최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기응용통계연구 = The Korean journal of applied statistics, v.30 no.6, 2017년, pp.809 - 825
김미림 (이화여자대학교 통계학과) , 임소연 (이화여자대학교 통계학과) , 장초희 (이화여자대학교 통계학과) , 송종우 (이화여자대학교 통계학과)
The number of TV entertainment shows is increasing. Competition among programs in the entertainment market is intensifying since cable channels air many entertainment TV shows. There is now a need for research on program ratings and the number of episodes. This study presents predictive models for e...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
예능 시장이 더욱 활성화된 이유는? | 또한 다양한 오디션 프로그램이나 시청자들의 사연으로 구성되는 프로그램 등 시청자들의 참여를 요구하는 프로그램이 대거 등장하기도 하였다. 스마트폰과 SNS의 발달로 방송시청의 공간적인 제약이 없어진 데다 SNS 상의 방송 클립을 통해 예능 프로그램 노출도가 높아지면서 예능 시장이 더욱 활성화되었다. 이에 따라 예능 프로그램의 문화적, 산 업적인 영향력이 증가하며 프로그램을 기획하는 제작자뿐만 아니라 광고 투자자들도 프로그램의 시청률 과 회차 예측에 대한 연구를 필요로 하고 있다. | |
예능 프로그램 시청률과 회차의 예측모형을 제시하고 주요요인을 살펴본 결과는? | 예능 시청률 예측 모형에서는 첫 회가 방영되기 전과 방영된 후 두 가지 모형을 적합하였고, 회차 예측 모형에서는 예능 시청률 예측 모형의 예측치를 추가 변수로 생성하여 모형을 적합하였다. 그 결과 첫 회 방영 전 예능 시청률 예측에서는 방송사, 이전 시즌 시청률, 시작 연도, 기사 수가 큰 영향을 주는 것으로 나타났다. 첫 회 방영 후 예능 시청률 예측에서는 첫 회 시청률, 방송사, 예능 유형이 중요한 변수로 나타났으며, 두 모형 모두 랜덤 포레스트 모형에서 가장 좋은 결과를 보였다. 예능 회차 예측에서는 평균 시청률 예측치, 시작 연도, 예능유형, 방송국 등이 중요한 변수로 나타났다. | |
평균 시청률 분석에 사용한 모형은? | 본 연구에서는 다중회귀모형 뿐만 아니라 다양한 비선형모형까지 이용 하여 시청률을 보다 잘 예측하는 모형을 찾으려 한다. 평균 시청률 분석에 사용한 모형은 다양한 변수 선택법을 (stepwise, ridge, LASSO) (Tibshirani, 1996) 이용한 선형회귀모형, 배깅 (Breiman, 1996), 랜덤 포레스트 (Breiman, 2001), 서포트 벡터 머신 (James 등, 2013), 부분최소제곱 회귀모형(partial least squares; PLS), 주성분회귀 (Hastie 등 2001) 등이다. 모형 비교 시에는 평균제곱오차의 제곱근(root mean squared error; RMSE)을 지표로 사용하 였다. |
Breiman, L. (1996). Bagging predictors, Machine Learning, 24, 123-140.
Han, B. K. (2016). An explorative analysis of the factors affecting entertainment TV show ratings: focused on channel, program schedule and production factors.
Hastie, T., Tibshirani, R., and Friedman, J. (2001). The Elements of Statistical Learning; Data Mining, Inference and Prediction, Springer, New York.
James, G., Witten, D., Hastie, T. and Tibshirani, R. (2013). An Introduction to statistical Learning, Springer, New York, USA.
Lee, H. E. and Choi, H. S. (2016). A study on the effect of entertainment show on the tourism. In Korea Contents Association 2016 Spring Conference, 215-216.
R Development Core Team (2010). R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria, ISBN 3-900051-07-0. http://www.R-project.org.
Tibshirani, R. (1996). Regression shrinkage and selection via the lasso, Journal of the Royal Statistical Society B, 58, 267-288.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.