基于随机森林因素筛选的国产电影票房组合预测模型研究

发布时间：2020-06-01 18:00

【摘要】：随着电影产业的飞快发展,越来越多的投资者热衷于电影投资,但目前我国国产电影投资中,只有少数电影投资是盈利的。在这一背景下,对国产电影票房进行预测无疑对风险控制具有巨大的现实意义。电影作为典型的短周期、体验型产品,其票房收益受到众多因素的共同影响,如:电影自身的特征、市场相关因素,并且随着互联网的普及,网络信息也成为影响用户进行决策的重要因素。因此如何结合我国电影产业发展现状构建更为全面的电影票房影响因素指标体系,如何更好的利用网络信息对国产电影票房进行预测是当前我国票房研究的一个重点。基于对研究现状的总结以及行业实际现状,本文构建了一种新的国产电影票房预测模型对目前研究中存在的不足进行改进从而提高票房预测模型的精度:(1)考虑到当前国产电影票房预测模型研究中大都存在数据维度不足的问题,本文从多个维度出发并结合我国电影行业的现状构建了一套较为全面的国产电影票房影响因素体系并在影响因素的量化方法方面更充分的利用了网络平台数据,使得影响因素的量化值更具有时效性;(2)考虑到过多的输入变量会加大模型训练的难度,因此本文在前面的影响因素的基础上,构建基于随机森林的影响因素影响力求解模型,并以此为依据对票房影响因素进行科学的筛选,以此来简化后续预测模型的输入;(3)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BPNN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BPNN模型进行票房预测。最后为了验证本文所构建模型的优越性,采集2016-2017年上映的415部国产电影相关数据,采用本文所定义的量化方法以及模型进行实验,并与基于BP神经网络的国产电影票房预测模型以及基于K-均值和局部BP神经网络的国产电影票房预测模型进行对比,实验结果表明:本文所构建模型的平均绝对百分比误差(MAPE)为8.62%,要低于对比实验基于BP神经网络的国产电影票房预测模型(13.91%)以及基于K-均值以及局部BP神经网络的国产电影票房预测模型(11.16%);相对误差(RMSE)为238.26,要低于对比实验基于BP神经网络的国产电影票房预测模型(516.73)以及基于K-均值以及局部BP神经网络的国产电影票房预测模型(367.41)。可以看出本文构建的国产票房预测模型可以在一定程度上提高票房的预测精度。
【图文】：

研究背景与意义 研究背景影作为文化生活的重要组成部分，不但丰富了人们的业余生活和精神世界，也是不同进行交流和碰撞发展的重要媒介。从图 1.1 可以看出虽然我国电影市场起步比较晚，在良好的宏观政策下我国电影产业得到了飞快的发展，总票房呈逐年攀升的趋势，并10 年以来我国电影票房增长趋势逐年攀高，2017 年最终票房达到 559.11 亿，这是一个纪录，但观察图 1.2 可以看出相比于前几年的增长速度，近两年我国电影总票房以及票房的增幅明显低于之前的增长幅度。并且在 2016 全年票房中，国产片仅占 266.63 亿2015 年的 271.36 亿还下跌了近 2%。可以看出：无论是总票房还是国产电影票房的发展容乐观，总票房增长率显著下降，国产电影票房更是出现了负增长，态势尤其险峻，查阅资料表明，在我国上映的众多电影中，若去除引进的国外的优质电影，高达 70%影是不能收回成本的。我国国产电影目前存在的普遍现象：只有少数电影投资是盈利的国产电影基本都难以回收成本的。收不回成本的投资很明显会打击投资者的积极性，，响到国产电影这一产业的整体发展。

图 1.2 2005-2017 年我国电影票房增幅变化趋势图这一背景下，对国产电影票房进行预测无疑对风险控制、充分调动投资者的积极前的发展局势具有巨大的现实意义。但现实中我国电影从业人员在对电影票房进更倾向于依赖传统经验或者自身的行业嗅觉，实际上对于电影这类生命周期比较度不确定性的市场进行预测是非常困难的，并且国内目前对电影票房预测方面的。基于这一需求，很多学者对电影票房预测进行了研究，传统的电影票房预测模电影自身因素以及市场因素对票房的影响。但是随着互联网的普及、网民数量的图 1.3），关于电影的垂直网站不断涌现，网络口碑（IWOM，internet Word of Mo人们高效快速地获取商品信息、分享自身经验的重要渠道，对消费者的行为产生影响，如今网络口碑已成为影响用户进行决策的重要因素。因此，如何更好的利的信息对票房进行预测成为目前票房预测的研究热点。
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：J943

【相似文献】

相关期刊论文 前10条

1 桂林;;在线评论对中国电影票房影响的实证分析[J];声屏世界;2019年01期

2 桂林;;在线评论对中国电影票房影响的实证分析[J];东南传播;2019年02期

3 曾佳志;谢美娥;;效率型服务业背景下的电影产业结构优化——基于2012—2017年电影票房数据的实证研究[J];科技和产业;2019年11期

4 戴建华;郑意凡;;电影票房表现的延续性研究[J];现代传播(中国传媒大学学报);2018年08期

5 张雪;;中国大陆电影票房增速放缓引全球关注[J];现代电影技术;2017年01期

6 王杰祥;;对2016年中国电影票房增速放缓现象的思考[J];中国电影市场;2017年01期

7 徐鹏;;“小镇青年”与中国电影票房之间的喜和忧——浅析2015年国产电影票房市场[J];北方传媒研究;2016年01期

8 卢文景;冯晓;;大数据时代电影票房影响因素证实分析[J];中国传媒大学学报(自然科学版);2017年01期

9 朱昌俊;;驱散电影票房造假的雾霾[J];智库时代;2017年01期

10 张鹏;周容;;明星符号吸引力对电影票房的影响研究[J];教育传媒研究;2017年04期

相关会议论文 前8条

1 昝胜锋;朱文雁;;嵌入式广告、文化暗合与电影票房[A];建设经济文化强省：挑战·机遇·对策——山东省社会科学界2009年学术年会文集（4）[C];2009年

2 王海洲;;创新年代里电影业的喜与忧[A];影博·影响（2016年第07期 2016年合订本下 总第103期）[C];2016年

3 ;文化[A];中国服务贸易发展报告 2007[C];2007年

4 刘汉文;陆佳佳;;2018年中国电影产业发展概况与趋势预测[A];影博·影响（2019年第01期 总第119期）[C];2019年

5 ;文化[A];中国服务贸易发展报告 2012[C];2013年

6 何畔;;中国电影过度营销现象分析[A];“决策论坛——公共政策的创新与分析学术研讨会”论文集（下）[C];2016年

7 ;文化[A];中国服务贸易发展报告 2009[C];2009年

8 黄式宪;;新世纪十年:以文化主体创新为根本是时代赋予的使命[A];新世纪新十年：中国影视文化的形势、格局与趋势——中国高等院校影视学会第十三届年会暨第六届中国影视高层论坛论文集[C];2010年

相关重要报纸文章 前10条

1 佛山日报记者 黄鹤婷;去年佛山电影票房7.66亿元[N];佛山日报;2020年

2 高佳丹 周茜 胡平;2019年我市电影票房总收入4.41亿元[N];常州日报;2020年

3 本报记者 于蒙蒙;春节档电影票房预期生变[N];中国证券报;2020年

4 记者 李珂;去年全省电影票房达21.54亿元[N];福建日报;2020年

5 记者 王晶 通讯员 于松业;2019年我省电影票房居全国第八[N];湖北日报;2020年

6 ;国家电影资金办 2019年度院线影院电影票房年报[N];中国电影报;2020年

7 全媒体记者 黄能 通讯员 殷军德;去年长沙电影票房达8亿元[N];长沙晚报;2019年

8 郝杰梅;2018年中国电影票房609.76亿元[N];中国电影报;2019年

9 记者 陈汉辞;2018电影票房超600亿 《我不是药神》最赚钱[N];第一财经日报;2019年

10 记者 龚雪 通讯员 于松业;我省去年电影票房27.9亿元[N];湖北日报;2019年

相关博士学位论文 前1条

1 彭岚;电子口碑、消费者决策与新产品销售[D];西南财经大学;2013年

相关硕士学位论文 前10条

1 鲁月;基于随机森林因素筛选的国产电影票房组合预测模型研究[D];南京航空航天大学;2019年

2 郭珂珏;电影票房影响因素的区域差异性分析[D];哈尔滨工业大学;2019年

3 何继康;电影票房预测的实证研究[D];天津财经大学;2018年

4 蒙晓庆;中国电影票房影响因素分析及预测[D];天津财经大学;2018年

5 李笑雯;明星效应是拉动电影票房的“万能药”吗？[D];南京大学;2019年

6 富泽萌;基于社交网络分析的电影票房预测系统的设计与实现[D];北京邮电大学;2019年

7 林慧;在线口碑对电影票房的影响机制[D];中国科学技术大学;2019年

8 刘思繁;在线评论熵对产品销量的影响研究[D];北方工业大学;2019年

9 刘宁;基于网络数据的电影票房预测模型研究[D];天津商业大学;2019年

10 刘暄;中国国产电影票房的影响因素研究[D];中国科学技术大学;2019年

本文编号：2691859