文献类型：期刊文章

作　　者：米传民[1] 鲁月[1] 林清同[2]

MI Chuan-Min;LU Yue;LIN Ching-Torng(College of Economics and Management,Nanjing University of Aeronautics and Astronautics,Nanjing 211106,China;Department of Information Management,Da-Yeh University,Zhanghua 51591,China)

机构地区：[1]南京航空航天大学经济与管理学院,南京211106 [2]大叶大学资讯管理学系,彰化51591

出　　处：《计算机系统应用》

基　　金：国家社会科学基金(17BGL055)~~

年　　份：2019

卷　　号：28

期　　号：2

起止页码：15-23

语　　种：中文

收录情况：CSA、IC、ZGKJHX、普通刊

摘　　要：电影作为典型的短周期、体验型产品,其票房收益受众多因素的共同影响,因此对其票房进行预测较为困难.本文主要构建了一种基于加权K-均值以及局部BP神经网络(BPNN)的票房预测模型对目前的票房预测模型存在的不足进行改进,从而提高票房预测的精度:(1)构建基于随机森林的影响因素影响力测量模型,并以此为依据对票房影响因素进行筛选,以此来简化后续预测模型的输入;(2)考虑到不同影响因素对票房的影响力不同的现实情况,为了解决以往研究中对影响因素权重平均分配的问题,本文构建了基于加权K-均值和局部BP神经网络的票房预测模型,以因素影响力为依据对样本数据进行加权的K-均值聚类,并基于子样本构建局部BP神经网络模型进行票房预测.实验证明,本文所构建的模型平均绝对百分比误差(MAPE)为8.49%,低于对比实验的10.39%,可以看出本文构建的基于加权K-均值以及局部BP神经网络的票房预测模型的预测结果要优于对比模型的预测结果.

关 键 词：电影票房 预测  加权K-均值  BP神经网络  

分 类 号：J943[戏剧与影视学类] TP183]