Investigación sobre los Factores Influyentes en el Consumo de Cine y Pronóstico de Taquilla en la Era Digital: Basado en la Perspectiva del Aprendizaje Automático e Integración de Modelos
Autores: He, Qi; Hu, Bin
Idioma: Inglés
Editor: Hindawi
Año: 2021
Acceso abierto
Artículo científico
Categoría
Ingeniería y Tecnología
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
La industria cinematográfica es una de las industrias principales de la industria creativa digital, la cual tiene grandes externalidades positivas para la economía creativa digital. Los ingresos de taquilla de las películas son un indicador importante para medir la realización del valor de mercado del consumo de películas, y también es la garantía básica para el desarrollo sostenible de la industria cinematográfica. Este documento se basa en la base de datos profesional del mercado cinematográfico de Maoyan para recopilar un total de 830 datos característicos de consumo de películas nacionales de 2017 a 2019 utilizando software Python. En este estudio, el método de apilamiento en el algoritmo de conjunto de aprendizaje automático combina el método de entrenamiento de cinco pliegues cruzados basado en bosques aleatorios distribuidos, árboles extremadamente aleatorios y modelos lineales generalizados. El modelo es bueno para manejar diferentes tipos de datos. Tiene un ajuste y precisión del modelo más altos en la extracción de características y construcción del modelo, para así captar de manera efectiva los factores
Descripción
La industria cinematográfica es una de las industrias principales de la industria creativa digital, la cual tiene grandes externalidades positivas para la economía creativa digital. Los ingresos de taquilla de las películas son un indicador importante para medir la realización del valor de mercado del consumo de películas, y también es la garantía básica para el desarrollo sostenible de la industria cinematográfica. Este documento se basa en la base de datos profesional del mercado cinematográfico de Maoyan para recopilar un total de 830 datos característicos de consumo de películas nacionales de 2017 a 2019 utilizando software Python. En este estudio, el método de apilamiento en el algoritmo de conjunto de aprendizaje automático combina el método de entrenamiento de cinco pliegues cruzados basado en bosques aleatorios distribuidos, árboles extremadamente aleatorios y modelos lineales generalizados. El modelo es bueno para manejar diferentes tipos de datos. Tiene un ajuste y precisión del modelo más altos en la extracción de características y construcción del modelo, para así captar de manera efectiva los factores