基于加权K-Means和局部BPNN的票房预测模型

• 作者: 林清同 米传民 鲁月
• 来源期刊: 计算机系统应用
• 关键词: 电影票房 预测 加权K-均值 BP神经网络
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 专论·综述
• 页码范围: 15-23
• 页数: 9页
• 字数: 8932字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006709

摘要

电影作为典型的短周期、体验型产品,其票房收益受众多因素的共同影响,因此对其票房进行预测较为困难.本文主要构建了一种基于加权K-均值以及局部BP神经网络(BPNN)的票房预测模型对目前的票房预测模型存在的不足进行改进,从而提高票房预测的精度:(1)构建基于随机森林的影响因素影响力测量模型,并以此为依据对票房影响因素进行筛选,以此来简化后续预测模型的输入;(2)考虑到不同影响因素对票房的影响力不同的现实情况,为了解决以往研究中对影响因素权重平均分配的问题,本文构建了基于加权K-均值和局部BP神经网络的票房预测模型,以因素影响力为依据对样本数据进行加权的K-均值聚类,并基于子样本构建局部BP神经网络模型进行票房预测.实验证明,本文所构建的模型平均绝对百分比误差(MAPE)为8.49％,低于对比实验的10.39％,可以看出本文构建的基于加权K-均值以及局部BP神经网络的票房预测模型的预测结果要优于对比模型的预测结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	米传民	南京航空航天大学经济与管理学院	72	924	13.0	28.0
2	鲁月	南京航空航天大学经济与管理学院	5	6	1.0	2.0