推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

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

部分页面预览

(完整内容请下载后查看)
11  
Vol. 46 No. 11  
Nov. 2018  
2018  
11  
ACTA ELECTRONICA SINICA  
式反馈数据的个性游戏推荐  
1
1
2
1
, , ,  
俞东进 陈 聪 吴建华 陈耀旺  
( 1.  
电子科大学计算机学院 浙江杭州  
310018; 2.  
网科浙江杭州  
310012)  
:
,  
推荐式反馈数据实个性推荐 式反馈数据于在实中  
,  
或因问题而往往可用 从而导致相关推荐的应用范围此相行  
.  
浏览记录式反馈数据在中大本文提出了一种游戏玩家的基式反馈数据游戏推荐方  
,  
法 该考虑操作操作时长式反馈数据及效性 家对游戏好  
SVD ++ ( Singular Value Decomposition ++ )  
个性游戏推荐 规模实数据集上  
通过进了的  
实验结果表明本文提出法具更高推荐回率  
; SVD ++  
:
;
;
;
关键词  
中图分类号  
URL: http: / /www. ejournal. org. cn  
推荐式反馈 游戏推荐 分  
:
TP302  
:
A
: 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  
1
1
2
1
YU Dong-jin CHEN Cong WU Jian-hua CHEN Yao-wang  
( 1. College of Computer Science and TechnologyHangzhou Dianzi UniversityHangzhouZhejiang 310018China;  
2. Hangzhou Shunwang Technology Co. Ltd. HangzhouZhejiang 310012China)  
Abstract: The existing recommendation systems typically employ explicit feedbackssuch as ratings and reviewsto  
achieve personalized recommendations. Howeversince the explicit feedbacks are hard to obtain in practice or have poor  
qualitytheir applications in the recommendation field are limited. In contrastimplicit 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-  
backssuch as the times and duration of user operationsand constructs the players preference model based on the pseudo  
rating. Meanwhileit 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 为等 类  
1
引言  
、 、  
推荐研究主电影 音乐 电子  
推荐以缓解信息问题和  
.  
式反馈数据 游戏  
个性推荐工业关  
、  
可重操  
推荐通过分析历史数据  
等特点 比一  
未知好程度 个性推  
电影然用循  
,  
历史数据能明确表用  
, ,  
环播但每时长和内因  
( 、 、  
式反馈数据 如等  
) ,  
; ,  
游戏音乐性上在差户  
(
以及不能式反馈数据 如  
、 、  
游戏操作游戏中的状态 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. 2017C01010No. 2016C33170)  
浙江项目  
2627  
11  
:
式反馈数据的个性游戏推荐  
、 、 ,  
控制 电影 容 用户  
ringOCCF) .  
式反馈数据以区负样为  
; ,  
不管喜欢游戏的  
防止流  
8]  
、  
观看电影 在  
Li  
OCCF  
行  
度随负样本  
人  
, ,  
操作游戏中 用行  
通过更多的用信息提高确  
游戏反馈系又相影响 应用在  
. Wei Pan  
Li Chen  
9OCCF  
行改  
、 、  
电影 闻 音乐推荐不能适  
进 通过对个立  
,  
游戏推荐另外 可用游戏推荐式反馈数  
、  
设 然法存策略 结  
据在实往往游戏时长式反  
10]  
集成等问题 将时信息三维构成  
,  
馈数据家日中大式反馈  
( Tensor) ,  
提出了快速的  
LFM  
法  
三维量  
Delporte  
11]  
LFM  
的基社  
数据有效的个性游戏推荐  
本文提出了一种式反馈数据的网吧游戏推  
DIIF-SVD ++ ( Discrete Integral Implicit Feedback  
人  
12]  
. Hu  
提出了将  
信息  
10,  
操作的物情况用  
法  
SVD ++ ) .  
、  
首先 集到的网吧玩家的游戏游  
0 - 1 ,  
矩阵 并根操作赋予样  
对物的  
提出了重的矩阵解方  
( Weighted Alternative Least SquarewALS) .  
, ,  
时长历史数据 数据时效性 家  
( ) ,  
式反馈数据  
种  
SVD ++  
推荐的基通过除其户评偏  
0 - 1  
矩阵地表好  
的  
13]  
式反馈数据以及在评  
Levandoski  
之间距离惩罚  
数 提出式反馈数据游戏推  
.  
而  
Yao  
14]  
IF-SVD ++ ( Implicit Feedback SVD ++ )  
的  
实数据集上对本文及  
SVD ++  
最后  
DIIF-  
有效性验证 实验结果表明本文提出  
游走作  
.  
提出了的上推荐外  
习排推荐注  
能更确地家的好 同改  
推荐率上比  
在于如使推荐列中用户越喜欢的物品排靠  
15]  
16]  
序  
表  
17]  
法  
序  
2
3
相关作  
设计  
矩阵推荐推荐确  
详细本文提出的基式反馈的个性  
性较推  
( DIIF-SVD ++ ) , :  
两部分  
游戏推荐法  
( 1)  
建  
; ( 2)  
进  
研究最前沿一  
矩阵用的是  
需要全评计算复杂推  
Simon Funk Funk-  
1]  
SVD  
由  
1  
游戏推荐 示  
解  
到制约  
提出了  
SVD  
征矩阵征矩阵 使原始矩阵 克  
Koren Funk-SVD  
法 采度下降法优化的用特  
了以缺陷  
征  
( Latent Factor ModelLFM) , 2]  
融  
型  
、 、  
户评项 物均  
SVD ++ Koren  
以及式反馈数据的  
型  
考  
TimeSVD  
3]  
到时的影响 提出了  
了在式反馈数据等  
45]  
数据信  
6.  
息 文信息中  
3. 1  
分模建  
数  
多数推荐研究都据  
其并不能式反馈数据推  
7]  
Pan  
景  
式反馈数据推荐问  
( One-Class Collaborative Filte-  
问题  
http: / /sifter. org/ ~ simon/journal/20061211. html  

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载