- 综合排序
- 最热优先
- 最新优先
- 来自专栏vivo互联网技术
解密游戏推荐系统的建设之路
然而，推荐系统接受信息是被动的，需求也都是模糊而不明确的。 推荐系统的作用就是建立更加有效率的连接，更有效率地连接用户与内容和服务，节约大量的时间和成本。以此背景，游戏推荐系统由此诞生。 游戏推荐系统从设计之初就作为游戏分发的平台，向公司内所有主要流量入口（游戏中心、应用商店、浏览器、jovi等）分发游戏，系统通过各种推荐算法及推荐策略，为用户推荐下载付费意愿较高且兼顾商业价值的游戏，从而为公司带来收入 发展至今天，该系统还具备类游戏内容与素材的推荐功能。 二、游戏推荐的初期模型 游戏推荐的目的是推出用户想要且兼顾商业价值的游戏，以此来提高业务的收入指标。 三、业务增长与架构演进 随着接入系统带来的正向收益的提升，越来越多的业务选择接入游戏推荐系统，这使得我们支持的功能日益丰富。 3.2 多级缓存与近实时策略 游戏推荐系统服务于手机游戏用户，处于整个系统链路的下游，峰值流量在3W TPS左右 ，是个读远多于写的系统。
1.2K50编辑于 2023-02-27 - 来自专栏腾讯技术工程官方号的专栏
微信游戏推荐系统大揭秘
这套系统从 18 年底开始设计 19 年初开发完成，现在已经在业务上运行了一年多，当前部门所有的推荐业务都已经应用上这套能力，包括所有精品 app 游戏分发和游戏相关的内容推荐、几万款小游戏分发，服务着几亿微信游戏玩家 从上图列举的推荐场景可以看出，我们推荐系统也是围绕这个方向来落地应用的，在帮助玩家找到好游戏方面我们有精品 app 游戏分发、小游戏分发场景以及优化用户通过搜索找到目标游戏的场景；游戏服务方面我们有视频流 实验系统： 我们使用架构部和基础产品部提供的 xlab 实验系统，在推荐系统 controller 模块部署实验系统代理，算法同学在 xlab 上配置完实验之后，将实验系统参数配置到推荐接口中，就可以打通实验系统流量分配和推荐系统 印象最深的是 19 年这个系统第一次经受春节考验，大量红点资源推送，导致大量用户涌入游戏中心，把推荐系统撑挂了，好在后台有备选 list，后台同学手动把部分流量切到默认 list，才没有影响到现网用户。 经过这些优化之后，系统再也没有出现大面积失败的情况了。 第三个是所有推荐系统都会面临的耗时问题。开始只接入 IEG 精品游戏推荐场景，因为 item 个数少，没有耗时问题。
1.9K40发布于 2021-04-22 - 来自专栏【腾讯云开发者】
一文揭秘微信游戏推荐系统
导语 | 本文分享了微信游戏推荐系统从调研、设计、搭建到运维的整个流程。 这套系统在微信游戏业务上得到广泛应用，服务着几亿微信游戏玩家；它也服务腾讯知名app类游戏分发、游戏相关内容推荐和几万款小游戏分发，并且取得不错的业务效果。如果你对相关内容感兴趣，欢迎阅读和分享。 5 推荐系统实时化方案 6 挑战与思考 01 项目背景 微信游戏在微信场景下连接游戏玩家与游戏，给玩家提供丰富的游戏服务如攻略、战绩、视频、直播、王者周报、和平周报、群排行榜和礼包等。 整体来说这个业务的核心工作就是「在微信场景下，帮助游戏玩家找到感兴趣的好游戏，并且让玩家们游戏玩得更好、更开心」。 从上图列举的推荐场景可以看出，微信游戏的推荐系统也是围绕这个方向来落地应用的。 经过这些优化之后，系统再也没有出现大面积失败的情况了。 6.3 挑战三：请求耗时问题 第三个是所有推荐系统都会面临的耗时问题。开始我们只接入某业务的精品游戏推荐场景。
2.4K60编辑于 2023-03-10 - 来自专栏成套网站
基于Python大数据的热门游戏推荐系统
在此情况下，构建能够融合多模态数据、实时捕捉用户意图的智能推荐系统，成为解决游戏产业“供需错配”的关键技术途径。 近年来，人工智能和大数据技术的进步为游戏推荐系统的升级提供了技术支持2、研究意义本研究运用Python技术栈构建高效、精准且可扩展的热门游戏推荐系统，致力于解决当前游戏产业中用户与海量游戏内容间的供需匹配失衡问题 开发者运营支持：系统实时分析游戏热度演化趋势（如预测《黑神话：悟空》DLC发布后的流量峰值），结合A/B测试框架评估不同推荐策略的转化效果（付费率、留存率、社交传播率），为游戏宣发策略制定、资源精准投放提供数据驱动的决策支持 3、研究现状在国内游戏推荐系统的研究与应用呈现出学术探索与产业实践并行发展的格局。 TapTap社区基于用户生成内容（UGC）构建协同过滤推荐系统，通过评论热度分析与标签语义匹配技术，有效解决了新游推荐中的冷启动问题，使新游点击率提升55%。
40110编辑于 2025-10-26 - 来自专栏机器学习初学者精选文章
【推荐系统】推荐系统概述
— 哈珀·李 许多人把推荐系统视为一种神秘的存在，他们觉得推荐系统似乎知道我们的想法是什么。Netflix 向我们推荐电影，还有亚马逊向我们推荐该买什么样的商品。 推荐系统从早期发展到现在，已经得到了很大的改进和完善，以不断地提高用户体验。尽管推荐系统中许多都是非常复杂的系统，但其背后的基本思想依然十分简单。 推荐系统是什么？ 如何构建一个推荐系统？ 现在已经有很多种技术来建立一个推荐系统了，我选择向你们介绍其中最简单，也是最常用的三种。他们是：一，协同过滤；二，基于内容的推荐系统；三，基于知识的推荐系统。 混合推荐系统 文章到目前为止所介绍的不同类型的推荐系统都各有优劣，他们根据不同的数据给出推荐。一些推荐系统，如基于知识的推荐系统，在数据量有限的冷启动环境下最为有效。 推荐系统与AI？ 推荐系统常用于人工智能领域。推荐系统的能力 – 洞察力，预测事件的能力和突出关联的能力常被用于人工智能中。另一方面，机器学习技术常被用于实现推荐系统。
2.5K33发布于 2021-07-07 - 来自专栏腾讯大数据的专栏
Angel推荐算法在游戏推荐中的应用
本次分享为大家介绍Angel推荐算法在游戏推荐中的应用。主要内容包括：游戏平台上的游戏推荐、Tesla平台上的推荐算法、经典算法的线性特点、DeepFM算法的非线性特点、DeepFM应用过程。 01 游戏平台上的游戏推荐 这张图看到的是Steam平台上的一个游戏推荐的应用。Steam平台主要是使用标签的推荐方法，它的标签主要是基于用户选择去收集的信息。 Steam平台的特点在于游戏的内容比较多，深度也比较深一些。 另一种是协同过滤——或基于物品，或基于用户，或者是联合的协同过滤，会存在稀疏矩阵和长尾推荐的问题。 此时会出现一个问题：这是基于物品点击率比较高的协同过滤，但游戏大部分推荐的并不是都是热门物品。 嘉宾介绍： 王培军 腾讯 | 高级工程师 王培军，腾讯高级工程师，主要负责wegame平台的广告系统和深度学习与系统的结合探索。 扫码关注 | 即刻了解腾讯大数据技术动态
1.9K20发布于 2021-01-12 - 来自专栏游戏开发之旅
H5游戏开发：游戏引擎入门推荐
H5游戏开发：游戏引擎入门推荐 前言 很多刚刚接触到游戏开发，准备大展拳脚的小鲜肉们，往往在技术选型这第一关就栽了跟头。 试想一下，在游戏开发进行到中后期的时候，才发现项目引入的游戏引擎与需求相悖，这时候不管是重新做一些修修补补的工作或者更换游戏引擎，这都是相当耗费人力物力的一件事。 游戏场景分类 在刚接到游戏需求时，我们可以从以下几个方面进行考量，分析出游戏需求场景所属，从而作为我们选择游戏引擎的依据。 游戏效果呈现方式（ 2D ？ 3D ？ VR ？） 游戏复杂度 这与游戏引擎能够支持的功能，提供的API，性能等方面关系比较大。 游戏引擎推荐 笔者从业界较流行的一些框架，进行以下几个方面对比，希望能从客观数据上给大家的技术选型带来建议和参考。 Phaser Phaser 在渲染方面直接封装了 Pixi；架构方面，Phaser 内嵌了3个物理引擎（Arcade Physics、Ninja、p2.js），提供粒子系统、动画、预下载和设备适配方案；
7.6K20发布于 2019-12-02 - 来自专栏开发大于一切
哈希Hash游戏竞猜玩法介绍（详细推荐）哈希趣投游戏系统开发逻辑（技术分析）
哈希算法的应用非常非常多，最常见的有七个，分别是安全加密、唯一标识、数据校验、散列函数、负载均衡、数据分片、分布式存储。
2.4K20编辑于 2022-07-05 - 来自专栏杨熹的专栏
推荐系统
本文结构： 推荐系统 常用方法 简介 模型 cost, gradient 表达式 代码实现 应用实例 参考： Coursera－Andrew Ng 的 Machine Learning Sirajology 推荐系统 根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。 为用户节省时间，还能挖掘可能用户自己都不知道的潜在兴趣点。 生活中的例子：喜马拉雅上根据我听过的书推荐相关的内容，效果不错，推荐的很多我都会订阅。Youtube上根据我看过的视频推荐内容，如果我在追剧，它会把最新的剧集放在我首页，还有我可能感兴趣的电影。 还有很多例子和方法，以及冷启动等关键问题，推荐大家看《推荐系统实战》这本书，之前去听新浪微博的分享，这本书是他们推荐系统部门的必备材料。 ---- 2. 基于内容，物品，用户的推荐就是把相关的特征表达为向量形式后，计算它们之间的距离，根据相似度高的来为你推荐。 ?
1.6K102发布于 2018-04-02 - 来自专栏腾讯云原生团队
直播报名｜腾讯游戏专家分享云原生在高并发游戏推荐系统中的实践
直播主题：云原生在高并发游戏推荐系统中的实践 内容纲要： 推荐系统在游戏大流量场景下的云原生解决方案 如何通过流量控制、服务治理、DevSecOps等手段解决业务问题 服务上云最佳时间和避坑指南 听直播
79610编辑于 2022-12-13 - 来自专栏LhWorld哥陪你聊算法
【推荐系统篇】--推荐系统之训练模型
经过之前的训练数据的构建可以得到所有特征值为1的模型文件，本文将继续构建训练数据特征并构建模型。
1.6K10发布于 2018-09-13 - 来自专栏工具类
游戏商店系统
开头 根据原来项目的商店和需求整合了商城系统，记述下开发的思路 需求 普通的商店功能，但为了后续更有效的添加商店，做了优化处理 数据结构 ? 2.物品购买 这是商城系统最重要的部分，但其实并不难。 store_buy_data { storeId 0 : integer goods 1 : *store_goods_data } 5.特殊商店处理 这其实不算商城系统的功能 ) self:sendRecordToClient() return true end 我选择的方式是创建一张全局配置表，每次刷新商店id和折扣率，初始和更新数据也发送给客户端 总体来说商店系统还是比较好做的
1.6K10发布于 2020-07-10 - 来自专栏深度学习自然语言处理
【推荐系统】推荐系统中的图网络模型
整理：极验 作者：Roxana Pamfil 在互联网时代，推荐系统无处不在。不仅可以向用户推荐实体商品，还可以推荐电影、歌曲、新闻报道、酒店旅行等，为用户提供量身定制的选择。 这些系统中有许多都涉及了协同过滤——根据其他相似用户的偏好向用户推荐 item。推荐系统的背后还用到了包括矩阵分解、邻域方法以及各种混合方法。 通过在这样的网络中进行边预测，可以解决两个重要的业务问题： 1、Recommendations ——我们应该给用户推荐哪些新商品？ 网络和社区结构 网络是系统的抽象表示，其中称为节点的对象通常以成对的方式通过边相互交互。 一项重要任务是预测新的边，可以将其引入推荐系统和针对性的促销活动。在计算性能方面，社区检测是我们描述的过程中最耗时的部分。 该 network 方法的主要优势在于它不受监督。
2.2K10发布于 2019-12-11 - 来自专栏LhWorld哥陪你聊算法
【推荐系统篇】--推荐系统之测试数据
一、前述 线上模型部分根据用户的行为数据进行推荐，相当于测试数据 二、具体代码 package com.alibaba.dubbo.demo.impl; import com.alibaba.dubbo.demo.RcmdService
98230发布于 2018-09-13 - 来自专栏小小挖掘机
推荐系统评价：什么是好的推荐系统
但一个系统的好坏往往需要全链路的评定，贯穿于用户的整个交互过程。之所以说好的推荐系统更难定义，是因为虽然算法是核心，但是个性化推荐往往不止由算法构成，这背后需要各种技术支撑。 宗旨：服务提供方与消费方的双赢 推荐系统是一个多方交互的复杂系统，有很多因素能够对推荐系统的效果产生影响，本文试对这些因素中的一些代表性因素进行简单的阐述分析。 ▌宏观 从宏观上来看，好的推荐系统就是满足用户的需求，帮助其进行路径优化与兴趣发现。微观上来讲，好的推荐系统一定是再为产品服务，不同的产品阶段，我们需要确立不同的推荐系统目标及评价体系。 推荐系统角度 1) 长尾挖掘 挖掘必然是推荐需要去完成的一件事，长尾作为大头的存在，分发过程中需要将把握，或者说长尾挖掘是好的推荐系统需要去完成的任务。 所以在推荐的过程中我们会根据推荐的主体不同做更多的推荐策略算法和系统的适配，最终去推动。
3.1K51发布于 2019-06-24 - 来自专栏Golang语言社区
游戏系统设计
*2, 做到切片编程，(可采用类PCALL包裹类) *3.做到AB滚服， 主备服务 *4.MYSQL冷数据落地 5.Service-Oriented游戏服务端 6.战斗等场景，玩家对象的时空穿越，agent 成本对抗， 前端分级,VIP通道) 12、KCP支持高响应 13、ZK+REDIS+SERVICE(含standby)+GATEWAY(BALANCE); 可以自由扩展，自动恢复，基于无状态服务的集群服务系统 项目开发： 1，原型迭代 四、发布相关 1、是否可以根据游戏商店开区？ 五、游戏设计 自生态系统。 物品模板自动生成系统。 边际受益 游戏世界(虚拟)是否应该满足人的幻想， 传播快乐， 传播爱，传播成就， ? ）；rage(扯左）,terror(挡右) 上下，右上，左下，左上，右下;左拉，右挡 软件设计的精髓： 分 与 抽象 层：数据层，服务层，逻辑层， 接口层， 负载均衡层 类：数据， 函数， 模块， 子系统
2.2K70发布于 2018-03-27 - 来自专栏机器学习与推荐算法
推荐系统实践系列 | 一、推荐系统流程设计
推荐系统主要解决的是信息过载问题，目标是从海量物品筛选出不同用户各自喜欢的物品，从而为每个用户提供个性化的推荐。 推荐系统往往架设在大规模的业务系统之上，不仅面临着用户的不断增长，物品的不断变化，而且有着全面的推荐评价指标和严格的性能要求（Netflix 的请求时间在 250 ms 以内，今日头条的请求时间在 200ms 为了解决如上这些问题，推荐系统通常被设计为三个阶段：召回、排序和调整，如下图所示： ? 这里以文章推荐系统为例，讲述一下推荐系统的完整流程，如下图所示： ? 同步业务数据 为了避免推荐系统的数据读写、计算等对应用产生影响，我们首先要将业务数据从应用数据库 MySQL 同步到推荐系统数据库 Hive 中，这里利用 Sqoop 先将 MySQL 中的业务数据同步到推荐系统的
2.6K33发布于 2020-04-20 - 来自专栏后端技术
推荐系统 入门
推荐系统一般分为三种： Content-based System 首先根据物品的元数据，发现物品的相关性，然后基于用户以前的喜好记录推荐给用户相似的物品[2] 详情可看基于内容推荐算法详解(比较全面的文章 ，为用户推荐别的商品。 对于用户U，根据其购买记录，可用找到相似的物品作为推荐 ? 被用于推荐用户偏好。 本文主要阐述memory-based method的推荐系统 相似度的计算方法 推荐物品预测能力的性能，取决于用于计算用户间相似度的方法。人们发明出各种计算相似度的方法。
98830发布于 2019-05-25 - 来自专栏JavaEdge
窥探推荐系统
本文将深入介绍推荐系统的工作原理，和其中涉及的各种推荐机制，以及它们各自的优缺点和适用场景，帮助用户清楚的了解和快速构建适合自己的推荐系统。 又或者他们需要更加符合他们个人口味和喜好的结果，因此出现了推荐系统，与搜索系统对应，大家也习惯称它为推荐系统。 2 推荐系统 推荐系统利用特殊的信息过滤技术，将不同的物品或内容推荐给可能对它们感兴趣的用户。 这是一个最基本的推荐系统分类，其实大部分人们讨论的推荐系统都是关于个性化的推荐系统，因为从根本上说，只有个性化的推荐系统才是更加智能的信息发现过程。 推荐系统的魔力在于你不清楚在这个推荐背后，系统到底记录和推理了些什么。
44751编辑于 2022-11-30 - 来自专栏星回的实验室
推荐系统初探
在深坑外围徘徊了一周后，我整理了一些推荐系统的基本概念以及一些有代表性的简单的算法，作为初探总结，也希望能抛砖引玉，给同样想入坑的伙伴们提供一些思路。 1. 什么是推荐系统？ 推荐系统是啥？ 没错，猜你喜欢、个性歌单、热点微博，这些都是推荐系统的输出内容。从这些我们就可以总结出，推荐系统到底是做什么的。 * 目的1. 因此我们需要推荐系统来帮助用户过滤掉低价值的信息。 * 目的3. 提高站点的点击率/转化率 * 好的推荐系统能让用户更频繁地访问一个站点，并且总是能为用户找到他想要购买的商品或者阅读的内容。 当有一名新用户或者新物品进入系统时，推荐将无从依据； 在一些item生存周期短（如新闻、广告）的系统中，由于更新速度快，大量item不会有用户评分，造成评分矩阵稀疏，不利于这些内容的推荐。 比如当推荐的内容里包含敏感词汇、涉及用户隐私的内容等等，就需要系统将其筛除；若数次推荐后用户依然对某个item毫无兴趣，我们就需要将这个item降低权重，调整排序；另外，有时系统还要考虑话题多样性的问题
1.3K40发布于 2018-08-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号