概要: SteamやGoogle Playなどのゲームストアでは，開発者はゲームにジャンルや世界観を表すゲームタグを付与する．ゲームタグは検索やレコメンドに使われる情報であり，日々リリースされる豊富なゲームの中から好みのゲームを探すためには欠かせない情報である．しかしながらゲームタグの豊富さや一貫性の確保の難しさから，開発者が適切にゲームタグを付与するのは容易ではない．また機械学習を用いたゲームタグ推薦手法も研究されているが，ゲームタグの持つ不均衡が課題となり全てのゲームタグへの適用は困難である．本研究では開発者によるゲームタグ付与の支援を目的とし，機械学習を用いた全てのゲームタグに適用可能なゲームタグ推薦手法の提案に取り組む．提案手法ではBinary Relevanceを用いてゲームタグ推薦を単純な二値分類へ分解し，またタグの共起関係に基づくヒューリスティクスを導入し推薦精度を向上させる．本研究では提案手法の推薦性能を確認するためSteamを題材としたゲームタグ推薦を実験した．実験の結果，全体的には提案手法に有意な推薦精度の改善は確認できなかったが，一部のタグやモダリティでは有意な推薦精度の改善が確認できた．今後は個々のゲームタグに合わせたモデル設計や，より効果的なヒューリスティクスの設計が課題となる．

@mastersthesis{玉置文人2026,
  author = {玉置 文人},
  title = {Binary Relevanceとヒューリスティクスを用いたゲームタグ推薦},
  school = {大阪大学},
  year = {2026},
  month = {feb}
}