Purchase Prediction System Using Data Augmentation based on autoencoder and Early Game Behavior

게임 사용자의 초기 게임 행동을 분석하여 게임 시작 후 빠른 시간 안에 사용자가 미래의 게임 아이템 구매자인지 비구매자인지를 분류할 수 있다면 Average Revenue per user(ARPU)를 높일 수 있다. 일반적으로 게임 아이템의 비구매자의 비율이 구매자의 비율보다 매우 크다. 특히 게임 초기에는 이 비율의 격차가 더 크기 때문에 두 클래스간의 불균형한 데이터의 비율을 처리해야 높은 예측율을 획득할 수 있다. 이러한 불균형 데이터를 효과적으로 처리하기 위해 본 논문에서는 오토인코더를 이용하여 구매자 데이터들을 증강시킨다. 실제 수집된 데이터를 이용한 실험을 통해 제안하는 방법이 효과가 있음을 보이고 기존 기법들과 비교하여 우수함을 입증하였다.