prikaz prve stranice dokumenta Modeli za predviđanje ponašanja korisnika digitalne igre i odluka o plaćanju dodatnog sadržaja temeljeni na strojnom učenju
No public access
master's thesis
Modeli za predviđanje ponašanja korisnika digitalne igre i odluka o plaćanju dodatnog sadržaja temeljeni na strojnom učenju
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. urn:nbn:hr:168:978796
Jurčić, Filip
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Jurčić, F. (2018). Modeli za predviđanje ponašanja korisnika digitalne igre i odluka o plaćanju dodatnog sadržaja temeljeni na strojnom učenju (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:978796

Jurčić, Filip. "Modeli za predviđanje ponašanja korisnika digitalne igre i odluka o plaćanju dodatnog sadržaja temeljeni na strojnom učenju." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:978796

Jurčić, Filip. "Modeli za predviđanje ponašanja korisnika digitalne igre i odluka o plaćanju dodatnog sadržaja temeljeni na strojnom učenju." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:978796

Jurčić, F. (2018). 'Modeli za predviđanje ponašanja korisnika digitalne igre i odluka o plaćanju dodatnog sadržaja temeljeni na strojnom učenju', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 26 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:978796

Jurčić F. Modeli za predviđanje ponašanja korisnika digitalne igre i odluka o plaćanju dodatnog sadržaja temeljeni na strojnom učenju [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2018 [cited 2024 November 26] Available at: https://urn.nsk.hr/urn:nbn:hr:168:978796

F. Jurčić, "Modeli za predviđanje ponašanja korisnika digitalne igre i odluka o plaćanju dodatnog sadržaja temeljeni na strojnom učenju", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2018. Available at: https://urn.nsk.hr/urn:nbn:hr:168:978796

Metadata
TitleModeli za predviđanje ponašanja korisnika digitalne igre i odluka o plaćanju dodatnog sadržaja temeljeni na strojnom učenju
Title (english)Machine Learning Based Models for Prediction of Player Behavior and Purchase Decisions in Digital Games
AuthorFilip Jurčić
MentorLea Skorin-Kapov (mentor)
Committee memberLea Skorin-Kapov (predsjednik povjerenstva)
Committee memberOgnjen Dobrijević (član povjerenstva)
Committee memberMirko Sužnjević (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2018-07-06, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Glavni cilj ovog rada je bio generiranje modela strojnog učenja za predviđanje odluke o plaćanju dodatnog sadražaja temeljenu na njihovom ponašanju u besplatnoj interaktivnoj storytelling igri koja je dostupna na tržištu. Objašnjena je motivacija za ovakvu vrstu istraživanja uz primjere sličnih istraživanja s rezultatima i zaključcima. Prikazan je problem pohrane i obrade ogromne količine podataka i odabrane su tehnologije i alati za rješavanje tog problema u sklopu ovog rada. Podaci o korisnicima koji su obavaili barem jednu uplatu su dodatno analizirani za određivanje vremena koje je proteklo od prve instalacije igre do kupnje (apsolutno) i vremena za kojeg je korisnik zapravo igrao igru (relativno) s grafovima za analizu distribucije korisnika. Ključni koncepti i ideja koja stoji iza machine learninga su objašnjeni s podjelom u kategorije (s nadzorom, bez nadzora) s kratkim objašnjenjem najpoznatijih algoritama za svaku kategoriju. Dan je uvod u korištenje WEKA alata, koji se koristio za klasifikaciju korsinika uz pomoć algoritama strojnog učenja. Prikazana je metoda odabira podskupa korisnika kao ulaz u algoritnme strojnog učenja u svrhu klasifikacije sa svim značajkama koje su izračunate za svakog korisnika u podskupu. Na kraju su ukratko prikazani korišteni algoritmi s detaljnim prikazom rezultata za svaki od njih.
Abstract (english)
The main goal of this thesis was the generation of machine learning models for prediction of players purchase decisions based on their behavior in a free-to-play interactive storytelling game available on the market. The motivation behind this kind of research is explained and examples of similar researches with their results and conclusions are being shown. The problem of storing and parsing huge amounts of data is presented with the technologies and tools used to solve that problem in scope of this thesis. The data for the users which have completed at least one payment has been further analyzed to determine the times of purchase in regard to the first installation of the game (absolute) and time actually spent playing (relative) with graphs to analyze the distribution of the users. The idea behind and key concepts of machine learning have been explained with a breakdown in categories (supervised, unsupervised) with brief explanation of the most popular algorithms for each of the categories. An introduction is given to the WEKA tool, which was used in classification of the users with the machine learning algorithms. The method for selecting the user subsets for the input in the machine learning algorithms have been explained, with all the features calculated for each user in the generated subset. Finally, the algorithms which have been used have been briefly introduced with detailed breakdown of the results for each of them.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:978796
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2019-03-13 21:18:04