Η ροή των μηνυμάτων στο Twitter μπορεί να αποκαλύψει ποιες κινηματογραφικές ταινίες θα κερδίσουν την προτίμηση του κοινού και ποιες τελικά θα πατώσουν, εκτιμούν ερευνητές της Hewlett-Packard. Η ίδια προσέγγιση θα μπορούσε να δώσει ακριβείς προβλέψεις και για άλλες συμπεριφορές των χρηστών, υποστηρίζουν.
Η ερευνητική ομάδα της μεγάλης εταιρείας υπολογιστών εξέτασε τρία εκατομμύρια μηνύματα χρηστών του Twitter τα οποία αφορούσαν συνολικά 25 κινηματογραφικές ταινίες. Η ανάλυση έδωσε μια σχετικά ακριβή πρόβλεψη για την επιτυχία κάθε ταινίας πριν ακόμα βγει στις αίθουσες.
Η μελέτη της HP δεν έχει ακόμα υποβληθεί σε ανεξάρτητο έλεγχο, δημοσιεύεται όμως στην ηλεκτρονική υπηρεσία Arxiv και στο δικτυακό τόπο της εταιρείας (αρχείο PDF).
«Αναπτύξαμε αλγόριθμους που αναλύουν τα μηνύματα και μετρούν το ρυθμό με τον οποίο παράγονται» αναφέρει στο BBC ο Μπερνάρντο Χιούμπερτμαν, επικεφαλής του εργαστηρίου κοινωνικής δικτύωσης της HP.
«Η προαίσθησή μας ήταν πως, όσο πιο γρήγορα στέλνει ο κόσμος μηνύματα [για κάθε ταινία], τόσο πιθανότερο είναι να πάει τελικά να δει την ταινία» εξηγεί ο ερευνητής.
«Οι προβλέψεις μας ήταν εξαιρετικά ακριβείς» υπερηφανεύεται, και αναφέρει μερικά παραδείγματα: Οι αλγόριθμοι προέβλεψαν ότι η ταινία με ζόμπι The Crazies θα απέφερε έσοδα 16,8 εκατ. δολαρίων το πρώτο Σαββατοκύριακο της προβολής του. Το πραγματικό νούμερο ήταν 16,06 εκατομμύρια. Η αντίστοιχη πρόβλεψη για την ρομαντική ταινία Dear John ήταν 30,71 εκατ. δολάρια, και το πραγματικό ποσό ήταν 30,46 εκατομμύρια.
Οι προβλέψεις του λογισμικού, υπολογίζει η ερευνητική ομάδα, είναι πιο ακριβείς σε σχέση με άλλα συστήματα πρόβλεψης, όπως το λεγόμενο Χρηματιστήριο του Χόλιγουντ (Hollywood Stock Exchange).
Οι αλγόριθμοι όμως δεν ήταν εξαρχής ικανοί να προβλέπουν τη συμπεριφορά του κινηματογραφικού κοινού. Χρειάστηκε πρώτα να εκπαιδευτούν στο να αναγνωρίζουν τα θετικά, τα αρνητικά και τα ουδέτερα μηνύματα για κάθε ταινία. Η εκπαίδευση του συστήματος έγινε με τη βοήθεια του Amazon Mechanical Turk, ενός online εργαλείου που πληρώνει τους χρήστες για να εκτελούν εργασίες που βρίσκονται πέρα από τις δυνατότητες των υπολογιστών.
Οι εθελοντές του Mechanical Tusk κατηγοριοποίησαν τα μηνύματα για ένα μικρό αριθμό ταινιών, έτσι ώστε το σύστημα να διδαχθεί σταδιακά κάνει το ίδιο και μόνο του.
Αυτού του είδους οι αναλύσεις, οι οποίες εξετάζουν τις συναισθηματικές αντιδράσεις του κοινού, θα μπορούσαν πιθανότατα να προβλέπουν και άλλες τάσεις, για παράδειγμα την εμπορική επιτυχία νέων προϊόντων, εκτιμούν οι ερευνητές.
Δεδομένου όμως ότι οι χρήστες του Twitter δεν αποτελούν αντιπροσωπευτικό δείγμα του γενικού πληθυσμού, η πρόβλεψη για πολλά άλλα είδη ανθρώπινων συμπεριφορών θα ήταν δύσκολη έως αδύνατη.
Newsroom ΔΟΛ www.in.gr
