CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مروری بر روش های مبتنی بر حافظه طولانی کوتاه مدت برای پیش بینی ریزش بازیکنان در بازی های رایانه ای

عنوان مقاله: مروری بر روش های مبتنی بر حافظه طولانی کوتاه مدت برای پیش بینی ریزش بازیکنان در بازی های رایانه ای
شناسه ملی مقاله: AISC01_090
منتشر شده در اولین کنفرانس هوش مصنوعی و پردازش هوشمند در سال 1401
مشخصات نویسندگان مقاله:

فاطمه وطنی - دانشجو کارشناسی ارشد هوش مصنوعی، دانشگاه سمنان
مرتضی دری گیو - استادیار دانشکده مهندسی برق و کامپیوتر- دانشگاه سمنان

خلاصه مقاله:
ریزش مشتری مساله ای است که شرکت ها ی صنایع مختلف را تحت تاثیر قرار می دهد. همه صنایع به ویژه صنعت بازی باید به ریزش مشتریان توجه کنند، زیرا به طور مستقیم بر حفظ مشتری، درآمد و همچنین سود یا زیان تاثیر می گذارد. عدم پیش بینی دقیق ریزش مشتری می تواند منجر به از دست دادن درآمد شود. پیش بینی ریزش به معنی تعیین مشتریانی است که احتمال ریزش و لغو اشتراک برای آن ها وجود دارد. پیش بینی ریزش به دلیل مزایا عملکردی که به ارمغان می آورد، به بخش کلیدی بسیاری از مشاغل مدرن تبدیل شده است. ممکن است به کسب و کار ها در تعیین اقداماتی مانند حفظ مشتری و تولید درآمد کمک کند. هدف این مقاله بررسی مدل هایی است که از شبکه حافظه طولانی کوتاه مدت برای پیش بینی ریزش بازیکنان در بازی های رایانه ای استفاده کرده اند.

کلمات کلیدی:
ریزش مشتریان، طبقه بندی، رگرسیون، شبکه عصبی عمیق، حافظه طولانی کوتاه مدت

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1549654/