基于微博的电影首映周票房预测建模

【目的】解决现有的票房预测模型由于数据受限等因素导致的无法实现在影片上映前进行票房预测这一问题。【方法】在获取微博评论的基础上,使用SVM识别出消费者的显式消费意图,即强正面评论;对传统的分类准则进行修正,构建基于How Net的中文微博情感词典,进而定义一个新的用户影响力特征;使用BP神经网络进行票房预测。【结果】实验结果表明,本文建立的模型能够较为准确地对电影首映周票房进行预测。【局限】由于语料不充分,本文构建的中文微博情感词典,可能会无法在所有的电影微博评论中表现出较好的分类效果;此外也没有建立一个能够在电影上映周期内动态预测票房的票房预测模型。【结论】该模型能够有效地进行首映周票房预测,具有现实的可行意义。

2010国产影片首映周的市场表现差异及影响因素研究

本文选取2010年80部国产影片数据作为样本,设计日均场次、日均人次与单场票房三项指标分析其首映周市场表现的差异及影响因素。结果显示:影片首映周的日均场次分化明显,受到发行公司、周内新片数量与影片质量影响;日均人次依次受到月度首映影片、明星效应、假期因素及周内时间安排影响;单场票房波动最小但提升空间最大,依次受到月度首映影片数量、假期因素、周内时间安排及明星效应影响。