Разработка мультимодальной системы рекомендации видеоигр

В данной работе представлена разработка и оценка мультимодальной системы рекомендаций видеоигр, использующей набор данных с платформы Steam. Система интегрирует различные типы данных, включая описания игр, скриншоты и категории игр, для повышения точности рекомендаций. Были созданы две версии набора данных: одна основана исключительно на базовых характеристиках игр, а другая дополнена вероятностями, полученными в результате работы моделей машинного обучения для определения тональности текста, идентификации содержимого скриншотов и обнаружения объектов. Эти наборы данных были преобразованы с использованием разреженных матриц, стандартизированы и уменьшены в размерности с помощью TruncatedSVD. Для создания индексов была использована библиотека Annoy, а для тестирования пользователями разработано веб-приложение на платформе Streamlit. Результаты показывают, что расширенная с помощью моделей машинного обучения модель значительно превосходит базовую, демонстрируя эффективность интеграции мультимодальных данных.