پیش بینی محبوبیت فیلم و مخاطب هدف با استفاده از سیستم توصیه کننده مبتنی بر محتوا

فیلم یکی از اجزای جدایی ناپذیر سرگرمی روزمره ماست. صنعت سینما در سراسر جهان یکی از صنایع رو به رشد و قابل توجه بودهکه توجه افراد در هر سنی را به خود جلب کرده است. در مطالعات اخیر مشاهده شده که تنها تعداد کمی از فیلم ها به موفقیت می رسندلذا بلاتکلیفی در این بخش فشار زیادی را بر ذینفعان تولید فیلم ایجاد کرده است. فیلمسازان و محققان به طور مداوم احساس می کنندکه لازم است سیستم های خبره ای داشته تا احتمال موفقیت فیلم را قبل از تولید آن با دقت معقول پیش بینی نمایند. کارهای پژوهشیزیادی برای پیش بینی محبوبیت فیلم در مرحله پس از تولید انجام شده است. برای کمک به سازنده فیلم در تخمین فیلم مناسبتماشاگران در آینده و ایجاد تغییرات لازم، باید پیش بینی را در مراحل اولیه تولید فیلم انجام داده و اقدامات مقتضی را در مورد فیلمانجام داد.این پژوهش یک سیستم توصیه فیلم (RS) مبتنی بر محتوا (CB) با استفاده از ویژگی های اولیه فیلم مانند ژانر، بازیگران، کارگردان،کلمات کلیدی و توضیحات فیلم پیشنهاد کرده است. با استفاده از خروجی RS و رتبه بندی فیلم و اطلاعات رای گیری فیلم های مشابه،مجموعه ای از ویژگی های جدید ایجاد کرده و یک مدل یادگیری عمیق CNN (DL) را برای ساخت یک سیستم پیش بینی محبوبیتفیلم چند کلاسه پیشنهاد کردیم. ما همچنین سیستمی را برای پیش بینی محبوبیت فیلم های آتی در بین گروه های مختلف مخاطبپیشنهاد نمودیم. گروه مخاطب را به چهار گروه سنی خردسال، نوجوان، میانسال و سالمند تقسیم کردیم. در این مطالعه از داده های پایگاهداده فیلم اینترنتی (IMDb) که در دسترس عموم قرار گرفته و داده های پایگاه داده فیلم (TMDb) استفاده شده است. ما یک مدلطبقه بندی چند کلاسه را پیاده سازی کرده که منجر به دستابی دقت ۹۶.۸ ٪ شده که از همه مدل های معیار نیز برتری دارد. این مطالعهپتانسیل تجزیه و تحلیل داده های پیش بینی کننده و تجویزی در سیستم های اطلاعاتی را برای حمایت از تصمیمات صنعت برجسته می کند.

کلیدواژه ها:

سیستم های خبره ، مبتنی بر محتوا ، سیستم توصیه ، یادگیری عمیق ، گروه های مخاطب