Steam bruger nu maskinindlæring til at forbedre spilanbefalinger

Et af de største problemer, der følger med at have let adgang til en massiv digital spilbutik, er at finde ud af, hvad man skal spille. Steam, som i øjeblikket er den største pc-spilklient, giver brugerne anbefalinger om, hvad de skal spille næste gang. Det gør det ved at tage højde for mange faktorer, såsom ratings, og hvilke typer spil det synes du foretrækker. Nu har Valve besluttet at tage dette skridt videre ved at bruge maskinindlæring til at foreslå brugernes spil, der er mere tilpasset deres smag.

Interaktiv anbefaling

Den interaktive anbefaling er en ny eksperimentel funktion til Steam. For at holde det enkelt kan dette værktøj bruges af alle Steam-brugere til at finde ud af, hvilket spil der skal spilles næste gang. Det er et meget intuitivt system, der giver brugerne mulighed for at sortere efter genrer, filtrere efter tags og justere tidsvinduet for resultaterne.

Valve forklarede funktionen af ​​den interaktive anbefaling i et blogindlæg. Baseret på en neuralt netværksmodel bruger anbefaleren din spilletidshistorie sammen med “andre vigtige data” til at give personlige resultater.

”Vi træner modellen baseret på data fra mange millioner Steam-brugere og mange milliarder afspilningssessioner, hvilket giver os robuste resultater, der fanger nuancerne i forskellige afspilningsmønstre og dækker vores katalog. Modellen er parametreret, så vi kan begrænse output til spil, der frigives inden for et bestemt tidsvindue, og kan justeres til at foretrække spil, der er højere eller lavere underliggende popularitet. ”

Nye spil

Dette rejser spørgsmålet om, hvordan anbefaleren håndterer nye spil? Nyudgivne titler, især dem, der er målrettet mod et nichemarked, har tendens til at have en svagere spillerbase. Derfor er det neurale netværk ikke i stand til at anbefale spil, som det ikke har nogen data om. Som sådan siger Valve, at anbefaleren nærmer sig disse "kolde starter" forskelligt.

”Det kan reagere ret hurtigt, og når det trænes igen, opfanger det nye udgivelser med blot et par dages data. Når det er sagt, kan det ikke udfylde den rolle, Discovery Que spiller i overfladen af ​​helt nyt indhold, og vi ser derfor dette værktøj som additiv til eksisterende mekanismer snarere end en erstatning for dem. ”

Et andet kontroversielt emne er "Algoritmen". Mange mener, at for at et spil skal ses af mange brugere, skal det "optimeres" til en bestemt model. Ligesom resten af ​​Steam fungerer sådan ikke den nye interaktive anbefaling.

”Vi designede anbefaleren til at blive drevet af hvad spillerne gør, ikke af ekstreme elementer som tags eller anmeldelser. Den bedste måde for en udvikler at optimere til denne model er at lave et spil, som folk kan lide at spille. Selvom det er vigtigt at forsyne brugerne med nyttige oplysninger om dit spil på dets butikside, bør du ikke irritere dig over, om tags eller andre metadata vil påvirke, hvordan en anbefalinger-model ser dit spil. "

Selvom det stadig er et igangværende arbejde, kan du teste den nye interaktive anbefaling for dig selv lige nu.