基于游戏社交关系的玩家-帮会关系预测

课题背景

目前，推荐系统在很多的互联网平台得到了广泛的应用，例如今日头条的新闻推荐、网易云音乐的音乐推荐、淘宝首页的商品推荐等等，作为一种有效地缓解互联网用户信息过载的技术，推荐系统能够帮助用户在这些平台上找到自己感兴趣的内容，以及与具有相似喜好的人建立新的社交关系。

与现实世界类似，在游戏世界中（特别是MMORPG类游戏），玩家之间也会建立多种社交网络关系（例如好友、聊天、交易、组队、帮会等），玩家在游戏中会呈现出明显的游戏社交偏好的特性，并且这些社交关系也是维持用户对于这类游戏粘性的重要因素。

本课题中，我们主要研究玩家和帮会之间的社交关系结构。实际上，游戏日志表明，玩家在游戏中的很多活动都与帮会有着直接或者间接的关系。游戏中的帮会通常是由玩家自发组建的一个群体，玩家在帮会机制下参与各类游戏玩法，完成大型副本，帮会的规模一般在几十到几百人之间（典型情况下50~200人），考虑到帮会等社交因素对于玩家游戏体验的影响，因此，如果策略得当，能够：

• 为用户推荐合适的、感兴趣的帮会

• 为帮会推荐合适的、感兴趣的个人玩家

不仅能够给玩家带来一种个性化的游戏体验，而且有利于促进游戏玩家的留存与召回。

问题定义

对于每一个游戏玩家，给定玩家基本画像（例如等级、在线时段、在线时长等）、玩家之间的社交关系（好友、组队、交易等）、玩家与帮会的当前归属关系，玩家加入帮会的历史记录，目标是为玩家推荐最合适的帮会，以及为帮会推荐最合适的玩家。

图1：给玩家推荐帮会

图1：给帮会推荐玩家

问题挑战

相比于传统的推荐场景，该推荐问题存在以下挑战：

• 用户与帮会的交互数据非常稀疏，因为每个玩家同一时刻只能加入一个帮会

• 用户属性（例如等级）和帮会属性（例如帮会等级，帮会的成员）都会动态变化，强大、活跃的帮会也可能会慢慢衰落

评价指标

帮会推荐可以通过常用的推荐排序指标进行评估：

• TOP-K精确率：precision@K

• TOP-K召回率准确率：recall@K

• NDCG@K：Normalized Discounted Cumulative Gain

数据集描述

数据集主要分为五个部分：用户画像数据，帮会画像数据，用户关系数据（包括好友、组队、交易），当前用户-帮会归属关系，用户加入帮会历史记录

• 用户画像数据

字段	类型	描述
role_id	string	玩家id
role_level	int	等级
vip_level	int	VIP等级
role_class	int	职业
online_time	int	在线时长
online_period	int	在线时段
……

• 帮会画像数据

字段	类型	描述
guild_id	string	帮会id
guild_level	int	帮会等级
guild_type	int	帮会类型
guild_cnt	int	帮会成员数
……

• 用户关系数据（以好友关系为例）

字段	类型	描述
role_id1	int	玩家id
role_id2	int	玩家id
degree	int	友好度
……

• 当前用户-帮会归属关系

字段	类型	描述
role_id	int	玩家id
guild_id	int	帮会id
time_stamp	int	加入时间戳
title	int	职位

• 用户加入帮会历史记录

字段	类型	描述
role_id	int	玩家id
guild_id	int	帮会id
time_stamp	int	加入时间戳

联系我们

有任何问题，请联系 [e-mail]