胡艳芳，熊 文，高 炜

(云南师范大学信息学院，云南 昆明 650500)

1 引言

随着移动互联网和智能终端的普及，国内游戏市场已经进入存量竞争阶段，手机游戏行业的从业者面临着前所未有的竞争。一方面，由于从业者版权意识薄弱，导致公司之间相互抄袭，游戏同质化竞争严重。另一方面，无线互联网的发展已经进入稳定期，新用户的获取成本不断攀升。因此，部分敏锐的游戏公司开始调整方向，把对存量用户的服务放在首要位置。如何深入地了解用户需求，推动产品升级迭代，执行精细化的市场策略，减缓或阻止用户流失成为运营者面临的首要问题。

如何在游戏用户的日常行为数据中挖掘有价值的知识和信息，来支持游戏平台的运营决策，研究者们已经进行了大量行之有效的探索。这些探索可以分为3个方面。

(1)特征的选择与提取方面：魏玲等[1]通过直方图检验与卡方检验确定影响用户流失的特征变量。舒文丽等[2]引入二次特征提取的方法，从多个维度描述用户体验和行为，并针对多个维度分别建模，以提高流失与非流失用户体验的区分度。郑杰文[3]通过使用激活扩散算法提取用户相关性特征来提高预测性能，并结合用户之间的相关性统计和特征的相对重要性来证实用户相关性的作用。Kamya等[4]提出了一个基于特征提取的流失预测模型，该模型侧重于具有显著流失能力的最相关特征的使用。

(2)分类器的设计与选择方面：郑杰文[3]提出了基于Spark平台的Mini-Batch BP神经网络分布式算法来改善2种传统的BP神经网络算法的性能，从而减少训练时间。……