CN104899652A - 综合数据交互下的文化演艺运营平台决策支持系统 - Google Patents

Abstract

本发明涉及一种综合数据交互下的文化演艺运营平台决策支持系统，包括数据管理子系统、模型管理子系统、用户交互子系统和系统管理子系统；所述的数据管理子系统与用户交互子系统连接，完成数据采集；所述的数据管理子系统与系统管理子系统连接，完成数据分析；所述的系统管理子系统与模型管理子系统连接，完成模型建立；所述的模型管理子系统与用户交互子系统连接，完成数据交换。与现有技术相比，本发明具有高效用性与可靠性等优点。

Description

综合数据交互下的文化演艺运营平台决策支持系统

技术领域

本发明涉及一种文化演艺运营平台下的决策支持系统，尤其是涉及一种综合数据交互下的文化演艺运营平台决策支持系统。

背景技术

近年来，将机器学习方法应用于票房预测已成为电影产业研究的一个热点，然而到目前为止，针对文化演艺市场的预测基本上属于空白，国内外针对文化演艺市场的研究，例如定价策略、市场需求的分析，大多是基于经验主义，缺少全面、综合的数据分析，因此，为决策者提供基于市场需求的策略性决策支持，对管理文化演艺市场具有重要的现实意义。文化演艺产业与电影产业不同，前者强调现场表演，演艺产品具体形态包括音乐、歌舞、戏曲、芭蕾、杂技等；后者是将声音与影像捕捉并进行后期制作，可以不受时间、地域的限制进行大量复制放映。

电影票房预测是一个主要针对卖座等级或者票房收益来进行划分的单输出问题，可参考的数据量大且相对公开，数据结构简单，基于社交媒体(微博、微信、豆瓣等)大数据量化的口碑、影评等因素也被考虑加入到研究模型中来，主要用来研究的机器学习方法可归纳为人工神经网络，决策树，贝叶斯网络等分类方法。票房预测模型大多未考虑变量、结构、参数优化等导致模型准确率较低等因素，较为普遍应用的人工神经网络方法，存在学习时间过长，泛化能力较差，网络结构不稳定，容易出现过拟合等问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种综合数据交互下的文化演艺运营平台决策支持系统。

本发明的目的可以通过以下技术方案来实现：

一种综合数据交互下的文化演艺运营平台决策支持系统，其特征在于，包括数据管理子系统、模型管理子系统、用户交互子系统和系统管理子系统；

所述的数据管理子系统与用户交互子系统连接，完成数据采集；

所述的数据管理子系统与系统管理子系统连接，完成数据分析；

所述的系统管理子系统与模型管理子系统连接，完成模型建立；

所述的模型管理子系统与用户交互子系统连接，完成数据交换。

所述的模型管理子系统包括用于对预售项目或在售项目进行场次预测、动态定价、促销打折、市场划分的预测模块以及用于优化票价结构的价格效用模型。

所述的预测模型具体为高维度的多输入、多输出模型，八个属性标签用来量化表征每个演出项目，并作为预测模型输入的一部分；根据所述演出项目在数据库记录的项目简称，对其进行文本预处理，提取项目关键词，利用所述的数据管理子系统搜集演出项目关键字相关的网络传媒开放数据记录，将其定义为关注度，并输入到预测模型；预测模型采用支持向量回归机方法SVR，并利用遗传算法GA对其进行参数寻优，提取相似度高的历史项目的标签属性、关注度、场次、票价结构与对应销量信息，作为模型训练样本集动态构建模型，从而对预售项目或在售项目进行场次预测、动态定价、促销打折、市场划分。

所述的价格效用模型具体依据市场统计下的价格需求定理，针对不同票价，定义相应的价格效用函数，对预测模型输出的票价结构进行优化，实现效益最大化；其中k表示从预测模型中得到的票价等级，根据票价递减规律，可以最大定义为A，B，C，D，…，L，12个票价等级，P_k表示票价等级k下的票价，N_k表示票价等级k下的预期销售量，x表示变动的票价变量，变化范围从0.8P_k到1.2P_k，U_k(x)表示票价等级k下的关于票价变量x的价格效用函数，[]表示四舍五入操作，α表示校正系数；

$U_k\left(x\right)=\frac{x-\left[1{.2P}_k\right]}{\left[{0.8P}_k\right]-\left[{1.2P}_k\right]}$

$\begin{array}{cc}\max & \underset{k=A}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\αU}}_k\left(x\right)P_k{N}_k\end{array}$

所述的数据管理子系统通过网络爬虫技术搜集演出项目关键字相关的网络传媒开放数据记录，并定义为关注度作为重要权重指标输入到预测模型中。

所述八个属性分别为形象属性、时代属性、版权属性、地区属性、语言属性、团队属性、主演属性、受众属性，且每个演出项目在同一属性下可能会包含多个标签，采用多标签遍历方法来扩展样本集大小。

所述的网络传媒包括新浪新闻、网易娱乐或东方网。

与现有技术相比，本发明对历史演出项目信息进行深度挖掘，特别是经过遗传算法优化后的支持向量回归机输出结果，与人工神经网络、粒子群算法寻优后的支持向量回归机的结果进行对比，拥有较小的训练集均方误差和较高的相关系数，且支持向量回归机的相关参数是全局最优，模型拥有较强的泛化能力，高效用性与可靠性；通过价格效用函数优化票价结构，实现市场预测，虚拟场次安排，票价结构与对应上座率预测等功能，从而利用历史相关演出项目的市场数据，为决策者提供演出计划推荐方案。

附图说明

图1为本发明的结构示意图；

图2为本发明应用结构示意图；

图3为本发明预测模块示意图；

图4为本发明预测模块和价格效用模块示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

综合数据交互下的文化演艺运营平台决策支持系统，在数据分析的基础上，通过建立决策分析模型，实现市场预测、虚拟演出规划、上座率预测、市场推广计划、受托运营的演出安排等功能。该研究是一个基于高维度数据集的多输入、多输出问题，并且数据量少、相对不公开，票价结构的设定会考虑演出项目类别、场次、时间、座位等级等诸多因素，并采用多标签属性特征来量化表征每个演出项目，基于网络传媒的开放数据将作为重要影响因素输入到预测模型中，场次预测、定价策略与市场划分将作为模型输出，价格效用理论将用来优化票价结构以达到预期利润最大化目标。

综合数据交互下的文化演艺运营平台预测模型是一个基于统计数据的回归问题，定价策略可以根据市场需求进行动态调整，支持向量回归机用来预测分析模型的输出，并且其参数设置是基于遗传算法寻优所得，进而加强模型的效用性与可靠性，为决策者提供高效而又有力的决策支持。

综合数据交互下的文化演艺运营平台决策支持系统，如图1所示，包括四个子系统：数据管理子系统，模型管理子系统，用户交互子系统，系统管理子系统。通过系统之间的交互，主要完成数据交互，数据采集，数据分析，数学建模等功能。在线票务系统提供并存储所有项目信息。

在综合数据交互下的文化演艺运营平台预测模型中，八个属性用来全面、综合地量化表征每个演出项目，包括形象属性，时代属性，版权属性，地区属性，语言属性，团队属性，主演属性，受众属性。每个演出项目在同一属性下可能会包含多个标签，采用多标签遍历方法来扩展样本集大小。利用网络爬虫技术搜集演出项目关键字相关的网络传媒(新浪新闻，网易娱乐，东方网等)开放数据记录，并定义为关注度作为重要权重指标输入到预测模型中。利用遗传算法进行参数寻优后的支持向量回归机方法(GA-SVR)，提取相似度高的历史项目的标签属性、关注度、场次、票价结构与对应销量等信息，作为模型训练样本集动态构建模型，从而对预售项目或在售项目进行场次预测、动态定价、促销打折、市场划分。在此基础上，利用价格效用理论来优化票价结构，使整体票价效用最大，以达到预期利润最大化的目标。

如图2所示，所述的文化演艺运营平台决策支持系统通过ODBC访问服务器下的在线售票系统的数据库，数据库存储所有演出项目的相关数据，提取相关数据并进行预处理，将其输入到预测模型和价格效用模型中，基于历史相似项目统计数据，为决策者提供虚拟演出项目规划报告。

如图3所示，多标签变量在输入到预测模型前，先进行遍历操作，用来扩大样本集，避免由于样本维度过高、样本数量过小等因素造成模型结果准确度低等问题；对演出项目进行关键词提取，并通过网络爬虫技术，获取对应演出项目的网络传媒开放数据记录，作为关注度输入到预测模型中；并采用GA对SVR进行参数寻优，提取相似度高的历史项目的标签属性、关注度、场次、票价结构等信息，作为模型训练样本集动态构建模型，从而对预售项目或在售项目进行场次预测、动态定价。如图4所示，将得到的场次与票价结构信息作为输入，输入到预测模型中，再次提取历史相似项目的相关数据进行动态建模，为预售项目或在售项目制定促销打折、市场划分等策略。在此基础上，利用价格效用理论模型针对不同票价结构构造相应的效用函数，使整体票价效用最大，以达到预期利润最大化的目标。

127场器乐类音乐会(小提琴、钢琴、交响乐等)演出数据作为样本集，用来训练决策支持模型，建议《维也纳国家音乐家爱乐乐团音乐会》演出1场，表1给出决策支持下的定价策略方案与对应的预期销售量及期望最大收益，建议该演出票价等级分为6档，价格分别为250、190、140、80、50、20元，对应预期销量为173、88、98、65、53、4张，预期最大收益为81620元。

表1

Claims (7)

1.一种综合数据交互下的文化演艺运营平台决策支持系统，其特征在于，包括数据管理子系统、模型管理子系统、用户交互子系统和系统管理子系统；

所述的数据管理子系统与用户交互子系统连接，完成数据采集；

所述的数据管理子系统与系统管理子系统连接，完成数据分析；

所述的系统管理子系统与模型管理子系统连接，完成模型建立；

所述的模型管理子系统与用户交互子系统连接，完成数据交换。

2.根据权利要求1所述的一种综合数据交互下的文化演艺运营平台决策支持系统，其特征在于，所述的模型管理子系统包括用于对预售项目或在售项目进行场次预测、动态定价、促销打折、市场划分的预测模块以及用于优化票价结构的价格效用模型。

3.根据权利要求2所述的一种综合数据交互下的文化演艺运营平台决策支持系统，其特征在于，所述的预测模型具体为高维度的多输入、多输出模型，八个属性标签用来量化表征每个演出项目，并作为预测模型输入的一部分；根据所述演出项目在数据库记录的项目简称，对其进行文本预处理，提取项目关键词，利用所述的数据管理子系统搜集演出项目关键字相关的网络传媒开放数据记录，将其定义为关注度，并输入到预测模型；预测模型采用支持向量回归机方法SVR，并利用遗传算法GA对其进行参数寻优，提取相似度高的历史项目的标签属性、关注度、场次、票价结构与对应销量信息，作为模型训练样本集动态构建模型，从而对预售项目或在售项目进行场次预测、动态定价、促销打折、市场划分。

4.根据权利要求2所述的一种综合数据交互下的文化演艺运营平台决策支持系统，其特征在于，所述的价格效用模型具体依据市场统计下的价格需求定理，针对不同票价，定义相应的价格效用函数，对预测模型输出的票价结构进行优化，实现效益最大化；其中k表示从预测模型中得到的票价等级，根据票价递减规律，可以最大定义为A，B，C，D，…，L，12个票价等级，P_k表示票价等级k下的票价，N_k表示票价等级k下的预期销售量，x表示变动的票价变量，变化范围从0.8P_k到1.2P_k，U_k(x)表示票价等级k下的关于票价变量x的价格效用函数，[]表示四舍五入操作，α表示校正系数；

$U_k\left(x\right)=\frac{x-\left[1.2P_k\right]}{\left[{0.8P}_k\right]-\left[{1.2P}_k\right]}$

$\max \underset{k=A}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\αU}}_k\left(x\right)P_k{N}_k$

5.根据权利要求2所述的一种综合数据交互下的文化演艺运营平台决策支持系统，其特征在于，所述的数据管理子系统通过网络爬虫技术搜集演出项目关键字相关的网络传媒开放数据记录，并定义为关注度作为重要权重指标输入到预测模型中。

6.根据权利要求5所述的一种综合数据交互下的文化演艺运营平台决策支持系统，其特征在于，所述八个属性分别为形象属性、时代属性、版权属性、地区属性、语言属性、团队属性、主演属性、受众属性，且每个演出项目在同一属性下可能会包含多个标签，采用多标签遍历方法来扩展样本集大小。

7.根据权利要求5所述的一种综合数据交互下的文化演艺运营平台决策支持系统，其特征在于，所述的网络传媒包括新浪新闻、网易娱乐或东方网。