مروری بر روش های مبتنی بر حافظه طولانی کوتاه مدت برای پیش بینی ریزش بازیکنان در بازی های رایانه ای
محل انتشار: اولین کنفرانس هوش مصنوعی و پردازش هوشمند
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 509
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISC01_090
تاریخ نمایه سازی: 16 آبان 1401
چکیده 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.
کلیدواژه ها:
نویسندگان
فاطمه وطنی
دانشجو کارشناسی ارشد هوش مصنوعی، دانشگاه سمنان
مرتضی دری گیو
استادیار دانشکده مهندسی برق و کامپیوتر- دانشگاه سمنان