V社推出Steam实验室：微型宣传片、交互式推荐模型以及自动展示
V社于近日表示，在 Steam 的幕后，他们以“皮博迪推荐模型”和“用摩尔斯电码整理您的 Steam 库”等为代号，制作了许多实验性功能。现在他们向所有玩家隆重推出 Steam 实验室，玩家可以在这里与这些功能进行互动，并欢迎所有玩家提供宝贵意见。在推出实验室的同时，V社选择了三个首推实验向大家开放， 这些实验都旨在帮助大家找到自己喜欢的游戏，以下是三个推出的实验：
微型宣传片是精心制作、时长 6 秒的游戏宣传片，全都显示在同一页面上，让玩家一目了然。 V社已经为冒险游戏、角色扮演、营建类等游戏制作了微型宣传片合集。
https://www.miaopai.com/show/DOQx9Opki8L7vY7yZ4t0wbfgBEvbXWmMw3e~6w__.htm
交互式推荐模型通过查看玩家常玩的游戏，并使用机器学习向您推荐它认为玩家会喜欢的其他游戏。 玩家可以查看最近十年发布的最热门游戏，也可以寻找过去六个月发行的小众游戏中的璞玉。
V社表示，Steam 的优势之一就是提供规模各异的开发团队开发的海量精彩游戏，覆盖了几乎所有类型。 有这么多精彩内容可供选择，同时V社也听到用户反馈，希望有更好的工具帮助大家找到自己喜欢的游戏。 虽然现有的比如按标签进行搜索的商店功能也很有帮助，但V社认为可以做得更好——因此他们通过充分利用机器学习的威力，根据玩家各自的游玩模式，开发出了一套可以向每位玩家个性化推荐的系统，这一系统将机器学习与实时控件进行结合以调整搜索结果，从而使推荐模型成为一个有趣且威力强大的工具，用来在 Steam 上找到玩家喜欢的游戏。
据悉，这一全新推荐模型的基础是一个神经网络模型，经训练后可以根据用户的游玩时间历史及其他显著数据推荐游戏。 V社用来自数以百万计的 Steam 用户及数以亿计的游戏会话数据对该模型进行训练，所获得的结果非常可靠，捕捉了不同游玩模式的细微差别，并涵盖了我们所有的游戏。 模型已经参数化，因此可以将输出结果限制在某一特定时间段内发行的游戏，还可以调整偏向更热门或更冷门的游戏。 参数对用户公开，玩家可以选择只在结果中查看近期发行的游戏，或是包含从十年前到现在发行的所有游戏。 同样的，玩家还可以选择只查看主流热门游戏，或是在游戏目录中深挖心头所好。 无论滑块如何设置，搜索结果始终充满个性，只与单个用户相关。
自动展示是一段时长半小时的视频，介绍 Steam 近期推出的产品。 玩家可以一边工作，一边在另一个显示器观看；或者专注地认真欣赏，感受成百上千款游戏扑面而来。
https://www.taptap.com/video/1121605/embed?thumb=https%3A%2F%2Fimg2.tapimg.com%2Fbbcode%2Fimages%2Fae26b23e1d015e09a5f722de1508467a.jpg
作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。Tips: Until now, everytime you want to store your article, we will help you store it in Filecoin network. In the future, you can store it in Filecoin network using your own filecoin.
Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: