針對目前基于BP神經(jīng)網(wǎng)絡的電影票房預測算法中存在預測精度不高的問題,本文提出一種基于LSTM模型的電影票房算法。首先,分析電影票房的影響因素,對票房影響因子進行定量分析和歸一化處理,其次根據(jù)影響因素的輸入和輸出變量確定網(wǎng)絡拓撲圖及神經(jīng)元數(shù)量,建立神經(jīng)網(wǎng)絡結構后進行改進為深度學習,并增加"記憶"功能,建立LSTM票房預測模型,最后用億恩電影智庫上的電影票房數(shù)據(jù)分別用LSTM模型和BP神經(jīng)網(wǎng)絡模型進行預測對比。實驗結果表明,LSTM模型在對實驗中的4712數(shù)據(jù)預測的平均相對誤差比BP神經(jīng)網(wǎng)絡預測低36%左右,在長期預測和短期預測中低BP神經(jīng)網(wǎng)絡約10%左右,預測結果相對比較準確,能夠為電影的投資和放映提供有價值的參考,具有實際意義。 

【文章來源】：數(shù)據(jù)通信. 2019,(05)

【文章頁數(shù)】：4 頁

【文章目錄】：
1 引言
2 LSTM模型的電影票房預測方法
    2.1 LSTM模型
    2.2 票房預測模型
3 實驗與討論
4 結論


【參考文獻】：
期刊論文
[1]基于深度學習對電影票房的預測[J]. 張慧,王世偉.  湖北第二師范學院學報. 2017(08)
[2]電影票房影響因素分析與展望[J]. 彭嵐.  西南民族大學學報(人文社科版). 2016(05)
[3]基于微博情感分析的電影票房預測研究[J]. 史偉,王洪偉,何紹義.  華中師范大學學報(自然科學版). 2015(01)
[4]基于神經(jīng)網(wǎng)絡的電影票房預測建模[J]. 鄭堅,周尚波.  計算機應用. 2014(03)
[5]淺談電影題材對票房的影響[J]. 沈潔,劉秀敏.  首都師范大學學報(自然科學版). 2013(06)
[6]基于回歸分析的中國電影票房影響因素研究[J]. 崔凝凝,唐嘉庚.  江蘇商論. 2012(08)
[7]試析中國電影的市場現(xiàn)狀[J]. 姚軍,李東華.  南京理工大學學報(社會科學版). 2006(05)
[8]論大衛(wèi)·林奇電影的不確定性[J]. 陳慧.  南京理工大學學報(社會科學版). 2005(02)
[9]非線性時間序列分析在股市行情預測中的應用[J]. 馮予,陳萍.  南京理工大學學報. 1998(01)



本文編號：3455535