Playlite

Appearance

Sistema de Recomendação ​

O Playlite utiliza um sistema híbrido de recomendação, combinando informações do próprio usuário com padrões globais de consumo de jogos, sempre respeitando a filosofia local-first e privacy-first.

Nenhum dado pessoal do usuário é enviado para servidores externos. Todo o processamento acontece localmente no aplicativo ou é pré-computado offline.

Visão Geral da Abordagem ​

O sistema combina duas estratégias complementares:

  1. Filtragem Baseada em Conteúdo (Content-Based Filtering)
  2. Filtragem Colaborativa Offline (Collaborative Filtering)

Essas abordagens são combinadas para gerar recomendações relevantes, estáveis e explicáveis.

1. Filtragem Baseada em Conteúdo ​

A filtragem baseada em conteúdo analisa exclusivamente a biblioteca do usuário para construir um Perfil de Preferências.

São considerados sinais explícitos e implícitos, como:

  • Jogos marcados como favoritos
  • Avaliações pessoais (1–5 estrelas)
  • Tempo de jogo
  • Gêneros, tags e séries associadas aos jogos

Esses sinais são convertidos em vetores de preferência que representam o gosto do usuário.

Scoring Local ​

Cada jogo da biblioteca recebe um peso de relevância baseado em heurísticas simples e explicáveis:

  • Favoritos possuem peso alto
  • Avaliações influenciam moderadamente
  • Tempo jogado contribui de forma complementar

Jogos não jogados ou sem avaliação não distorcem o perfil.

2. Filtragem Colaborativa Offline ​

A filtragem colaborativa é baseada em padrões globais de consumo extraídos de datasets públicos de avaliações de jogos.

Características ​

  • Processamento offline, fora do aplicativo.
  • Baseado em ~25 milhões de interações processadas de datasets públicos da Steam.
  • Uso de feedback implícito (avaliações positivas filtradas por tempo de jogo).
  • Similaridade calculada entre jogos, não entre usuários.

O resultado é um conjunto de relações do tipo:

"Jogadores que gostaram de X também gostaram de Y"

Esses dados são exportados para um arquivo JSON e distribuídos com o aplicativo.

3. Combinação das Estratégias (Modelo Híbrido) ​

Durante a recomendação, o Playlite combina os dois sinais:

  • O perfil do usuário determina quais jogos da sua biblioteca são mais representativos do seu gosto
  • A filtragem colaborativa sugere jogos semelhantes a esses títulos

De forma simplificada:

text
score_final =
  α × content_based_score +
  β × collaborative_score

Onde α e β são pesos ajustáveis.

4. Regras de Negócio ​

Após o cálculo matemático, regras adicionais garantem uma melhor experiência:

  • Penalização de jogos excessivamente populares
  • Diversidade de gêneros e estilos
  • Remoção de sugestões repetitivas

5. Explicabilidade ​

As recomendações são acompanhadas de explicações determinísticas, baseadas em dados estruturados:

  • Gêneros em comum
  • Tags relevantes
  • Séries favoritas

Isso garante transparência e elimina a necessidade de LLMs para explicação.

Benefícios da Abordagem ​

  • Funciona 100% offline
  • Preserva a privacidade do usuário
  • Escala bem para bibliotecas grandes
  • Fácil de manter e evoluir
  • Adequada para um aplicativo desktop local-first

Este sistema foi projetado para equilibrar qualidade de recomendação, simplicidade técnica e controle do usuário.