論文の概要: Data-Driven Portfolio Management for Motion Pictures Industry: A New Data-Driven Optimization Methodology Using a Large Language Model as the Expert

• arxiv url: http://arxiv.org/abs/2404.07434v1
• Date: Thu, 11 Apr 2024 02:23:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-12 15:18:26.805857
• Title: Data-Driven Portfolio Management for Motion Pictures Industry: A New Data-Driven Optimization Methodology Using a Large Language Model as the Expert
• Title（参考訳）: 映画産業のためのデータ駆動ポートフォリオ管理:大言語モデルをエキスパートとして用いた新しいデータ駆動最適化手法
• Authors: Mohammad Alipour-Vaezi, Kwok-Leung Tsui,
• Abstract要約: 各MPIプロジェクトに関わる有名人の効果を考えることは、前例のない専門家による手法では不可能であった。 本稿では,まず,有名人の名声スコアを大規模言語モデルを用いて決定する。 ボックスオフィスの予測は、プロジェクトごとに行われます。
• 参考スコア（独自算出の注目度）: 7.444673919915048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Portfolio management is one of the unresponded problems of the Motion Pictures Industry (MPI). To design an optimal portfolio for an MPI distributor, it is essential to predict the box office of each project. Moreover, for an accurate box office prediction, it is critical to consider the effect of the celebrities involved in each MPI project, which was impossible with any precedent expert-based method. Additionally, the asymmetric characteristic of MPI data decreases the performance of any predictive algorithm. In this paper, firstly, the fame score of the celebrities is determined using a large language model. Then, to tackle the asymmetric character of MPI's data, projects are classified. Furthermore, the box office prediction takes place for each class of projects. Finally, using a hybrid multi-attribute decision-making technique, the preferability of each project for the distributor is calculated, and benefiting from a bi-objective optimization model, the optimal portfolio is designed.
• Abstract（参考訳）: ポートフォリオ・マネジメント(Portfolio management)は、映画産業(MPI)の未対応問題の1つである。 MPIディストリビュータの最適ポートフォリオを設計するには、各プロジェクトのボックスオフィスを予測することが不可欠である。 さらに、正確なボックスオフィス予測のためには、前例のない専門家による手法では不可能な、各MPIプロジェクトに関わるセレブの影響を考慮することが重要である。 さらに、MPIデータの非対称特性は予測アルゴリズムの性能を低下させる。 本稿では,まず,有名人の名声スコアを大規模言語モデルを用いて決定する。 そして、MPIのデータの不斉特性に取り組むために、プロジェクトを分類する。 さらに、ボックスオフィスの予測は、プロジェクトごとに行われる。 最後に, ハイブリッド多属性意思決定手法を用いて, 流通業者のプロジェクトごとの好適性を算出し, 双方向最適化モデルにより最適ポートフォリオを設計する。

関連論文リスト

• Improving multidimensional projection quality with user-specific metrics and optimal scaling [0.0]
  本研究では,ユーザ固有の品質基準に基づいて多次元投影手法を調整した新しいフレームワークを提案する。 提案手法は, 3つの視覚的品質指標, ストレス, 近隣保存, シルエットスコアを組み合わせて, 正確なMP評価のための複合指標を作成する。 我々は、異なるプロジェクションの好みを持つ2人のユーザを対象に、t-SNE、UMAP、LAMPを用いてプロジェクションを生成する実験を行った。
  論文  参考訳（メタデータ） (2024-07-23T09:23:00Z)
• Graph-Structured Speculative Decoding [52.94367724136063]
  投機的復号化は、大規模言語モデルの推論を加速する有望な手法として登場した。 本稿では, 有向非巡回グラフ(DAG)を応用して, 起案された仮説を管理する革新的な手法を提案する。 我々は1.73$times$から1.96$times$に顕著なスピードアップを観察し、標準投機的復号法を大幅に上回った。
  論文  参考訳（メタデータ） (2024-07-23T06:21:24Z)
• MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
  Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。 MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。 また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
  論文  参考訳（メタデータ） (2024-06-11T17:55:25Z)
• Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
  我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。 本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。 提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
  論文  参考訳（メタデータ） (2024-03-20T00:41:12Z)
• Bayesian Inverse Transfer in Evolutionary Multiobjective Optimization [29.580786235313987]
  InvTrEMO(InvTrEMO)の第1回リバーストランスファー・マルチオブジェクト(InvTrEMO)を紹介する。 InvTrEMOは、決定空間がタスク間で正確に整合していない場合でも、多くの一般的な領域で共通の目的関数を利用する。 InvTrEMOは、高い精度の逆モデルを重要な副産物とし、オンデマンドで調整されたソリューションの生成を可能にする。
  論文  参考訳（メタデータ） (2023-12-22T14:12:18Z)
• PS-AAS: Portfolio Selection for Automated Algorithm Selection in Black-Box Optimization [4.842307002343618]
  自動アルゴリズム選択のパフォーマンスは、選択するアルゴリズムのポートフォリオに依存する。 実際には、おそらくポートフォリオのアルゴリズムを選択する最も一般的な方法は、いくつかの参照タスクにおいてうまく機能するアルゴリズムを欲しがる選択である。 提案手法は,アルゴリズムの振る舞いのメタ表現を作成し,そのメタ表現の類似性に基づいて,アルゴリズムの集合からグラフを構築し,グラフアルゴリズムを適用して,多様な,代表的,非冗長なアルゴリズムの最終的なポートフォリオを選択する。
  論文  参考訳（メタデータ） (2023-10-14T12:13:41Z)
• Delegating Data Collection in Decentralized Machine Learning [67.0537668772372]
  分散機械学習(ML)エコシステムの出現に動機付けられ,データ収集のデリゲートについて検討する。 我々は、2つの基本的な情報非対称性を扱う最適でほぼ最適な契約を設計する。 最適効用の1-1/e分を達成できるような単純な線形契約により、主成分がそのような非対称性に対処できることが示される。
  論文  参考訳（メタデータ） (2023-09-04T22:16:35Z)
• Sequential Information Design: Markov Persuasion Process and Its Efficient Reinforcement Learning [156.5667417159582]
  本稿では,逐次情報設計の新たなモデル,すなわちマルコフ説得過程(MPP)を提案する。 MPPのプランニングは、ミオピックレシーバーに同時に説得されるシグナルポリシーを見つけ、送信者の最適な長期累積ユーティリティを誘導する、というユニークな課題に直面している。 我々は,楽観主義と悲観主義の両原理の新たな組み合わせを特徴とする,実証可能な効率のよい非回帰学習アルゴリズム,Optimism-Pessimism Principle for Persuasion Process (OP4) を設計する。
  論文  参考訳（メタデータ） (2022-02-22T05:41:43Z)
• Models, Pixels, and Rewards: Evaluating Design Trade-offs in Visual Model-Based Reinforcement Learning [109.74041512359476]
  視覚的MBRLアルゴリズムにおける予測モデルの設計決定について検討する。 潜在空間の使用など、しばしば重要と見なされる設計上の決定は、タスクのパフォーマンスにはほとんど影響しないことが分かりました。 我々は,この現象が探索とどのように関係しているか,および標準ベンチマークにおける下位スコーリングモデルのいくつかが,同じトレーニングデータでトレーニングされた場合のベストパフォーマンスモデルと同等の性能を発揮するかを示す。
  論文  参考訳（メタデータ） (2020-12-08T18:03:21Z)
• Expected Information Maximization: Using the I-Projection for Mixture Density Estimation [22.096148237257644]
  高度にマルチモーダルなデータのモデリングは、機械学習において難しい問題である。 我々は,予測情報最大化(EIM)と呼ばれる新しいアルゴリズムを提案する。 我々のアルゴリズムは最近のGANアプローチよりもI射影の計算に効果的であることを示す。
  論文  参考訳（メタデータ） (2020-01-23T17:24:50Z)

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。