虽然Steam的赛车活动结束了，但是盒友们也不要悲伤。有句话说得好，夏促结束了，冬促还会远吗？不断购买游戏可是玩家们的毕生事业，那么除了日常中朋友推荐、媒体推荐以外，还有什么发现好游戏的渠道呢？没错，Steam自带的推荐功能和探索序列。
请输入图片描述
日前，V社官方偷偷推出了全新的“交互式游戏推荐器”（Interactive Recommender），盒友们可以通过点击首页的Steam Labs分栏找到并且测试使用这一全新功能。
该功能旨在一旦正式上线后，可以为玩家们提供更好、更个性化的建议，列出他们可能喜欢的游戏。这一款新的游戏推荐器并不依赖传统的标签分类，但是建立在了一种“神经网络模型”之上，该模型则挖掘了玩家们的游戏时间历史以及其他“显著的数据”。同时，玩家们可以通过游戏的发布日期以及“流行/小众”这两项指标来实时动态调节所推荐的内容。
请输入图片描述
“基于数百万Steam用户的数据以及数十亿的游玩情景，我们开发并且训练了该推荐器的模型。该推荐器模型可以为我们提供强大的结果，捕捉不同游戏模式之间的细微差别并且覆盖全目录。通过模型的参数化，我们可以把输出结果限制在某一个时间段之内，可以通过游戏的知名度来调节。”V社在官方博客中这么解释道。
有趣的是，V社并没有向该模型提供游戏们的明确信息，而是应用了机器学习的技术。这包括了标签和评论的得分系统：用户们可以使用标签来过滤推荐的结果，但标签并不是底层模型的一部分。“实际上，我们唯一给该模型明确提供的只有游戏的发售日期，以便玩家们可以对此进行调节。”V社写道。
请输入图片描述
该模型的最终推荐结果实际上根据用户们的不同调节方式而差异很大。就我个人来说，如果我选“最热门”且“最早”的条件，出来的结果为《文明6》《无限法则》《全战战锤2》；而如果改为“最小众”且“最晚”，结果则变成了《迷雾侦探》《圣铠冰魂》《杀戮香港》。
请输入图片描述
V社表示，该系统的一大优势在于它消除了开发商和发行商过去优化游戏的动机——传统推荐模型的“算法”。“这个全新的游戏推荐器是为了玩家们而设计的，而不是由标签或者评论这些外在因素驱动的。游戏开发者们优化此模型的最佳方式只有制作人们喜欢的游戏。”V社写道。
目前，V社正将这款新的“交互式游戏推荐器”和现有的推荐模型区分开来，玩家们可以一起来测试这个新的系统，帮助它收集数据并且获得更多的训练，同时也不会让那些不喜欢这个的玩家们感到烦恼。如果新模型获得成功，它就会更加广泛地得到推行。对于我这种习惯搜索各种小众而优质的玩家们来说，可能是一大福音。
本文由小黑盒作者：77imyours 原创
未经授权禁止转载或摘编