面向大额投资前的动漫热度预测：基于深度学习的多模态方法
机器学习
2024-06-26 v1 人工智能
摘要
在日本动画产业中，预测即将推出的产品是否会受欢迎至关重要。本文提出了一个数据集和方法，用于使用仅从免费互联网来源构建的多模态文本图像数据集来预测动画热度。该数据集是根据真实的投资经验制定严格标准后构建的。采用利用GPT-2和ResNet-50嵌入数据的深度神经网络架构被用于检验多模态文本图像输入与热度评分之间的相关性，发现数据集的相关优势与不足。为衡量模型的准确度，采用均方误差（MSE）作为指标，最佳结果为0.011（考虑所有输入和完整深度神经网络版本），与基于传统TF-IDF和PILtoTensor向量化获得的基准MSE 0.412相比较。这项工作首次提出了针对此类任务使用多模态数据集的方法，揭示了即使使用相对较小的模型（ResNet-50）嵌入图像信息，也能带来显著的益处。
引用
@article{arxiv.2406.16961,
title = {Anime Popularity Prediction Before Huge Investments: a Multimodal Approach Using Deep Learning},
author = {Jesús Armenta-Segura and Grigori Sidorov},
journal= {arXiv preprint arXiv:2406.16961},
year = {2024}
}
备注
13 pages, 6 figures, 11 tables