Filtragem Colaborativa Offline

Este documento descreve a estratégia de Filtragem Colaborativa baseada em itens utilizada pelo Playlite.

Diferente de sistemas tradicionais que calculam recomendações em tempo real comparando usuários entre si, o Playlite utiliza um modelo pré-computado, distribuído junto com o aplicativo.

Motivação

A adoção de uma abordagem offline foi motivada por:

• Preservação da privacidade do usuário
• Funcionamento sem dependência de internet
• Simplicidade arquitetural
• Performance previsível em ambiente desktop

Tipo de Filtragem Colaborativa

O sistema utiliza Item-based Collaborative Filtering, onde:

• Cada jogo é tratado como uma entidade
• A similaridade é calculada entre jogos
• Usuários servem apenas como sinal estatístico

Essa abordagem é mais estável do que user-based CF em datasets grandes e esparsos.

Fonte dos Dados

O sistema de recomendação é alimentado pelo dataset Game Recommendations on Steam, que contém interações reais de usuários da plataforma Steam, incluindo:

• Avaliações e reviews
• Relacionamentos entre usuários e jogos

Informações do Dataset

Propriedade	Valor
Nome	Game Recommendations on Steam
Autor	Anton Kozyriev
Fonte	Kaggle
DOI	10.34740/KAGGLE/DS/2871694
Licença	CC0: Public Domain
Tamanho	~2.24 GB
Período	Dados até 2023

Estrutura dos Dados

O dataset inclui as seguintes tabelas principais:

• recommendations.csv - Reviews de usuários
• games.csv - Metadados dos jogos
• users.csv - Informações dos usuários (anonimizadas)

Citação Acadêmica

Kozyriev, A. (2023). Game Recommendations on Steam [Data set]. 
Kaggle. https://doi.org/10.34740/KAGGLE/DS/2871694

Pré-processamento e Limpeza

Para evitar o problema de "Cold Start" e garantir a relevância das recomendações, o dataset bruto é filtrado antes do treinamento. São removidos:

1. Jogos de Baixa Qualidade: Títulos com menos de 70% de aprovação.
2. Jogos de Nicho Extremo: Títulos com menos de 100 avaliações (evita viés de poucos usuários).
3. Ruído de Usuário: Contas com tempo de jogo insignificante (< 2 horas).

O resultado final é um subconjunto de ~14.000 jogos de alta relevância, representando cerca de 28% do catálogo original, mas mantendo a maioria das interações significativas.

Representação dos Dados

Cada jogo é representado por um vetor binário:

Jogo A = [1, 0, 1, 1, 0, ...]

Onde:

• 1 indica que o usuário avaliou positivamente o jogo
• 0 indica ausência de avaliação positiva

Métrica de Similaridade

A similaridade entre dois jogos é calculada usando Cosine Similarity:

cos(A, B) = (A · B) / (||A|| × ||B||)

Justificativa da Escolha

• Funciona bem com dados binários
• Lida melhor com datasets esparsos
• Reduz viés causado por popularidade extrema
• Fácil de explicar e auditar

Filtragem e Estabilização

Para garantir qualidade nas recomendações, são aplicadas as seguintes regras:

• Remoção de jogos com poucas avaliações
• Limitação do número de vizinhos similares (Top-K)
• Penalização de jogos excessivamente populares

Essas heurísticas evitam recomendações instáveis ou óbvias.

Geração do Arquivo Final

O resultado do processamento é um arquivo JSON contendo:

• Lista de jogos similares para cada jogo
• Scores normalizados entre 0 e 1
• Metadados auxiliares (popularidade, categorias)

Este arquivo é consumido diretamente pelo backend em Rust.

Integração com o Modelo Híbrido

A filtragem colaborativa não decide sozinha a recomendação final.

Durante a execução do aplicativo:

• O perfil do usuário define o peso de cada jogo da biblioteca
• A filtragem colaborativa sugere jogos relacionados
• Os scores são combinados com o content-based filtering

Isso garante recomendações personalizadas sem comprometer a privacidade.

Limitações Conhecidas

• Jogos muito recentes podem não aparecer
• Recomendações dependem da qualidade do dataset
• Não considera contexto temporal do usuário

Essas limitações são aceitáveis dentro da proposta local-first.

---

Este modelo foi escolhido por equilibrar qualidade, simplicidade e controle do usuário, sendo adequado para um aplicativo desktop offline.