$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

데이터마이닝을 이용한 박스오피스 예측
Prediction of box office using data mining 원문보기

응용통계연구 = The Korean journal of applied statistics, v.29 no.7, 2016년, pp.1257 - 1270  

전성현 (전남대학교 통계학과) ,  손영숙 (전남대학교 통계학과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 영화 흥행의 척도로서 총 관객수의 예측을 다루었다. 의사결정나무, MLP 신경망모형, 다항로짓모형, support vector machine과 같은 데이터마이닝 분류 기법들을 사용하여 개봉 전, 개봉 일, 개봉 1주 후, 그리고 개봉 2주 후 시점 별로 예측이 이루어진다. 국적, 등급, 개봉 월, 개봉 계절, 감독, 배우, 배급사, 관객수, 그리고 스크린 수와 같은 영화의 내재적인 속성을 나타내는 변수 뿐만 아니라 포털의 평점과 평가자 수, 블로그 수, 뉴스 수와 같은 온라인 구전 변수들이 예측변수로 사용되었다. 10-중 교차 검증에서 신경망모형의 정확도는 개봉 전 시점에서도 90% 이상의 높은 예측력을 보였다. 또한 최종 온라인 구전 변수의 추정치를 예측변수로 추가함으로서 예측의 정확도가 더 높아짐을 볼 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This study deals with the prediction of the total number of movie audiences as a measure for the box office. Prediction is performed by classification techniques of data mining such as decision tree, multilayer perceptron(MLP) neural network model, multinomial logit model, and support vector machine...

주제어

#다항로짓모형   #데이터마이닝   #영화 흥행 예측   #온라인 구전   #의사결정나무   #10-중 교차 검증   #MLP 신경망모형  

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 연구에서는 영화 흥행 예측을 다룬다. 일반적으로 영화 흥행과 관련된 연구는 영화 흥행에 영향력을 미치는 예측변수들의 선택에 관한 연구와 이들 예측변수들로 부터 영화 흥행을 예측하는 연구의 두 가지 주제로 분류된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
초기 단계에서 영화 흥행을 정확히 예측하는 것이 영화산업 관련 업계 종사자들에게 매우 중요한 과제인 이유는? 3%에 달한다. 영화산업은 고수익, 고위험의 특성을 가지고 있기 때문에 가능한 초기 단계에서 영화 흥행을 정확히 예측하는 것은 영화산업 관련 업계 종사자들에겐 매우 중요한 과제일 것이다.
우리나라에서 역대 1위의 관객수를 기록한 영화는? 그 중 약 62%인 8편이 2012년부터 최근 4년 동안 매년 2편씩 천만 관객을 동원하였다. 특히 2014년에 개봉한 영화 ‘명량’은 우리나라 인구의 약 1/3이 넘는 1,761만 명이 관람하여 역대 1위의 관객수를 기록하였다. 이러한 통계수치들의 흐름은 최근 한국 영화산업의 환경을 낙관적으로 볼 수 있는 청신호임은 분명하다.
k-중 교차검증이 모형의 정확도를 어떻게 측정하는가? 교차 검증의 대표적인 방법으로 k-중 교차검증(k-fold cross validation)이 있다. 이 방법은 관측된 데이터들을 랜덤하게 k개의 집단으로 나눈 뒤, k − 1개의 집단을 모형의 훈련에 사용하고 나머지 1개의 집단을 예측에 사용하여 모형의 정확도를 측정한다. 이러한 절차를 독립적으로 k회 수행하여 각 회차에서 얻은 정확도를 평균하여 모형의 전체 정확도로 표현한다. k-중 교차 검증은 모든 자료가 모형 훈련과 예측에 분리되어 독립적으로 사용된다는 장점이 있고 k회 반복 수행함으로써 예측 모형의 신뢰성을 높일 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (10)

  1. Jeon, S. and Son, Y.S. (2016). Effect of online word-of-mouth variables as predictors of box office, The Korean Journal of Applied Statistics, 29, 657-678. 

    원문보기 상세보기 crossref

  2. Kim, T., Hong, J., and Koo, H. (2013). Forecasting box-office revenue by considering social network services in the Korean market, Journal Teknologi (Social Sciences), 64, 97-101. 

  3. Kim, Y.H. and Hong, J.H. (2011). A study for the development of motion picture box-office prediction model, Communications for Statistical Applications and Methods, 18, 859-869. 

    원문보기 상세보기 crossref

  4. Korean Film Council (2015). 2015 Korean film consumer survey, Korean Film. 

  5. Korean Film Council (2016). 2015 Korean film industry settlement, Korean Film, 71. 

  6. SAS Institute Inc (2012). Getting started with SAS Enterprise Miner 12.1, SAS Institute Inc., Cary. 

  7. Sharda, R. and Delen, D. (2006). Predicting box-office success of motion pictures with neural networks, Expert Systems with Applications, 30, 243-254. 

    상세보기 crossref

  8. Song, J. and Han, S. (2013). Predicting gross box office revenue for domestic films, Communications for Statistical Applications and Methods, 20, 301-309. 

    원문보기 상세보기 crossref

  9. Yim, J. and Hwang, B. (2014). Predicting movie success based on machine learning using twitter, KIPS Transactions on Software and Data Engineering, 3, 263-270. 

    원문보기 상세보기 crossref

  10. Zhang, L., Luo, J., and Yang, S. (2009). Forecasting box office revenue of movies with BP neural network, Expert Systems with Applications, 36, 6580-6587. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로