Autores:  (1) Dinesh Kumar Vishwakarma, Laboratorio de Investigación Biométrica, Departamento de Tecnología de la Información, Universidad Tecnológica de Delhi, Delhi, India;  (2) Mayank Jindal, Laboratorio de Investigación Biométrica, Departamento de Tecnología de la Información, Universidad Tecnológica de Delhi, Delhi, India  (3) Ayush Mittal, Laboratorio de Investigación Biométrica, Departamento de Tecnología de la Información, Universidad Tecnológica de Delhi, Delhi, India  (4) Aditya Sharma, Laboratorio de Investigación Biométrica, Departamento de Tecnología de la Información, Universidad Tecnológica de Delhi, Delhi, India.  Tabla de enlaces   Resumen e introducción   Antecedentes y trabajos relacionados   Conjunto de datos EMTD   Metodología propuesta   experimentos   Conclusión y referencias  3. Conjunto de datos EMTD  Los conjuntos de datos de la literatura anterior carecen de la composición uniforme de los géneros cinematográficos. Por lo tanto, proponemos un EMTD (conjunto de datos de avances de películas en inglés) que consta de alrededor de 2000 avances de películas de Hollywood únicos descargados desde IMDB1. EMTD contiene 2000 avances únicos de 5 géneros, a saber: acción, comedia, terror, romance y ciencia ficción. El conjunto de datos se extrae de IMDB mediante el procedimiento de desguace web de la siguiente manera: (1) buscar la lista de títulos de películas disponibles en IMDB (con al menos 1 género común a uno mencionado anteriormente), (2) extraer metadatos correspondientes a cada título de película, incluido el avance enlace para descargar y (3) descargar los avances (.mp4) correspondientes al enlace en una carpeta, y enumerar toda la información/metadatos sobre la película, incluido el nombre del avance, las descripciones, la trama, las palabras clave y los géneros en forma de un archivo CSV. En este trabajo, el conjunto de datos se divide en conjunto de trenes (1700 remolques) y conjunto de validación (300 remolques), como se muestra en la Tabla 1.  El estudio se lleva a cabo con los géneros anteriores sólo porque la mayoría de estos géneros se observan en las películas. También queremos explorar el rendimiento de nuestra arquitectura primero en un pequeño conjunto de géneros, por lo que elegimos solo 5 géneros en lugar de ir hacia un conjunto amplio de géneros.   Este documento está   bajo licencia CC BY-NC-SA 4.0 DEED. disponible en arxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Kinetopgraph.TECH

Read My Stories

kinetograph

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

Boost your HackerNoon story @ $159.99! 🚀

Elaboración de perfiles multinivel de redes profundas basadas en situaciones y diálogos: conjunto de datos EMTD

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps