Priporočilni sistem za predlaganje iger v spletni igralnici

Bosil, Tara Patricija (author), Demšar, Jure (mentor)

Spletne igralnice in stavnice predstavljajo vse bolj priljubljen način zabave. Ker je konkurenca na trgu zelo velika, je zadovoljstvo stranke ključnega pomena. Pomembno vlogo pri tem ima personalizacija celotne izkušnje, ki jo lahko izboljšamo z uporabo priporočilnih sistemov. Cilj magistrske naloge je razvoj in evalvacija priporočilnih sistemov, ki igralcu spletne igralnice priporoča igre, ki ga utegnejo zanimati. Pri gradnji priporočilnih sistemov smo uporabili matrično faktorizacijo, faktorizacijske metode in ekstremno gradientno spodbujanje. Za potrebe evalvacije smo implementirali tudi nekaj naivnih algoritmov. Uporabili pa smo tudi hibridni način priporočanja, kjer kombiniramo naprednejše algoritme z naivnimi. Algoritme smo ovrednotili s pomočjo prečne validacije na podlagi historičnih podatkov. Naši rezultati nakazujejo, da najboljše napovedi dobimo s kombinacijo algoritma XGBoost in naivnega algoritma PMplays. A tega ne moremo zagotovo trditi, saj so metrike najboljših algoritmov znotraj napake. Da bi to potrdili, bi potrebovali dodatne eksperimente. Opazili smo tudi, da so pri gradnji algoritmov zelo pomembne značilke, ki opisujejo temo, čas in lokacijo igre. Rezultati naloge bodo podjetju služili kot izhodišče za gradnjo priporočilnega sistema v produkcijskem okolju. Pričakujemo, da bo implementiran priporočilni sistem pozitivno vplival na zadovoljstvo strank ter s tem tudi na uspešnost podjetja.

• Language: Slovenian
• Keywords: priporočilni sistem, faktorizacijske metode, matrična faktorizacija, ekstremno gradientno spodbujevanje, spletni kazinoji
• Work type: Master's thesis/paper
• Typology: 2.09 - Master's Thesis
• Organization: FRI - Faculty of Computer and Information Science
• Year: 2021
• PID: 20.500.12556/RUL-133068
• COBISS.SI-ID: 87405315
• Publication date in RUL: 10.11.2021

Secondary language

• Language: English
• Title: Recommender system for games in an online casino

Abstract

Online casinos and betting sites are becoming an increasingly popular way of having fun. Due to a fierce competition on the market, clients satisfaction is of vital importance. Personalization of the whole experience plays a key role in increasing customer satisfaction and recommender systems play a vital part of it. The goal of this master thesis is to develop and evaluate recommender systems that would recommend new and interesting games. In the construction of the recommender systems we used matrix factorization, factorization machines and extreme gradient boosting. For a better evaluation we also implemented some naive algorithms. On top of that we used a hybrid way of recommendation, where we combined more advanced algorithms with the naive ones. We evaluate our algorithms using cross validation on historical data. Our results indicate that a combination of the XGBoost algorithm and the naive PMplays algorithm produces the best prediction results. Additionally we noticed that game features that describe the theme, location and time of a game play an extremely important role in the building of our recommender systems. The results of this thesis will serve as a starting point in building a recommender system that will be used in production. We expect that the implemented recommender system will have a positive impact on customer satisfaction and thus on the overall success of the company.

• Keywords: recommender system, factorization machines, matrix factorization, extreme gradient boosting, online casino