Szerencsejáték-függőség prediktálása klaszterező eljárásokkal

Abstract

A folyamatosan növekvő szerencsejáték iparban egyre nagyobb szerepet töltenek be a különböző felelős játékszervezési tevékenységek. A szerencsejáték-függőség meghatározása multidiszciplináris probléma, ugyanis a szakterületek nem rendelkeznek egységes konszenzussal a függőség definiálásában. Kutatásom során egy gépi tanuló algoritmusokra épülő modellt hozok létre, amely célja a függőségre való hajlam becslése különböző fogadási adatokra épülő paraméterek alapján. A meglévő szakirodalmakat NLP modellek segítségével dolgozom fel és meghatározom a függőséget leíró numerikus változókat. Az igazolt paramétereket a t-SNE és UMAP nemlineáris dimenziócsökkentő eljárásokkal alakítom át, majd a K-means klaszterező algoritmus segítségével kezdeti klasztereket hozok létre, a létrejött két kezdeti klasztert kiegészítem egy szakmai tapasztalatokra épülő klaszterrel. A három kiinduló klaszterező eljárás egy-egy euklideszi távolsággal jelzi a függőségre való hajlamot, majd ezen távolságok összedolgozásával hozza létre a modell a végső, függő ügyfeleket tartalmazó csoportot. A kutatás eredményeképpen a létrehozott modell hatékonyságát bináris osztályozási algoritmusokkal ellenőrzöm, amely végül igazolja a modell ipari gyakorlatban történő felhasználását.