보고 싶고 알고 싶은 영화의 모든 것! 네이버 영화 평점을 예측해 보세요!
네이버 영화는 영화 정보, 영화 평, 영화 인물 정보를 한 눈에 볼 수 있고, 영화 예매까지 한꺼번에 할 수 있어서 많은 분들이 좋아하는 서비스입니다. 특히 네이버 영화 평점은 개봉 전 영화에 대한 기대평이나 개봉작에 대한 관람 후 평가를 등록하는 기능입니다. 140자 평과 함께 평점을 등록할 수 있어 영화를 좋아하는 많은 사람이 참고하는 정보가 되고 있습니다.
영화와 처음 만나는 곳! 네이버 영화는 어떻게 하면 더 신뢰할 수 있는 평점을 제공할 수 있을까 항상 고민하고 있습니다. 어떠한 영화 평을 작성했을 때 그 영화 평에 가장 합당한 평점을 예측할 수 있다면 더 객관적이고 신뢰할 수 있는 평점이 되지 않을까요?
여러분은 이를 위해 기존 영화 평과 평점을 학습해, 주어진 영화 평에 가장 알맞는 평점이 몇 점인지 예측하는 모델을 개발해야 합니다.
| 영화 평 | 평점 |
|---|---|
| 영화를 이루는 모든 요소가 완전하다 | 10 |
| 너무 흥미롭고 단 한순간도 지루할틈이 없었다 | 9 |
| 이해는 하나 공감은 할 수 없는 영화 | 7 |
| 진짜 이 영화 무슨 내용인지 모르겠네 | 2 |
※ 마스킹 정보
영화명과 배우명은 마스킹 처리되어 있습니다.
mv로 시작하는 경우 마스킹된 영화명, ac로 시작하는 경우 마스킹된 배우명입니다.
- 영화명 마스킹 예: mv00041958에 대한 좋은 이상향을 심어주는 영화
- 배우명 마스킹 예: ac00440758의 연기가 매우 인상적이었던 고전영화의 명작
| 종류 | 위치 | 비고 |
|---|---|---|
| 예선 1라운드 트레이닝 데이터 | movie_phase1 | NSML에서 지정 |
| 예선 2라운드 트레이닝 데이터 | movie_phase2 | NSML에서 지정 |
| 결선 트레이닝 데이터 | movie_final | NSML에서 지정 |
| 디버깅용 더미 데이터 | 보기 |
- 트레이닝 데이터는 NSML을 통해서만 접근 가능합니다.
- 로컬에서 디버깅을 위해 데이터를 사용해야 한다면 디버깅용 더미 데이터를 사용하세요.
- NSML에서 모델을 평가할 때 자동으로 테스트 데이터를 사용합니다.
- 데이터셋에 관한 자세한 설명은 튜토리얼 문서를 확인해 주세요.
- NSML을 통해 개발한 모델을 실행할 수 있습니다.
- NSML 크레딧을 보유한 만큼 리소스를 사용할 수 있습니다.
- 모델 개발 및 실행에 대한 자세한 설명은 튜토리얼 문서를 확인해 주세요.
- NSML을 통해 개발한 모델을 평가합니다.
- 평가를 완료하면 NSML 리더보드를 통해 순위를 확인할 수 있습니다.
- 모델 평가 대한 자세한 설명은 튜토리얼 문서를 확인해 주세요.