2021年电影市场票房波动模型分析思路及参考代码

​

1.电影票房预测建模的背景

随着人民群众文化消费需求、影院数量、银幕数量的增加，我国电影产业

持续呈现繁荣景象。2019年全国电影票房累计642.66亿元。电影票房不仅直接

反映了一部电影为投资公司创造的经济价值，也从侧面反映了电影的艺术品质

和商业策略。是衡量一部电影成功与否的重要指标。它自然反映了电影作品的

市场需求和投资吸引力的程度。如果能够提前预测电影产品在市场上的接受度

和盈利能力，将对电影产业链各环节的决策产生巨大影响。因此，准确预测电

影票房对于风险控制和决策无疑具有重要的现实意义。

影响一部电影票房的因素有很多，电影本身的质量、放映时间、广告、社

会环境、放映电影的影院数量，甚至放映期间的天气等都会影响电影票房。根

据预测阶段的不同，票房预测分为前期预测和后期预测，即对电影上映前后票

房的预测。根据预测阶段的不同，票房预测分为前期预测和后期预测。对于电

影的前期预测，目前的研究成果包括：基于网络文本的电影类型与电影票房关

系研究；基于明星效应、演员性别和导演级别的等级对票房影响研究基于神经

网络算法的电影上映日期、时间、季节等因素与票房关系的研究 训练多层感知

器MLP神经网络处理上映前的数据，如电影质量和受欢迎程度等。并根据预期收

入对电影进行分类。年的票房预测电影后期采用反馈神经网络电影票房预测模型；票房预测考虑了导演、演员、

档期等因素。研究观众在社交网络、网络信息传播、网络搜索中的口碑传播对

电影票房的正向影响。

2.电影网络舆情评分对票房的影响

随着我国互联网技术的不断发展，互联网已经成为电影营销的核心宣传媒

介。目前，豆瓣、猫眼等大部分电影评测平台并未实行实名制，其参与者呈现

多样性、复杂性的特点。加上互联网本身的特点，电影网络评价行为具有很强

的匿名性和隐蔽性。这也使得雇佣“互联网海军”来不恰当地评估电影、购买票

房和锁定电影产业的行为变得罕见。首先，网络的隐蔽性往往使被害人难以准

确识别“网络水军”。其次，中国现行法律对于“网络水军”不当评价电影的

认定和规制还存在不完善之处。基于此， 如何识别和治理网络水军对电影分级

的影响，已成为我国电影产业发展中亟待解决的问题。

3.突发事件对电影票房的影响

电影是一种大众娱乐，道德和法律形式的突发事件对电影票房影响巨大。

2020年新冠状病毒的突然爆发几乎摧毁了公众聚集的电影市场。如何应用模型

分析各种突发事件对电影票房的影响，显然非常重要。建模需要解决的主要问题：

1. 电影票房早期预测的核心是选取有效的预测特征。影响电影票房的因素

很复杂，测量方法也各不相同。功能包括：电影时长、演员、导演、电影类型、

电影格式(2D、3D、IMAX)、电影是否为续集、上映日期、制作公司和发行公

司等。根据电影分类的特点，综合考虑电影分类特征、电影类型、导演等分类

特征、导演分级等分类特征，对提供的数据集中的电影进行聚类分类，并验证

分类的有效性。

2. 常见的票房预测模型包括多元回归、神经网络等，也有学者通过研究社

交网络中的观众口碑传播、网络信息传播和网络搜索来预测票房(见参考文

献)，并建立了对电影票房有积极影响的电影票房预测模型，对于电影市场的

票房，根据提供的数据给出了一个分类模型(题目1的结果)。并提前给出了各

类别的预估票房预测和整体票房预测。

3. 从豆瓣、猫眼等平台收集关于电影的网络舆情评价数据，建立识别网络

舆情正负分的算法(标准化到[-1，1])；建立模型提取主题词、主题分类或其

他重要指标；建立模型，分析网络舆情与电影票房的相关性以及对电影票房的

影响程度；设计思路和具体方法是在找出网络水军电影评分存在的问题和现状

的基础上。该方法需要在逻辑上自洽且可行。

4. 为应对突发的新型冠状病毒疫情，国家影院开放疫情防控指南：每个场馆上座率不超过30%、50%、75%等，考虑疫情对

模型的影响，分析其对电影票房的影响、现实影响和未来预测。利用所提供的

数据，该模型分析了疫情稳定后不同上座率要求(30%、50%、75%)对电影票房

预测的影响。

提及:

[1] 韩忠明,原碧鸿,陈炎,等.一个有效的基于GBRT的早期电影票房预测模

型[J]。计算机应用研究, 2018.

[2]郑坚, 周尚波. 基于神经网络的电影票房预测建模[J]. 计算机应

用,2014,034(003):742-748.

[3]王炼, 贾建民.基于网络搜索的票房预测模型——来自中国电影市场的

证据[J].系统工程理论与实践, 2014.

[4]周杰、梁佳雯、何加豪.居民对国产科幻电影的消费舆情分析及票房预

测——以《流浪地球》为例[J]。2020年中国集体经济，，第654(34)期：

146-148页。

[5]叶芳.基于数据挖掘的电影水军识别技术与应用。北京大学, 2014.数据

描述：

https://piaofang.maoyan.com/dashboard

​

​