考虑竞争的电影首映日票房集成预测模型研究

作者：唐中君; 吴凡^*; 倪浪

来源：科技促进发展, 2020, 16(10): 1221-1229.

• 映前票房预测
• 首映日票房
• 集成模型
• 堆栈泛化
• XGBoost算法

电影首映日票房预测对该日排片、后续放映日票房及总票房有显著影响。本文在构建考虑竞争的电影首映日票房预测变量集的基础上,建立首映日票房集成预测模型。首先使用多元线性回归(multiple linear regression, MLR)、支持向量回归(support vector regression, SVR)、套索回归(Least absolute shrinkage and selection operator, Lasso)和极端梯度提升(Extreme Gradient Boosting, XGBoost)等算法建立基学习器,随后使用XGBoost算法作为原学习器构建堆栈集成预测模型,最后利用收集到的数据进行对比实验。实验证明,加入竞争变量的电影首映日票房预测变量集适用于首映日票房预测;相比单一模型,该集成预测模型的准确性、泛化性能和稳定性均有提升,相比较传统预测方法对首映日票房预测更准确。提出的集成预测模型有助于提升首映日票房排片的有效性。

• 出版日期2020
• 单位北京工业大学