Recomendação de jogos

01 · CONTEXTO E OBJETIVO

O que significa recomendar um jogo

O roteiro de entrevista parte de um catálogo de jogos e de usuários com histórico de interação, no contexto de desenho de sistemas de ML. A meta de negócio sugerida é aumentar o engajamento (jogar, curtir, clicar, compartilhar) e, talvez, a compra, com recomendação personalizada para cada usuário. Formulado como problema de ML, a entrada é o usuário e a saída é uma lista ordenada de jogos com uma pontuação de relevância.

Para dimensionar, o roteiro assume 100 milhões de jogos e 100 milhões de usuários ativos por dia, e sugere uma latência de 200 ms.

O roteiro pede que a relevância seja definida de forma explícita: por exemplo, uma curtida já conta como relevante, ou jogar metade do jogo.

02 · DADOS E FEEDBACK IMPLÍCITO

Do que o modelo aprende

Os dados vêm de perfil do usuário, metadados dos jogos e das interações entre usuário e jogo (pipelines de dados). As interações históricas incluem jogar, comprar, curtir e buscar, e o roteiro lista também a impressão como tipo de interação.

O feedback explícito é o que o usuário declara, como uma pesquisa; o implícito vem do registro de comportamento. O roteiro rotula um par usuário e jogo como positivo quando o usuário curtiu de forma explícita ou interagiu por pelo menos um tempo mínimo, por exemplo metade do jogo, e amostra os negativos da distribuição de fundo.

Na representação das entradas, ids categóricos como jogo, usuário, idioma e cidade viram embeddings aprendidos durante o treino, e título e descrição podem usar embeddings de um modelo de linguagem pré-treinado.

03 · O FUNIL

Três estágios para caber na latência

A escolha do roteiro é um híbrido sequencial, organizado como funil de três estágios (geração de candidatos, ranking e re-ranking) para atender aos requisitos de latência. A filtragem colaborativa entra na geração de candidatos e a baseada em conteúdo, no ranking.

1. O app do jogador pede ao serviço de recomendação a lista para o usuário.

2. O serviço aciona os módulos de geração de candidatos: um por relevância (filtragem colaborativa), um por popularidade e um por tendência.

3. Nessa etapa um modelo leve reduz um catálogo de milhões a milhares de candidatos.

4. O módulo colaborativo busca no índice de embeddings os jogos mais próximos do usuário, um problema de vizinho mais próximo aproximado.

5. O ranker, com um modelo mais poderoso, foca em precisão e roda só sobre o subconjunto de candidatos.

6. O re-ranking aplica critérios de negócio, como filtros e promoção, e a lista final volta ao app.

04 · CANDIDATOS E RANKING

Duas torres para gerar, atributos para ordenar

O roteiro escolhe a rede de duas torres: uma torre codifica o usuário, outra codifica o jogo, e a similaridade entre os dois vetores é a pontuação de relevância. O treino minimiza a entropia cruzada sobre cada exemplo positivo e sobre negativos amostrados.

No ranking o roteiro prioriza precisão sobre eficiência e usa um modelo baseado nos atributos do item, com opções como uma rede feed-forward com regressão logística ou uma Deep Cross Network.

1. O app registra as interações do jogador (jogar, comprar, curtir, buscar) numa fila de eventos.

2. Um processo de rotulagem monta pares usuário e jogo, marca positivos e amostra negativos, e grava o dataset.

3. O treino das duas torres lê o dataset e minimiza a entropia cruzada.

4. No diagrama, o treino publica os embeddings gerados no índice que o serviço de recomendação consulta.

5. O roteiro pede que o modelo possa ser afinado com dados novos; no diagrama, é o treino voltando a ler o dataset atualizado.

05 · COLD START E VIESES

O que quebra primeiro

Para usuários novos, a rede de duas torres ainda aceita o perfil do usuário, então há o que codificar mesmo sem interação. Para jogos novos, o roteiro sugere recomendá-los a usuários aleatórios, coletar dados e afinar o modelo com eles.

Entre as extensões, o roteiro lista o dilema entre exploração e aproveitamento, ligado ao bandit multi-armado, e o viés de posição e o viés de seleção, ambos com detecção e correção.

06 · MÉTRICAS E ENTREGA

Como saber se funcionou

No re-ranking, o roteiro aplica critérios de negócio adicionais, como filtro por idade, filtro por região, promoção de conteúdo novo e deduplicação.