本文選題：電影票房 + 實證分析�。� 參考：《首都經(jīng)濟貿(mào)易大學》2017年碩士論文

【摘要】：隨著國民經(jīng)濟快速發(fā)展,人們的精神和文化生活也不斷豐富。電影是文化生活的重要組成,它不僅豐富了人們的精神世界,而且還促進了中國影視文化產(chǎn)業(yè)的發(fā)展。電影是我國文化產(chǎn)業(yè)的中流砥柱,給國家的發(fā)展帶來了巨大的經(jīng)濟收益,而衡量電影經(jīng)濟收益最重要且最直觀的一個指標就是電影票房收入。中國電影市場發(fā)展迅猛,2016年電影票房總收益已達457.12億元。因此,依據(jù)我國電影市場的特點,研究電影票房的影響因素對我國電影的投資決策具有重要的參考價值。目前已有大量電影票房預測研究的相關文獻,但大部分都是在傳統(tǒng)的統(tǒng)計方法和傳統(tǒng)神經(jīng)網(wǎng)絡層面上分析。多元線性回歸模型在預測精度上不如神經(jīng)網(wǎng)絡,但是回歸可以清楚的解釋影響因素對票房的影響程度;神經(jīng)網(wǎng)絡模型在電影票房的預測上的精確度要高于回歸模型,但是各變量對電影票房的影響程度不好解釋。因此,神經(jīng)網(wǎng)絡模型被稱為“黑盒子”。本文的研究目標是基于中國電影市場特性,依據(jù)歷史電影票房數(shù)據(jù),創(chuàng)新性的提出將深度學習模型中的卷積神經(jīng)網(wǎng)絡應用在電影票房預測中。論文主要使用多元線性回歸、BP神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡(CNN)分別對電影票房樣本數(shù)據(jù)建立模型,并且研究各種影響因素對電影票房的影響。實驗結(jié)果表明,多元回歸模型預測效果精確度較低,BP神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡預測的效果都比回歸好,且卷積神經(jīng)網(wǎng)絡模型還有待于進一步的研究學習,根據(jù)深度學習可以挖掘更多特征變量間的關系這一特性,從而可以更有效的提高預測精度。
[Abstract]:With the rapid development of national economy, people's spiritual and cultural life has been enriched. Film is an important component of cultural life. It not only enriches people's spiritual world, but also promotes the development of Chinese film and television industry. Film is the mainstay of the cultural industry in China, which brings huge economic benefits to the development of the country, and the most important and intuitive index to measure the economic benefits of film is the box office income of the film. China's film market is growing rapidly, with total box office receipts reaching 45.712 billion yuan in 2016. Therefore, according to the characteristics of the film market in China, it is of great reference value to study the influencing factors of the film box office for the investment decision of the film in our country. At present, there are a large number of related documents on box office prediction, but most of them are analyzed on the level of traditional statistical methods and traditional neural networks. The prediction accuracy of multivariate linear regression model is lower than that of neural network, but regression can clearly explain the influence degree of influencing factors on box office, and the accuracy of neural network model in predicting movie box office is higher than that of regression model. However, the impact of various variables on the film box office is difficult to explain. Therefore, the neural network model is called the "black box". Based on the characteristics of the Chinese film market and the historical box office data, this paper proposes an innovative application of the convolution neural network in the depth learning model to the prediction of movie box office. In this paper, multiple linear regression BP neural network and convolutional neural network are used to model the sample data of film box office, and the influence of various factors on the box office is studied. The experimental results show that the prediction accuracy of multivariate regression model is lower than that of BP neural network and convolutional neural network, and the convolution neural network model needs to be further studied. According to the feature that more feature variables can be mined by depth learning, the prediction accuracy can be improved more effectively.
【學位授予單位】：首都經(jīng)濟貿(mào)易大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：C912.3;J943

【參考文獻】

相關期刊論文 前10條

1 謝世明;;中國電影市場由高速發(fā)展轉(zhuǎn)為穩(wěn)步增長——2016年電影市場綜述[J];中國電影市場;2017年02期

2 李思琴;林磊;孫承杰;;基于卷積神經(jīng)網(wǎng)絡的搜索廣告點擊率預測[J];智能計算機與應用;2015年05期

3 蔡娟;蔡堅勇;廖曉東;黃海濤;丁僑俊;;基于卷積神經(jīng)網(wǎng)絡的手勢識別初探[J];計算機系統(tǒng)應用;2015年04期

4 史偉;王洪偉;何紹義;;基于微博情感分析的電影票房預測研究[J];華中師范大學學報(自然科學版);2015年01期

5 高玉明;張仁津;;基于遺傳算法和BP神經(jīng)網(wǎng)絡的房價預測分析[J];計算機工程;2014年04期

6 呂剛;郝平;盛建榮;;一種改進的深度神經(jīng)網(wǎng)絡在小圖像分類中的應用研究[J];計算機應用與軟件;2014年04期

7 鄭堅;周尚波;;基于神經(jīng)網(wǎng)絡的電影票房預測建模[J];計算機應用;2014年03期

8 夏丹;;我國3D電影票房預測實證研究[J];北京電影學院學報;2013年04期

9 孫志軍;薛磊;許陽明;王正;;深度學習研究綜述[J];計算機應用研究;2012年08期

10 廖江紅，桑濤，盧振武，，翁志成;神經(jīng)元網(wǎng)絡后向傳播算法的Dammann光柵設計[J];中國激光;1995年10期

相關碩士學位論文 前9條

1 張貴勇;改進的卷積神經(jīng)網(wǎng)絡在金融預測中的應用研究[D];鄭州大學;2016年

2 聶鴻迪;中國電影票房的影響因素及其實證研究[D];北京交通大學;2015年

3 何鵬程;改進的卷積神經(jīng)網(wǎng)絡模型及其應用研究[D];大連理工大學;2015年

4 王偉;基于微博數(shù)據(jù)的電影票房預測研究[D];重慶大學;2015年

5 羅捷;基于電影評價的進口影片票房預測研究[D];重慶大學;2015年

6 楊威;基于微博數(shù)據(jù)的電影票房預測模型研究[D];安徽大學;2014年

7 劉婧;大數(shù)據(jù)時代下中國電影營銷的問題與對策[D];蘭州大學;2014年

8 陳先昌;基于卷積神經(jīng)網(wǎng)絡的深度學習算法與應用研究[D];浙江工商大學;2014年

9 羅建華;基于粗糙集與神經(jīng)網(wǎng)絡的數(shù)據(jù)分類研究及應用[D];大連理工大學;2008年

本文編號：1903825