本文關(guān)鍵詞：基于微博數(shù)據(jù)的電影票房預(yù)測(cè)，由筆耕文化傳播整理發(fā)布。

【摘要】：從全球范圍來(lái)看,電影行業(yè)是增長(zhǎng)最迅速的產(chǎn)業(yè)。每年都有成千上萬(wàn)部的電影上映,電影市場(chǎng)年均復(fù)合增長(zhǎng)率也在逐年增長(zhǎng)。然而人們的喜好是非常難預(yù)測(cè)的,一部電影上映之后,能夠滿足自負(fù)盈虧的平衡點(diǎn)具有相當(dāng)高的風(fēng)險(xiǎn),所以,電影票房預(yù)測(cè)一直是電影行業(yè)非常關(guān)注的問(wèn)題。電影票房的研究在經(jīng)歷“觀眾研究”和利用元數(shù)據(jù)、多因子的方法進(jìn)行模型改進(jìn)和影響因子的研究階段之后,研究者們充分利用了網(wǎng)民在線生成的海量?jī)?nèi)容作為預(yù)測(cè)的主要信息來(lái)源,建立了更加高效、準(zhǔn)確的票房預(yù)測(cè)模型。預(yù)測(cè)算法都是在電影上映之前進(jìn)行的,預(yù)測(cè)進(jìn)行的越早價(jià)值越大,但是由于互聯(lián)網(wǎng)數(shù)據(jù)的滯后性,是電影上映之前和發(fā)布之后的微博數(shù)據(jù)量差距特別大,電影上映之前的微博數(shù)據(jù)量占總量的一小部分,大多數(shù)的微博數(shù)據(jù)都集中在電影上映的第一天或者是第一周,模型預(yù)測(cè)的性能和準(zhǔn)確性一般都不高。為了盡量的消除互聯(lián)網(wǎng)數(shù)據(jù)的滯后性對(duì)預(yù)測(cè)結(jié)果的影響,本文提出了一種新的基于微博數(shù)據(jù)的預(yù)測(cè)模型來(lái)預(yù)測(cè)電影票房,我們提出將整個(gè)預(yù)測(cè)過(guò)程分為三個(gè)時(shí)間階段,使用預(yù)測(cè)算法構(gòu)建了3個(gè)在時(shí)間維度連續(xù)的模型,即電影上映之前、電影上映一周以后、電影上映兩周以后分別預(yù)測(cè)電影上映后第一周的票房、電影上映后二周累計(jì)票房、電影上映后三周累計(jì)票房。將模型變量分為兩類,一是實(shí)際票房數(shù)據(jù),二是微博數(shù)據(jù)。在預(yù)測(cè)電影上映兩周、三周累計(jì)票房的時(shí)候,已經(jīng)有了第一、二周的實(shí)時(shí)票房數(shù)據(jù),可以將實(shí)際票房也加入到預(yù)測(cè)模型中。在參考前人研究模型變量基礎(chǔ)之上,我們對(duì)微博數(shù)據(jù)做出提及、情感提及、積極情感、消極情感四個(gè)維度特征,并在這四個(gè)維度之上派生了十二個(gè)維度。3個(gè)預(yù)測(cè)模型都是通過(guò)遺傳算法優(yōu)化的支持向量回歸機(jī)進(jìn)行構(gòu)建的,通過(guò)仿真實(shí)驗(yàn)得到了各個(gè)模型的最佳參數(shù),并通過(guò)絕對(duì)誤差值指標(biāo)驗(yàn)證了該模型的科學(xué)性和合理性,并且預(yù)測(cè)的時(shí)間越晚,準(zhǔn)確率越高。
【關(guān)鍵詞】：票房預(yù)測(cè) 微博數(shù)據(jù) 支持向量回歸機(jī) 遺傳算法
【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：J943
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 選題的背景及研究意義10-12
• 1.1.1 選題背景10-11
• 1.1.2 研究意義11-12
• 1.2 國(guó)內(nèi)外研究進(jìn)展12-15
• 1.2.1 電影觀眾研究12-13
• 1.2.2 模型改進(jìn)及影響因子研究13-14
• 1.2.3 基于網(wǎng)民在線生成的海量?jī)?nèi)容14-15
• 1.3 研究目的和研究方法15-16
• 1.3.1 研究目的15
• 1.3.2 研究方法15-16
• 1.4 本文的創(chuàng)新點(diǎn)16
• 1.5 論文的基本框架16-18
• 第2章 相關(guān)的理論基礎(chǔ)18-27
• 2.1 微博數(shù)據(jù)18-20
• 2.1.1 微博的定義及功能分析18-19
• 2.1.2 微博數(shù)據(jù)的特性19-20
• 2.2 支持向量回歸機(jī)相關(guān)理論20-25
• 2.2.1 線性支持向量回歸機(jī)21-24
• 2.2.2 非線性支持向量回歸機(jī)24-25
• 2.3 遺傳算法優(yōu)化的支持向量回歸機(jī)25-26
• 2.4 本章小結(jié)26-27
• 第3章 基于微博數(shù)據(jù)的電影票房預(yù)測(cè)設(shè)計(jì)27-39
• 3.1 電影票房預(yù)測(cè)流程概述27-28
• 3.2 電影選擇和數(shù)據(jù)采集28-33
• 3.2.1 電影選擇28-29
• 3.2.2 電影票房數(shù)據(jù)采集29-30
• 3.2.3 微博數(shù)據(jù)采集30-33
• 3.3 模型架構(gòu)和變量體系設(shè)計(jì)33-37
• 3.3.1 模型架構(gòu)設(shè)計(jì)33
• 3.3.2 變量體系設(shè)計(jì)33-37
• 3.4 預(yù)測(cè)模型的構(gòu)建37-38
• 3.5 性能評(píng)價(jià)38
• 3.6 本章小結(jié)38-39
• 第4章 仿真實(shí)驗(yàn)與結(jié)果分析39-51
• 4.1 實(shí)驗(yàn)數(shù)據(jù)39-45
• 4.2 仿真實(shí)驗(yàn)與結(jié)果分析45-49
• 4.3 本章小結(jié)49-51
• 第5章 總結(jié)與展望51-52
• 5.1 論文的主要工作和結(jié)論51
• 5.2 進(jìn)一步研究工作的展望51-52
• 參考文獻(xiàn)52-54
• 致謝54-55
• 攻讀碩士學(xué)位期間發(fā)表論文及科研情況55

  本文關(guān)鍵詞：基于微博數(shù)據(jù)的電影票房預(yù)測(cè)，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：283037