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
- 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) - Enhanced Bayesian Optimization via Preferential Modeling of Abstract
Properties [49.351577714596544]
本研究では,非測定抽象特性に関する専門家の嗜好を代理モデルに組み込むための,人間とAIの協調型ベイズフレームワークを提案する。
優先判断において、誤った/誤解を招く専門家バイアスを処理できる効率的な戦略を提供する。
論文 参考訳(メタデータ) (2024-02-27T09:23:13Z) - Inverse Transfer Multiobjective Optimization [29.580786235313987]
我々は,多目的最適化における逆変換という新しい概念を導入する。
逆移動は確率的逆モデルを用いることで際立つ。
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。
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) - Preference-Aware Constrained Multi-Objective Bayesian Optimization [32.95116113569985]
本稿では,ブラックボックスの目的関数に対する制約付き多目的最適化の問題に対処し,入力空間の大部分を実現できない場合(すなわち制約に違反する場合)に,対象関数に対して具体的選好を行う。
主な課題は、設計空間の巨大なサイズ、複数の目的と多数の制約、そして高価なシミュレーションを実行した後にのみ特定できる実行可能な入力設計のごく一部である。
そこで本稿では,PAC-MOO(PAC-MOO)と呼ばれる制約付き複数目的ベイズ最適化手法を提案する。
論文 参考訳(メタデータ) (2023-03-23T04:46:49Z) - 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) - Conservative Objective Models for Effective Offline Model-Based
Optimization [78.19085445065845]
計算設計の問題は、合成生物学からコンピュータアーキテクチャまで、様々な場面で発生している。
本研究では,分布外入力に対する接地的目標の実際の値を低くする目的関数のモデルを学習する手法を提案する。
COMは、様々なMBO問題に対して、既存のメソッドの実装と性能の面では単純である。
論文 参考訳(メタデータ) (2021-07-14T17:55:28Z) - 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。