Friend Recall in Online Games via Pre-training Edge Transformers

要約

フレンド リコールは、Tencent ゲームのデイリー アクティブ ユーザー (DAU) を改善するための重要な方法です。
従来のフレンド リコール メソッドは、フレンドの親密さや、失われたプレイヤーの復帰確率を予測するための分類器のトレーニングなどのルールに焦点を当てていますが、(アクティブな) プレイヤーの特徴情報や過去のフレンド リコール イベントは無視されます。
この作業では、友人のリコールをリンク予測の問題として扱い、アクティブなプレーヤーと失われたプレーヤーの両方の機能、および歴史的なイベントを使用できるいくつかのリンク予測方法を探ります。
さらに、新しい Edge Transformer モデルを提案し、マスクされた自動エンコーダーを介してモデルを事前トレーニングします。
当社の方法は、3 つの Tencent ゲームのオフライン実験とオンライン A/B テストで最先端の結果を達成しています。

要約(オリジナル)

Friend recall is an important way to improve Daily Active Users (DAU) in Tencent games. Traditional friend recall methods focus on rules like friend intimacy or training a classifier for predicting lost players’ return probability, but ignore feature information of (active) players and historical friend recall events. In this work, we treat friend recall as a link prediction problem and explore several link prediction methods which can use features of both active and lost players, as well as historical events. Furthermore, we propose a novel Edge Transformer model and pre-train the model via masked auto-encoders. Our method achieves state-of-the-art results in the offline experiments and online A/B Tests of three Tencent games.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google