研究人員使用機(jī)器學(xué)習(xí)來(lái)分析電影偏好

行為經(jīng)濟(jì)學(xué)和機(jī)器學(xué)習(xí)能否幫助更好地了解消費(fèi)者的電影偏好?來(lái)自劍橋大學(xué)，西英格蘭大學(xué)和阿蘭圖靈研究所的一組研究人員在一項(xiàng)將行為經(jīng)濟(jì)學(xué)，商業(yè)和人工智能相結(jié)合的引人入勝的研究中深入研究了這個(gè)問題。

Marco Del Vecchio，Alexander Kharlamov，Glenn Parry和Ganna Pogrebna利用他們多樣化的技能組合開發(fā)工具，幫助媒體行業(yè)更好地了解內(nèi)容觀眾真正想要看到的內(nèi)容。目前，電影，媒體和娛樂行業(yè)基于自上而下的決策選擇內(nèi)容產(chǎn)品，通常由專業(yè)知識(shí)，經(jīng)驗(yàn)，調(diào)查和焦點(diǎn)小組提供。研究人員說(shuō)：“我們的主要?jiǎng)訖C(jī)是了解我們是否可以將觀眾的感知放在等式的核心位置。”

他們的研究重點(diǎn)是電影的情感旅程，調(diào)查這些是否屬于不同的類別，以及它們是否與電影的成功有關(guān)。研究人員使用了6,174部電影的數(shù)據(jù)集，每部電影都有完整的腳本，收入數(shù)據(jù)，IMDb評(píng)級(jí)和其他相關(guān)信息。

他們使用自然語(yǔ)言處理(NLP)算法，分析電影腳本以確定他們的情感旅程，然后利用這些結(jié)果探討電影的情感旅程與其成功之間的關(guān)系，無(wú)論是在收入還是公眾接待方面。

盡管這些電影的平均表現(xiàn)更好，但研究人員指出，“如果說(shuō)電影業(yè)應(yīng)該只制作'陷入困境的人'電影，那將是一種過(guò)于簡(jiǎn)單的說(shuō)法。精心挑選的制作預(yù)算和流派組合會(huì)產(chǎn)生一部經(jīng)濟(jì)上成功的電影。任何情緒化的形狀。“

例如，伊卡洛斯情感弧對(duì)于低預(yù)算電影特別有效，而Riches to Rags形狀更有可能成功，預(yù)算超過(guò)1億美元。

科幻，神秘，驚悚片和電影結(jié)局美滿的(“白手起家”的形狀)和喜劇片有壞的結(jié)局(“錢作怪”形狀)的表現(xiàn)都不好票房，而“俄狄浦斯”形的電影做除了奧斯卡獎(jiǎng)之外，在頒獎(jiǎng)典禮和節(jié)日上表現(xiàn)不佳。

“我們的研究結(jié)果和我們正在努力的工具可能最終有助于作家在編輯過(guò)程中優(yōu)化他們的劇本，或者告知那些在面對(duì)項(xiàng)目選擇時(shí)必須做出投資決策的制片人，”研究人員說(shuō)。

Pogrebna和她的同事現(xiàn)在正在尋找可以為他們的研究提供進(jìn)一步數(shù)據(jù)的行業(yè)合作伙伴。

“在未來(lái)，我們希望創(chuàng)建可靠的方法來(lái)分析所有媒體中的情緒，包括紀(jì)錄片等非虛構(gòu)類作品以及YouTube上的短片等視頻。一旦我們對(duì)工具進(jìn)行了優(yōu)化，最好是分拆一家公司。可以將工作商業(yè)化并將其交到行業(yè)同事手中。“