Geri Dön

Derin öğrenme yöntemleri ile sinema filmi başarım tahmini

Estimating film achievement using deep learning methods

PDF İndir

  1. Tez No: 593284
  2. Yazar: OSMAN NURİ ATAK
  3. Danışmanlar: DOÇ. DR. KEMAL ÖZKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 57

Özet

Sinema filmlerinin gişe hasılatının tahmin edilebilmesi amacıyla çeşitli teknikler geliştirilmiştir. Kullanılan yöntemlerde tahminlemeler, film vizyona girdikten sonra alınan veriler üzerinden yapılmaktadır. Hazırlanan tez çalışmasında, film daha vizyona girmeden ve belki de sadece afiş ve fragmanı hazırlanarak gişe hasılat tahmini yapılabilmesine imkân sağlayan derin öğrenmeye dayalı sınıflandırma tabanlı bir makine öğrenme sistemi tasarlanmıştır. Çalışmada 2017 yılında vizyona giren sinemalar hasılatlarına göre 5 gruba ayrılarak kullanılmıştır. Derin öğrenme modeli olan Inception V3 modeli ile sinema afişleri ve fragmanlar üzerinde çalışılmıştır. Sinema afişi, fragman, oyuncular, yönetmen, senarist gibi film özellikleri üzerinden, film vizyona girmeden hasılat tahmini yapılmasının mümkün olup olmayacağı incelenmiştir. 482 adet yerli ve yabancı film üzerinde yapılan çalışmada, ağaç sınıflandırıcılarından ince ağaç (Fine Tree Classifier FTC) ve orta ağaç (Medium Tree Classifier MTC) sınıflandırıcısı ile %97,7'lik ortalama doğruluk oranı elde edilmiştir. Elde edilen bu sonuç, çalışmada kullanılan yöntemin diğer gişe gelir tahminleri için kullanılan yöntemlerden daha iyi bir performans sergilenebileceğini göstermektedir. Çalışmanın ikinci kısmında ise Movilens veri kümelerinden 20 milyon kullanıcı film puanlaması olan veri kümesi ile film öneri sistemi tasarımı gerçekleştirilmiştir. En az 100 filme puan veren kullanıcılardan 10 bin kullanıcı seçilerek 11.726 film verisi ile film öneri çalışması yapılmıştır. Filmlerin detay verileri, fragmanlardan elde edilen 4096'lık özellik matrisi ve film puanlamaları ile yapılan çalışmaların sonucunda yenilik değeri 1,5497 olarak bulunmuştur.

Özet (Çeviri)

Various techniques have been developed in order to estimate the box office revenue of cinema films. Estimations in the methods used are based on the data obtained after the film is released. In the thesis study, a deep learning leaning against classification based machine learning system was designed that produce results before the film came into the picture and perhaps only the poster and the trailer was prepared. In this study, cinemas which were released in 2017 were divided into 5 groups according to their revenue. Cinema posters and fragments were studied with Inception V3 model based on deep learning structure. It has been examined whether it is possible to estimate the revenue before the film comes into play through the movie features such as cinema posters, trailers, actors, directors and screenwriters. In the study, conducted on 482 domestic and foreign films, an average accuracy rate of 97.7% was obtained from Tree classifiers by Fine Tree and Medium Tree classifier. This result shows that the method used in the study can perform better than the methods used for other box office revenue estimates. In the second part of the study, a movie suggestion system was designed with a data set of 20 million users from the Movilens data sets. 10,000 users were selected from users who rated at least 100 films, and a film proposal study was conducted with 11,726 movie data. Novelty value was found to be 1.5497 as a result of the studies made with the detailed data of the films, 4096 feature matrix obtained from the fragments and film scoring.

Benzer Tezler

  1. Tez No

    338228

    Fuzzy cognitive maps for emotion modeling

    Bulanık bilişsel haritalar yardımıyla insan duygularının modellenmesi

    HASAN MURAT AKINCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ENGİN YEŞİL

  2. Tez No

    186414

    Sinema ve terapi Venüs'ün Çiçek Sepeti

    Cinema and theraphy the Flower Basket of Venus

    CANEL BİNGÖL

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Güzel SanatlarMarmara Üniversitesi

    Sinema Televizyon Ana Sanat Dalı

    PROF.DR. SEMİR ASLANYÜREK

  3. Tez No

    760215

    Image compression method based on learned lifting-based DWT and learned zerotree-like entropy model

    Öğrenilmiş kaldıraç tabanlı DWT ve öğrenilmiş zerotree-benzeri entropi modeline dayalı görüntü sıkıştırma yöntemi

    UĞUR BERK ŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FATİH KAMIŞLI

  4. Tez No

    778019

    Sensör füzyonuna dayalı derin öğrenme yöntemleri ile nesne tanıma başarısının artırılması

    Increasing object detection success with deep learning methods based on sensor fusion

    AHMET ÖZCAN

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER ÇETİN

  5. Tez No

    740137

    Görüntülerdeki eksik kısmın tamamlanması amaçlı derin öğrenme temelli hibrit bir model geliştirilmesi

    Development of a deep learning based hybrid model to complete the missing part in the images

    HASAN BASRİ AKÇAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiAkdeniz Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖVÜNÇ POLAT

Geri Dön