• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Forskare använder maskininlärning för att analysera filmpreferenser

    Kredit:arXiv:1807.02221 [cs.CL]

    Kan beteendeekonomi och maskininlärning hjälpa till att bättre förstå konsumenternas filmpreferenser? Ett team av forskare från University of Cambridge, University of West England, och Alan Turing -institutet fördjupade sig i denna fråga, i en fascinerande studie som kombinerar beteendeekonomi, affärer och AI.

    Marco Del Vecchio, Alexander Kharlamov, Glenn Parry, och Ganna Pogrebna använde sina olika färdigheter för att utveckla verktyg som kan hjälpa medieindustrin att bättre förstå vad innehåll tittarna verkligen vill se. För närvarande, filmen, media- och underhållningsindustrin väljer innehållserbjudanden baserat på top-down-beslut, vanligtvis informerad av expertis, erfarenhet, undersökningar och fokusgrupper. "Vår främsta motivation var att förstå om och i vilken utsträckning vi kan sätta tittarens uppfattningar i centrum för ekvationen, "sa forskarna.

    Deras studie fokuserade på filmens känslomässiga resor, undersöka om dessa faller i olika kategorier, och om de är relaterade till en films framgång. Forskarna använde en datamängd på 6, 174 filmer, alla med kompletta skript, intäktsdata, IMDb -betyg, och annan relevant information.

    Använda algoritmer för naturligt språkbehandling (NLP), de analyserade filmmanus för att bestämma deras känslomässiga resor och använde sedan dessa resultat för att utforska sambandet mellan en films känslomässiga resa och dess framgång, både när det gäller intäkter och offentligt mottagande.

    Forskarna fann att, på samma sätt som romaner, berättelser i filmer passar in i sex huvudbågar, eller typer av känslomässiga resor som tittarna upplever:

    • Rags to Riches:"En pågående känslomässig uppgång" (t.ex. Nyckeln till frihet , Groundhog Day , och Mardrömmen innan jul )
    • Riches to Rags:"Ett pågående känslomässigt fall" (t.ex. Psykopat och Toy Story 3 )
    • Man in a Hole:"Ett fall följt av en uppgång" (t.ex. Gudfadern , Sagan om ringen:The Fellowship of the Ring , och The Departed )
    • Icarus:"En uppgång följt av en nedgång" (t.ex. Vid vattnet , Mary Poppins , och Ett mycket långt engagemang )
    • Askungen:"Rise-fall-rise" (t.ex. Rushmore , Brud , och Spider-Man 2 )
    • Ödipus:"Fall-stig-fall" (t.ex. Allt om min mamma , Så bra som det blir och Den lilla sjöjungfrun )

    Filmer i kategorin "Man in a Hole" hade de högsta kassorna liksom den största bruttoinkomsten i världen och inhemska, oavsett deras genrer och produktionsbudgetar. "'Man in a Hole' lyckas inte för att den producerar de mest 'gillade' filmerna, men för att den genererar de mest ”omtalade” filmerna, "sa forskarna." Antalet IMDb -betyg som ges, liksom antalet användare och kritiker är recensioner mycket högre för "Man in a Hole" -filmer än för filmer i någon annan känslomässig bågkategori. "

    Trots dessa filmer bättre genomsnittliga prestanda, forskarna noterar, "Det skulle vara en förenkling att säga att filmindustrin bara ska producera" Man in a Hole "-filmer. En noggrant vald kombination av produktionsbudget och genre ger en ekonomiskt framgångsrik film med känslomässig form."

    Till exempel, Icarus emotionella båge var särskilt effektiv för lågbudgetfilmer, medan Riches to Rags -formen var mer benägna att bli framgångsrika med större budgetar på över 100 miljoner dollar.

    Science fiction, mysterium, och spänningsfilmer med lyckliga slut ("Rags to Riches" -form) och komedier med ett dåligt slut ("Riches to Rags" -form) fungerade inte bra i kassan, medan "Oedipus" -formade filmer inte klarade sig bra vid prisutdelningar och andra festivaler än Oscarsgalan.

    "Våra resultat och verktyget vi arbetar mot kan i slutändan hjälpa författare att optimera sina manus under redigeringen eller informera producenter som måste fatta ett investeringsbeslut när de står inför ett val mellan projekt, "sa forskarna.

    Pogrebna och hennes kollegor söker nu branschpartners som kan ge dem ytterligare data för sina studier.

    "I framtiden, vi skulle vilja skapa robusta metoder för att analysera känslor i alla medier, inklusive facklitteratur som dokumentärer och kortare videor som de på YouTube. När vi har optimerat verktyget, det vore bra att snurra ut ett företag som kan kommersialisera arbetet och få det i händerna på branschkollegor. "

    © 2018 Tech Xplore




    © Vetenskap https://sv.scienceaq.com