영화 관객 수 예측을 위한 기계학습 기법의 성능 평가 연구
A Study on the Performance Evaluation of Machine Learning for Predicting the Number of Movie Audiences
- 주제(키워드) 영화 관객 수 예측 , 기계학습 , 분류 모형 , 회귀 모형 , Random Forest , k-NN , SVM , Box Office Forecasting , Machine Learning , Classification Model , Regression Model , Random Forest , K-NN , SVM
- 주제(기타) 사회과학
- 주제(기타) 경영학
- 주제(기타) 경영학일반
- 주제(기타) 경영과학
- 설명문(URI) https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002590792
- 등재 KCI등재
- 발행기관 한국전자거래학회
- 발행년도 2020
- 총서유형 Journal
- URI http://www.dcollection.net/handler/ewha/000000169871
- 본문언어 한국어
- Published As https://doi.org/10.7838/jsebs.2020.25.2.049
초록/요약
영화 제작에 막대한 비용이 투입되지만 관객수요는 매우 불확실하기 때문에 개선된 수요예측은 수익 개선을 위한 의사결정의 중요 수단으로 활용될 수 있다. 본 연구에서는 영화의 개봉 후 수요를 예측함에 있어 기계학습 기법의 적용 타당성을 예측 성능의 관점에서 검증하였다. 분석결과를 종합하면 다음과 같다. 첫째, 대안변수에 대한 통계적 검증 결과 기본 영화 특성(감독, 배우)과 함께 개봉 후 2주차까지의 스크린수, 상영횟수, 관객수, 주요 배우에 대한 관심도 등 시계열 자료가 수요예측에 유의미한 것을 확인하였다. 둘째, Random Forest Classifier와 SVM(Support Vector Machine) 등 분류 기반 기계학습 기법과 Random Forest Regressor와 k-NN Regressor와 같은 회귀모형 기반 기계학습 기법에 적용하여 예측 성능을 평가한 결과, Random Forest 기법이 우수한 결과를 보였다. 셋째, 누적관객수가 1분위보다 작은 영화에서 회귀모형 기반 기법은 낮은 예측 정확도를 보였으며, 분류기반 기법은 반대로 가장 우수한 결과를얻었다. 즉, 영화 수요의 분포 특성에 따라서 차별화된 기계학습 기법을 적용하는 것이 필요하다.
more