基于加权K-Means和局部BPNN的票房预测模型

发布时间：2021-06-15 17:37

　　电影作为典型的短周期、体验型产品,其票房收益受众多因素的共同影响,因此对其票房进行预测较为困难.本文主要构建了一种基于加权K-均值以及局部BP神经网络（BPNN）的票房预测模型对目前的票房预测模型存在的不足进行改进,从而提高票房预测的精度:（1）构建基于随机森林的影响因素影响力测量模型,并以此为依据对票房影响因素进行筛选,以此来简化后续预测模型的输入;（2）考虑到不同影响因素对票房的影响力不同的现实情况,为了解决以往研究中对影响因素权重平均分配的问题,本文构建了基于加权K-均值和局部BP神经网络的票房预测模型,以因素影响力为依据对样本数据进行加权的K-均值聚类,并基于子样本构建局部BP神经网络模型进行票房预测.实验证明,本文所构建的模型平均绝对百分比误差（MAPE）为8.49%,低于对比实验的10.39%,可以看出本文构建的基于加权K-均值以及局部BP神经网络的票房预测模型的预测结果要优于对比模型的预测结果. 

【文章来源】：计算机系统应用. 2019,28(02)

【文章页数】：9 页

【参考文献】：
期刊论文
[1]一个有效的基于GBRT的早期电影票房预测模型[J]. 韩忠明,原碧鸿,陈炎,赵宁,段大高.  计算机应用研究. 2018(02)
[2]网络评价对电影票房走势的影响[J]. 魏明强,黄媛.  中国传媒大学学报(自然科学版). 2017(03)
[3]第三方网络口碑对短生命周期产品销量的影响研究[J]. 丘萍,张鹏.  河海大学学报(哲学社会科学版). 2017(02)
[4]基于萤火虫优化的加权K-means算法[J]. 陈小雪,尉永清,任敏,孟媛媛.  计算机应用研究. 2018(02)
[5]电影首映日后票房预测模型研究[J]. 罗晓芃,齐佳音,田春华.  统计与信息论坛. 2016(11)
[6]网络口碑的跨平台分布与在线销售——基于BP人工神经网络的信息熵与网络意见领袖敏感性分析[J]. 袁海霞.  经济管理. 2015(10)
[7]基于网络搜索的票房预测模型——来自中国电影市场的证据[J]. 王炼,贾建民.  系统工程理论与实践. 2014(12)
[8]基于神经网络的电影票房预测建模[J]. 郑坚,周尚波.  计算机应用. 2014(03)
[9]基于电影面板数据的在线评论情感倾向对销售收入影响的实证研究[J]. 郝媛媛,邹鹏,李一军,叶强.  管理评论. 2009(10)

博士论文
[1]面向医学数据的随机森林特征选择及分类方法研究[D]. 姚登举.哈尔滨工程大学 2016
[2]随机森林算法优化研究[D]. 曹正凤.首都经济贸易大学 2014

硕士论文
[1]面向社交媒体的电影票房预测技术的研究与应用[D]. 刘涛.河北科技大学 2016
[2]中国电影票房的影响因素及其实证研究[D]. 聂鸿迪.北京交通大学 2015
[3]基于泛函网络的票房预测研究与应用[D]. 李金芝.重庆大学 2015



本文编号：3231486