딥러닝을 이용한 영화 흥행 예측과 주요 변수의 선택 연구 : 다변량 시계열 데이터 중심으로
Movie Box-office Prediction using Deep Learning and Feature Selection : Focusing on Multivariate Time Series
0
조회
0
다운로드
6
인용
0
참고문헌
키워드
초록
박스 오피스 예측은 영화 이해관계자들에게 중요하다. 따라서 정확한 박스 오피스 예측과 이에 영향을 미치는 주요 변수를 선별하는 것이 필요하다. 본 논문은 영화의 박스 오피스 예측 정확도 향상을위해 다변량 시계열 데이터 분류와 주요 변수 선택 방법을 제안한다. 연구 방법으로 한국 영화 일별데이터를 KOBIS와 NAVER에서 수집하였고, 랜덤 포레스트(Random Forest) 방법으로 주요 변수를 선별하였으며, 딥러닝(Deep Learning)으로 다변량 시계열을 예측하였다. 한국의 스크린 쿼터제(Screen Quota) 기준, 딥러닝을 이용하여 영화 개봉 73일째 흥행 예측 정확도를 주요 변수와 전체 변수로 비교하고통계적으로 유의한지 검정하였다. 딥러닝 모델은 다층 퍼셉트론(Multi-Layer Perceptron), 완전 합성곱신경망(Fully Convolutional Neural Networks), 잔차 네트워크(Residual Network)로 실험하였다. 결과적으로주요 변수를 잔차 네트워크에 사용했을 때 예측 정확도가 약 93%로 가장 높았다.
Abstract
Box-office prediction is important to movie stakeholders. It is necessary to accurately predict box-office and select important variables. In this paper, we propose a multivariate time series classification and important variable selection method to improve accuracy of predicting the box-office. As a research method, we collected daily data from KOBIS and NAVER for South Korean movies, selected important variables using Random Forest and predicted multivariate time series using Deep Learning. Based on the Korean screen quota system, Deep Learning was used to compare the accuracy of box-office predictions on the 73rd day from movie release with the important variables and entire variables, and the results was tested whether they are statistically significant. As a Deep Learning model, Multi-Layer Perceptron, Fully Convolutional Neural Networks, and Residual Network were used. Among the Deep Learning models, the model using important variables and Residual Network had the highest prediction accuracy at 93%.
참고문헌 (30)
- 김일경, "전문가 리뷰가 인터넷 사용자 리뷰와 박스 오피스(Box Office)에 미치는 영향", 인사조직연구, 20(3), pp.1~27 (2012), 한국인사조직학회
- "2013 Korean Film Industry Settlement" (2014)[URL]
- 정영재, "영화산업에 있어서 스크린쿼터의 영향분석", 한국컴퓨터정보학회논문지, 14(12), pp.217~223 (2009), 한국컴퓨터정보학회
- 김소영, "영화 유형별 영화 흥행 성과 예측 요인의 비교 연구: 예술 영화와 상업 영화 비교를 중심으로", 한국콘텐츠학회 논문지, 10(2), pp.381~393 (2010), 한국콘텐츠학회
- 윤충한, "영화 배급․상영의 수직계열화가 상영영화 선택 및 상영횟수에 미치는 영향", 문화경제연구, 15(2), pp.127~149 (2012), 한국문화경제학회
- Mhheo, "Predicting Box-office with Opinion mining reviews", Korean Institute Of Industrial Engineers, pp.487~500 (2013)
- "NAVER Wikipedia"[URL]
- 노철환, "한국영화시장의 대형영화 배급 상영 방식 연구: 2010년대 천만관객 한국영화의 흥행을 중심으로", 아시아영화연구, 12(2), pp.49~76 (2019), 영화연구소[DOI]
- 전범수, "스타 배우들의 영화 출연 구조가 영화 흥행에 미치는 영향 -2008년~2017년-", 영상문화콘텐츠연구, (18), pp.363~389 (2019), 영상문화콘텐츠연구원[DOI]
- 조승연, "영화 흥행성과 예측을 위한 온라인 리뷰 마이닝 연구: 개봉 첫 주 온라인 리뷰를 활용하여", 경영정보학연구, 16(3), pp.113~134 (2014), 한국경영정보학회[DOI]
- 황예나, "흥행영화의 온라인 구전패턴과 관객수의 관계에 대한 실증연구", 한국콘텐츠학회 논문지, 19(5), pp.147~162 (2019), 한국콘텐츠학회[DOI]
- 전성현, "데이터마이닝을 이용한 박스오피스 예측", 응용통계연구, 29(7), pp.1257~1270 (2016), 한국통계학회
- Jmlee, "A Study on the Machine Learnin g Technique for the Prediction of the first week opening box office Using key Variable Method and Decision Tree", pp.2018
- Hyjeong, "Predicting Financial Success of a Movie Using Multiple Regression Analysis", Proceedings of the Korean Society of Computer Information Conference, pp.275~278 (2013), Pyeongtaek University
- 송정아, "영화 흥행에 영향을 미치는 새로운 변수 개발과이를 이용한 머신러닝 기반의 주간 박스오피스 예측", 지능정보연구, 24(4), pp.67~83 (2018), 한국지능정보시스템학회
- 김효동, "애니메이션 영화의 흥행에 관한 탐색적 연구", 한국컴퓨터정보학회논문지, 19(12), pp.57~70 (2014), 한국컴퓨터정보학회
- 배성완, "머신 러닝 방법과 시계열 분석 모형을 이용한 부동산 가격지수 예측", 주택연구, 26(1), pp.107~133 (2018), 한국주택학회[DOI]
- F. Li, "Web-Age Information Management 2014", pp.298~310 (2014), Springer
- Hassan Ismail Fawaz, "Deep learning for time series classification: a review", Data Mining and Knowledge Discovery, 33(4), pp.917~963 (2019), Springer Science and Business Media LLC[DOI]
- 구본화, "지진 이벤트 분류를 위한 Bottleneck 구조의 심층 CNN 기법", 한국컴퓨터정보학회논문지, 24(1), pp.33~39 (2019), 한국컴퓨터정보학회[DOI]
- 조재한, "메모리 효과를 갖는 시계열 데이터에서 다수의 노이즈 클리닝에 대한 연구", 한국컴퓨터정보학회논문지, 25(4), pp.37~45 (2020), 한국컴퓨터정보학회[DOI]
- K. He, "Deep Residual Learning for Image Recognition", The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp.770~778 (2016)
- "KOREA Box-office Information System"[URL]
- 우종필, "빅데이터 분석을 통한 천만 관객 영화 예측 모델", 한국빅데이터학회 학회지, 3(1), pp.63~71 (2018), 사)한국빅데이터학회[DOI]
- "NAVER"[URL]
- "NAVER Movie"[URL]
- Won Sang CHO, "Use of Machine Learning Models in the Search for New Physics", Physics and High Technology, 26(12), pp.4~19 (2017), Korean Physical Society[DOI]
- Yjyi, "Testing Main Effects in Interactive Multiple Regression", Korean Academic Society Of Business Administration, 23(4), pp.183~210 (1994)
- 서예인, "딥러닝 기반의 스크랩박스 적치 상태 측정 기술 개발", 한국컴퓨터정보학회논문지, 25(3), pp.27~32 (2020), 한국컴퓨터정보학회[DOI]
- 김태완, "합성곱 신경망을 이용한 헬기 피아식별 모형 연구", 한국컴퓨터정보학회논문지, 25(3), pp.33~42 (2020), 한국컴퓨터정보학회[DOI]