基于深度神经网络的影视评分预测

影视评分能直接反映影视作品的上映效果或收益情况,然而目前影视特征的提取方法单一,信息挖掘不充分。针对这一问题,提出一种基于混合特征表示向量的深度神经网络影视评分预测模型。根据影视作品的属性特征通过词袋模型、特征拆分、TF-IDF文本矢量化方法生成影视混合特征表示向量,并构建基于深度神经网络的影视评分预测模型。实验结果表明:测试集MAE、MSE、SmoothL1 Loss指标值在模型100轮迭代训练后收敛,MAE为0.82,MSE为1.07,SmoothL1Loss为0.45,验证了所提方法对影视作品的评分预测有很好效果,能有效评估影视作品上映后的价值。

“数字化”的影评:影视评分的数字定量形式及其评论定性思维

影评从文字到数字,改变的不仅是影评的形式,更转化了影评的思维。本文依循雷蒙·威廉斯提出的传播科技与文化形式的理论范式,分析"影视评分"的新影评形式和思维,进而探讨对整体影评文化形式的影响。影视评分基于其"分数定量形式",相较于文字影评具备了"使用性""客观性""大众作为评论主体"等"影评定性思维"。影视评分的数字形式、算法逻辑与网络媒介互动特性,进一步促成影评思维的"中庸化",以及双向的"去深度化"。影视评分的特性使之适合作为便捷的参考工具,但终究不能取代传统的影视评论。