广告投放

Steam的新“互动推荐”使用机器学习,而不是标签或评论来告诉你该玩什么

广告投放

Valve在Steam上发布了一项名为Interactive recommendations的新实验功能,它希望在解决了这些问题后,能为玩家提供更好、更个性化的游戏推荐。该系统不是依赖于标签,而是建立在基于你的游戏时间历史和“其他重要数据”的“神经网络模型”之上,并通过对游戏年龄和“受欢迎程度”的可调偏好实时更新它的建议,这样你就可以随时调整它的建议。

“我们基于来自数百万Steam用户和数十亿游戏会话的数据来训练该模型,这为我们提供了强大的结果,能够捕捉不同游戏模式的细微差别,并覆盖我们的目录。”该模型是参数化的,因此我们可以将输出限制为在指定时间窗口内发布的游戏,并可以调整为更喜欢具有更高或更低潜在流行度的游戏,”Valve在博客中解释道。

亚马逊Prime Day优惠:点击这里查看所有最好的早期优惠。身体.hawk-widget {——trd-blue: # 2 f6e91;宽度:100%;字母间距:正常;}._hawk.subtitle ~。hawk-widget [data-widget-type =价格]{保证金:16 px 0;} @media (min-width: 600 px) {._hawk.subtitle ~ .hawk-widget [data-widget-type =价格]{保证金:0;最小高度:128 px;浮动:正确的;明确:没有,宽度:50%;}。}}.icon~.hawk-widget{clear:both;}@media (min-width:400px){body .buyingguide .product .hawk-widget. db -price{float:right;width:40%;}}

这些参数向用户公开,允许您选择是否只在结果中显示最近的版本,或者一直返回到包含10年前发布的游戏。类似地,您可以选择是查看主流热门歌曲,还是从目录中进行深度剪切。无论滑块的设置如何,结果都将是个性化的,并与个人用户相关。”

有趣的是,Valve并没有向模型提供关于游戏的明确信息,而是让机器在最初的训练过程中了解游戏。这包括标签和评审分数:用户可以用标签过滤他们的推荐结果,但是标签不是底层模型的一部分。

Valve写道:“事实上,关于一款游戏的唯一信息便是发行日期,这使得我们能够为发行日期滑块设置时间窗口。”

最终的结果是一个推荐页面,它会根据您的调优方式发生很大的变化。例如,如果我全身心投入到“受欢迎”的新游戏中,我的前三名便是Enderal: Forgotten Stories, Rage 2和Blood: Fresh Supply;将释放窗口滑块移到规模的另一边(回到10年前),我得到了《传送门2》、《古墓丽影:崛起》和2013年的《古墓丽影:重启》。将流行滑块移动到“利基”甚至将它与一些不太为人所知的游戏混合在一起,如《Hedon》、《外延》、《Xing: the Land Beyond》和《I Can’t Escape: Darkness》。

Valve表示,该系统的一大优势在于,它消除了开发者和发行商为传统发现模型所依赖的“算法”而优化游戏的动机。Valve写道:“我们设计的推荐机制是基于玩家的行为,而不是像标签或评论这样的外部因素。”“对于开发者来说,优化这一模型的最好方法就是创造一款人们喜欢玩的游戏。虽然在商店页面上向用户提供关于游戏的有用信息很重要,但你不应该担心标签或其他元数据是否会影响推荐模型对你的游戏的看法。”

目前,Valve将互动推荐与现有的推荐模型分开,这将使其能够与早期采用者一起测试系统,收集使用数据,并培训机器,而不会惹恼那些不喜欢自己的东西被打乱的人。如果它成功了(我怀疑它会),它将被更广泛地推广,但Valve承诺让每个人都知道它将首先推出。

Valve写道:“我们将这个新的互动推荐看作是众多发现元素中的一个,并期待着引入更多的方式,将客户与有趣的内容和开发者联系起来。”这里有一个新的互动推荐讨论组。

Valve也在进行一项单独的蒸汽实验室实验,该实验名为“微拖车”。阅读关于它的一切。

为您推荐

发表评论

电子邮件地址不会被公开。

联系我们

联系我们

邮箱: cs@sxzf.org.cn

工作时间:周一至周五,9:00-17:30,节假日休息

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

关注微博
返回顶部