電影作為娛樂服務(wù)業(yè)的重要領(lǐng)域,豐富了人們的生活,為人們提供高質(zhì)量的精神食量的同時(shí),也逐步成為了我國(guó)經(jīng)濟(jì)市場(chǎng)中的一個(gè)重要部分。然而我國(guó)電影行業(yè)起步晚,發(fā)展慢,國(guó)內(nèi)市場(chǎng)的營(yíng)銷機(jī)制并不完善,對(duì)電影票房進(jìn)行預(yù)測(cè)可以幫助影院提前布局,增加票房收入,因此論文研究如何利用影評(píng)預(yù)測(cè)電影票房。本文主要內(nèi)容如下:（1）本文從電影票房影響因子的研究和電影票房預(yù)測(cè)模型的研究?jī)蓚�(gè)方面,詳細(xì)地介紹了電影票房預(yù)測(cè)的國(guó)內(nèi)外的發(fā)展,并介紹了現(xiàn)在主流的電影票房預(yù)測(cè)方法。（2）針對(duì)CHI算法可能會(huì)產(chǎn)生多余無關(guān)特征問題,本文提出了一種CHI-SVD的特征提取算法,該算法在CHI提取出的特征的基礎(chǔ)上用SVD算法進(jìn)行降維處理,從而能夠保留原始特征的基礎(chǔ)上再降維處理,能夠有效地減少時(shí)間成本。通過實(shí)驗(yàn)發(fā)現(xiàn),CHI-SVD算法性能比CHI算法要好。（3）為了提高情感詞典的質(zhì)量,從而更好的進(jìn)行情感分類,本文將基于情感詞典和基于統(tǒng)計(jì)信息的情感分類方法相結(jié)合,減小情感分類會(huì)被情感詞典構(gòu)造所影響帶來的缺點(diǎn),從而使得情感分類的效果更好。（4）為了進(jìn)一步對(duì)電影票房進(jìn)行準(zhǔn)確預(yù)測(cè),本文提出了一種融合SVR和多元線性回歸算法的隨機(jī)森林回歸算法,并將情感... 

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景與意義
        1.1.1 電影產(chǎn)業(yè)的發(fā)展
        1.1.2 電影網(wǎng)絡(luò)評(píng)論的發(fā)展及其價(jià)值
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 電影票房影響因子的研究
        1.2.2 電影票房模型的研究
    1.3 主要研究?jī)?nèi)容
    1.4 論文的組織結(jié)構(gòu)
第2章 相關(guān)技術(shù)介紹
    2.1 網(wǎng)絡(luò)爬蟲介紹
        2.1.1 網(wǎng)絡(luò)爬蟲概述
        2.1.2 Scrapy網(wǎng)絡(luò)爬蟲
    2.2 預(yù)處理
        2.2.1 分詞
        2.2.2 停用詞
        2.2.3 詞性標(biāo)注
        2.2.4 依存句法分析
    2.3 特征選擇
        2.3.1 TF-IDF
        2.3.2 互信息
        2.3.3 信息增益
        2.3.4 卡方檢驗(yàn)
    2.4 分類算法
        2.4.1 邏輯回歸
        2.4.2 支持向量機(jī)
        2.4.3 隨機(jī)森林算法
    2.5 回歸分析
        2.5.1 多元線性回歸
        2.5.2 SVR
    2.6 情感詞典
    2.7 奇異值分解
    2.8 本章小結(jié)
第3章 CHI-SVD情感傾向特征提取方法
    3.1 整體框架
    3.2 算法流程
    3.3 實(shí)驗(yàn)評(píng)估方式
    3.4 特征實(shí)驗(yàn)結(jié)果
    3.5 本章小結(jié)
第4章 基于隨機(jī)森林回歸的票房預(yù)測(cè)算法
    4.1 基于隨機(jī)森林的票房預(yù)測(cè)算法
    4.2 變量的選擇
        4.2.1 基于情感詞典的情感特征
        4.2.2 電影評(píng)分
        4.2.3 電影類型比較參數(shù)
    4.3 本章小結(jié)
第5章 實(shí)驗(yàn)分析
    5.1 實(shí)驗(yàn)整體流程設(shè)計(jì)
    5.2 數(shù)據(jù)源分析
        5.2.1 國(guó)內(nèi)電影評(píng)論主要數(shù)據(jù)源
        5.2.2 電影票房數(shù)據(jù)源
    5.3 數(shù)據(jù)集的構(gòu)建
    5.4 情感詞典的構(gòu)建
        5.4.1 基礎(chǔ)情感詞典
        5.4.2 基于CHI-SVD構(gòu)建的情感詞典
        5.4.3 否定詞詞典
        5.4.4 程度詞詞典
    5.5 各參數(shù)與票房的相關(guān)性
    5.6 不同預(yù)測(cè)模型比較
    5.7 Baseline對(duì)比試驗(yàn)
    5.8 本章小結(jié)
第6章 總結(jié)
    6.1 全文總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]論網(wǎng)絡(luò)評(píng)價(jià)對(duì)電影票房走勢(shì)的影響[J]. 朱子驥.  西部廣播電視. 2019(21)
[2]基于LSTM模型的電影票房預(yù)測(cè)算法[J]. 楊朝強(qiáng),蔣衛(wèi)麗,邵黨國(guó).  數(shù)據(jù)通信. 2019(05)
[3]基于ARIMA模型的電影票房收入預(yù)測(cè)[J]. 郭苗苗,齊林.  價(jià)值工程. 2019(20)
[4]基于多部情感詞典與SVM的電影評(píng)論情感分析[J]. 吳杰勝,陸奎,王詩(shī)兵.  阜陽(yáng)師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(02)
[5]基于數(shù)據(jù)挖掘的電影票房分析[J]. 席稼瑋.  通訊世界. 2019(03)
[6]我國(guó)電影票房收入增長(zhǎng)對(duì)GDP增速的預(yù)測(cè)作用——基于混頻數(shù)據(jù)抽樣模型的實(shí)證分析[J]. 魏宇,楊惠,梅德祥.  西部論壇. 2018(05)
[7]基于Python爬蟲的電影評(píng)論情感傾向性分析[J]. 涂小琴.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(35)
[8]基于極性詞典的中文微博客情感分類[J]. 王勇,呂學(xué)強(qiáng),姬連春,肖詩(shī)斌.  計(jì)算機(jī)應(yīng)用與軟件. 2014(01)
[9]中國(guó)電影營(yíng)銷的現(xiàn)狀與問題分析[J]. 高雅堃,趙嵐.  北方經(jīng)濟(jì). 2011(22)
[10]中國(guó)電影產(chǎn)業(yè)市場(chǎng)結(jié)構(gòu)及績(jī)效分析[J]. 王紅艷.  中國(guó)電影市場(chǎng). 2011(07)

博士論文
[1]基于市場(chǎng)結(jié)構(gòu)分析的中國(guó)電影產(chǎn)業(yè)發(fā)展研究[D]. 鄧向陽(yáng).湖南大學(xué) 2011

碩士論文
[1]票房預(yù)測(cè)中的社交網(wǎng)絡(luò)評(píng)論情感挖掘技術(shù)研究[D]. 柳池煜.南京郵電大學(xué) 2019
[2]考慮競(jìng)爭(zhēng)和消費(fèi)意圖的電影首映日票房預(yù)測(cè)方法[D]. 吳凡.北京工業(yè)大學(xué) 2019
[3]基于社交網(wǎng)絡(luò)分析的電影票房預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 富澤萌.北京郵電大學(xué) 2019
[4]基于多元回歸和神經(jīng)網(wǎng)絡(luò)的我國(guó)電影票房的研究[D]. 湯子涵.湖南師范大學(xué) 2018
[5]基于Stacking方法的電影票房預(yù)測(cè)[D]. 甘雨涵.上海師范大學(xué) 2018
[6]基于評(píng)論數(shù)據(jù)的情感強(qiáng)度研究與實(shí)現(xiàn)[D]. 韓思宇.北京郵電大學(xué) 2018
[7]豆瓣網(wǎng)站電影在線評(píng)分的混合預(yù)測(cè)模型研究[D]. 劉明昌.河北大學(xué) 2017
[8]在線影評(píng)和在線短評(píng)對(duì)票房收入影響的比較研究[D]. 鐘碧園.北京郵電大學(xué) 2017
[9]面向社交媒體的電影票房預(yù)測(cè)技術(shù)的研究與應(yīng)用[D]. 劉濤.河北科技大學(xué) 2016
[10]基于消費(fèi)意圖和情感分析的票房預(yù)測(cè)建模[D]. 袁媛.杭州電子科技大學(xué) 2016



本文編號(hào)：3733590