在线游戏中面向多序列、多任务与多用户等级的序列推荐
人工智能
2021-06-22 v2 信息检索
摘要
在线游戏的增长速度前所未有，提供更好用户体验的挑战日益增加。在线游戏的推荐系统（RS）面临独特挑战，因为它们必须基于玩家各类动作类型的动作序列，在不同用户等级上满足玩家的不同需求。尽管已存在许多序列 RS，但它们主要是单序列、单任务和单用户等级的。本文介绍了腾讯游戏平台上面向多序列、多任务和多用户等级（缩写为 MRec）的一种新序列推荐模型，其可充分利用在线游戏中的复杂数据。我们利用图神经网络和多任务学习设计 MRec，以建模腾讯游戏异构序列推荐场景中的复杂信息。我们在腾讯游戏平台的三个在线游戏中通过离线和在线评估验证了 MRec 的有效性。结果表明，MRec 成功应对了在线游戏推荐中的挑战，并且相较于最先进的序列推荐方法生成了更优的推荐。
引用
@article{arxiv.2102.06950,
title = {Sequential Recommendation in Online Games with Multiple Sequences, Tasks and User Levels},
author = {Si Chen and Yuqiu Qian and Hui Li and Chen Lin},
journal= {arXiv preprint arXiv:2102.06950},
year = {2021}
}
备注
Accepted in SSTD'21