پیش بینی فروش فیلم های سینمایی در ایران با استفاده از شبکه های عصبی و مقایسه آن با روش های آماری
الموضوعات :عباس طلوعی اشلقی 1 , عباس سقایی 2 , سارا خورسندی کریمی 3
1 - ندارد
2 - ندارد
3 - ندارد
الکلمات المفتاحية: شبکه ی عصبی, رگرسیون چند متغیره, مساله ی پیش بینی, مساله طبقه
, 
, بندی شده, پیش بینی, فروش فیلم سینمایی,
ملخص المقالة :
پیش بینی فروش فیلم قبل از شروع اکران عمومی آن به دلیل عدم قطعیت عکس العملمخاطبین، چالشی بزرگ و مساله ای جذاب و وسوسه انگیز و در عین حال، پیچیده و دشوار است.موفقیت یک فیلم سینمایی، در گرو فروش مناسب و پوشش هزینه های ساخت و سود دهی،دانسته می شود. تا آنجا که به کار بردن عبارت صنعت سینما که در درون خود نگرش و پیش فرضهای عوامل موفقیت یک فعالیت صنعتی را نهفته دارد، به جای هنر سینما، عمومیت دارد. همچنین،بازگشت سرمایه ی صرف شده برای ساخت فیلم سینمایی، تنها وقتی که تماشاگر سینما به تماشایآن فیلم بنشیند، ممکن خواهد بود. می توان با شناخت عوامل تاثیر گذار در فروش فیلم، متغیر هاییتعریف کرد و با شناخت و آموزش آن ها به شبکه ی عصبی، با ارائه ی مدلی، میزان فروش فیلم راپیش بینی نمود. در این صورت، ابزار کمکی بسیار قدرتمندی در اختیار تولید کنندگان فیلم، بهمنظور تضمین وجود حاشیه ی امنی برای سرمایه گزاری انجام شده، قرار می گیرد. در این مقاله،انتخاب متغیر های ورودی، بر مبنای ویژگی ها و مقتضیات صنعت فیلم سازی در کشور ایران و بااستفاده از روش های آماری و عقاید صاحبان نظر در این حیطه، صورت گرفته است. پس از تبدیلمساله ی این مطالعه، از مساله ی پیشبینی، به یک مساله طبقهبندی شده، با استفاده از شبکه ی عصبی MLP با چند متغیر ورودی و یک متغیر خروجی، مدل پیش بینی، ساخته شده است. همین مساله با بهره گیری از روش آماری رگرسیون چند متغیره نیز حل شده است. در انتها، روش Fold-Cross-Validation ده گانه، برای اندازه گیری میزان کارایی مدل پیش بینی به کار رفته است. این کارایی، با بررسی موفقیت مدل، در پیش بینی فروش فیلم، در رده بندی صحیح خود، و در یک ردهبندی بالا و پایین رده بندی صحیح خود، سنجیده شده است. مقایسه نتایج نشان می دهد که شبکههای عصبی، عملکرد بهتری نسبت به روش های آماری برای حل این مساله پیش بینی داشته اند.
