流失预测模型的训练方法、玩家流失原因分析方法及装置制造方法及图纸

本申请提供了一种流失预测模型的训练方法、玩家流失原因分析方法及装置，该训练方法包括：获取多个目标玩家分别对应的游戏日志，并构造包括多个类别的流失原因特征和流失结果的训练数据集；将流失原因特征作为流失预测模型的输入，根据流失预测模型的输出结果以及流失原因特征对应的流失结果，调整流失预测模型，直至流失预测模型的损失值最小或者所有的模型参数都训练结束时，选取对应的准确率最高的内部结构，得到训练好的流失预测模型。本申请，能够提高流失预测模型预测结果的准确率，并且，通过流失预测模型输出目标玩家流失的预测值，降低了人工成本，提高了分析效率；另外，模型的可解释好，便于玩家查看；且模型易于扩展，适用性好。

【技术实现步骤摘要】
流失预测模型的训练方法、玩家流失原因分析方法及装置
本申请涉及游戏
，具体而言，涉及一种流失预测模型的训练方法、玩家流失原因分析方法及装置。
技术介绍
在游戏领域，玩家的行为与游戏的运营息息相关，比如，玩家长时间未登录游戏(也即玩家流失)，会影响游戏的营收。以玩家流失为例，游戏厂商通常要分析玩家流失的原因，通过分析玩家流失的原因，针对性地改进游戏，增强玩家的游戏体验，提升玩家留存率，进而增加游戏营收。目前，游戏厂商基于以下方法分析游戏玩家流失的原因：通过玩家的历史数据对流失玩家群体和留存玩家群体进行对比分析，以确定流失玩家的流失原因。但是，该种方式中，需要人工对大量数据进行对比分析，人工成本高，分析效率低，且不易扩展，因此，无法满足如今无处不在的在线游戏。
技术实现思路
有鉴于此，本申请的目的在于提供一种流失预测模型的训练方法、玩家流失原因分析方法及装置，在训练阶段，通过包括多个类别的流失原因特征的训练数据集训练流失预测模型，提高了模型预测结果的准确率；在应用阶段，通过流失预测模型输出目标玩家流失的预测值，并对该预测值进行解释，降低了人工成本，提高了分析效率和分析准确率，便于玩家查看；另外，模型易于扩展，适用性好。第一方面，本申请实施例提供了一种流失预测模型的训练方法，所述训练方法包括：获取多个目标玩家分别对应的游戏日志，并根据所述游戏日志构造训练数据集；其中，所述训练数据集中的每个训练数据包括多个类别的流失原因特征和流失结果，所述流失结果包括是或否；将所述流失原因特征作为流失预测模型的输入，根据所述流失预测模型的输出结果以及所述流失原因特征对应的流失结果，训练所述流失预测模型，直至所述流失预测模型的损失值最小或者所有的模型参数都训练结束时，选取对应的准确率最高的内部结构，得到训练好的流失预测模型；其中，训练好的所述流失预测模型用于基于输入的目标流失原因特征输出用于表征所述流失结果为是的预测值。在一种可能的实施方式中，所述流失原因特征的类别包括以下至少之一：社交影响类别、资源平衡类别、玩法挫败类别、游戏角色成长类别、游戏元素偏好类别。在一种可能的实施方式中，所述根据所述游戏日志构造训练数据集，包括：基于目标玩家对应的游戏日志，构建所述目标玩家对应的特征画像表，所述特征画像表中包括所述目标玩家对应的多个类别的流失原因特征；基于所述目标玩家对应的游戏日志，确定所述目标玩家对应的流失结果；基于多个目标玩家分别对应的特征画像表和该多个目标玩家分别对应的流失结果，构造训练数据集。在一种可能的实施方式中，所述获取多个目标玩家分别对应的游戏日志，包括：获取每个目标玩家在以每个目标时间点为中心的第一预设时间段内的登录信息；所述目标时间点为该目标玩家的流失起始时间点之前一段时间内的时间点；根据该目标玩家在每个目标时间点对应的登录信息以及预设的标准值，确定该目标玩家对应的转折时间点；获取该目标玩家对应的转折时间点之前的第二预设时间段内的游戏日志。在一种可能的实施方式中，所述流失预测模型为集成树模型，该集成树模型中包括预设好的模型参数，所述模型参数包括：子模型树的数量、学习率、树的分支中的最小子模型树的权重值。在一种可能的实施方式中，所述训练方法还包括：获取所述目标玩家的反馈结果，所述反馈结果中包括反馈流失原因；从所述反馈结果对应的反馈流失原因中，选取符合预设条件的参考流失原因；根据所述参考流失原因以及所述流失原因特征，重新构造更新训练数据集，并基于所述更新训练数据集重新训练所述流失预测模型。在一种可能的实施方式中，所述根据所述参考流失原因以及所述流失原因特征，重新构造更新训练数据集，包括：基于所述参考流失原因、所述流失原因特征以及所述目标玩家对应的游戏日志，更新所述目标玩家对应的特征画像表，得到更新特征画像表；根据所述更新特征画像表以及所述目标玩家对应的流失结果，重新构造训练数据集。在一种可能的实施方式中，所述目标玩家为对应的游戏资源信息大于预设阈值的玩家。第二方面，本申请实施例还提供了一种玩家流失原因分析方法，所述方法包括：获取目标玩家对应的游戏日志，并从所述游戏日志中提取多个类别的流失原因特征；将所述多个类别的流失原因特征输入到预先训练好的流失预测模型中，得到用于表征所述目标玩家的流失结果为是的第一预测值；根据每个所述流失原因特征对所述第一预测值的影响，确定所述流失预测模型输出所述第一预测值的目标流失原因。在一种可能的实施方式中，所述根据每个所述流失原因特征对所述第一预测值的影响，确定所述流失预测模型输出所述第一预测值的目标流失原因，包括：根据每个所述流失原因特征、该流失原因特征对应的特征子集以及预设个数的训练数据，计算所述流失预测模型在该流失原因特征缺失时输出的第二预测值；根据该流失原因特征对应的特征子集以及所述流失预测模型在该流失原因特征缺失时输出的第二预测值，确定该流失原因特征对应的特征重要性；基于每个所述流失原因特征对应的特征重要性，确定所述流失预测模型输出所述第一预测值的目标流失原因。在一种可能的实施方式中，所述基于每个所述流失原因特征对应的特征重要性，确定所述流失预测模型输出所述第一预测值的目标流失原因，包括：基于每个所述流失原因特征对应的特征重要性，绘制第一解释图形；在图形玩家界面中显示所述第一解释图形；其中，所述第一解释图形展示了在个体维度下每个所述流失原因特征对所述第一预测值的影响。在一种可能的实施方式中，所述基于每个所述流失原因特征对应的特征重要性，确定所述流失预测模型输出所述第一预测值的目标流失原因，还包括：基于多个目标玩家分别对应的流失原因特征的特征重要性，确定每个流失原因特征对应的特征重要性总和；根据每个流失原因特征对应的特征重要性总和，绘制第二解释图形；在图形玩家界面中显示所述第二解释图形；其中，所述第二解释图形展示了在全局维度下每个所述流失原因特征对所述第一预测值的影响。在一种可能的实施方式中，所述分析方法还包括：基于每个所述流失原因特征的不同特征值对所述第一预测值的影响，绘制第三解释图形；在图形玩家界面中显示所述第三解释图形。在一种可能的实施方式中，所述根据每个所述流失原因特征对所述第一预测值的影响，确定所述流失预测模型输出所述第一预测值的目标流失原因，包括：基于每一个所述流失原因特征对所述第一预测值的影响，确定在满足预设的准确率的前提下，对应的覆盖率最高的解释规则；基于所述解释规则，确定所述流失预测模型输出所述第一预测值的目标流失原因。在一种可能的实施方式中，所述基于所述解释规则，确定所述流失预测模型输出所述第一预测值的目标流失原因，包括：基于所述解释规则对应的覆盖率的大小，从所述解释规则中选取预设个数的目标解释规则；在图形玩家本文档来自技高网...

【技术保护点】
1.一种流失预测模型的训练方法，其特征在于，所述训练方法包括：/n获取多个目标玩家分别对应的游戏日志，并根据所述游戏日志构造训练数据集；其中，所述训练数据集中的每个训练数据包括多个类别的流失原因特征和流失结果，所述流失结果包括是或否；/n将所述流失原因特征作为流失预测模型的输入，根据所述流失预测模型的输出结果以及所述流失原因特征对应的流失结果，训练所述流失预测模型，直至所述流失预测模型的损失值最小或者所有的模型参数都训练结束时，选取对应的准确率最高的内部结构，得到训练好的流失预测模型；其中，训练好的所述流失预测模型用于基于输入的目标流失原因特征输出用于表征所述流失结果为是的预测值。/n

【技术特征摘要】
1.一种流失预测模型的训练方法，其特征在于，所述训练方法包括：
获取多个目标玩家分别对应的游戏日志，并根据所述游戏日志构造训练数据集；其中，所述训练数据集中的每个训练数据包括多个类别的流失原因特征和流失结果，所述流失结果包括是或否；
将所述流失原因特征作为流失预测模型的输入，根据所述流失预测模型的输出结果以及所述流失原因特征对应的流失结果，训练所述流失预测模型，直至所述流失预测模型的损失值最小或者所有的模型参数都训练结束时，选取对应的准确率最高的内部结构，得到训练好的流失预测模型；其中，训练好的所述流失预测模型用于基于输入的目标流失原因特征输出用于表征所述流失结果为是的预测值。


2.根据权利要求1所述的流失预测模型的训练方法，其特征在于，所述流失原因特征的类别包括以下至少之一：
社交影响类别、资源平衡类别、玩法挫败类别、游戏角色成长类别、游戏元素偏好类别。


3.根据权利要求1所述的流失预测模型的训练方法，其特征在于，所述根据所述游戏日志构造训练数据集，包括：
基于目标玩家对应的游戏日志，构建所述目标玩家对应的特征画像表，所述特征画像表中包括所述目标玩家对应的多个类别的流失原因特征；
基于所述目标玩家对应的游戏日志，确定所述目标玩家对应的流失结果；
基于多个目标玩家分别对应的特征画像表和该多个目标玩家分别对应的流失结果，构造训练数据集。


4.根据权利要求2所述的流失预测模型的训练方法，其特征在于，所述获取多个目标玩家分别对应的游戏日志，包括：
获取每个目标玩家在以每个目标时间点为中心的第一预设时间段内的登录信息；所述目标时间点为该目标玩家的流失起始时间点之前一段时间内的时间点；
根据该目标玩家在每个目标时间点对应的登录信息以及预设的标准值，确定该目标玩家对应的转折时间点；
获取该目标玩家对应的转折时间点之前的第二预设时间段内的游戏日志。


5.根据权利要求1-4任一项所述的流失预测模型的训练方法，其特征在于，所述流失预测模型为集成树模型，该集成树模型中包括预设好的模型参数，所述模型参数包括：子模型树的数量、学习率、树的分支中的最小子模型树的权重值。


6.根据权利要求3所述的流失预测模型的训练方法，其特征在于，所述训练方法还包括：
获取所述目标玩家的反馈结果，所述反馈结果中包括反馈流失原因；
从所述反馈结果对应的反馈流失原因中，选取符合预设条件的参考流失原因；
根据所述参考流失原因以及所述流失原因特征，重新构造更新训练数据集，并基于所述更新训练数据集重新训练所述流失预测模型。


7.根据权利要求6所述的流失预测模型的训练方法，其特征在于，所述根据所述参考流失原因以及所述流失原因特征，重新构造更新训练数据集，包括：
基于所述参考流失原因、所述流失原因特征以及所述目标玩家对应的游戏日志，更新所述目标玩家对应的特征画像表，得到更新特征画像表；
根据所述更新特征画像表以及所述目标玩家对应的流失结果，重新构造训练数据集。


8.根据权利要求1所述的流失预测模型的训练方法，其特征在于，所述目标玩家为对应的游戏资源信息大于预设阈值的玩家。


9.一种玩家流失原因分析方法，其特征在于，所述方法包括：
获取目标玩家对应的游戏日志，并从所述游戏日志中提取多个类别的流失原因特征；
将所述多个类别的流失原因特征输入到预先训练好的流失预测模型中，得到用于表征所述目标玩家的流失结果为是的第一预测值；
根据每个所述流失原因特征对所述第一预测值的影响，确定所述流失预测模型输出所述第一预测值的目标流失原因。


10.根据权利要求9所述的玩家流失原因分析方法，其特征在于，所述根据每个所述流失原因特征对所述第一预测值的影响，确定所述流失预测模型输出所述第一预测值的目标流失原因，包括：
根据每个所述流失原因特征、该流失原因特征对应的特征子集以及预设个数的训练数据，计算所述流失预测模型在该流失原因特征缺失时输出的第二预测值；
根据该流失原因特征对应的特征子集以及所述流失预测模型在该流失原因特征缺失时输出的第二预测值，确定该流失原因特征对应的特征重要性；
基于每个所述流失原因特征对应的特征重要性，确定所述流失预测模型输出所述第一预测值的目标流失原因。


11.根据权利要求10所述的玩家流失原因分析方法，其特征在于，所述基于每个所述流失原因特征对应的特征重要性，确定所述流失预测模型输出所述第一预测值的目标流失原因，包括：
基于每个所述流失原因特征对应的特征重要性，绘制第一解释图形；
在图形玩家界面中显示所述第一解释图形；其中，所述第一解释图形展示...

【专利技术属性】
技术研发人员：熊宇，张怡婷，吴润泽，陶建容，范长杰，胡志鹏，
申请(专利权)人：网易杭州网络有限公司，
类型：发明
国别省市：浙江;33