Resumen: El crecimiento explosivo de la industria de los videojuegos ha creado una necesidad urgente de sistemas de recomendación que puedan escalar con los catálogos en expansión y mantener la participación del usuario. Si bien el trabajo previo ha explorado la precisión y la diversidad en las recomendaciones, los modelos existentes subutilizan el tiempo de juego, una rica señal de comportamiento exclusiva de las plataformas de juego y pasan por alto el potencial de la información multimodal para mejorar la diversidad. En este artículo, proponemos DP2REC, un nuevo modelo de recomendación guiado por tiempo de juego en doble fase diseñado para optimizar conjuntamente la precisión y la diversidad. Primero, presentamos un módulo de exploración de intensidad de interés guiado por el tiempo de juego que separa las preferencias fuertes y débiles a través del modelado de doble beta, lo que permite el perfil de usuarios de grano fino y las recomendaciones más precisas. En segundo lugar, presentamos un módulo de caminatas aleatorias guiadas por tiempo de juego que simula la exploración de jugadores utilizando transiciones guiadas por la similitud de interés derivada del tiempo de juego y la similitud semántica multimodal. Este mecanismo preserva las preferencias centrales al tiempo que promueve el descubrimiento de categorías cruzadas a través de asociaciones semánticas latentes y el equilibrio de categorías adaptativas. Experimentos extensos en un conjunto de datos de juegos del mundo real muestran que DP2REC supera a los métodos existentes tanto en precisión de recomendación como en diversidad.
Publicado Originalme en export.arxiv.org El 20 de agosto de 2025.
Ver Fuente Original
