Jun, 2015

电影成功的早期预测：盈利的人、事、时

PDF
TL;DR这篇论文提出了一个决策支持系统，利用从各种来源获得的历史数据、社交网络分析和文本挖掘技术，自动提取多组数据特征，包括 “谁” 在演员阵容中，“电影” 讲述的内容，“何时” 上映以及匹配 “谁” 和 “何时” 与 “电影” 相关的特征，从而预测电影的利润，实验证明此系统在预测电影利润方面的性能大大优于基准方法，同时其所提出的新特征也对电影利润预测做出了重要贡献。此外，对于电影利润的关键因素的分析也可能对团队绩效和创意工作的成功的理论研究产生影响。
发现论文，激发创造
  • 基于维基百科活动的电影票房成功的早期预测大数据分析

    使用社交媒体生成的 "大数据"，预测电影的财务成功，其中包括测量和分析维基百科上与电影对应的条目的编辑和观看者的活动水平。

    Nov, 2012

  • 使用机器学习模型进行电影收入预测

    用机器学习模型预测电影收益，通过收集、预处理、分析、选择模型、评估和改进的结构化方法，构建了一个准确预测电影收益的模型，使用线性回归、决策树、随机森林回归、Bagging、XGBoosting 和 Gradient Boosting 进行训练和测试，通过超参数调整和交叉验证提高模型的准确性和泛化性，有助于电影行业做出明智的决策以最大化利润。

    May, 2024

  • 使用社交媒体预测未来

    本文阐述了如何使用社交媒体内容来预测真实世界的结果，具体来说，作者使用 Twitter 上的内容预测了电影的票房收入，并演示了如何使用从 Twitter 中提取的情感来进一步提高社交媒体的预测能力。

    Mar, 2010

  • 通过文本分析提升创业成功率

    通过扩大和丰富数据源以及特征数量，利用机器学习模型对创业公司的公开数据进行预测，可较准确地预测公司是否能在未来一定时间内筹集到资金。

    Dec, 2023

  • 电影工业的数据驱动投资组合管理：一种利用大型语言模型作为专家的新数据驱动优化方法论

    通过计算明星的名气分数并采用多属性决策方法，本研究设计了一个优化投资组合，以解决电影工业领域中投资组合管理的问题。将项目根据其不对称特征进行分类，并对每个类别的项目进行票房预测，最终通过双目标优化模型确定了经销商的首选项目。

    Apr, 2024

  • 基于评论一致性的电影推荐系统

    本文提出基于协作和内容的混合推荐系统，结合顶级评论家一致性和电影评分，建立一个推荐模型，可基于用户喜好和评论家评分综合推荐电影。

    Dec, 2021

  • 流行性的可预测性：预测与理解之间的差距

    通过使用跨越音乐、书籍、照片和 URL 等领域的社交网络数据，我们测试了可以使用先行者和其社交网络属性来预测一个项目的流行度这一观点的鲁棒性，并且发现我们的模型不仅在所有数据集上都可以获得较高的准确性，而且具有很好的泛化能力。

    Mar, 2016

  • 社交媒体中的新闻脉搏：流行度预测

    本文旨在通过建立多维特征空间来分析新闻文章的性质，采用回归和分类算法预测其在线受欢迎程度，发现可在 Twitter 上以 84% 的准确率范围内预测其受欢迎度，并突显传统来源与社交网络受欢迎性的差异。

    Feb, 2012

  • 利用社会动态模型预测新闻的受欢迎程度

    预测社交媒体中受欢迎的内容具有挑战性，但是我们利用用户早期反应构建的随机模型可以预测受欢迎的程度，并结合网站设计方面的因素，提高了预测的准确性。

    Apr, 2010

  • 剧本质量评估：我们能否预测谁会被提名？

    本文提出了一种基于语言线索的方法来评估剧本质量，以预测在主要电影奖项上申报表彰的剧本提名。利用叙事学和领域特定功能，我们的方法在剧本选取方面提供了明显的优势，为未来的剧本分析提供了新的研究方向。

    May, 2020