在本项目中，我们使用 MATLAB 代码进行游戏分析，重点关注 Steam 社区用户之间的 游戏成瘾 问题。通过分析 AAA 游戏 和 独立游戏 的用户数据，我们提出了一种新的联合矩阵分解方法 JFactor，用于预测游戏时间并推荐社区游戏。Steam 是研究较少的社交网络之一，我们将其建模为一个三方网络，包括 用户（U）、社区（C） 和 游戏（G） 三个实体。具体来说，若用户 u 是某个社区 c 的一部分，则 u 与 c 之间存在一条边缘连接。我们的目标是探索 友谊、社区 和 游戏所有权 之间的关系，进而评估它们对 游戏成瘾 的影响。此外，我们通过分解派生的社区和游戏共现矩阵来优化推荐系统，使其在 Steam 网络中为用户提供个性化的游戏推荐。
我们进行了广泛的实验，评估了 JFactor 模型在预测游戏时间和成瘾预测上的表现。实验结果表明，联合矩阵分解能够显著提高推荐的准确性和游戏时间的预测能力。
作者: Pratik Anand（@pratikone）和 Sanket Lokegaonkar（@sloke）。