielen live übertragen bei denen durchschnittlich 550.000 Zuschauer gleichzeitig zugesehen haben (Twitch Interactive, Inc., 2016, Abschnitt „Twitch Watched“).
Aufgrund der Zeitverschiebung und der Dauer solcher sogenannter Streams von meistens mehreren Stunden, hat nicht jeder die Möglichkeit diese (komplett) zu verfolgen. Somit bleiben die besten Momente ungesehen, da Videos on Demand (VoDs) keine Anhaltspunkte bieten an welcher Stelle etwas Sehenswertes passiert ist. Ist man nicht live dabei gewesen oder durchstöbert soziale Medien, wird ein Großteil dieser Szenen vom Nutzer verpasst.
Diese Situation ist vergleichbar mit Sportereignissen, die in der Literatur mittels Tweets relativ ausgiebig erforscht wurden hinsichtlich Extraktion und Zusammenfassung von Ereignissen bzw. Highlights (vgl. beispielsweise Marcus et al. 2011). Für populäre Sportarten existieren daneben manuelle Zusammenfassungen (vgl. beispielsweise die Samstagsausgabe der „Sportschau“ bei der die Fußballspiele der deutschen Bundesliga komprimiert werden).
Bisher ist die Extraktion von Highlights aus live übertragenen Videospielen noch weitestgehend unerforscht (vgl. Chu & Chou, 2015), weshalb in dieser Arbeit mittels des Chats, der den Stream begleitet, versucht wird Highlights automatisch aus Videos on Demand zu extrahieren.
Das Hauptziel der Arbeit ist es einen Algorithmus zu finden, der relativ zuverlässig Highlights aus Videos on Demand auf Twitch mittels Chatnachrichten für die beliebtesten Spiele extrahiert. Am Ende soll so ein Web-Tool entstehen, das es ermöglicht sich zu einem beliebigen Video on Demand auf Twitch Highlights interaktiv präsentieren zu lassen.
Keine