计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
3期
742-748
,共7页
多层反馈神经网络%电影票房预测%票房分类%影响因素量化
多層反饋神經網絡%電影票房預測%票房分類%影響因素量化
다층반궤신경망락%전영표방예측%표방분류%영향인소양화
multiple layer Back Propagation Neural Network (BPNN)%movie Box-office Revenue Prediction (BRP)%box-office classification%factor quantification
针对电影票房预测与分类的研究中存在预测精度不高、缺乏实际应用价值等缺陷,通过对中国电影票房市场的研究,提出一种基于反馈神经网络的电影票房预测模型.首先,确定电影票房的影响因素以及输出结果格式;其次,对这些影响因子进行定量分析和归一量化处理;再次,根据确定的输入和输出变量确定各个网络层次神经元数量,建立神经网络结构,改进神经网络预测的算法和流程,建立票房预测模型;最后,用经过去噪处理的电影历史票房数据对神经网络进行训练.针对神经网络波动性的特点,对预测模型的输出结果进行改进之后,输出结果既能更可靠地反映电影在上映期间的票房收入,又能指出电影票房的波动范围.仿真结果表明,对于实验中的192部电影,基于神经网络算法的预测模型有较好的预测和分类性能(前5周票房的平均相对误差为43.2％,平均分类正确率可达93.69％),能够为电影在上映前的投资、宣传以及风险评估提供较全面、可靠的参考方案,在预测分类领域具有较好的应用价值和研究前景.
針對電影票房預測與分類的研究中存在預測精度不高、缺乏實際應用價值等缺陷,通過對中國電影票房市場的研究,提齣一種基于反饋神經網絡的電影票房預測模型.首先,確定電影票房的影響因素以及輸齣結果格式;其次,對這些影響因子進行定量分析和歸一量化處理;再次,根據確定的輸入和輸齣變量確定各箇網絡層次神經元數量,建立神經網絡結構,改進神經網絡預測的算法和流程,建立票房預測模型;最後,用經過去譟處理的電影歷史票房數據對神經網絡進行訓練.針對神經網絡波動性的特點,對預測模型的輸齣結果進行改進之後,輸齣結果既能更可靠地反映電影在上映期間的票房收入,又能指齣電影票房的波動範圍.倣真結果錶明,對于實驗中的192部電影,基于神經網絡算法的預測模型有較好的預測和分類性能(前5週票房的平均相對誤差為43.2％,平均分類正確率可達93.69％),能夠為電影在上映前的投資、宣傳以及風險評估提供較全麵、可靠的參攷方案,在預測分類領域具有較好的應用價值和研究前景.
침대전영표방예측여분류적연구중존재예측정도불고、결핍실제응용개치등결함,통과대중국전영표방시장적연구,제출일충기우반궤신경망락적전영표방예측모형.수선,학정전영표방적영향인소이급수출결과격식;기차,대저사영향인자진행정량분석화귀일양화처리;재차,근거학정적수입화수출변량학정각개망락층차신경원수량,건립신경망락결구,개진신경망락예측적산법화류정,건립표방예측모형;최후,용경과거조처리적전영역사표방수거대신경망락진행훈련.침대신경망락파동성적특점,대예측모형적수출결과진행개진지후,수출결과기능경가고지반영전영재상영기간적표방수입,우능지출전영표방적파동범위.방진결과표명,대우실험중적192부전영,기우신경망락산법적예측모형유교호적예측화분류성능(전5주표방적평균상대오차위43.2％,평균분류정학솔가체93.69％),능구위전영재상영전적투자、선전이급풍험평고제공교전면、가고적삼고방안,재예측분류영역구유교호적응용개치화연구전경.
