结合区间理论熵权和TOPSIS的映前总票房区间预测

为解决电影票房预测中,票房影响因素存在模糊性的问题,提出用区间数量化具有模糊性的票房影响因素,使得量化科学合理,量化结果能提高信息利用率;利用熵权法计算各影响因素权重,保证权重客观性;对票房进行分级并基于票房分级,将票房影响因素作为票房评价指标,提出用理想解法计算票房理想解贴近度区间,根据票房理想解贴近度判断票房级别,得到票房区间预测值;结合区间理论、熵权法和理想解法得到上映前总票房区间预测方法。选取2015~2017年上映的剧情类和动作类电影对该方法进行了验证。该方法在两类用于验证的电影中的平均准确率分别为79.33%和73.92%,证明本文方法具有一定的有效性和实用性。本文对于电影发行商的决策以及风险规避具有一定的意义,且对于与电影类似的短生命周期体验品的早期需求预测具有一定的参考价值。

考虑竞争的电影首映日票房集成预测模型研究

电影首映日票房预测对该日排片、后续放映日票房及总票房有显著影响。本文在构建考虑竞争的电影首映日票房预测变量集的基础上,建立首映日票房集成预测模型。首先使用多元线性回归(multiple linear regression,MLR)、支持向量回归(support vector regression,SVR)、套索回归(Least absolute shrinkage and selection operator,Lasso)和极端梯度提升(Extreme Gradient Boosting,XGBoost)等算法建立基学习器,随后使用XGBoost算法作为原学习器构建堆栈集成预测模型,最后利用收集到的数据进行对比实验。实验证明,加入竞争变量的电影首映日票房预测变量集适用于首映日票房预测;相比单一模型,该集成预测模型的准确性、泛化性能和稳定性均有提升,相比较传统预测方法对首映日票房预测更准确。提出的集成预测模型有助于提升首映日票房排片的有效性。