期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于XGBoost的电影票房影响因素分析及预测研究
1
作者
韩淑淑
《应用数学进展》
2024年第4期1738-1745,共8页
在我国电影产业中,电影票房是整个产业收益的主要来源,对票房进行准确预测对优化电影投融资,助力电影经营主体决策优化,促进整个电影产业的健康发展起着重要作用。本文主要构建了一种基于XGBoost算法筛选指标以及加入粒子群优化算法的B...
在我国电影产业中,电影票房是整个产业收益的主要来源,对票房进行准确预测对优化电影投融资,助力电影经营主体决策优化,促进整个电影产业的健康发展起着重要作用。本文主要构建了一种基于XGBoost算法筛选指标以及加入粒子群优化算法的BP神经网络的票房预测模型。首先,构建一个更全面的电影票房影响因素体系,加入微博因素和电影首日影评作为票房影响因素指标,同时结合电影特征和市场因素构建电影票房影响因素体系;其次,对各指标因素预处理量化后,为简化后期运算和提高模型的精度,构建基于XGBoost的影响力测量模型,并以此为依据进行筛选;最后,将筛选后的指标体系划分两部分即训练集和测试集,并在此基础上分别构建了BP神经网终模型、RBF模型以及PSO-BP模型,并引入评价指标和对案例电影预测精度进行分析,结果表明本文构建的PSO-BP模型具有更高的预测精度。本研究所构建的模型在电影上映期间预测最终票房具有一定的参考意义,可为有关部门提供决策参考。
展开更多
关键词
电影票房预测
粒子群算法
XGBoost算法
PSO-BP神经网络模型
下载PDF
职称材料
基于Bayesian-Stacking模型的电影票房预测
2
作者
李小红
韩淑淑
《中国科技论文在线精品论文》
2024年第2期294-301,共8页
本文构建了一种基于XGBoost的特征选取方法以及Bayesian-Stacking集成算法的票房预测模型。首先,构建XGBoost的影响力测量模型进行变量筛选,能够简化后期模型的输入和提高模型特征变量的可解释性;其次,分别构建了BP神经网络、XGBoost、L...
本文构建了一种基于XGBoost的特征选取方法以及Bayesian-Stacking集成算法的票房预测模型。首先,构建XGBoost的影响力测量模型进行变量筛选,能够简化后期模型的输入和提高模型特征变量的可解释性;其次,分别构建了BP神经网络、XGBoost、Logistic Regression、LightGBM、GBDT以及Stacking模型,再利用贝叶斯优化算法实现上述模型超参数全局寻优后,对电影票房进行预测;最后,引入评价指标进行分析。结果表明:1)将贝叶斯优化算法与模型相结合,获得了相对于原模型更高的预测精度;2)Bayesian-Stacking模型的电影票房预测精度均优于其他模型。Bayesian-Stacking模型在电影上映期间预测最终票房具有较高的参考价值,可为有关部门提供决策参考。
展开更多
关键词
应用统计数学
电影票房预测
Stacking模型
XGBoost
贝叶斯算法
下载PDF
职称材料
题名
基于XGBoost的电影票房影响因素分析及预测研究
1
作者
韩淑淑
机构
山东工商学院统计学院
出处
《应用数学进展》
2024年第4期1738-1745,共8页
文摘
在我国电影产业中,电影票房是整个产业收益的主要来源,对票房进行准确预测对优化电影投融资,助力电影经营主体决策优化,促进整个电影产业的健康发展起着重要作用。本文主要构建了一种基于XGBoost算法筛选指标以及加入粒子群优化算法的BP神经网络的票房预测模型。首先,构建一个更全面的电影票房影响因素体系,加入微博因素和电影首日影评作为票房影响因素指标,同时结合电影特征和市场因素构建电影票房影响因素体系;其次,对各指标因素预处理量化后,为简化后期运算和提高模型的精度,构建基于XGBoost的影响力测量模型,并以此为依据进行筛选;最后,将筛选后的指标体系划分两部分即训练集和测试集,并在此基础上分别构建了BP神经网终模型、RBF模型以及PSO-BP模型,并引入评价指标和对案例电影预测精度进行分析,结果表明本文构建的PSO-BP模型具有更高的预测精度。本研究所构建的模型在电影上映期间预测最终票房具有一定的参考意义,可为有关部门提供决策参考。
关键词
电影票房预测
粒子群算法
XGBoost算法
PSO-BP神经网络模型
分类号
J90 [艺术—电影电视艺术]
下载PDF
职称材料
题名
基于Bayesian-Stacking模型的电影票房预测
2
作者
李小红
韩淑淑
机构
山东工商学院数学与信息科学学院
山东工商学院统计学院
出处
《中国科技论文在线精品论文》
2024年第2期294-301,共8页
基金
山东省自然科学基金(ZR2021MA007)。
文摘
本文构建了一种基于XGBoost的特征选取方法以及Bayesian-Stacking集成算法的票房预测模型。首先,构建XGBoost的影响力测量模型进行变量筛选,能够简化后期模型的输入和提高模型特征变量的可解释性;其次,分别构建了BP神经网络、XGBoost、Logistic Regression、LightGBM、GBDT以及Stacking模型,再利用贝叶斯优化算法实现上述模型超参数全局寻优后,对电影票房进行预测;最后,引入评价指标进行分析。结果表明:1)将贝叶斯优化算法与模型相结合,获得了相对于原模型更高的预测精度;2)Bayesian-Stacking模型的电影票房预测精度均优于其他模型。Bayesian-Stacking模型在电影上映期间预测最终票房具有较高的参考价值,可为有关部门提供决策参考。
关键词
应用统计数学
电影票房预测
Stacking模型
XGBoost
贝叶斯算法
Keywords
applied statistical mathematics
box office forecast
Stacking model
XGBoost
Bayesian algorithm
分类号
O213 [理学—概率论与数理统计]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于XGBoost的电影票房影响因素分析及预测研究
韩淑淑
《应用数学进展》
2024
0
下载PDF
职称材料
2
基于Bayesian-Stacking模型的电影票房预测
李小红
韩淑淑
《中国科技论文在线精品论文》
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部