정보 소득률 기반의 변수 선택을 통한 영화 관객수 예측 :Predictions of movie audiences through variable selection based on Information Gain ratio

박현목,  Park, Hyeon Mock

추천

검색

자료유형: 학위논문

저자정보: 박현목, Park, Hyeon Mock (충북대학교, 충북대학교 대학원)

지도교수: 최상현

발행연도: 2019

저작권: 충북대학교 논문은 저작권에 의해 보호받습니다.

이용수6

이 논문의 연구 히스토리 (2)

2019

정보 소득율 기반의 변수 선택을 통한 영화 관객 수 예측

박현목 , 최상현 Journal of Information Technology Applications & Management 2019.06 학술저널

정보 소득률 기반의 변수 선택을 통한 영화 관객수 예측

박현목 ; Pa , k , Hyeon Mock 2019.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

이 연구의 목적은 정성적 특성을 지닌 영화의 정보를 분류하는 기준을 제공하는 데 있다. 평가 기준으로 C4.5 알고리즘의 노드 선택 기준인 정보 소득률을 사용하였다. 이를 통해 416 개 영화 데이터에 대한 특징을 선정하였다. 다중 선형 회귀 모델 분석 결과 정보 소득률에 따라 선택된 변수를 사용하는 회귀 모델의 성능이 우수하였다. 이후 선택된 변수들을 의사결정 트리, 나이브 베이지안 분류기, SVM, 인공 신경망 모델에 적용하였다. 그 결과 의사결정 트리의 정확도가 47.41 %로 가장 높았다. 제작비 추가 변수에서 의사결정 트리와 나이브 베이지안 분류기의 정확도는 48.15 %로 높았다. 최대 변수에서 나이브 베이지안 분류기의 정확도가 56.3 %로 가장 높았다. 의사 결정 트리의 결과와 나이브 베이지안 분류기를 사용하여 주요 속성을 확인하였고 영화 투자 및 개봉일 선택에 대한 시사점을 제시하였다.

#Information Gain ratio #Machine Learning #Movie audiences

I. 서론 1
1. 연구의 배경 및 목적 1
2. 연구의 구성 및 모형 설계 3
(1) 연구의 구성 3
(2) 연구 모형 설계 4
II. 이론적 배경 5
1. 영화 흥행 예측과 관련한 선행 연구 5
2. 분석 방법 7
(1) 회귀분석 7
(2) 의사결정나무 8
(3) 나이브 베이지안 분류기 11
(4) SVM(Support Vector Machine) 13
(5) 인공 신경망 17
(6) 성능 평가 기준 21
III. 데이터 수집 및 전처리 23
1. 수집 23
(1) 수집 23
(2) 수집된 데이터의 기초통계 24
2. 데이터 분할 및 자료 전처리 29
(1) 데이터 분할 및 전처리 필요성 29
(2) 데이터 전처리 및 특징 추출 32
(3) 변수 선정 44
(4) 정보 소득률 변수 평가를 위한 다중선형회귀 비교 결과 46
IV. 분석 결과 49
1. 기계학습 모델 적용 결과 49
(1) 기계학습 알고리즘 적용 결과 49
(2) 기계학습 알고리즘의 관객수 구간별 예측 성능 50
2. 영화 흥행 성과와 관련한 주요 속성 52
(1) 의사결정나무를 통한 주요 속성 파악 52
(2) 나이브 베이지안 분류기를 통한 주요 속성 파악 54
V. 결론 56
1. 연구 요약 56
2. 연구 의의 및 향후 연구 방향 58
VI. 참고문헌 59

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)