详细内容或原文请订阅后点击阅览
使用AI预测大片电影
尽管电影和电视经常被视为创造性和开放式行业，但它们长期以来一直在避开风险。高生产成本（至少对于美国项目而言，这可能很快就会失去更便宜的海外地点的抵消优势），而零散的生产景观使独立公司很难吸收巨大的损失。因此，在[…]使用AI的文章上预测一部大片电影，首先出现在unite.ai上。
来源:Unite.AI尽管电影和电视经常被视为创造性和开放式行业，但它们长期以来一直在避开风险。高生产成本（至少对于美国项目而言，这可能很快就会失去更便宜的海外地点的抵消优势），而零散的生产景观使独立公司很难吸收巨大的损失。
很快失去因此，在过去的十年中，该行业对机器学习是否可以检测趋势或模式对拟议的电影和电视项目的反应趋势引起人们的兴趣。
主要数据源仍然是Nielsen系统（尽管其根源在电视和广告中提供了比例）以及基于样本的方法（例如焦点小组），这些方法是为策划的人口统计而进行交易。后一类还包括来自免费电影预览的记分卡反馈 - 但是，到那时，生产预算的大部分已经花费了。
“大命中”理论/理论
最初，ML系统利用传统分析方法，例如线性回归，K-Nearest邻居，随机梯度下降，决策树和森林以及神经网络，以及神经网络，通常采用各种组合，更接近风格的统计分析，例如2019年中央佛罗里达大学（2019年中央佛罗里达大学）的预测电视节目，以预测的电视节目为基础，<
k-nearest邻居 随机梯度下降 决策树 神经网络 统计分析 主动预测成功的电视节目一项2018年的研究根据角色和/或作家的组合对情节的表现进行了评估（大多数情节是由多个人撰写的）。资料来源：https：//arxiv.org/pdf/1910.12589
一项2018年的研究根据角色和/或作家的组合对情节的表现进行了评估（大多数情节是由多个人撰写的）。最相关的工作，至少在野外部署的工作（尽管经常受到批评）是在推荐系统领域中：
经常批评