Resumen

Los modelos de previsión de la taquilla se desarrollan teniendo en cuenta la competencia y los efectos del boca a boca (WOM), además de la información relacionada con la proyección. La nacionalidad, el género, los índices de audiencia y las distribuidoras de las películas que se proyectan al mismo tiempo que la película objetivo se utilizan para describir la competencia, mientras que el número de menciones informativas, positivas y negativas publicadas en los servicios de redes sociales (SNS) se utiliza para medir el ambiente difundido por el WOM. Entre estas variables candidatas, sólo se seleccionan las variables significativas mediante un algoritmo genético (GA), a partir del cual se entrenan los algoritmos de aprendizaje automático para construir modelos de previsión. Los pronósticos se combinan para mejorar el rendimiento de las previsiones. Los resultados experimentales en el mercado cinematográfico coreano muestran que la precisión de las previsiones en los primeros períodos de proyección puede mejorarse significativamente si se tiene en cuenta la competencia. Además, el WOM tiene una mayor influencia en la previsión de la taquilla total. Considerar tanto la competencia como el WOM mejora el rendimiento de las previsiones en mayor medida que cuando se considera sólo uno de ellos.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:previsión de la taquilla, competencia, wom, distribuidor de movimiento, periodo de proyección anticipada, mercado cinematográfico coreano, taquilla precisa, algoritmo de aprendizaje automático, servicios de redes sociales, películas objetivo
• Keywords:box office forecasting, competition, wom, distributor of motion, early screening period, korean film market, accurate box office, machine learning algorithm, social network services, target motion pictures