Beschreibung
Herkömmliche Ansätze stützen sich oft auf subjektive Einschätzungen und historische Erfahrungen, wodurch die Resonanz beim Publikum möglicherweise nicht genau eingeschätzt werden kann. Um diese Einschränkung zu beheben, kombiniert das vorgeschlagene System Natural Language Processing (NLP) und die Analyse strukturierter Metadaten, um eine Fernsehserie vor ihrer Veröffentlichung zu bewerten. DistilBERT wird verwendet, um aussagekräftige Kontextinformationen aus Zusammenfassungen der Serien und Drehbuchbeschreibungen zu extrahieren, während Metadatenmerkmale wie Genre, Anzahl der Episoden, Anzahl der Staffeln, Besetzungsstufe, Produktionsstufe, Adaptionsstatus, Beliebtheit der Hauptdarsteller und Leistung der Drehbuchautoren einbezogen werden, um die Vorhersagegenauigkeit zu verbessern. Es kommen Techniken des Feature-Engineering und des klassengewichteten Lernens zum Einsatz, um die Modellleistung zu verbessern und Klassenungleichgewichte auszugleichen. Die extrahierten Text- und Metadatenmerkmale werden zusammengeführt und durch einen neuronalen Netzwerkklassifikator verarbeitet, um Serien in die Klassen Hit, Durchschnitt oder Flop einzustufen. Das System liefert eine frühzeitige Einschätzung des potenziellen Erfolgs einer Serie und unterstützt Produzenten, Autoren und Produktionsteams dabei, fundierte Entscheidungen in der Vorproduktionsphase zu treffen.
Herstellerkennzeichnung:
OmniScriptum SRL
Str. Armeneasca 28/1, office 1
2012 Chisinau
MD
E-Mail: info@omniscriptum.com
