論文の概要: WE model: A Machine Learning Model Based on Data-Driven Movie
Derivatives Market Prediction
- arxiv url: http://arxiv.org/abs/2207.02423v2
- Date: Fri, 19 Aug 2022 07:32:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 09:43:58.844490
- Title: WE model: A Machine Learning Model Based on Data-Driven Movie
Derivatives Market Prediction
- Title(参考訳): WEモデル: データ駆動型映画デリバティブに基づく機械学習モデル
- Authors: Yaoyao Ding, Chenghao Wu, Xinyu Liu, Yyuntao Zou, Peng Zhou
- Abstract要約: 本稿では,機械学習技術に基づく高精度映画マーチャンジ予測モデルWEモデルを提案する。
マーチャンダイスの市場における予測と評価の精度は72.5%に達し、市場コントロール効果が強い。
- 参考スコア(独自算出の注目度): 12.410848737065438
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The mature development and the extension of the industry chain make the
income structure of the film industry. The income of the traditional film
industry depends on the box office and also includes movie merchandising,
advertisement, home entertainment, book sales etc. Movie merchandising can even
become more profitable than the box office. Therefore, market analysis and
forecasting methods for multi-feature merchandising of multi-type films are
particularly important. Traditional market research is time-consuming and
labour-intensive, and its practical value is restricted. Due to the limited
research method, more effective predictive analysis technology needs to be
formed. With the rapid development of machine learning and big data, a large
number of machine learning algorithms for predictive regression and
classification recognition have been proposed and widely used in product design
and industry analysis. This paper proposes a high-precision movie merchandising
prediction model based on machine learning technology: WE model. This model
integrates three machine learning algorithms to accurately predict the movie
merchandising market. The WE model learns the relationship between the movie
merchandising market and movie features by analyzing the main feature
information of movies. After testing, the accuracy rate of prediction and
evaluation in the merchandising market reaches 72.5%, and it has achieved a
strong market control effect.
- Abstract(参考訳): 成熟した発展と産業チェーンの拡張は、映画産業の収入構造を生み出している。
伝統的な映画産業の収入は興行収入に依存しており、映画商事、広告、ホームエンターテイメント、書籍販売なども含まれる。
映画のマーチャンデリングは、ボックスオフィスよりも利益を上げることができる。
そのため,マルチタイプフィルムのマルチ機能マーチャンジの市場分析と予測手法が特に重要である。
伝統的な市場調査は時間消費と労働集約であり、その実用価値は制限されている。
限られた研究方法により、より効果的な予測分析技術を形成する必要がある。
機械学習とビッグデータの急速な発展に伴い、予測回帰と分類認識のための機械学習アルゴリズムが多数提案され、製品設計や産業分析に広く利用されている。
本稿では,機械学習技術に基づく高精度映画マーチャンジ予測モデルWEモデルを提案する。
このモデルは3つの機械学習アルゴリズムを統合し、映画販売市場を正確に予測する。
weモデルは,映画の主な特徴情報を分析することにより,映画販売市場と映画特徴の関係を学習する。
試験後、商取引市場における予測と評価の精度は72.5%に達し、強力な市場管理効果を達成している。
関連論文リスト
- Buy when? Survival machine learning model comparison for purchase timing [0.0]
本稿では,サポートベクトルマシン,遺伝的アルゴリズム,ディープラーニング,K平均といったマーケティング機械学習技術について検討する。
ジェンダー、インカム、ロケーション、購入履歴、オンラインディスカウント、興味、プロモーション、顧客体験はすべて、購入時間に影響を与える。
調査によると、DeepSurvモデルは購入完了が最良であると予測している。
論文 参考訳(メタデータ) (2023-08-28T06:40:02Z) - Long-range Multimodal Pretraining for Movie Understanding [79.63187251571391]
本稿では,映画データを利用してトランスファー可能なマルチモーダルエンコーダとクロスモーダルエンコーダを訓練する戦略とモデルを提案する。
私たちのキーとなるアイデアは、長期にわたる関係を観察し、抽出することで、映画のあらゆるモダリティから学ぶことです。
本モデルでは,複数のLVUタスクの最先端化を実現し,従来の作業よりもはるかにデータ効率がよい。
論文 参考訳(メタデータ) (2023-08-18T18:52:59Z) - Stock Market Prediction via Deep Learning Techniques: A Survey [24.88558334340833]
本稿では,ディープラーニング技術に着目した株式市場予測に関する研究の概要について概説する。
株式市場予測の詳細なサブタスクを4つ提示し、最先端モデルを要約する新しい分類法を提案する。
さらに、株式市場でよく使われるデータセットと評価指標について詳細な統計情報を提供する。
論文 参考訳(メタデータ) (2022-12-24T11:32:17Z) - Machine learning applications for electricity market agent-based models:
A systematic literature review [68.8204255655161]
エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。
エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。
我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
論文 参考訳(メタデータ) (2022-06-05T14:52:26Z) - A Comprehensive Study on Various Statistical Techniques for Prediction
of Movie Success [0.0]
映画の成功率を予測するために,さまざまな機械学習モデルを比較した。
これらのモデルの有効性とそれらの統計的意義について検討し、どのモデルが最良の予測因子であるかを結論付ける。
論文 参考訳(メタデータ) (2021-12-01T10:28:44Z) - Machine Learning Classification Methods and Portfolio Allocation: An
Examination of Market Efficiency [3.3343612552681945]
我々は,OOS(Out-of-sample)予測可能性を通じて市場効率を評価する新しい枠組みを設計する。
我々は、資産価格問題を機械学習の分類問題とみなし、返却状態を予測するための分類モデルを構築した。
予測に基づくポートフォリオは、OOS経済の大幅な伸びで市場を圧倒した。
論文 参考訳(メタデータ) (2021-08-04T20:48:27Z) - Estimating Fund-Raising Performance for Start-up Projects from a Market
Graph Perspective [58.353799280109904]
市場環境を利用して未公開プロジェクトの資金調達実績を予測するためのグラフベースの市場環境(GME)モデルを提案する。
具体的には、市場環境を利用して未公開プロジェクトの資金調達実績を予測するグラフベースの市場環境(GME)モデルを提案する。
論文 参考訳(メタデータ) (2021-05-27T02:39:30Z) - Future Frame Prediction for Robot-assisted Surgery [57.18185972461453]
本稿では,ロボット手術用ビデオシーケンスにおけるフレーム予測のためのtpg-vaeモデルを提案する。
コンテンツ配信に加えて、私たちのモデルは、手術ツールの小さな動きを処理するために斬新な運動分布を学習します。
論文 参考訳(メタデータ) (2021-03-18T15:12:06Z) - Analyzing movies to predict their commercial viability for producers [0.0]
我々は、今後のフィルムのリターンを予測できるモデルを開発する。
このモデルの将来的な応用は、映画業界で見られ、プロダクション企業は彼らのプロジェクトの期待するリターンをより正確に予測できる。
論文 参考訳(メタデータ) (2021-01-05T18:42:38Z) - Taking Over the Stock Market: Adversarial Perturbations Against
Algorithmic Traders [47.32228513808444]
本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。
入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
論文 参考訳(メタデータ) (2020-10-19T06:28:05Z) - Screenplay Quality Assessment: Can We Predict Who Gets Nominated? [53.9153892362629]
本稿では,言語的手がかりに基づく脚本の品質評価手法を提案する。
産業の意見やナラトロジーに基づいて、ドメイン固有の特徴を共通分類技法に抽出し、統合する。
論文 参考訳(メタデータ) (2020-05-13T02:39:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。