S.t.e.a.m
СТАТЬИ ПО ТЕМЕ:

Сервис RAWG научился рекомендовать игры с помощью нейросети

Сервис RAWG научился рекомендовать игры с помощью нейросети | Канобу - Изображение 1Команда рекомендательного сервиса RAWG сообщила о том, что начиная с сегодняшнего дня искать игры станет еще проще. Дело в том, что теперь игры, схожие с теми, что вас интересуют, будет выдавать не система алгоритмов и тегов, а специально обученная нейросеть.

Рекомендации, основанные на метаданных, в основном полагаются на теги и категории, что делает их менее точными. С машинным же обучением такой проблемы нет — сразу после того, как игра попадает в базу RAWG, она проходит анализ с помощью нейросети. Здесь учитываются как метаданные, заданные издателями и игроками, так и реальный контент игры.

Вот что об обновлении говорит Гаджи Махтиев, основатель RAWG и «Канобу»:

Мы наблюдали, как люди ищут игры, и заметили, что один из самых частых сценариев — это найти «игры, похожие на X». Мы создали нейросеть, которая делает именно это. Она анализирует игровой контент вместе с метаданными и эвристическими алгоритмами, чтобы понять визуальный стиль и геймплей игры. Дальше нейросеть матчит ее с другими похожими играми на всех платформах, где вы играете, и выдает вам результат.

The Sims входила в десятку самых продаваемых игр Великобритании на протяжении двух лет.

Как работают рекомендации: в ленте можно фолловить жанры, платформы, создателей и своих друзей и мониторить важные для вас игры в одном месте. Если вам что-то понравилось, то на странице игры вы можете найти ссылки на цифровые магазины, чтобы сразу же купить игру. Кнопка «Show more like this» ведет на страницу похожих игр. Результаты, которые вы там видите, формируются нейросетью. Нейросеть анализирует внутриигровой контент всех игр в базе и подбирает наиболее похожие.

Мы спросили у Самата Галимова, CTO RAWG, почему для этого пришлось использовать нейросеть и насколько сложно было ее запустить.

Мы перепробовали несколько гипотез, как можно находить похожие игры. За несколько месяцев мы успели попробовать коллаборативную фильтрацию (это когда игры подбираются на основе того, что люди покупают вместе — как в интернет-магазине), метаданные (их было недостаточно, потому что на разных платформах принято по-разному классифицировать игры) и даже подбор по похожим цветам. В результате пришли к использованию нейросетей для анализа контента игр.

> Самое сложное было догадаться до этой схемы и разобраться в существующем инструментарии работы с нейросетями. Само программирование — не ракетные науки, как, впрочем, и всегда.
СТАТЬИ ПО ТЕМЕ: