一种面向大规模移动游戏流失预测的半监督归纳式嵌入模型
机器学习
2018-10-12 v3 机器学习
摘要
移动游戏已崛起为一个收入达数十亿美元的潜力市场。全球范围内已开发出多种移动游戏平台与服务。这些平台与服务面临的一个关键挑战是理解移动游戏中的用户流失行为。准确的流失预测将使游戏开发者、广告主和平台运营方等诸多利益相关者受益。在本文中，我们提出首个面向移动游戏的大规模流失预测方案。鉴于基于传统机器学习模型的最先进方法的常见局限，我们设计了一种新颖的半监督归纳式嵌入模型，联合学习用户-应用关系的预测函数与嵌入函数。我们用深度神经网络对这两个函数建模，并采用一种独特的边嵌入技术，能够捕获上下文信息与关系动态。我们还设计了一种新颖的属性随机游走技术，同时考虑拓扑邻接与属性相似性。为评估我们方案的性能，我们从 Samsung Game Launcher 平台收集了包含数万款游戏和数亿条用户-应用交互的真实数据。基于该数据的实验结果证明了我们所提模型相对于现有最先进方法的优越性。
引用
@article{arxiv.1808.06573,
title = {A Semi-Supervised and Inductive Embedding Model for Churn Prediction of Large-Scale Mobile Games},
author = {Xi Liu and Muhe Xie and Xidao Wen and Rui Chen and Yong Ge and Nick Duffield and Na Wang},
journal= {arXiv preprint arXiv:1808.06573},
year = {2018}
}
备注
to appear in ICDM 2018