電影作為典型的短周期、體驗型產(chǎn)品,其票房收益受眾多因素的共同影響,因此對其票房進行預測較為困難.本文主要構建了一種基于加權K-均值以及局部BP神經(jīng)網(wǎng)絡（BPNN）的票房預測模型對目前的票房預測模型存在的不足進行改進,從而提高票房預測的精度:（1）構建基于隨機森林的影響因素影響力測量模型,并以此為依據(jù)對票房影響因素進行篩選,以此來簡化后續(xù)預測模型的輸入;（2）考慮到不同影響因素對票房的影響力不同的現(xiàn)實情況,為了解決以往研究中對影響因素權重平均分配的問題,本文構建了基于加權K-均值和局部BP神經(jīng)網(wǎng)絡的票房預測模型,以因素影響力為依據(jù)對樣本數(shù)據(jù)進行加權的K-均值聚類,并基于子樣本構建局部BP神經(jīng)網(wǎng)絡模型進行票房預測.實驗證明,本文所構建的模型平均絕對百分比誤差（MAPE）為8.49%,低于對比實驗的10.39%,可以看出本文構建的基于加權K-均值以及局部BP神經(jīng)網(wǎng)絡的票房預測模型的預測結果要優(yōu)于對比模型的預測結果. 

【文章來源】：計算機系統(tǒng)應用. 2019,28(02)

【文章頁數(shù)】：9 頁

【參考文獻】：
期刊論文
[1]一個有效的基于GBRT的早期電影票房預測模型[J]. 韓忠明,原碧鴻,陳炎,趙寧,段大高.  計算機應用研究. 2018(02)
[2]網(wǎng)絡評價對電影票房走勢的影響[J]. 魏明強,黃媛.  中國傳媒大學學報(自然科學版). 2017(03)
[3]第三方網(wǎng)絡口碑對短生命周期產(chǎn)品銷量的影響研究[J]. 丘萍,張鵬.  河海大學學報(哲學社會科學版). 2017(02)
[4]基于螢火蟲優(yōu)化的加權K-means算法[J]. 陳小雪,尉永清,任敏,孟媛媛.  計算機應用研究. 2018(02)
[5]電影首映日后票房預測模型研究[J]. 羅曉芃,齊佳音,田春華.  統(tǒng)計與信息論壇. 2016(11)
[6]網(wǎng)絡口碑的跨平臺分布與在線銷售——基于BP人工神經(jīng)網(wǎng)絡的信息熵與網(wǎng)絡意見領袖敏感性分析[J]. 袁海霞.  經(jīng)濟管理. 2015(10)
[7]基于網(wǎng)絡搜索的票房預測模型——來自中國電影市場的證據(jù)[J]. 王煉,賈建民.  系統(tǒng)工程理論與實踐. 2014(12)
[8]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)
[9]基于電影面板數(shù)據(jù)的在線評論情感傾向對銷售收入影響的實證研究[J]. 郝媛媛,鄒鵬,李一軍,葉強.  管理評論. 2009(10)

博士論文
[1]面向醫(yī)學數(shù)據(jù)的隨機森林特征選擇及分類方法研究[D]. 姚登舉.哈爾濱工程大學 2016
[2]隨機森林算法優(yōu)化研究[D]. 曹正鳳.首都經(jīng)濟貿易大學 2014

碩士論文
[1]面向社交媒體的電影票房預測技術的研究與應用[D]. 劉濤.河北科技大學 2016
[2]中國電影票房的影響因素及其實證研究[D]. 聶鴻迪.北京交通大學 2015
[3]基于泛函網(wǎng)絡的票房預測研究與應用[D]. 李金芝.重慶大學 2015



本文編號：3231486