影响电影票房的因素的研究有着悠久的历史。它可以追溯到1940年代。早期的研究主要集中在研究技术( 6]。第一次盖洛普( 7)和汉德尔( 8)系统地解决电影票房的影响因素如演员、营销、故事,和评估预测票房收入。后来的学者深入研究这一研究框架下进行。一般来说,一部电影的票房成功主要是基于三个维度:电影的特点(如导演、明星、编剧和类型),营销策略的力量(主要是通过广告预算、屏幕,拖车,等等),和评论(从评论家和电影观众,等等)。研究影响因素的电影票房的电影产品的供应方和需求方。研究人员探索许多潜在的影响因素,包括电影,电影成本,进度,导演的影响,获奖的影响力,专业的评级,口碑,流派,名人的影响,电影的内容,评论,文化熟悉,和消费者的因素。其中,名人的三个主要因素影响,评论,和口碑得到了广泛的关注 9]。此外,针对电影续集的巨大的经济影响产品在电影行业,学者们开始研究这个因素的影响( 10]。爆炸性增长和数字技术的发展,电影消费者可以表达自己的观点或态度的产品跨越空间和时间。因此,近年来,电子口碑(eWOM)在线评论的形式呈指数增加( 11]。许多研究人员研究eWOM票房性能指标的影响。随着大数据技术的发展,越来越多的学者利用社交媒体和数字营销活动影响因素预测票房[ 12]。总的来说,传统的票房预测研究使用预算等因素,演员、导演、制片人、故事地点,编剧,检查时间,音乐,放映地点,目标受众,续集变量。研究背景的基础上,数字转换扩展的影响因素包括社会媒体话题,搜索引擎营销活动,和其他变量与数字消费的内涵特征。

早期票房预测方法是基于受众调查。自利特曼et al .(1989)提出了这位模型影响电影票房收入因素和电影租赁收入通过回归分析( 13),电影票房预测模型研究方法继续进步。斯科特Sochay(1994)做了改进基于上述模型( 14]。代表学者de Vany和墙壁等(2004)利用OLS模型,和Deuchert et al。(2005)提出了一个两阶段模型( 15]。其他研究人员已经进行了广泛的线性回归研究在此基础上。拉梅什et al。(2006)首次提出一个票房预测模型使用神经网络方法、开放创新的研究方法的票房预测模型在数字时代( 16]。基于大数据和机器学习技术,票房预测模型的准确性得到进一步改善。Choudhery et al。(2017)建造一个多项式回归模型为票房预测提取聊天数据来分析用户情绪和其他三种方法 17]。尽管提高神经网络模型的准确性与前两个预测模型相比,结果仍不满意。

总之,有一个坚实的研究基础电影消费的影响因素和票房预测模型,以及影响因素评价体系的框架包括主要的创意团队,电影的特点,营销推广,口碑评论已基本形成。在研究方法方面,统计测量模型的研究方法,如市场调查问卷访谈和线性回归已逐渐扩展到神经网络,机器学习和数据融合在大数据的上下文中。然而,在以往的研究,不同研究方法只考虑一些因素的线性影响票房预测,票房预测模型和实证研究使用机器学习和模式融合的基础上,充分考虑到数字时代和全面的影响因素比较复杂是相对缺乏。这为本研究奠定了一定的理论基础从影响因素研究方法的改进。

这个研究主要的数据源来自Maoyan的专业数据库,一个著名的专业电影网站在中国,新浪微博,IMDB专业数据库,和微信官方账户平台。相关专业数据库主要提供及时、准确、专业的电影创作和票房数据分析在国内外电影产业从业者。其中,Maoyan数据库完全打开在线电影信息数据库,这是更适合研究国内电影消费的影响因素。新浪微博和微信的来源主要是用作数字环境特征集合。为了充分反映环境变化的影响,在数字经济时代电影消费的特点,考虑到数据的全面性和连续性,样本收集间隔相关的索引信息消费特征的国内电影从2017年到2019年。初步数据收集使用Python来完成数据采集和分析。首先,收集每个电影消费者的个人特征的信息显示在网站,其次,收集文化,经验,和认知信息的电影,比如公司的主要创造者和局部讨论社交媒体,历史票房,代表作品和电影奖,IP信息,类型,续集。此外,收集信息等外部环境要素相关的分销和促销和电影发行公司的代表工作来确定公司的能力,以及宣传材料的数量,数量、平台、主题的专业质量社会媒体,舆论流行指标,以及电影时间表的计划周期的影响。随后,手动检查单位和文字错误,错误数据以及数据清洗,冗余数据,和丢失的数据,由于数据传输过程,进行,总计830部电影的所有索引信息。在未来,新功能建筑将根据研究的需要和特定的场景。 In view of the different data types having their own characteristics, different processing methods will be used to fit the research model.

使用机器学习的方法对电影票房预测近年来取得了一些研究成果,但大多数的研究只票房预测回归问题转化为分类问题。然而,分类方法的使用预测票房将失去很多特征信息,这可能会导致某些限制使用的预测结果。特性工程方法可以提取核心特性,产生重要影响的准确性预测模型( 18]。通过机器学习功能的创新集成工程和处理多个数据的回归模型,它更有利于准确评估的影响因素和票房预期消费在数字时代的电影。因此,本研究首先使用Python的计算机程序设计语言学习数据定向爬虫( 请求 + 废话 4 + 再保险 )库来完成数字电影产品的分析消费者的个人特征、产品特征和数字环境网络交互行为特征。通过人工筛选、数据清洗和预处理,结合工程特性研究方法在机器学习领域,Scikit-learn用于特征提取和功能建设。然后,根据数据类型的多样性与电影相关的影响因素。机器学习的创新使用叠加方法集成算法融合模型基于五倍crossfolding训练方法为分布式随机树森林(分布式随机森林),极其随机树(非常随机树),广义线性模型,擅长处理不同的数据类型。它有一个更高的适合采矿和模型结构和模型精度特性,以便更有效地把握相关特性影响电影消费的因素,更准确地预测未来电影票房。

本研究是基于探索性的数据结构和深刻理解特点和创新采用机器学习应用程序模型融合的角度。研究的设计思想如图 1。首先,全面的初步研究和文献研究相结合的设计影响因素指标体系和准确的数据收集特性的基本保证建设工程模型。良好的数据预处理可以探索的方向和精度模型的训练。其次,进行数据清洗和筛选保留有效信息。之后,输入有效数据反映出电影学习到不同的功能的不同影响因素模型,提取相应的电影的特点,并试图构建新特性。由于非常大尺度不同类型的变量在这项研究中,探索性数据分析发现,累积票房等数据,第一周票房,和明星累积票房都呈指数分布,因此对数变换的这些特性可以构造新特性。最后,叠加模型融合方法构建票房预测模型,选择和三种基本模型被设计学习和融合特征向量五倍crossfolding训练方法构建一个更准确的预测模型。通过这种方式,它能更准确地确定符合电影消费的特征向量在数字时代,揭示电影票房收入的来源。

高维复杂数据的处理是机器学习中的一个难点。在传统的分类算法,很难处理的实际应用中存在的问题,提出问题,如低精度和过度拟合。叠加模型本质上是一种层次结构,善于处理模型融合问题,也特别适合模型训练和学习,处理多维复杂的因素。通过拟合和学习不同类型的模型,构建一个融合创新的融合模型,更符合数据的特征。非常适合复杂而多元的影响特征变量类型的研究和准确的票房预测的实际需要。图 2显示了该方法的基本过程结构。

机器学习的特性工程施工方法用于分析,收集和构造特征,并确定哪些消费特征是最重要的,这有助于预测模型的性能。它有助于避免错误在人为因素的判断和一些惯性问题,传统的统计测量模型,有助于获得更多的解释变量系统特征。根据数据特征的影响因素指标体系,以下三种类型的经典模型是用于拟合,分别和叠加模型融合方法用于执行5倍crossfolding培训不同的模型来构造一个新的融合模式。这使得融合模型在融合和泛化和形成一个模型结构更适合电影消费的影响因素的识别和票房预测在数字时代。

基于上述模型的学习结果,可以发现,通过创新模型融合训练,拟合优度比较高和预测偏差低于单个预测模型。在数字经济时代,电影消费的影响因素的提取更准确,可以提供更有效的票房预测模型方案。根据分析结果,本研究进一步探讨和分析提取的特征可以更好地反映电影消费的解释性和影响力在数字时代。通过不同的模型进行特征提取和学习。重要的指标数字电影消费的影响特征变量在图所示 3。

因此,它可以发现,最具影响力的特性是累积的历史票房明星作家主体的核心内容创造者,这充分反映了当前市场上的核心内容的重要性。首先,作者是核心的创造者当前数字内容产品的创意来源,也是IP核心故事的来源。过去的票房代表了作者的创新能力,文化和艺术价值的工作和市场的对接能力,强调内容的重要性作王。

其次,数字营销已成为一个重要的电影消费的影响因素。至关重要的变化发生了在数字时代电影营销推广的形式。广播在互联网上的营销材料已成为影响电影消费的一个重要特征。在数字时代电影消费更多的观众。数字内容产品的市场中,社交媒体的话语权和影响力发挥重要作用。精确的交货和分配机制基于互联网平台可以帮助实现数字营销的效果。第三,累积的历史票房明星创造者显示过去的艺术表现和认可的明星创造者是非常重要的,和明星还是内容产品的核心价值的创造者。第四,电影还有一个重要的类型的影响。虽然这个因素,许多研究已证明是密切相关的电影消费,特殊类型如爱情,动作,科幻小说仍然成为一个重要因素,触发共鸣的电影消费和刺激市场活力。第五,热点舆论已经成为影响电影消费的重要变量,包括不同类型的self-media评论和口碑沟通和讨论,如Weixin公共号码和微博话题讨论。