基于多示例多标记学习的手机游戏道具推荐

• Published in: 计算机科学与探索 Vol. 10; no. 1; pp. 103 - 111
• Main Authors: 唐俊, 周志华
• Format: Journal Article
• Language: Chinese
• Published: 软件新技术与产业化协同创新中心,南京210023 2016; 南京大学计算机软件新技术国家重点实验室,南京210023
• Subjects: 机器学习; 推荐; 半监督学习; recommendation; semi-supervised learning; machine learning; multi-instance multi-label learning (MIML); 多示例多标记学习(MIML)
• ISSN: 1673-9418
• DOI: 10.3778/j.issn.1673-9418.1505055

TP301; 手机游戏提供商通过在游戏中销售虚拟道具来获得收益.将游戏玩家日志数据中每个事件描述为一个示例,玩家对多种游戏道具的购买状态表示为多个标记,从而将游戏道具推荐问题抽象为多示例多标记学习问题.在此基础上,将快速多示例多标记学习算法用于手机网络游戏道具推荐,并利用半监督学习提升推荐性能.离线数据集以及实际在线手机网络游戏实验结果表明,基于多示例多标记学习的游戏道具推荐技术带来了游戏营收的显著增长.