基于LSTM模型的电影票房预测算法

• 作者: 杨朝强 蒋卫丽 邵党国
• 来源期刊: 数据通信
• 学科: 工学
• 关键词: 深度学习 梯度下降法 LSTM BP神经网络 票房预测
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 技术交流
• 页码范围: 34-37
• 页数: 4页
• 分类号: TP391.4
• 字数: 3206字
• 语种: 中文

摘要

针对目前基于BP神经网络的电影票房预测算法中存在预测精度不高的问题,本文提出一种基于LSTM模型的电影票房算法.首先,分析电影票房的影响因素,对票房影响因子进行定量分析和归一化处理,其次根据影响因素的输入和输出变量确定网络拓扑图及神经元数量,建立神经网络结构后进行改进为深度学习,并增加“记忆”功能,建立LSTM票房预测模型,最后用亿恩电影智库上的电影票房数据分别用LSTM模型和BP神经网络模型进行预测对比.实验结果表明,LSTM模型在对实验中的4712数据预测的平均相对误差比BP神经网络预测低36％左右,在长期预测和短期预测中低BP神经网络约10％左右,预测结果相对比较准确,能够为电影的投资和放映提供有价值的参考,具有实际意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵党国	昆明理工大学信息工程与自动化学院	31	112	5.0	10.0
2	杨朝强	昆明理工大学信息工程与自动化学院	5	3	1.0	1.0
3	蒋卫丽	昆明理工大学信息工程与自动化学院	4	10	1.0	3.0