論文の概要: Category-based and Popularity-guided Video Game Recommendation: A Balance-oriented Framework

• arxiv url: http://arxiv.org/abs/2604.14598v2
• Date: Sun, 19 Apr 2026 01:18:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 13:51:31.128017
• Title: Category-based and Popularity-guided Video Game Recommendation: A Balance-oriented Framework
• Title（参考訳）: カテゴリーベース・人気誘導型ビデオゲームレコメンデーション:バランス指向フレームワーク
• Authors: Xiping Li, Jianghong Ma, Kangzhe Liu, Shanshan Feng, Haijun Zhang, Yutong Wang,
• Abstract要約: 現在のビデオゲームレコメンデーションアプローチは、多様性よりも精度を優先する傾向があり、おそらくは未検証のゲーム提案につながる。 CPGRecと呼ばれる新しいフレームワークを導入し、精度駆動、多様性駆動、包括的3つのモジュールからなる。 第1モジュールは、より厳密な方法でゲームを接続し、推奨精度を高めることにより、最先端の精度に焦点を当てたゲームレコメンデーション手法を拡張する。 第2のモジュールは、提案したゲームグラフ内の様々なカテゴリを隣人に接続し、人気のあるゲームノードの利点を利用して、プレイヤゲームバイパーティイトグラフ内のロングテールゲームの影響を増幅する。
• 参考スコア（独自算出の注目度）: 29.0540988283535
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, the video game industry has experienced substantial growth, presenting players with a vast array of game choices. This surge in options has spurred the need for a specialized recommender system tailored for video games. However, current video game recommendation approaches tend to prioritize accuracy over diversity, potentially leading to unvaried game suggestions. In addition, the existing game recommendation methods commonly lack the ability to establish strict connections between games to enhance accuracy. Furthermore, many existing diversity-focused methods fail to leverage crucial item information, such as item category and popularity during neighbor modeling and message propagation. To address these challenges, we introduce a novel framework, called CPGRec, comprising three modules, namely accuracy-driven, diversity-driven, and comprehensive modules. The first module extends the state-of-the-art accuracy-focused game recommendation method by connecting games in a more stringent manner to enhance recommendation accuracy. The second module connects neighbors with diverse categories within the proposed game graph and harnesses the advantages of popular game nodes to amplify the influence of long-tail games within the player-game bipartite graph, thereby enriching recommendation diversity. The third module combines the above two modules and employs a new negative-sample rating score reweighting method to balance accuracy and diversity. Experimental results on the Steam dataset demonstrate the effectiveness of our proposed method in improving game recommendations. The dataset and source codes are anonymously released at: https://github.com/CPGRec2024/CPGRec.git.
• Abstract（参考訳）: 近年、ビデオゲーム産業は相当な成長を遂げており、プレイヤーには幅広い選択肢がある。 このオプションの急増により、ビデオゲーム用にカスタマイズされたレコメンデーションシステムの必要性が高まった。 しかし、現在のビデオゲームレコメンデーションアプローチは、多様性よりも精度を優先する傾向があり、おそらくは未検証のゲーム提案につながる。 さらに,既存のゲームレコメンデーション手法では,ゲーム間の厳密な接続を確立する能力が欠如しており,精度が向上している。 さらに、既存の多様性を重視した多くの手法は、アイテムカテゴリや近隣のモデリングやメッセージ伝搬における人気など、重要なアイテム情報を活用することができない。 これらの課題に対処するため,我々はCPGRecと呼ばれる3つのモジュール,すなわち精度駆動,多様性駆動,包括的モジュールからなる新しいフレームワークを導入する。 第1モジュールは、より厳密な方法でゲームを接続し、推奨精度を高めることにより、最先端の精度に焦点を当てたゲームレコメンデーション手法を拡張する。 第2のモジュールは、提案したゲームグラフ内の多様なカテゴリを接続し、人気のあるゲームノードの利点を利用して、プレイヤゲームバイパーティイトグラフ内のロングテールゲームの影響を増幅し、レコメンデーションの多様性を高める。 第3のモジュールは上記の2つのモジュールを組み合わせて,精度と多様性のバランスをとるために,新たな負サンプル評価スコア再重み付け手法を採用している。 Steamデータセットの実験結果から,ゲームレコメンデーション改善における提案手法の有効性が示された。 データセットとソースコードは、https://github.com/CPGRec2024/CPGRec.gitで匿名で公開されている。

関連論文リスト

• CPGRec+: A Balance-oriented Framework for Personalized Video Game Recommendations [26.80916834756631]
  本稿では, Preference-informed Edge Reweighting (PER) モジュールと Preference-informed Representation Generation (PRG) モジュールを提案する。 PERモジュールは署名されたエッジウェイトを割り当て、重要なプレーヤの興味や関心を質的に区別すると同時に、グラフ畳み込みにおけるオーバー・スムーシングを軽減するために、好みの強度を定量的に測定する。 PRGモジュールはLLMを活用して、グローバルと個人の利益の比較から個人の好みを推論することで、ゲームとプレイヤーのコンテキスト化された記述を生成する。
  論文  参考訳（メタデータ） (2026-04-16T03:25:18Z)
• Game-TARS: Pretrained Foundation Models for Scalable Generalist Multimodal Game Agents [56.25101378553328]
  本稿では,汎用ゲームエージェントであるGame-TARSについて紹介する。 Game-TARSは500B以上のトークンで事前トレーニングされており、様々な軌跡とマルチモーダルデータがある。 実験により、Game-TARSは、オープンワールドMinecraftタスクにおける以前のソータモデルの約2倍の成功率を達成することが示された。
  論文  参考訳（メタデータ） (2025-10-27T17:43:51Z)
• Dual-Phase Playtime-guided Recommendation: Interest Intensity Exploration and Multimodal Random Walks [19.13822933523383]
  DP2Recは,精度と多様性を協調的に最適化する新しいDual-Phase Playtime-Guided Recommendationモデルである。 まず,強い嗜好と弱い嗜好を分離したプレイタイムガイドによる関心度探索モジュールを提案する。 第2に、プレイタイム由来の興味類似性とマルチモーダルセマンティック類似性の両方によって導かれる遷移を用いて、プレイヤーの探索をシミュレートするプレイタイム誘導マルチモーダルウォークモジュールを提案する。
  論文  参考訳（メタデータ） (2025-08-09T13:51:00Z)
• Serious Games in Digital Gaming: A Comprehensive Review of Applications, Game Engines and Advancements [55.2480439325792]
  近年,ユーザを同時に教育し,楽しませる能力によって,真剣なゲームの人気が高まっている。 本稿では,様々なタイプのデジタルゲームの概要を概観し,真剣なゲームジャンルに展開する。 ゲーム開発業界で最も広く使われているゲームエンジンを提示し、Unityのゲームマシンの利点を拡張する。
  論文  参考訳（メタデータ） (2023-11-03T09:17:09Z)
• Track2Vec: fairness music recommendation with a GPU-free customizable-driven framework [6.2405734957622245]
  Track2Vecは、公正な音楽レコメンデーションのためのGPUフリーのカスタマイズ可能なフレームワークである。 公平度を測定するために,ミスレート-逆地中真実周波数(MR-ITF)と呼ばれる測定基準を導入する。 EvalRS @ CIKM 2022チャレンジでは,GPUフリー環境での価格ランキングを4位に引き上げている。
  論文  参考訳（メタデータ） (2022-10-29T12:53:09Z)
• Three-Player Game Training Dynamics [77.34726150561087]
  単純化されたバイリニアスムースゲームの拡張版を用いて,3人プレイヤゲームトレーニングのダイナミクスを探索する。 ほとんどの場合、三線型ゲームはナッシュ均衡に収束しない。 更新と同時更新の交互化に加えて,新たな更新順序--maximizer-first-を探索する。
  論文  参考訳（メタデータ） (2022-08-12T23:57:44Z)
• Predicting Events in MOBA Games: Dataset, Attribution, and Evaluation [37.16502752193698]
  本研究では,MOBAゲーム『Honor of Kings』のゲーム内機能を含む大規模データセットを収集,リリースする。 次に,2つのグラデーションに基づくアトリビューション手法を用いて,入力特徴に対する予測をアトリビュートすることにより,4種類の重要事象を解釈可能な方法で予測することを提案する。
  論文  参考訳（メタデータ） (2020-12-17T07:28:35Z)
• DORB: Dynamically Optimizing Multiple Rewards with Bandits [101.68525259222164]
  政策に基づく強化学習は、言語生成タスクにおいて、微分不可能な評価指標を最適化するための有望なアプローチであることが証明されている。 We use the Exp3 algorithm for bandit and formulate two approach for bandit rewards: (1) Single Multi-reward Bandit (SM-Bandit), (2) Hierarchical Multi-reward Bandit (HM-Bandit) 我々は,2つの重要なNLGタスクにおいて,様々な自動計測と人的評価を通じて,我々のアプローチの有効性を実証的に示す。
  論文  参考訳（メタデータ） (2020-11-15T21:57:47Z)
• Content Based Player and Game Interaction Model for Game Recommendation in the Cold Start setting [3.249853429482705]
  本稿では、新しいゲーム、新しいプレイヤー、新しいゲームとプレイヤーの両方に同時に一般化するコンテンツベースインタラクションモデルを提案する。 これらの課題において,これらのモデルは協調フィルタリングよりも優れており,現実のゲームレコメンデーションに有用である。
  論文  参考訳（メタデータ） (2020-09-11T11:10:49Z)
• Learning Diverse Fashion Collocation by Neural Graph Filtering [78.9188246136867]
  本稿では,グラフニューラルネットワークを用いて,フレキシブルなファッションアイテムセットをモデル化する新しいファッションコロケーションフレームワークであるNeural Graph Filteringを提案する。 エッジベクトルに対称演算を適用することにより、このフレームワークは様々な入力/出力を許容し、それらの順序に不変である。 提案手法を,Polyvoreデータセット,Polyvore-Dデータセット,Amazon Fashionデータセットの3つの一般的なベンチマークで評価した。
  論文  参考訳（メタデータ） (2020-03-11T16:17:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。