一种用户游戏内付费预测方法技术

本发明专利技术涉及一种基于SMOTE和XGBOOST的用户游戏内付费预测方法，包括以下步骤：清洗数据样本：把游戏内用户数据整理成易于建模的类型；对用户是否有过消费行为进行编码；采用SMOTE算法补充正样本，即通过筛选特征的方式添加正样本数量；选取合适的树的深度及其他参数，建立XGBOOST训练模型；把数据样本中的数据放到建立的XGBOOST训练模型中进行训练；将未进行训练的数据进行检测并测试模型效果，判断用户是否会在游戏内付费。本发明专利技术能够准确的判断出用户是否会在游戏内付费。

A Prediction Method of User Payment in Game

The invention relates to an in-game payment forecasting method based on SMOTE and XGBOOST, which includes the following steps: cleaning data samples: sorting out user data in the game into easy-to-model types; coding whether users have consuming behavior; using SMOTE algorithm to supplement positive samples, i.e. adding positive samples by screening features; selecting appropriate tree depth; and Other parameters, establish the XGBOOST training model; put the data in the data sample into the established XGBOOST training model for training; test the untrained data and test the effect of the model to determine whether the user will pay in the game. The invention can accurately determine whether the user will pay in the game.

【技术实现步骤摘要】
一种用户游戏内付费预测方法
本专利技术涉及用户游戏付费预测方法，特别是涉及一种基于SMOTE和XGBOOST的用户游戏内付费预测方法。
技术介绍
根据几项预测，手机游戏行业的贡献将会越来越大，到2020年，其市场份额将接近35％。因此，游戏应用(App)提供商需要知道如何设计符合消费者需求的产品，如何持续使用，以及如何在应用内购买。特别是应用内购买是主要的收入模式。根据几项调查，在所有类型的应用(App)中，游戏App的收入增长率是最大的。世界上最畅销的10大应用软件，几乎都是免费游戏，其利润来自广告和应用内购买。综上所述，游戏内购买已经成为的主流收入模式。游戏应用程序制造商需要了解哪些因素影响用户的内购行为。因为在游戏中如果用户同意产品和服务消费，可以为企业带来持续的利润。近十年来，与游戏App相关的话题也吸引了一些学术研究兴趣。例如手机游戏在无线网络环境使用的决定因素研究已经成熟。手机游戏行业面临的挑战和营销政策也被广泛研究。并且手机App的成功的关键因素、玩家愿意使用社交游戏App的决策因素、消费者的持续使用移动支付的内涵均有针对话分析和决策。由于游戏数据的宝贵价值，目前在游戏数据预测消费行为方面形成了行业壁垒。现有的文献大多只关注社交媒体或游戏设计观点。只有少数研究涉及到游戏内购买问题。目前常用于游戏用户付费行为预测的数据基础模型涵盖方差分析、因子分析、回归分析、主成分分析、聚类分析、逻辑回归、用户细分等等。显然这些方法不是很理想难以满足现实需求。
技术实现思路
本专利技术所要解决的技术问题是提供一种用户游戏内付费预测方法，能根据用户在游戏内的行为数据快速准确的判断出用户是否会消费，从而提升游戏厂商的经济效益。本专利技术解决其技术问题所采用的技术方案是：提供一种基于SMOTE和XGBOOST的用户游戏内付费预测方法，包括以下步骤：(1)清洗数据样本：把游戏内用户数据整理成易于建模的类型；(2)对用户是否有过消费行为进行编码；(3)采用SMOTE算法补充正样本，即通过筛选特征的方式添加正样本数量；(4)选取合适的树的深度及其他参数，建立XGBOOST训练模型；(5)把数据样本中的数据放到建立的XGBOOST训练模型中进行训练；(6)将未进行训练的数据进行检测并测试模型效果，判断用户是否会在游戏内付费。所述步骤(1)中清洗数据样本是指对用户在游戏内各种行为记录做筛选及处理，具体包括：补零、把日期换成天数和剔除异常数据的方式对数据格式进行清理，然后筛选出能够用来作为训练样本的数据。所述步骤(2)中的编码方式为：0代表用户无消费，1代表用户在游戏内消费，2代表用户只消费一次，3代表用户消费两次以上。所述步骤(3)中筛选的特征包括：钻石消耗次数、钻石消耗数量、金币消耗次数、金币消耗数量、玩家在线时长、玩家周登陆次数、主动发起挑战次数和挑战胜率。所述步骤(3)中SMOTE算法补充正样本的具体步骤如下：(a)从全部的T个少数类样本中找到样本xi的k个近邻，记为(b)从k个近邻中随机选取一个样本生成一个0～1的随机数ξ1，合成一个新样本xil，(c)将步骤(b)重复N次，合成N个新样本xi(new)，new∈{1，...，N}。所述XGBOOST训练模型为其中，F＝{f(x)＝wq(x)}，F对应所有回归树的集合，ti代表第i个特征，fk是F中的一棵树，每一棵树对应一个独立的叶子权重w和树结构q；目标函数obj(θ)＝L(θ)+Ω(θ)，其中，L(θ)为误差函数，Ω(θ)为正则项，对于误差函数部分采用增量训练，通过对平方误差泰勒展开二次项，带入正则项得到最终目标函数；在进行树的分裂，采用贪心生长树的方法遍历所有特征找到最优的特征分裂，到达一定深度或不能再分裂时停止，基于目标函数值比较分裂前后的最小目标函数值，增益最大的点为最优点，对应特征为最优特征。所述步骤(5)中训练时，利用贪心策略及二次最优化确定最优节点及最小的损失函数，并以此为依据进行树分裂，得到小树苗，按照贪心生长树的方法分裂形成新树，根据之前的预测每次都会建立最优的树，当达到最大深度时停止迭代。有益效果由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果：本专利技术对用户行为数据进行整理，然后筛选特征向量，SMOTE补充正样本后用XGBOOST模型进行训练和学习，再用原先采集的部分有效数据进行验证，用来检验所建立的XGBOOST模型的合理性。本专利技术经SMOTE算法补充正样本，XGBOOST算法在处理高维稀疏矩阵时准确率有大幅度提升。本专利技术能够准确的判断出用户是否会在游戏内付费，从而为游戏厂商筛选出潜在付费用户，具有较高的实用价值。附图说明图1是本专利技术的流程图；图2是本专利技术中XGBOOST算法的流程图。具体实施方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。本专利技术的实施方式涉及一种基于SMOTE和XGBOOST预测用户游戏内付费方法，如图1所示，包括以下步骤：(1).整理数据样本：对用户在游戏内各种行为记录做筛选及处理。对数据格式进行清理，使之方便做模型训练。其中包括但不限于补零、把日期换成天数、剔除异常数据，然后筛选出能够用来作为训练样本的数据。(2).对用户是否有过消费行为进行编码：0代表用户无消费，1代表用户在游戏内消费，2代表用户只消费一次，3代表用户消费2次及2次以上；(3).SMOTE算法补充正样本：筛选合适的特征，添加合理的正样本数量，易于训练；筛选的特征分别为：钻石消耗次数、钻石消耗数量、金币消耗次数、金币消耗数量、玩家在线时长、玩家周登陆次数、主动发起挑战次数、挑战胜率。其中SMOTE算法补充正样本的过程为：a)首先从全部的T个少数类样本中找到样本xi的k个近邻，记为b)然后从k个近邻中随机选取一个样本生成一个0～1的随机数ξ1，合成一个新样本xil，c)将步骤b)重复进行N次，从而可以合成N个新样本xi(new),new∈{1,...,N}。对全部的T个少数类样本进行上述操作，便可为该少数类合成NT个新样本。(4)建立XGBOOST模型：选取合适的树的深度及其他参数建立训练模型。XGBoost最根本就是由决策树集成而来，因此树模型写成：其中，F对应所有回归树的集合，ti代表第i个特征，每个f是树空间F的一棵树，每一棵树对应一个独立的叶子权重w和树结构q。此时需要引入目标函数：obj(θ)＝L(θ)+Ω(θ)L(θ)部分为误差函数，表示模型拟合数据的程度，Ω(θ)表示正则项，是所有正则化项累加和，用来处理复杂模型，对复杂模型进行简单化处理。对于模型误差部分用增量训练，通过对平方误差泰勒展开二次项，带入正则化项得到的最终目标函数为：其中的γ和λ是XGBOOST自定义的，显然γ和λ越大，表示希望获得更简单的树，这样处理能很清楚的理解这个目标，obj(t)分数越小表示生成的树的结构越好。至此树的类型已经能够确定，接下来需要进行树的分裂，采用贪心生长树的方法，遍历所有特征，从而找到最优的特征分裂，到达一定深度或不能再分裂时停止，基于目标本文档来自技高网...

【技术保护点】
1.一种基于SMOTE和XGBOOST的用户游戏内付费预测方法，其特征在于，包括以下步骤：(1)清洗数据样本：把游戏内用户数据整理成易于建模的类型；(2)对用户是否有过消费行为进行编码；(3)采用SMOTE算法补充正样本，即通过筛选特征的方式添加正样本数量；(4)选取合适的树的深度及其他参数，建立XGBOOST训练模型；(5)把数据样本中的数据放到建立的XGBOOST训练模型中进行训练；(6)将未进行训练的数据进行检测并测试模型效果，判断用户是否会在游戏内付费。

【技术特征摘要】
1.一种基于SMOTE和XGBOOST的用户游戏内付费预测方法，其特征在于，包括以下步骤：(1)清洗数据样本：把游戏内用户数据整理成易于建模的类型；(2)对用户是否有过消费行为进行编码；(3)采用SMOTE算法补充正样本，即通过筛选特征的方式添加正样本数量；(4)选取合适的树的深度及其他参数，建立XGBOOST训练模型；(5)把数据样本中的数据放到建立的XGBOOST训练模型中进行训练；(6)将未进行训练的数据进行检测并测试模型效果，判断用户是否会在游戏内付费。2.根据权利要求1所述的基于SMOTE和XGBOOST的用户游戏内付费预测方法，其特征在于，所述步骤(1)中清洗数据样本是指对用户在游戏内各种行为记录做筛选及处理，具体包括：补零、把日期换成天数和剔除异常数据的方式对数据格式进行清理，然后筛选出能够用来作为训练样本的数据。3.根据权利要求1所述的基于SMOTE和XGBOOST的用户游戏内付费预测方法，其特征在于，所述步骤(2)中的编码方式为：0代表用户无消费，1代表用户在游戏内消费，2代表用户只消费一次，3代表用户消费两次以上。4.根据权利要求1所述的基于SMOTE和XGBOOST的用户游戏内付费预测方法，其特征在于，所述步骤(3)中筛选的特征包括：钻石消耗次数、钻石消耗数量、金币消耗次数、金币消耗数量、玩家在线时长、玩家周登陆次数、主动发起挑战次数和挑战胜率。5.根据权利要求1所述的基于SMOTE和XGBOOST的用...

【专利技术属性】
技术研发人员：马明浩，陈亮，冯晓煜，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海,31