基于泛函網(wǎng)絡(luò)的票房預測研究與應(yīng)用.pdf

1、隨著電影產(chǎn)業(yè)的興起，電影資金越來越多元化。當今電影市場的主流影片主要來自民營企業(yè)的投資制作，而民營企業(yè)投資電影的最終目的必然是盈利。但是電影市場瞬息萬變，電影投資也沒有“黃金定律”，如何提高電影投資發(fā)行的回報率，是我們亟需解決的難題。
　　在電影制作前期，對電影票房收入進行預測是確保電影發(fā)行投資回報，規(guī)避發(fā)行風險的重要手段。如果投資發(fā)行商能在影片制作初期對電影票房收入有較為準確的預估，就可在電影制作期間科學的投入和利用成本，在電影

2、發(fā)行階段合理調(diào)整營銷策略，從而就能在一定程度上降低風險，保障電影的收益率。
　　泛函網(wǎng)絡(luò)是近年來興起的一門新興學科，它源自神經(jīng)網(wǎng)絡(luò)，是神經(jīng)網(wǎng)絡(luò)的一種有效拓展與延伸。泛函網(wǎng)絡(luò)方法多樣，且在眾多領(lǐng)域都表現(xiàn)出較好的性能，但是目前國內(nèi)外將泛函網(wǎng)絡(luò)用于電影票房預測的研究和應(yīng)用都還很少，鑒于此，本文試圖將泛函網(wǎng)絡(luò)用于電影票房預測。具體工作如下：
　　⑴本文首先分析了我國電影市場的現(xiàn)狀、參考了大量關(guān)于票房預測的文獻，初步選出電影票房的影響

3、因子，用Jsoup技術(shù)從網(wǎng)站上抓取我們需要的電影數(shù)據(jù)。對收集到的原始數(shù)據(jù)進行清洗和整合，繼而將選中的參數(shù)進行歸一量化處理，形成可用的訓練樣本集。
　?、茖︻A處理后的電影票房影響因子進行靈敏度分析，按照Morris法分析得出各參數(shù)靈敏度大小的排序，即各個參數(shù)的不確定性對模型輸出結(jié)果影響大小的排序，最終確定模型的輸入變量。
　?、墙⒒诜汉W(wǎng)絡(luò)的票房預測模型，首先，針對訓練集樣本進行聚類分析，使得模型訓練集更加精確有效；其次，

4、確定所建模型的拓撲結(jié)構(gòu)和基函數(shù)，用高斯消元法求得模型相關(guān)參數(shù)；最后，建立電影票房預測模型，并用測試集對模型預測性能進行測試評估。
　?、缺疚耐ㄟ^仿真試驗驗證表明：基于泛函網(wǎng)絡(luò)的電影票房預測模型比已有的BP神經(jīng)網(wǎng)絡(luò)模型在預測票房數(shù)值時的平均相對誤差更小；通過計算和比較兩種模型的標準誤差（root-mean-squareerror,RMSE），泛函網(wǎng)絡(luò)模型的整體性能也明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。此外，基于泛函網(wǎng)絡(luò)的票房預測模型比BP神經(jīng)網(wǎng)絡(luò)