$\require{mediawiki-texvc}$

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.

영화 매출 예측 성능 향상을 위한 경쟁 분석
Competition Analysis to Improve the Performance of Movie Box-Office Prediction 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.6 no.9, 2017년, pp.437 - 444  

하귀갑 (숭실대학교 컴퓨터학과) ,  이수원 (숭실대학교 소프트웨어학부)

초록
AI-Helper 아이콘AI-Helper

영화 매출에 대한 연구가 많이 있었지만 공통적인 핵심주제는 영화 매출에 대한 효율적인 예측모델을 훈련하는 것이다. 그러나 과거의 연구에서는 예측 오차를 발생시키는 요인에 대한 분석이 부족하여 이러한 오차를 줄이는 방법에 대한 연구가 이루어지지 않았다. 본 연구에서는 같은 시기에 개봉되고 있는 영화들 간의 영향이 예측 오차에 대한 주요인이라는 가정하에 한 영화가 다른 경쟁영화에서 영향을 받는 정도(경쟁값)를 분석하여 영화매출예측 성능을 향상시키는 것을 목표로 한다. 경쟁값을 예측하기 위하여, 먼저 경쟁값의 극성(양수/음수)에 대해 분류하고 양수의 확률과 음수의 확률을 계산한 다음 회귀분석을 이용하여 양수인 값과 음수인 값을 예측한다. 마지막으로, 확률값과 예측값을 통하여 경쟁값의 기댓값을 계산하여 초기 예측된 매출을 보정한다. 실험 결과에 의하면 제안 방법을 통하여 영화 매출 예측의 정확도가 향상됨을 알 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Although many studies tried to predict movie revenues in the last decade, the main focus is still to learn an efficient forecast model to fit the box-office revenues. However, the previous works lack the analysis about why the prediction errors occur, and no method is proposed to reduce the errors. ...

주제어

#영화 매출   #매출 예측   #성능 향상   #경쟁 분석   #경쟁 예측  

참고문헌 (16)

  1. G. He and S. Lee, "Multi-model or Single Model? A Study of Movie Box-Office Revenue Prediction." in Proceedings of the IEEE International Conference on Computer and Information Technology; Ubiquitous Computing and Communications; Dependable, Autonomic and Secure Computing; Pervasive Intelligence and Computing (CIT/IUCC/DASC/PICOM), pp.321-325, 2015. 

  2. J. S. Simonoff and I. R. Sparrow, "Predicting movie grosses: winners and losers, blockbusters and sleepers," Chance, Vol. 13, No.3, pp.15-24, 2000. 

    상세보기

  3. A. D. Vany and W. D. Walls, "Uncertainty in the movie industry: does star power reduce the terror of the box office," Journal of Cultural Economics, Vol.23, No.4, pp.285-318, 1999. 

    상세보기 crossref

  4. R. Sharda and D. Delen, "Predicting box-office success of motion pictures with neural networks," Expert Systems with Applications, Vol.30, pp.243-254, 2006. 

    상세보기 crossref

  5. S. Asur and B. A. Huberman, "Predicting the Future with Social Media," 2010, http://www.arxiv.orgarXiv:1003.5699v1. 

  6. Y. Liu, "Word of mouth for movies: its dynamics and impact on box office revenue," Journal of Marketing, Vol.70, pp.74-89, Jul., 2006. 

    상세보기 crossref

  7. W. Duan, B. Gu, and A. B. Whinston, "The dynamics of online word-of-mouth and product sales: an empirical investigation of the movie industry," Journal of Retailing, Vol.84, No.2, pp.233-242, 2008. 

    상세보기 crossref

  8. W. Zhang and S. Skiena, "Improving movie gross prediction through news analysis," in Proceedings of the International Conference on Web Intelligence, pp.301-304, 2009. 

  9. Y. Liu, X. Huang, A. An, and X. Yu, "ARSA: A sentimentaware model for predicting sales performance using blogs," in Proceedings of the 30th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, pp.607-614, 2007. 

  10. M. Joshi, D. Das, K. Gimpel, and N. A. Smith, "Movie reviews and revenues: an experiment in text regression," Human Language Technologies: in Proceedings of the 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics, Association for Computational Linguistics, pp.293-296, 2010. 

  11. X. Yu, Y. Liu, J. X. Huang, and A. An, "Mining online reviews for predicting sales performance: a case study in the movie domain," IEEE Transactions on Knowledge and Data Engineering, Vol.24, No.4, pp.720-734, Apr., 2012. 

    상세보기 crossref

  12. W. Ding, Y. Shang, L. Guo, X. Hu, R. Yan, and T. He, "Video popularity prediction by sentiment propagation via implicit network," in Proceedings of the 24th ACM International on Conference on Information and Knowledge Management, pp.1621-1630, 2015. 

  13. T. Kim, J. Hong, and P. Kang, "Box office forecasting using machine learning algorithms based on SNS data," International Journal of Forecasting, Vol.31, No.2, pp.364-390, 2015. 

    상세보기 crossref

  14. A. Bhave, H. Kulkarni, V. Biramane, and P. Kosamkar, "Role of different factors in predicting movie success," in Proceedings of the International Conference on Pervasive Computing (ICPC), pp.1-4, 2015. 

  15. A. Esuli and F. Sebastiani, "SENTIWORDNET: A highcoverage lexical resource for opinion mining," Evaluation, 2007:1-26. 

  16. A. Pak and P. Paroubek, "Twitter as a Corpus for Sentiment Analysis and Opinion Mining," in Proceedings of the International Conference on Language Resources and Evaluation, Vol.10, 2010. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
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