Development of methods for intellectual data analysis of gaming preferences of Steam online service users

Abstract

Steam – крупнейший в мире онлайн-сервис цифрового распространения видеоигр. Из-за большого разнообразия игр, представленных на сайте, пользователям сложно выбрать во что поиграть. Именно поэтому в рамках данной работы была разработана рекомендательная система коллаборативной фильтрации на основе памяти. На вход системы подается матрица оценок, которая получается путем анализа времени, проведенного в игре пользователями. Затем на основе имеющихся данных система прогнозирует оценки новых для пользователя игр. В результате работы метод выдает рекомендацию для определенного игрока, состоящую из десяти игр.

Steam is the world's largest online digital video game distribution service. Due to the wide variety of games presented on the site, it is difficult for users to choose what to play. That is why, as part of this work, a memory-based collaborative filtering recommender system was developed. The input of the system is a matrix of ratings, which is obtained by analyzing the time spent in the game by users. Then, based on the available data, the system predicts the ratings of new games for the user. As a result, the method produces a recommendation for a certain player, consisting of ten games.