Success prediction of crowdfunding campaigns: a two-phase modeling

Página do item simplificado
dc.contributor.advisor-co1Rosa, Thierson Couto
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/4414718560764818eng
dc.contributor.advisor1Silva, Nádia Félix Felipe da
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7864834001694765eng
dc.contributor.referee1Silva, Nádia Félix Felipe da
dc.contributor.referee2Rosa, Thierson Couto
dc.contributor.referee3Cordeiro, Douglas Farias
dc.contributor.referee4Laureano, Gustavo Teodoro
dc.creatorSilva, Lafaiet Castro e
dc.creator.Latteshttp://lattes.cnpq.br/7667389921233888eng
dc.date.accessioned2019-09-30T15:08:28Z
dc.date.issued2019-08-14
dc.description.abstractFinanciamento coletivo e um meio de se levantar fundos e vem sendo adotado de forma crescente como uma forma de se atingir a viabilidade de projetos. Apesar de sua importancia e crescente adocao, o indice de sucesso de campanhas foi de 47% em 2017 e tem decaido ao longo dos anos. Uma forma de se aumentar as chances de sucesso das campanhas seria predizer, empregando tecnicas de aprendizado de maquina, se uma campanha obtera sucesso. Fazendo uso de modelos de classificacao baseados em atributos de campanha, e possivel predizer se uma dada campanha apresentada ao publico sera bem sucedida e por meio de modelos de regressao podemos estimar a quantidade de dinheiro arrecadado em um dado momento do ciclo de vida da campanha. A classificacao ou a regressao pode ser feita de forma estatica ou dinamica, dependendo do tipo de atributo sendo empregado. Nos propomos uma solucao em duas fases, a saber, lancamento e campanha, obtendo como resultado classificadores e regressores mais adequados para cada instante do ciclo de vida das campanhas. Baseado em atributos e meta atributos, bem como uma combinacao de atributos textuais, nos produzimos um preditor estatico capaz de classificar se uma campanha obtera sucesso ou se falhara com uma acuracia de 71%. Nessa fase nos concluimos que a maior parte dos atributos estaticos possuem baixa relevancia para o modelo quando se faz uso de meta atributos. Nosso modelo de regressao alcancou uma marca de 6.45 de Erro Medio Quadratico. Nosso classificador dinamico foi capaz de obter 85% de acuracia antes de 10% de duracao de campanha, equivalente a 3 dias, dada uma campanha de 10 dias de duracao total. No mesmo periodo de tempo, nosso regressor foi capaz de alcancar 2.5 de Erro Medio Quadratico.por
dc.description.provenanceSubmitted by Franciele Moreira (francielemoreyra@gmail.com) on 2019-09-30T13:50:18Z No. of bitstreams: 2 Dissertação - Lafaiet Castro e Silva - 2019.pdf: 5654085 bytes, checksum: c324a74388419bc0699f473cbd94e952 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2019-09-30T15:08:28Z (GMT) No. of bitstreams: 2 Dissertação - Lafaiet Castro e Silva - 2019.pdf: 5654085 bytes, checksum: c324a74388419bc0699f473cbd94e952 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceMade available in DSpace on 2019-09-30T15:08:28Z (GMT). No. of bitstreams: 2 Dissertação - Lafaiet Castro e Silva - 2019.pdf: 5654085 bytes, checksum: c324a74388419bc0699f473cbd94e952 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2019-08-14eng
dc.description.resumoCrowdfunding financing is a form of fund raising and is increasingly being adopted as a source for achieving the viability of projects. Despite its importance and adoption growth, the success rate of Crowdfunding campaigns was 47% in 2017 and it has decreased over the years. A way of increasing the chances of success of campaigns would be to predict, by employing machine learning techniques, if a campaign would be successful. By applying classification models based on related campaign features it is possible to estimate if whether or not a campaign presented to the public will achieve success and by applying regression models, we can forecast the amount of money to be funded at a given campaign time. The classification or the forecasting can be done statically or dynamically, depending on the type of features being employed. We propose a solution in two phases, namely launching and campaigning, having as a result models better suited for each point in time of a campaign life cycle. Based on features and meta features, as well as a combination of textual features, we produced a static predictor capable of classifying the campaigns with an accuracy of 71%. On this phase we have concluded that most of the static features have lower relevance to the model when employing meta featuring. Our regression method for phase one achieved a 6.45 of Root Mean Squared Error. Our dynamic classifier was able to achieve 85% of accuracy before 10% of campaign duration, equivalent of 3 days, given a campaign with 30 days of length. At this same time period it was able to achieve a forecasting performance of 2.5 of Root Mean Squared Error.eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESeng
dc.formatapplication/pdf*
dc.identifier.citationSILVA, L. C. Success prediction of crowdfunding campaigns: a two-phase modeling. 2019. 57 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2019.eng
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/10054
dc.languageporeng
dc.publisherUniversidade Federal de Goiáseng
dc.publisher.countryBrasileng
dc.publisher.departmentInstituto de Informática - INF (RG)eng
dc.publisher.initialsUFGeng
dc.publisher.programPrograma de Pós-graduação em Ciência da Computação (INF)eng
dc.rightsAcesso Aberto
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectFinanciamento coletivopor
dc.subjectClassificaçãopor
dc.subjectPrediçãopor
dc.subjectEstimativapor
dc.subjectRegressãopor
dc.subjectAprendizado de maquinapor
dc.subjectCrowdfundingeng
dc.subjectClassificationeng
dc.subjectPredictioneng
dc.subjectForecastingeng
dc.subjectRegressioneng
dc.subjectMachine learningeng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOeng
dc.titleSuccess prediction of crowdfunding campaigns: a two-phase modelingeng
dc.title.alternativePredicão de sucesso em campanhas de financiamento coletivo: uma modelagem em duas fasespor
dc.typeDissertaçãoeng

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Lafaiet Castro e Silva - 2019.pdf
Tamanho:
5.39 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.11 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Ciência da Computação (INF)