Machine Learning for Multimedia Movie Success Prediction (2023)
- Authors:
- Autor USP: SOUZA, THAIS LUIZA DONEGA E - EACH
- Unidade: EACH
- DOI: 10.11606/T.100.2023.tde-16012024-220439
- Subjects: APRENDIZADO COMPUTACIONAL; INTELIGÊNCIA ARTIFICIAL; PROCESSAMENTO DE IMAGENS; FILMES; CRÍTICA CINEMATOGRÁFICA
- Keywords: Análise de Sentimento; Multimodal; Sentiment Analysis
- Language: Inglês
- Abstract: O objetivo principal deste estudo é prever, por meio de técnicas computacionais, o sucesso financeiro de um filme a partir de dados visuais, textuais e de metadados disponíveis antes de seu lançamento. A tese é composta por três investigações principais. No primeiro artigo, algoritmos de aprendizado de máquina são aplicados para atualizar a literatura usando apenas metadados disponíveis para os produtores antes do lançamento de um filme. No segundo, é construída uma Rede Neural Convolucional para extrair informações de pôsteres de filmes; esses resultados são analisados do ponto de vista econômico e podem fornecer insights sobre a criação de conteúdo visual de marketing econômico e atraente. No terceiro, é realizada uma análise de sentimento do consumidor para lidar com dados textuais do elenco, extraindo sentimentos sobre os atores para explorar seu impacto no sucesso do filme. Embora a previsão do sucesso de bilheteria de um filme seja um tópico amplamente explorado na literatura, este é o primeiro estudo a abordar o problema em sua forma multimodal, como de fato é. Além disso, pouco se sabe sobre a publicidade que envolve um filme ou seu conteúdo; nem sobre medidas de elenco extraídas diretamente das audiências. Portanto, este trabalho é o primeiro a propor uma ferramenta de apoio à decisão que responde ao problema da incerteza cinematográfica com todos os dados disponíveis antes da produção
- Imprenta:
- Data da defesa: 18.12.2023
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
SOUZA, Thais Luiza Donega e. Machine Learning for Multimedia Movie Success Prediction. 2023. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://teses.usp.br/teses/disponiveis/100/100131/tde-16012024-220439/. Acesso em: 31 mar. 2026. -
APA
Souza, T. L. D. e. (2023). Machine Learning for Multimedia Movie Success Prediction (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/100/100131/tde-16012024-220439/ -
NLM
Souza TLD e. Machine Learning for Multimedia Movie Success Prediction [Internet]. 2023 ;[citado 2026 mar. 31 ] Available from: https://teses.usp.br/teses/disponiveis/100/100131/tde-16012024-220439/ -
Vancouver
Souza TLD e. Machine Learning for Multimedia Movie Success Prediction [Internet]. 2023 ;[citado 2026 mar. 31 ] Available from: https://teses.usp.br/teses/disponiveis/100/100131/tde-16012024-220439/ - Os efeitos das revisões críticas online sobre o mercado cinematográfico americano
- Do American critic reviews affect film consumption abroad?: The Brazilian case
- Revisiting predictions of movie economic success: random Forest applied to profits
- The effects of broadband on the consumption film at theatres in Brazil
- Is a poster a strong signal of film quality?: evaluating the predictive power of visual elements using deep learning
- Is Rotten Tomatoes killing the movie industry? A regression discontinuity approach
- Alunos da USP se unem a especialistas do mundo para analisar eleições dos EUA: Universidade foi a única representante da América Latina no Decision 2020, iniciativa da University of South Wales (USW). [Depoimento a Karina Tarasiuk]
- A deep learning workflow enhanced with optical flow fields for flood risk estimation
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
