IP因子在早期電影票房預測中的影響研究
發(fā)布時間：2021-01-11 21:50
近年來,國內(nèi)外學者對電影票房的研究相對較多。在業(yè)界,根據(jù)所選自變量數(shù)據(jù)的性質(zhì),可以把對電影票房的預測分為早期預測和實時預測。早期預測所需數(shù)據(jù)來自于電影本身,實時預測所需數(shù)據(jù)多數(shù)和電影沒有關(guān)系。早期預測可以在電影拍攝之前對電影票房做一個大致評估,從而規(guī)避投資風險,獲取最大化的利益。本論文主要研究早期電影票房的影響因子,并進行早期電影票房的預測。通過參考大量國內(nèi)外學者的研究成果并結(jié)合中國電影票房市場的具體特點,發(fā)現(xiàn)隨著IP（Intellectual Property,IP）電影熱的興起,根據(jù)優(yōu)質(zhì)IP改編成的電影成為拉動電影票房的新生力量。因此國內(nèi)學者把IP改編作為影響早期電影票房的因子加以驗證,結(jié)果證明根據(jù)IP改編的電影與電影票房有正相關(guān)。但由于IP改編變量的處理方法比較簡單,僅用二進制代表是否IP改編。由于IP改編變量的處理方法比較困難,如何合理的量化IP因子是一個重點工作。因此本文提出基于改進的貝葉斯投票機制來量化IP改編的影響度,這里把它稱為IP品質(zhì),把IP品質(zhì)加入到影響早期電影票房的因素中。最后選取電影票房預測中三種有代表性的模型,分別是多元線性回歸（Multiple Linear...
【文章來源】：北京工業(yè)大學北京市 211工程院校
【文章頁數(shù)】：59 頁
【學位級別】：碩士
【部分圖文】：
011-2017我國電影票房收入01002011年2012年2013年2014年2015年2016年2017年
圖 2-1 支持向量與間隔Figure 2-1 Support vector and interval建立優(yōu)化目標方程，若要找到間隔最大的劃分超平面，可以轉(zhuǎn)也就是求下面(2-9)公式的帶約束的最優(yōu)化問題：2,||||21min wwbs. t.y( wx b) 1,iTii 1,2,...,m這些就是支持向量機最基本的思想，通過上面分析可以得到的解與其他的訓練點沒什么關(guān)系，只與“支持向量”的分布情的劃分僅與支持向量的分布有關(guān)系。持向量機的拉格朗日對偶問題述的基本模型中，發(fā)現(xiàn)這個目標函數(shù)是一個二次的，因為它的，所以它是一個凸的二次規(guī)劃問題。對于這個問題的求解一般格朗日對偶問題來獲得最優(yōu)解。具體步驟如下所示：
圖 2-2 神經(jīng)元模型Figure 2-2 Neuron model上圖 2-2 是單個神經(jīng)元的基本結(jié)構(gòu)圖，其中 x1,x2,...xn分別表示神經(jīng)，wi1,wi2,...,win分別表示神經(jīng)元之間的鏈接權(quán)值，神經(jīng)元經(jīng)過計算果到下一層神經(jīng)元。計算過程很簡單，將每個輸入加權(quán)并求和，然定的激活函數(shù)處理后從而得到神經(jīng)元的輸出。它的計算公式如(2()...11112233yfAAwxwxwxwxnn 下圖 2-3 是一個標準的三層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖，三層分別是輸入層、輸出層。相鄰的兩層神經(jīng)元間互相聯(lián)接，并且都有各自的權(quán)重之外，隱藏層和輸出層的每個神經(jīng)元上都有一個激活函數(shù)。使用數(shù)單描述每個神經(jīng)元的工作如下：（1）輸出數(shù)據(jù) X；（2）將數(shù)據(jù) X 加權(quán)并求和 Z=W*X；
【參考文獻】：
期刊論文
[1]中國IP影視劇改編現(xiàn)狀研究[J]. 熊芳. 西安電子科技大學學報(社會科學版). 2017(02)
[2]中國電影市場由高速發(fā)展轉(zhuǎn)為穩(wěn)步增長——2016年電影市場綜述[J]. 謝世明. 中國電影市場. 2017(02)
[3]“IP”改編電影與其市場表現(xiàn)分析[J]. 李宏宇. 中國電影市場. 2016(12)
[4]互聯(lián)網(wǎng)+IP如何深度挖掘IP價值[J]. 袁國寶. 互聯(lián)網(wǎng)經(jīng)濟. 2016(08)
[5]著作權(quán)視角下的IP改編與影視產(chǎn)業(yè)發(fā)展[J]. 徐霞. 現(xiàn)代視聽. 2016(06)
[6]《機器學習》[J]. 周志華. 中國民商. 2016(03)
[7]我國中小成本電影票房的影響因素研究——基于100部電影的實證分析[J]. 郭新茹,王楨,張楠. 文化產(chǎn)業(yè)研究. 2015(03)
[8]基于神經(jīng)網(wǎng)絡(luò)的電影票房預測建模[J]. 鄭堅,周尚波. 計算機應(yīng)用. 2014(03)
[9]電影票房的影響因素分析——基于Logit模型的研究[J]. 王錚,許敏. 經(jīng)濟問題探索. 2013(11)
[10]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)
碩士論文
[1]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
[2]中國電影市場檔期選擇策略研究[D]. 張詩逸.中國電影藝術(shù)研究中心 2014
[3]網(wǎng)絡(luò)口碑對于電影票房的影響研究[D]. 馬艷茹.首都經(jīng)濟貿(mào)易大學 2014
[4]基于粗糙集與支持向量機的票房預測研究[D]. 趙偉.大連理工大學 2009
本文編號：2971535
【文章來源】：北京工業(yè)大學北京市 211工程院校
【文章頁數(shù)】：59 頁
【學位級別】：碩士
【部分圖文】：
011-2017我國電影票房收入01002011年2012年2013年2014年2015年2016年2017年
圖 2-1 支持向量與間隔Figure 2-1 Support vector and interval建立優(yōu)化目標方程，若要找到間隔最大的劃分超平面，可以轉(zhuǎn)也就是求下面(2-9)公式的帶約束的最優(yōu)化問題：2,||||21min wwbs. t.y( wx b) 1,iTii 1,2,...,m這些就是支持向量機最基本的思想，通過上面分析可以得到的解與其他的訓練點沒什么關(guān)系，只與“支持向量”的分布情的劃分僅與支持向量的分布有關(guān)系。持向量機的拉格朗日對偶問題述的基本模型中，發(fā)現(xiàn)這個目標函數(shù)是一個二次的，因為它的，所以它是一個凸的二次規(guī)劃問題。對于這個問題的求解一般格朗日對偶問題來獲得最優(yōu)解。具體步驟如下所示：
圖 2-2 神經(jīng)元模型Figure 2-2 Neuron model上圖 2-2 是單個神經(jīng)元的基本結(jié)構(gòu)圖，其中 x1,x2,...xn分別表示神經(jīng)，wi1,wi2,...,win分別表示神經(jīng)元之間的鏈接權(quán)值，神經(jīng)元經(jīng)過計算果到下一層神經(jīng)元。計算過程很簡單，將每個輸入加權(quán)并求和，然定的激活函數(shù)處理后從而得到神經(jīng)元的輸出。它的計算公式如(2()...11112233yfAAwxwxwxwxnn 下圖 2-3 是一個標準的三層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖，三層分別是輸入層、輸出層。相鄰的兩層神經(jīng)元間互相聯(lián)接，并且都有各自的權(quán)重之外，隱藏層和輸出層的每個神經(jīng)元上都有一個激活函數(shù)。使用數(shù)單描述每個神經(jīng)元的工作如下：（1）輸出數(shù)據(jù) X；（2）將數(shù)據(jù) X 加權(quán)并求和 Z=W*X；
【參考文獻】：
期刊論文
[1]中國IP影視劇改編現(xiàn)狀研究[J]. 熊芳. 西安電子科技大學學報(社會科學版). 2017(02)
[2]中國電影市場由高速發(fā)展轉(zhuǎn)為穩(wěn)步增長——2016年電影市場綜述[J]. 謝世明. 中國電影市場. 2017(02)
[3]“IP”改編電影與其市場表現(xiàn)分析[J]. 李宏宇. 中國電影市場. 2016(12)
[4]互聯(lián)網(wǎng)+IP如何深度挖掘IP價值[J]. 袁國寶. 互聯(lián)網(wǎng)經(jīng)濟. 2016(08)
[5]著作權(quán)視角下的IP改編與影視產(chǎn)業(yè)發(fā)展[J]. 徐霞. 現(xiàn)代視聽. 2016(06)
[6]《機器學習》[J]. 周志華. 中國民商. 2016(03)
[7]我國中小成本電影票房的影響因素研究——基于100部電影的實證分析[J]. 郭新茹,王楨,張楠. 文化產(chǎn)業(yè)研究. 2015(03)
[8]基于神經(jīng)網(wǎng)絡(luò)的電影票房預測建模[J]. 鄭堅,周尚波. 計算機應(yīng)用. 2014(03)
[9]電影票房的影響因素分析——基于Logit模型的研究[J]. 王錚,許敏. 經(jīng)濟問題探索. 2013(11)
[10]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)
碩士論文
[1]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
[2]中國電影市場檔期選擇策略研究[D]. 張詩逸.中國電影藝術(shù)研究中心 2014
[3]網(wǎng)絡(luò)口碑對于電影票房的影響研究[D]. 馬艷茹.首都經(jīng)濟貿(mào)易大學 2014
[4]基于粗糙集與支持向量機的票房預測研究[D]. 趙偉.大連理工大學 2009
本文編號：2971535
本文鏈接：http://www.sikaile.net/wenyilunwen/dianyingdianshilunwen/2971535.html
