지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김휘강
- 발행연도
- 2019
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수9
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
대규모 다중 사용자 온라인 롤플레잉 게임 (MMORPG)은 세계적으로 많은 사용
자들이 즐기는 게임의 장르로 사용자들이 즐길 수 있는 다양한 컨텐츠를 제공해준
다. 하지만 다양한 컨텐츠를 제공함에도 불구하고 일부 사용자들은 게임에서 이탈
한다. 지속적으로 게임을 즐기는 사용자는 게임회사의 수익과 밀접한 관계가 있기
때문에, 사용자 이탈 예측은 매우 중요한 문제이다.
본 연구에서는 게임 사용자 유형을 기반으로 이탈을 예측하는 방법을 제안한다.
실제 MMORPG 데이터를 이용하여 ‘이탈자’를 정의하고, 서로 다른 특징을 보이는
사용자들을 군집화 알고리즘을 통해 5가지 유형으로 나누어 분류하였다. 실험 결
과로 약 98.3%의 이탈자가 라이트 사용자형에 속하는 것을 확인하였다. 분류한 유
형을 이탈 예측 모델 생성의 피처로 사용하여, 기계학습 알고리즘을 이용한 이탈
예측 모델을 구축하였다. 이탈 예측 모델은 최대 85.7%의 accuracy와 72.3%의
F-measure의 성능을 보였다.
자들이 즐기는 게임의 장르로 사용자들이 즐길 수 있는 다양한 컨텐츠를 제공해준
다. 하지만 다양한 컨텐츠를 제공함에도 불구하고 일부 사용자들은 게임에서 이탈
한다. 지속적으로 게임을 즐기는 사용자는 게임회사의 수익과 밀접한 관계가 있기
때문에, 사용자 이탈 예측은 매우 중요한 문제이다.
본 연구에서는 게임 사용자 유형을 기반으로 이탈을 예측하는 방법을 제안한다.
실제 MMORPG 데이터를 이용하여 ‘이탈자’를 정의하고, 서로 다른 특징을 보이는
사용자들을 군집화 알고리즘을 통해 5가지 유형으로 나누어 분류하였다. 실험 결
과로 약 98.3%의 이탈자가 라이트 사용자형에 속하는 것을 확인하였다. 분류한 유
형을 이탈 예측 모델 생성의 피처로 사용하여, 기계학습 알고리즘을 이용한 이탈
예측 모델을 구축하였다. 이탈 예측 모델은 최대 85.7%의 accuracy와 72.3%의
F-measure의 성능을 보였다.
목차
1. 서론 12. 관련 연구 32.1 사용자 이탈 예측에 관한 연구 32.2 사용자 행동 유형 분석에 관한 연구 43. 이탈 예측 모델 설계 방법 53.1 이탈 기준 정의 53.2 사용자 행동 기반 유형 분류 63.3 이탈자 분류 모델링 및 평가 114. 사용자 유형 분류를 통한 이탈 예측 실험 144.1 이탈 기준 정의 144.2 사용자 유형 군집화 164.3 사용자 이탈 분석 195. 결론 22참고 문헌 23
최근 본 자료
댓글(0)
0