대화 형 추천자
방대한 디지털 게임 스토어에 쉽게 접근 할 수있는 가장 큰 문제 중 하나는 무엇을 플레이해야하는지 파악하는 것입니다. 현재 가장 큰 PC 게임 클라이언트 인 Steam은 다음에 플레이 할 게임에 대한 권장 사항을 사용자에게 제공합니다. 등급 및 선호하는 게임 유형과 같은 여러 요소를 고려하여이를 수행합니다. 이제 Valve는 머신 러닝을 활용하여 사용자의 취향에 더 적합한 게임을 제안함으로써 한 단계 더 나아가기로 결정했습니다.
대화 형 추천자
그만큼 대화 형 추천자 Steam의 새로운 실험 기능입니다. 간단하게하기 위해이 도구는 모든 Steam 사용자가 다음에 플레이 할 게임을 찾는 데 사용할 수 있습니다. 매우 직관적 인 시스템으로 사용자가 장르별로 정렬하고, 태그별로 필터링하고, 결과의 기간을 조정할 수 있습니다.
Valve는 대화 형 추천 기의 기능을 블로그 게시물 . 신경망 모델을 기반으로 추천자는 '기타 두드러진 데이터'와 함께 플레이 시간 기록을 사용하여 개인화 된 결과를 제공합니다.
“우리는 수백만 명의 Steam 사용자와 수십억 개의 플레이 세션의 데이터를 기반으로 모델을 훈련하여 다양한 플레이 패턴의 뉘앙스를 포착하고 카탈로그를 다루는 강력한 결과를 제공합니다. 이 모델은 지정된 기간 내에 출시 된 게임으로 출력을 제한 할 수 있도록 매개 변수화되고 기본 인기도가 높거나 낮은 게임을 선호하도록 조정할 수 있습니다. '
대화 형 추천자
새로운 게임
이것은 추천자가 새로운 게임을 어떻게 처리하는지에 대한 질문을 제기합니다. 새로 출시 된 타이틀, 특히 틈새 시장을 목표로하는 타이틀은 플레이어 기반이 약한 경향이 있습니다. 따라서 신경망은 데이터가없는 게임을 추천 할 수 없습니다. 따라서 Valve는 추천자가 이러한 '콜드 스타트'에 다르게 접근한다고 말합니다.
“매우 빠르게 반응 할 수 있으며 재교육을 받으면 단 며칠의 데이터로 새로운 릴리스를 선택합니다. 즉, 새로운 콘텐츠를 표시하는 Discovery Queue가 수행하는 역할을 채울 수 없으므로이 도구는 기존 메커니즘을 대체하는 것이 아니라 추가하는 것으로 간주합니다. '
논란의 여지가있는 또 다른 주제는“알고리즘”입니다. 많은 사람들이 게임이 많은 사용자에게 표시 되려면 특정 모델에 대해 '최적화'되어야한다고 생각합니다. 나머지 Steam과 마찬가지로 새로운 대화 형 추천 기능이 작동하지 않습니다.
“우리는 태그 나 리뷰와 같은 외부 요소가 아니라 플레이어가하는 일에 따라 추천자를 설계했습니다. 개발자가이 모델을 최적화하는 가장 좋은 방법은 사람들이 즐기는 게임을 만드는 것입니다. 스토어 페이지에서 게임에 대한 유용한 정보를 사용자에게 제공하는 것이 중요하지만 태그 나 기타 메타 데이터가 추천 모델이 게임을 보는 방식에 영향을 미치는지 고민해서는 안됩니다. '
아직 진행중인 작업이지만 지금 바로 새로운 대화 형 추천기를 직접 테스트 할 수 있습니다.
태그 증기 판막
