数据集概述
本数据集是用于动漫流行度预测的深度学习研究数据集，基于公开互联网数据构建，包含14个文件，涵盖代码、笔记本、数据库压缩包及说明文档。数据集支持复现论文提出的融合GPT-2与ResNet-50的多模态模型，可用于分析动漫制作前可获取特征对流行度的影响，为动漫产业生产策略提供数据支撑。
文件详解
- 代码文件（.py）：共6个，包括
img_inputs.py（图像输入处理）、char_inputs.py（字符输入处理）、all_inputs.py（全输入处理）、Ca_Naxca.py、trad_models.py（传统模型实现）、syn_inputs.py（合成输入处理），用于数据处理与模型构建。
- 笔记本文件（.ipynb）：共6个，包括
all_inputs.ipynb（全输入分析）、img_inputs.ipynb（图像输入分析）、lcurves.ipynb（学习曲线分析）、trad_models.ipynb（传统模型分析），用于交互式数据分析与模型实验。
- 压缩包文件（.zip）：
Database.zip，包含动漫流行度预测所需的数据库文件。
- 文档文件（.md）：
README.md，提供数据集复现说明、仓库介绍及使用指引。
数据来源
论文“Popularity Prediction in Anime with Deep Learning”关联的GitHub仓库
适用场景
- 动漫产业流行度预测：利用多模态特征预测未上线动漫的流行度，辅助生产决策。
- 深度学习模型研究：验证融合GPT-2与ResNet-50的多模态模型在流行度预测任务中的性能。
- 特征重要性分析：探究动漫制作前可获取特征（如文本、图像）对流行度的影响程度。
- 传统与深度学习模型对比：比较传统模型与深度学习模型在动漫流行度预测中的效果差异。
