推荐星级：

基于隐式反馈数据的个性化游戏推荐

更新时间：2019-12-24 12:51:01 大小：2M 上传用户：守着阳光1985 查看TA发布的资源 标签：隐式反馈数据 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

现有推荐系统通常采用评分、评论等显式反馈数据实现个性化推荐.然而,显式反馈数据由于在实际中难以获取或因质量问题而往往变得不可用,从而导致相关推荐算法的应用范围受到很大限制.与此相反,诸如点击行为、浏览记录等隐式反馈数据在现实中大量存在.本文提出了一种面向游戏玩家的基于隐式反馈数据的游戏推荐方法.该方法综合考虑了玩家操作次数、操作时长等隐式反馈数据及其时效性,构建了基于伪评分的玩家对游戏的偏好模型,而后通过改进了的SVD++(Singular Value Decomposition++)算法实现个性化游戏推荐.在大规模真实数据集上的实验结果表明本文提出的方法具有更高的推荐精确率和召回率.

部分文件列表

文件名	大小
基于隐式反馈数据的个性化游戏推荐.pdf	2M

立即下载

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）

Vol． 46 No． 11

Nov． 2018

第

期

电

子

学

报

2018

ACTA ELECTRONICA SINICA

年

月

基于隐式反馈数据的个性化游戏推荐

，，，

俞东进陈聪吴建华陈耀旺

( 1.

，

杭州电子科技大学计算机学院浙江杭州

310018; 2.

，

杭州顺网科技股份有限公司浙江杭州

310012)

、．，

现有推荐系统通常采用评分评论等显式反馈数据实现个性化推荐然而显式反馈数据由于在实际中

摘

要

，．，

难以获取或因质量问题而往往变得不可用从而导致相关推荐算法的应用范围受到很大限制与此相反诸如点击行

、．

为浏览记录等隐式反馈数据在现实中大量存在本文提出了一种面向游戏玩家的基于隐式反馈数据的游戏推荐方

．、，

法该方法综合考虑了玩家操作次数操作时长等隐式反馈数据及其时效性构建了基于伪评分的玩家对游戏的偏好

，

SVD ++ ( Singular Value Decomposition ++ )

．

算法实现个性化游戏推荐在大规模真实数据集上

模型而后通过改进了的

的实验结果表明本文提出的方法具有更高的推荐精确率和召回率

; SVD ++

．

;

关键词

中图分类号

URL: http: / /www． ejournal． org． cn

推荐系统隐式反馈游戏推荐伪评分

TP302

: 0372-2112 ( 2018) 11-2626-07

DOI: 10． 3969 /j． issn． 0372-2112． 2018． 11． 009

文献标识码

文章编号

电子学报

Personalized Game Recommendation Based on Implicit Feedback

YU Dong-jin ，CHEN Cong ，WU Jian-hua ，CHEN Yao-wang

( 1. College of Computer Science and Technology，Hangzhou Dianzi University，Hangzhou，Zhejiang 310018，China;

2. Hangzhou Shunwang Technology Co．，Ltd．，Hangzhou，Zhejiang 310012，China)

Abstract: The existing recommendation systems typically employ explicit feedbacks，such as ratings and reviews，to

achieve personalized recommendations． However，since the explicit feedbacks are hard to obtain in practice or have poor

quality，their applications in the recommendation field are limited． In contrast，implicit feedbacks such as click behaviors and

browsing histories are widely available in reality． A game recommendation method based on implicit feedbacks is presented，

to provide the personalized game recommendation for game players． This method integrates the time-based implicit feed-

backs，such as the times and duration of user operations，and constructs the player＇s preference model based on the pseudo

rating． Meanwhile，it gives the personalized game recommendation by the improved SVD ++ ( Singular Value Decomposition

++ ) algorithm． The extensive results of the experiment based on the real data set show that the proposed method has the

higher precision and recall．

Key words: recommendation system; implicit feedback; game recommendation; pseudo rating; singular value decom-

position ++ ( SVD ++ )

、、 )

浏览记录购买历史点击行为等两大类

．

引言

、、

现有推荐算法的研究主要集中在电影音乐电子

，

近年来推荐系统因其可以缓解信息过载问题和

，．

商务等领域且大部分都是基于显式反馈数据而游戏

为用户提供个性化推荐服务而倍受工业界和学术界关

，、

与其他领域相比其具有更加独特的行为可重演性操

．

注协同过滤推荐算法通过分析用户的历史行为数据

．

作灵活性和强交互性等特点比如大部分用户对同一

，

预测用户对未知物品的喜好程度以此进行个性化推

．

部电影或同一篇新闻只会看一次虽然用户可能会循

．，

荐这里用户的历史行为数据可以分为能明确表达用

，，

环播放同一首歌但每一首歌有固定的时长和内容因

( 、、

户喜好倾向的显式反馈数据如评分评级评论等

) ，

; ，

此游戏与音乐在行为重演性上也存在差异同时用户

(

以及不能直接表达用户喜好倾向的隐式反馈数据如

．、、

对游戏的操作更加灵活游戏中的情景状态行为都由

: 2017-09-09;

: 2018-03-03;

责任编辑蓝红杰

收稿日期

修回日期

基金项目国家自然科学基金

( No． 61472112) ;

( No． 2017C01010，No． 2016C33170)

浙江省科技计划项目

2627

俞东进基于隐式反馈数据的个性化游戏推荐

第

期

，、、，

用户自己控制而对于电影新闻歌曲等的内容用户

ring，OCCF) ．

，

因为隐式反馈数据难以区分正负样本为

; ，

不管喜欢与否都只能被动地接受此外用户与游戏的

，

了防止模型发生偏斜他们根据用户活跃度和物品流

［8］

．、

交互性更强与观看电影新闻和欣赏歌曲过程中存在

． Li

OCCF

进行

行度随机抽取物品作为负样本

等人

对

，，

的单向弱交互不同在用户操作游戏的过程中用户行

，

了扩展通过引入更多的用户信息来提高算法的准确

．

为与游戏反馈紧密联系又相互影响因此一些应用在

． Wei Pan

Li Chen

［9］ OCCF

在文献中也对进行改

性

和

、、

电影新闻音乐等领域的推荐算法并不能很好地被适

，

进通过引入群体偏好来减少对个人喜好过强的独立

．，

用到游戏推荐中另外可用于游戏推荐的显式反馈数

．，、

性假设然而单类协同过滤算法存在采样策略采样结

，

据在实际中往往难以获取而诸如游戏时长等隐式反

．［10］

果集成等问题文献将时间信息作为第三维构成

．，

馈数据则在玩家日志中大量存在因此基于隐式反馈

( Tensor) ，

提出了快速张量分解的

LFM

．

方法

三维张量

Delporte

［11］

．

LFM

模型的基础上结合了用户的社

数据有望实现更有效的个性化游戏推荐

本文提出了一种基于隐式反馈数据的网吧游戏推

DIIF-SVD ++ ( Discrete Integral Implicit Feedback

等人

在

［12］

． Hu

，

等人提出了样本置信度的概念他们将

交信息

1、 0，

用户操作过的物品设为其他情况设为以此构造用

荐方法

SVD ++ ) ．

，、

首先根据收集到的网吧玩家的游戏次数游

0 － 1 ，

矩阵并根据操作次数的不同赋予样

户对物品的

本不同的权重提出了带权重的最小二乘矩阵分解方

( Weighted Alternative Least Square，wALS) ．

，，

戏时长等历史日志数据结合其数据时效性构建玩家

，

( ) ．，

伪评分模型即偏好模型其次在基于显式反馈数据

法

然而这种

SVD ++

，

推荐算法的基础上通过去除其用户评分偏

0 － 1

．

矩阵并不能很准确地表达用户的偏好

的

简单的

［13］

、

置项和隐式反馈数据部分以及在损失函数中添加评

Levandoski

等人将用户和物品之间的距离作为惩罚

，

分的权重系数提出适用于基于隐式反馈数据游戏推

，．

值构成伪评分在算法中引入了地点信息而

Yao

等

［14］

IF-SVD ++ ( Implicit Feedback SVD ++ )

．

，

荐的

在真实数据集上对本文提出的伪评分模型以及

SVD ++

算法最后

DIIF-

算法进行有效性验证实验结果表明本文提出

人

采用随机游走的方法将用户到物品的排名分数作

，．

为伪评分提出了基于图的上下文感知推荐模型此外

，

．

，

还有一些基于学习排序的推荐算法这些算法的关注

，

的伪评分模型能更加准确地描述玩家的偏好同时改

进的推荐算法在精确率和推荐召回率上均高于对比

点在于如何使推荐列表中用户越喜欢的物品排名越靠

［15］

［16］

，

前其主要可以分为逐点排序

、

逐对排序和逐表

［17］

．

方法

排序

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

基于隐式反馈数据的个性化游戏推荐

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页