优化娱乐产业中的叙事、提升观众留存并减少浪费
计算机与社会
2025-06-03 v1 人工智能
计算与语言
机器学习
摘要
电视网络在做出节目决策时面临较高的财务风险，通常依赖有限的历史数据来预测单集收视率。本研究引入了一种机器学习框架，将来自超过25000集电视节目的自然语言处理（NLP）特征与传统收视率数据相整合，以提升预测准确性。通过从剧集对话中提取情感基调、认知复杂度和叙事结构，我们使用SARIMAX、滚动XGBoost和特征选择模型评估了预测性能。尽管前期收视率仍是一个强有力的基线预测因子，但NLP特征为部分剧集带来了有意义的改进。我们还引入了一种基于聚合对话向量间欧氏距离的相似度评分方法，以按内容比较不同节目。该框架在包括《风骚律师》和《雅培小学》在内的多种类型中进行了测试，揭示了特定类型的性能表现，并为寻求数据驱动观众行为洞察的编剧、高管和营销人员提供了可解释的指标。
引用
@article{arxiv.2506.00076,
title = {Optimizing Storytelling, Improving Audience Retention, and Reducing Waste in the Entertainment Industry},
author = {Andrew Cornfeld and Ashley Miller and Mercedes Mora-Figueroa and Kurt Samuels and Anthony Palomba},
journal= {arXiv preprint arXiv:2506.00076},
year = {2025}
}