GREC (Game Recommendation Engine based on embeddings and Collaborative filtering) 是一个基于向量嵌入和协同过滤的游戏推荐系统,能够根据用户提供的游戏列表推荐相似游戏。
- 智能推荐:基于游戏嵌入向量和协同过滤算法,提供高精度的游戏推荐
- 高效内存加载:优化的内存加载机制,快速启动和响应
- 异步数据更新:先返回基本推荐结果,再异步加载Steam API数据
- 瀑布流布局:前端采用响应式瀑布流布局,支持无限滚动
- 多游戏权重推荐:支持为多个游戏设置不同权重进行混合推荐
GREC/
├── front/ # 前端文件
│ ├── favicon.ico # 网站图标
│ └── game_recommender.html # 主页面
├── meta_data/ # 元数据和文档
│ ├── Steam游戏数据集分析报告.md
│ ├── steam-dataset-2025-multi-modal-gaming-analytics-metadata.json
│ ├── steam-dataset-2025-schema-analysis.md
│ └── 嵌入向量使用概要.md
├── steam_dataset_2025/ # Steam数据集(外部数据目录)
│ ├── steam-dataset-2025-v1/
│ ├── steam_dataset_2025_csv_package_v1/
│ ├── steam_dataset_2025_embeddings_package_v1/
│ └── steam_dataset_2025_power_users_dump_v1/
├── test_use/ # 测试和工具脚本
├── app.py # Flask应用入口
├── data_loader.py # 数据加载器
├── recommendation_system.py # 推荐系统核心
├── vector_index.py # 向量索引实现
├── requirements.txt # 依赖列表
└── test_recommendations.py # 推荐系统测试
Steam Dataset 2025: Multi-Modal Gaming Analytics
steam_dataset_2025/
├── steam-dataset-2025-v1/
│ ├── notebook-data/
│ │ ├── 01-platform-evolution/
│ │ │ ├── 01_temporal_growth.csv
│ │ │ ├── 02_genre_evolution.csv
│ │ │ ├── 03_platform_support.csv
│ │ │ ├── 04_pricing_strategy.csv
│ │ │ ├── 05_publisher_portfolios.csv
│ │ │ ├── 06_achievement_evolution.csv
│ │ │ └── README.md
│ │ ├── 02-semantic-game-discovery/
│ │ │ ├── 01_game_embeddings_sample.csv
│ │ │ ├── 02_embeddings_appids.csv
│ │ │ ├── 02_embeddings_vectors.npy
│ │ │ ├── 02_genre_representatives.csv
│ │ │ └── 02_semantic_search_examples.json
│ │ └── 03-the-semantic-fingerprint/
│ │ ├── 03-the-semantic-fingerprint-preview.csv
│ │ └── 03-the-semantic-fingerprint.parquet
│ ├── notebooks/
│ │ ├── 01-steam-platform-evolution-and-marketplace/
│ │ │ ├── notebook-01-steam-platform-evolution-and-market-landscape.ipynb
│ │ │ └── notebook-01-steam-platform-evolution.pdf
│ │ ├── 02-semantic-game-discovery/
│ │ │ ├── 02-semantic-game-discovery.ipynb
│ │ │ └── notebook-02-semantic-game-discovery.pdf
│ │ └── 03-the-semantic-fingerprint/
│ │ ├── 03-the-semantic-fingerprint.ipynb
│ │ └── notebook-03-the-semantic-fingerprint.pdf
│ ├── DATASET_CARD.md
│ ├── DATA_DICTIONARY.md
│ ├── README.md
│ └── steam-dataset-2025-full-schema.sql
├── steam_dataset_2025_csv_package_v1/
│ └── steam_dataset_2025_csv/
│ ├── MANIFEST.json
│ ├── applications.csv # 应用基本信息
│ ├── application_categories.csv # 应用-分类关联
│ ├── application_developers.csv # 应用-开发者关联
│ ├── application_genres.csv # 应用-类型关联
│ ├── application_platforms.csv # 应用-平台关联
│ ├── application_publishers.csv # 应用-发行商关联
│ ├── categories.csv # 分类信息
│ ├── developers.csv # 开发者信息
│ ├── genres.csv # 游戏类型信息
│ ├── platforms.csv # 平台信息
│ ├── publishers.csv # 发行商信息
│ └── reviews.csv # 用户评价数据
├── steam_dataset_2025_embeddings_package_v1/
│ └── steam_dataset_2025_embeddings/
│ ├── MANIFEST.json
│ ├── applications_embedding_map.csv # 应用嵌入向量映射
│ ├── applications_embeddings.npy # 应用嵌入向量(主要使用)
│ ├── reviews_embedding_map.csv # 评价嵌入向量映射
│ └── reviews_embeddings.npy # 评价嵌入向量
└── steam_dataset_2025_power_users_dump_v1/
└── steam_dataset_2025_power_users/
├── dump.toc
├── pg_dump.log
└── steam_dataset_20250929.dump # PostgreSQL数据库转储文件
applications_embeddings.npy:游戏应用的嵌入向量文件,用于计算游戏相似度applications_embedding_map.csv:嵌入向量与应用ID的映射关系applications.csv:Steam应用的基础信息(名称、发布日期、价格等)reviews.csv:用户评价数据,包含评分和评论数量genres.csv/application_genres.csv:游戏类型信息developers.csv/application_developers.csv:开发者信息
- 优化的内存管理:将所有数据加载到内存中,提供最快的访问速度
- 适合开发和生产环境:优化的加载机制确保快速启动和响应
- 低资源占用:高效的数据结构设计,减少内存消耗
- 推荐结果先返回基本信息,减少初始加载时间
- 后续通过异步请求获取Steam API数据(价格、评分等)
- 实现了Steam API数据缓存,减少重复请求
- 前端采用CSS Grid实现瀑布流布局
- 支持响应式设计,适配不同屏幕尺寸
- 实现了无限滚动,自动加载更多推荐项
推荐系统的核心是基于游戏嵌入向量的相似度计算,具体实现位于 vector_index.py:
def search(self, query_vector, k=10):
"""搜索最相似的k个向量"""
if self.vectors is None:
raise ValueError("Index not built yet")
# 计算余弦相似度
# 归一化向量
norm_vectors = self.vectors / np.linalg.norm(self.vectors, axis=1, keepdims=True)
norm_query = query_vector / np.linalg.norm(query_vector)
# 计算相似度
similarities = np.dot(norm_vectors, norm_query)
# 获取top k最相似的向量
indices = np.argsort(similarities)[::-1][:k] # 降序排列,取前k个
distances = similarities[indices]
return distances, indices技术细节:
- 向量归一化:对查询向量和数据库中的向量进行L2归一化,确保余弦相似度计算的准确性
- 余弦相似度:通过点积计算归一化向量间的余弦相似度,值域为[-1, 1]
- 高效搜索:使用NumPy的向量化操作,支持大规模向量的快速相似度计算
- Top-K检索:按相似度降序排列,返回最相似的K个游戏
系统支持为多个游戏设置不同权重进行混合推荐:
def get_weighted_recommendations(self, game_weights, k=10):
"""基于多个游戏的加权推荐"""
weighted_vector = np.zeros(self.vector_dim)
total_weight = 0
# 计算加权平均向量
for appid, weight in game_weights.items():
if appid in self.appid_to_index:
idx = self.appid_to_index[appid]
game_vector = self.vectors[idx]
weighted_vector += weight * game_vector
total_weight += weight
if total_weight > 0:
weighted_vector /= total_weight
# 基于加权向量搜索相似游戏
distances, indices = self.search(weighted_vector, k)
return distances, indices核心思想:
- 向量加权平均:将多个游戏的嵌入向量按权重进行线性组合
- 偏好融合:通过调整权重比例,平衡用户对不同游戏的偏好强度
- 个性化推荐:权重越大表示用户对该游戏的偏好越强
为了提升推荐质量,系统引入评论数量作为重要权重因子进行结果重排序,实现位于 recommendation_system.py:
def reorder_recommendations(self, recommendations):
"""根据评论数量重排推荐结果"""
# 为每个推荐结果计算带评论权重的最终评分
for rec in recommendations:
review_count = self.get_review_count_by_appid(rec['appid'])
rec['review_count'] = review_count
rec['weighted_score'] = self.calculate_weighted_score(rec['similarity'], review_count)
# 根据最终评分降序排序
recommendations.sort(key=lambda x: x['weighted_score'], reverse=True)
return recommendations重排序策略:
- 评论数量权重:评论数量反映游戏的受欢迎程度和社区活跃度
- 加权评分计算:结合相似度分数和评论数量,计算综合评分
- 质量优先:优先推荐既有高相似度又有大量评论的游戏
- 冷启动缓解:避免推荐相似度高但评论极少的冷门游戏
评分计算公式:
def calculate_weighted_score(self, similarity, review_count):
"""计算加权评分:结合相似度和评论数量"""
# 基础相似度分数
base_score = similarity
# 评论数量权重(使用对数缩放避免极端值影响)
review_weight = math.log(review_count + 1) / math.log(self.max_review_count + 1)
# 综合评分:70%相似度 + 30%评论权重
weighted_score = 0.7 * base_score + 0.3 * review_weight
return weighted_score- 输入处理:接收用户选择的游戏列表和对应权重
- 向量计算:基于权重计算加权平均查询向量
- 相似度搜索:使用余弦相似度在向量索引中查找最相似的游戏
- 初步筛选:获取Top-K相似游戏作为候选集
- 重排序:基于评论数量对候选结果进行加权重排序
- 结果返回:返回最终的推荐列表,包含相似度、评论数量等信息
这种多层次的推荐机制确保了推荐结果既保持了与用户偏好的高度相关性,又兼顾了游戏的质量和受欢迎程度,提供了更加智能和实用的游戏推荐体验。
- 问题:局域网设备访问时出现跨域请求错误
- 解决:在Flask应用中配置CORS,允许所有来源的请求
- 代码:
CORS(app, resources={r"/*": {"origins": "*", "methods": ["GET", "POST", "OPTIONS"], "allow_headers": ["Content-Type"]}})
- 问题:直接加载大量数据到内存导致启动缓慢
- 解决:实现双模式加载,支持从PostgreSQL数据库读取数据(已移除PostgreSQL支持)
- 优化:现在只支持内存加载模式,但实现了选择性数据加载,只加载必要的数据
- 问题:Steam API响应慢,导致推荐结果加载延迟
- 解决:实现异步数据加载,先返回基本结果,再异步更新API数据
- 代码:前端实现异步请求
/api/game-details端点
- 问题:HNSW索引使用默认的L2距离,而不是更适合归一化向量的内积距离
- 解决:将HNSW索引配置为直接使用内积距离(
faiss.METRIC_INNER_PRODUCT) - 效果:提高了HNSW索引的搜索准确性和效率
- 代码:
vector_index.py中修改了HNSW索引的构建逻辑
- 问题:FAISS flat索引的推荐结果与numpy实现不一致
- 解决:确保向量在构建索引前被正确归一化
- 效果:FAISS flat索引与numpy实现的推荐结果完全一致
- 问题:原始的pandas搜索效率较低,尤其是在处理大量数据时
- 解决:预创建
name_lower列,用于快速搜索,避免了重复的lower()转换 - 优化:实现了appid优先匹配逻辑,提高了精确匹配的优先级
- 效果:显著提高了搜索速度和准确性
- 问题:之前使用硬编码的URL模式生成封面图片链接,可能不准确
- 解决:直接使用
applications.csv数据集中的header_image字段 - 优化:添加了对缺失值的处理,确保在
header_image为空时仍能使用手动构建的URL作为fallback - 效果:确保了封面图片URL的准确性和完整性
- 问题:没有机制来限制同一客户端的请求频率
- 解决:实现了请求状态检查装饰器,用于跟踪同一客户端的请求状态
- 实现:
- 1秒内只能请求一次
- 5秒内最多10次请求
- 使用设备ID识别同一客户端
- 效果:防止了恶意请求和服务器资源过度消耗
- 问题:单一推荐算法的效果有限
- 解决:结合了基于内容的推荐和基于协同过滤的推荐
- 实现:
- 支持通过配置文件调整两种推荐算法的权重
- 实现了算法开关,可以启用或禁用特定的推荐算法
- 确保推荐结果不包含输入的游戏
- 效果:提高了推荐系统的准确性和多样性
- 问题:每次启动都需要重新构建索引,耗时较长
- 解决:支持将构建好的索引保存到文件,下次启动时直接加载
- 实现:
- 不同索引类型使用不同的文件名,避免覆盖
- 支持从配置文件指定索引类型
- 效果:显著减少了应用启动时间
- 移除了未使用的导入:删除了
app.py和config.py中未使用的导入语句 - 修复了无限递归问题:确保推荐函数不会无限递归
- 优化了数据加载:实现了选择性数据加载,只加载必要的数据
- 移除了PostgreSQL数据库相关代码:简化了数据加载流程
- 优化了代码结构:提高了代码的可读性和可维护性
- 问题:配置变量分散在各个文件中,不便于管理
- 解决:将所有配置变量集中到
config.py文件中 - 实现:
- 支持通过配置文件调整推荐算法权重
- 支持通过配置文件设置索引类型
- 支持通过配置文件启用或禁用特定的推荐算法
- 效果:提高了配置的灵活性和可维护性
- pandas
- requests
- flask
- flask_cors
- faiss-cpu
在使用本系统之前,需要先下载并配置Steam数据集:
-
下载数据集:从 Kaggle - Steam Dataset 2025 下载完整数据集
-
解压数据集:将下载的数据集解压到项目根目录,确保目录结构如下:
GREC/ ├── steam_dataset_2025/ │ ├── steam-dataset-2025-v1/ │ ├── steam_dataset_2025_csv_package_v1/ │ ├── steam_dataset_2025_embeddings_package_v1/ │ └── steam_dataset_2025_power_users_dump_v1/ └── ...(其他项目文件) -
验证数据完整性:确保以下核心文件存在:
steam_dataset_2025_embeddings_package_v1/steam_dataset_2025_embeddings/applications_embeddings.npysteam_dataset_2025_embeddings_package_v1/steam_dataset_2025_embeddings/applications_embedding_map.csvsteam_dataset_2025_csv_package_v1/steam_dataset_2025_csv/applications.csvsteam_dataset_2025_csv_package_v1/steam_dataset_2025_csv/reviews.csv
系统要求:Python >= 3.9
pip install -r requirements.txtpython app.py在浏览器中访问:http://localhost:5000
输入游戏名或者游戏描述,系统会返回相关游戏列表。添加游戏之后,系统会根据用户输入的游戏列表和权重,计算出用户的游戏偏好向量。
POST /api/recommend
请求体:
{
"games": [
{"appid": 10, "weight": 1.0},
{"appid": 20, "weight": 0.5}
],
"page": 1,
"per_page": 10
}响应:
{
"recommendations": [...],
"total": 100,
"page": 1,
"per_page": 10,
"total_pages": 10
}POST /api/game-details
请求体:
{
"appids": [10, 20, 30]
}响应:
{
"details": {
"10": {...},
"20": {...},
"30": {...}
}
}GET /api/games?q=game_name&limit=10
响应:
{
"games": [...]
}- 下载Steam数据集和嵌入向量文件
- 放置在
steam_dataset_2025目录下
运行测试脚本:
python test_recommendations.pyMIT License
欢迎提交Issue和Pull Request!
如有问题或建议,请通过GitHub Issues联系我。