居民对国产科幻电影的消费舆情分析及票房预测.pdfVIP

居民对国产科幻电影的消费舆情分析及票房

预测

作者：周杰梁佳雯何加豪

来源：《中国集体经济》2020年第34期

摘要：2019年年初，以《流浪地球》为代表的一股科幻潮流席卷中国。截止2019年3月

1日，其票房已达44.50亿。为了研究居民对国产科幻电影的消费情绪，文章选取了电影产

地、时长、上映日期、上映首日评分、上映首日评论人次和主演六种影响因素，运用决策树

（DecisionTree）和随机森林（RandomForest）算法对国产科幻电影的影响因素进行了深度挖

掘。最终以《流浪地球》为例，进行实证分析，从而证明了模型的有效性。

关键词：科幻电影;随机森林;消费舆情;AHP加权平均法

一、文献综述

最早的电影票房影响因素研究可追溯到20世纪中期，为经验性研究。主要有盖洛普对观

影观众进行经验性测定，寻找观众感兴趣内容。后期，学者开始建立模型，对电影票房影响因

素进行量化研究。如王铮，徐敏基于Logit模型对电影票房影响因素进行研究，得出续集、评

分、票价、档期、明星和导演均对票房产生积极影响。在国内学者王丽娟的研究中，电影票房

预测可分为“观众研究”、“预测模型”、”更高效的预测模型”三个阶段。然而即便到了预测模型

更高效的第三阶段，研究者们仍主要以单一因子进行票房预测，并且采取的数据样本较少。西

方电影票房的预测通过分析样本中影响电影票房因素的数据来实现，但其基本以好莱坞电影为

样本，以预测美国或北美的票房为目标，很少关注其他国家的情况。

本文以国产科幻电影为研究对象，研究国内居民对国产科幻电影的消费需求，同时在最

后给出了相应的票房预测实证分析。

二、研究方法

本研究在前人的基础上，采用了机器学习与大数据分析相结合的方法，将变量深度量

化，以获得对国产科幻电影影响显著的因素并预测其票房。

（一）数据获取

在数据获取上，使用python的scrapy爬虫框架、selenium包和fiddle软件分别爬取网页和

手机app中的相关资料，并结合分布式网络爬虫技术，高效快捷的从猫眼电影、微博等平台中

爬取海量有效资源。

（二）方法选取

决策树1.CART（ClassificationAndRegressionTrees）算法

决策树算法是一类常用的机器学习算法，是基于树形结构来进行决策的。设有数据集

D，X、Y分别为输入和输出变量，其中Y是连续变量（回归模型）。包含m个样本的数据集

D可以表示为：

找到最优的切分点（j，s）之后，切分点就能将集合切分成总损失最小的两部分。对于切

分出來的区域在重复递归这样的划分过程，直到满足条件为止。

随机森林回归算法2.

随机森林算法是一种重要的基于Bagging的集成学习方法。随机森林可以解释若干自变量

（X1，X2，…XK）对因变量Y的作用。如果因变量Y有n个观测值，有k个自变量与之有

关;在构建分类回归树的时候，随机森林会随机的在原数据中重新选择n个观测值，其中有的

观测值被选了多次。同时，随机森林随机地从k个自变量选择部分变量进行分类树节点的确

定。这样，每次构建的分类树都可能不一样。一般情况下，随机森林会随机的生成几百个至几

千个分类树，然后选择重复度最高的树作为最终的结果。

三、影响因素的指标性选择

对于影响因素的选择，本文采用逐步回归法，将变量逐个引入模型，每引入一个变量都

进行F检验和该解释变量的t检验，当后面引入的变量使得原先的变量不显著时，删除该变

量，以此确保每次引入的变量都是最优的。在研究前人的结论后得出，相关因素可能有电影时

长、电影评分、评分人次、电影是产自中国、美国、日本、还是俄罗斯、上映时间是在春节期

间（S1）、黄金周（S2）、还是暑假（S3）。经过逐步回归后，我们筛选出显著性水平较高

的相关影响因素。

四、科幻电影票房预测

（一）科幻电影影响因素量化

对上映日期1.的量化

根据电影上映的档期不同将其分为三个档期：贺岁档、黄金周（五一、十一黄金周）、

暑期档。分别用S1，S2，S3三个虚拟变量来量化电影上映的档期。

，S1=1贺岁档上映0，其他;S2=1，黄金周上映0，其他;

，S3=1暑期档上映0，其他

对时2.长、上映首日评分、上映首日评论人次的量化