一种基于潜在情感感知的RNN模型用于行为数据下的用户流失预测
人工智能
2019-11-07 v1
摘要
预测用户流失并采取个性化措施以留住用户,是在线游戏运营商常见且有效的做法。然而,不同于传统可涉及人口统计、经济和行为的用户流失相关研究,多数在线游戏只能获取用户行为日志,无法获知用户的潜在情感。本工作主要有两大挑战:1. 本工作中无法直接观测的潜在情感需被估计与验证;2. 仅借助行为数据预测用户流失。本工作提出一种称为 LaFee(Latent Feeling,潜在情感)的循环神经网络(RNN),可在预测用户流失的同时获取用户潜在情感。此外,我们提出一种名为 BMM-UCP(Behavior-based Modeling Method for User Churn Prediction,基于行为的用户流失预测建模方法)的方法,以助模型仅用行为数据预测用户流失。本工作中潜在情感被命名为满意度与渴望度。我们在真实数据集上设计实验,结果表明所提方法优于基线且更适于长期序列学习。所学得的潜在情感被充分讨论并被证明具有意义。
引用
@article{arxiv.1911.02224,
title = {A Latent Feelings-aware RNN Model for User Churn Prediction with Behavioral Data},
author = {Meng Xi and Zhiling Luo and Naibo Wang and Jianwei Yin},
journal= {arXiv preprint arXiv:1911.02224},
year = {2019}
}