研究人員使用機器學習來分析電影偏好

行為經(jīng)濟學和機器學習能否幫助更好地了解消費者的電影偏好?來自劍橋大學，西英格蘭大學和阿蘭圖靈研究所的一組研究人員在一項將行為經(jīng)濟學，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，經(jīng)驗，調(diào)查和焦點小組提供。研究人員說：“我們的主要動機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評級和其他相關(guān)信息。

他們使用自然語言處理(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，“如果說電影業(yè)應(yīng)該只制作'陷入困境的人'電影，那將是一種過于簡單的說法。精心挑選的制作預算和流派組合會產(chǎn)生一部經(jīng)濟上成功的電影。任何情緒化的形狀。“

例如，伊卡洛斯情感弧對于低預算電影特別有效，而Riches to Rags形狀更有可能成功，預算超過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之外，在頒獎典禮和節(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程中優(yōu)化他們的劇本，或者告知那些在面對項目選擇時必須做出投資決策的制片人，”研究人員說。

Pogrebna和她的同事現(xiàn)在正在尋找可以為他們的研究提供進一步數(shù)據(jù)的行業(yè)合作伙伴。

“在未來，我們希望創(chuàng)建可靠的方法來分析所有媒體中的情緒，包括紀錄片等非虛構(gòu)類作品以及YouTube上的短片等視頻。一旦我們對工具進行了優(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。“