大规模移动游戏的微观与宏观层级流失分析
机器学习
2019-01-21 v1 机器学习
摘要
随着移动设备日益普及，移动游戏已成为一个具有数十亿收入的前景市场。全球已开发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流失行为，这通常涉及微观层级（应用与特定用户之间）和宏观层级（应用与其所有用户之间）的流失。准确的微观层级流失预测与宏观层级流失排序将使游戏开发者、广告商和平台运营者等诸多利益相关方受益。本文提出了首个支持微观层级流失预测与宏观层级流失排序的大规模移动游戏流失分析。对于微观层级流失预测，鉴于基于传统机器学习模型的先进方法普遍存在的局限，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。我们通过深度神经网络以独特的边嵌入技术建模这两个函数，该技术能够捕捉上下文信息与关系动态。我们还设计了一种考虑拓扑邻接与属性相似性的新颖属性随机游走技术。为解决宏观层级流失排序，我们提出以估计的微观层级流失概率作为边权构建关系图，并适配图上的链接分析算法。我们设计了一种简单算法 SimSum 并适配了两种更先进的算法 PageRank 与 HITS。我们针对两级流失分析问题的解决方案的性能在从三星游戏启动器(Samsung Game Launcher)平台收集的真实数据上进行了评估。
引用
@article{arxiv.1901.06247,
title = {Micro- and Macro-Level Churn Analysis 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:1901.06247},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1808.06573