Resumen

Para mejorar la precisión de la predicción de la taquilla de películas, este documento propone una atención adaptativa con centinela del consumidor (LSTM-AACS) para la predicción de la taquilla de películas. Primero, se analizan los factores que influyen en la taquilla de películas. Abordando el problema de ignorar los grupos de consumidores en los modelos de predicción existentes, agregamos características de los consumidores y luego analizamos y normalizamos cuantitativamente los factores de influencia en la taquilla. En segundo lugar, establecemos un modelo de predicción de taquilla LSTM (Memoria a Corto y Largo Plazo) e incorporamos el mecanismo de atención para construir una atención adaptativa con centinela del consumidor para la predicción de la taquilla de películas. Finalmente, se utilizan 10,398 datos de la taquilla de películas en la competencia de Kaggle para comparar los resultados de predicción con el modelo LSTM-AACS, el modelo de Atención LSTM y el modelo LSTM. Los resultados muestr

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Predicción de taquilla de cine; LSTM-AACS; Atención adaptable; Centinela del consumidor; Factores influyentes; Mecanismo de atención
• Keywords:Movie box office prediction; LSTM-AACS; Adaptive attention; Consumer sentinel; Influencing factors; Attention mechanism