研究人员使用机器学习来分析电影偏好

行为经济学和机器学习能否帮助更好地了解消费者的电影偏好?来自剑桥大学，西英格兰大学和阿兰图灵研究所的一组研究人员在一项将行为经济学，商业和人工智能相结合的引人入胜的研究中深入研究了这个问题。

Marco Del Vecchio，Alexander Kharlamov，Glenn Parry和Ganna Pogrebna利用他们多样化的技能组合开发工具，帮助媒体行业更好地了解内容观众真正想要看到的内容。目前，电影，媒体和娱乐行业基于自上而下的决策选择内容产品，通常由专业知识，经验，调查和焦点小组提供。研究人员说：“我们的主要动机是了解我们是否可以将观众的感知放在等式的核心位置。”

他们的研究重点是电影的情感旅程，调查这些是否属于不同的类别，以及它们是否与电影的成功有关。研究人员使用了6,174部电影的数据集，每部电影都有完整的脚本，收入数据，IMDb评级和其他相关信息。

他们使用自然语言处理(NLP)算法，分析电影脚本以确定他们的情感旅程，然后利用这些结果探讨电影的情感旅程与其成功之间的关系，无论是在收入还是公众接待方面。

尽管这些电影的平均表现更好，但研究人员指出，“如果说电影业应该只制作'陷入困境的人'电影，那将是一种过于简单的说法。精心挑选的制作预算和流派组合会产生一部经济上成功的电影。任何情绪化的形状。“

例如，伊卡洛斯情感弧对于低预算电影特别有效，而Riches to Rags形状更有可能成功，预算超过1亿美元。

科幻，神秘，惊悚片和电影结局美满的(“白手起家”的形状)和喜剧片有坏的结局(“钱作怪”形状)的表现都不好票房，而“俄狄浦斯”形的电影做除了奥斯卡奖之外，在颁奖典礼和节日上表现不佳。

“我们的研究结果和我们正在努力的工具可能最终有助于作家在编辑过程中优化他们的剧本，或者告知那些在面对项目选择时必须做出投资决策的制片人，”研究人员说。

Pogrebna和她的同事现在正在寻找可以为他们的研究提供进一步数据的行业合作伙伴。

“在未来，我们希望创建可靠的方法来分析所有媒体中的情绪，包括纪录片等非虚构类作品以及YouTube上的短片等视频。一旦我们对工具进行了优化，最好是分拆一家公司。可以将工作商业化并将其交到行业同事手中。“