CN109191165A - 一种票房走势预测方法及装置 - Google Patents
一种票房走势预测方法及装置 Download PDFInfo
- Publication number
- CN109191165A CN109191165A CN201810765755.9A CN201810765755A CN109191165A CN 109191165 A CN109191165 A CN 109191165A CN 201810765755 A CN201810765755 A CN 201810765755A CN 109191165 A CN109191165 A CN 109191165A
- Authority
- CN
- China
- Prior art keywords
- target
- amount
- box office
- day
- film
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种票房走势预测方法和装置。所述方法包括:获取与目标电影档期模式相似的多个已上映电影;其中,所述档期模式是指工作日和节假日的任意组合;依据各所述已上映电影的至少一个影片特征,对各所述已上映电影进行评分;依据评分结果,选取评分最高的前N个已上映电影;其中,N为大于等于1的正整数;依据所述前N个已上映电影,确定所述目标电影在除上映首日之外的各上映日的目标票房涨跌幅度。本发明可以应用于票房走势预测的问题上,可以对所有类型的待上映电影进行票房走势预测。
Description
技术领域
本发明涉及电影票房统计技术领域,特别是涉及一种票房走势预测方法及装置。
背景技术
目前,随着中国电影市场的快速发展,电影上映量也随之增加,电影的票房数据作为电影行业的重要指标之一,电影票房对电影投资者、影院、以及相关从业者具有极其重要的作用。
目前,通常是建立一个通用的模型、或者是几个按类型区分的子模型,这些模型通过选取若干特征(如热度、评分、类型、卡司等),利用已经上映的电影作为机器学习的样本,训练出可以预测未来待上映电影票房的模型。
但是,一个或者几个有限的模型很难适应所有类型的电影,并且,在相似电影的选择方法上,现有方法都不是面向票房预测或票房走势预测问题上的,因此现有的方法,如果应用于票房走势预测,效果不会特别理想。
发明内容
本发明提供一种票房走势预测方法及装置,以解决现有技术中一个或者几个有限的模型很难适应所有类型的电影,且现有相似电影的选择方法不适用于票房走势预测的问题。
为了解决上述问题,本发明公开了一种票房走势预测方法,包括:获取与目标电影档期模式相似的多个已上映电影;其中,所述档期模式是指工作日和节假日的任意组合;依据各所述已上映电影的至少一个影片特征,对各所述已上映电影进行评分;依据评分结果,选取评分最高的前N个已上映电影;其中,N为大于等于1的正整数;依据所述前N个已上映电影,确定所述目标电影在除上映首日之外的各上映日的目标票房涨跌幅度。
优选地,所述获取与目标电影档期模式相似的多个已上映电影的步骤,包括:从预设电影数据库中获取与所述目标电影档期模式相似的多个已上映电影。
优选地,所述依据所述前N个已上映电影,确定所述目标电影在除上映首日之外的各上映日的目标票房涨跌幅度的步骤,包括:获取所述前N个已上映电影在上映第M日的各票房涨跌幅度;其中,M为大于1的正整数;计算各所述票房涨跌幅度的涨跌幅度平均值,将所述涨跌幅度平均值作为所述目标电影在所述第M日的目标票房涨跌幅度。
优选地,在所述依据所述前N个已上映电影,确定所述目标电影在除首映日之外的各上映日的目标票房涨跌幅度的步骤之后,还包括:按照预设算法确定所述目标电影在首映日的目标首映日票房;依据所述目标票房涨跌幅度和所述目标首映日票房,计算所述目标电影在除所述首映日之外的各上映日的目标票房;依据所述目标首映日票房和各所述目标票房,确定所述目标电影的预测总票房。
优选地,所述影片特征包括:电影类型、首日票房、想看人数中的至少一种。
为了解决上述问题,本发明实施例还公开了一种票房走势预测装置,包括:相似电影获取模块,用于获取与目标电影档期模式相似的多个已上映电影;其中,所述档期模式是指工作日和节假日的任意组合;排序模块,用于依据各所述已上映电影的至少一个影片特征,对各所述已上映电影进行评分;选取模块,用于依据评分结果,选取评分最高的前N个已上映电影;其中,N为大于等于1的正整数;目标涨跌幅确定模块,用于依据所述前N个已上映电影,确定所述目标电影在除上映首日之外的各上映日的目标票房涨跌幅度。
优选地,所述相似电影获取模块包括:相似电影获取子模块,用于从预设电影数据库中获取与所述目标电影档期模式相似的多个已上映电影。
优选地,所述目标涨跌幅确定模块包括:票房涨跌幅获取子模块,用于获取所述前N个已上映电影在上映第M日的各票房涨跌幅度;其中,M为大于1的正整数;目标涨跌幅计算子模块,用于计算各所述票房涨跌幅度的涨跌幅度平均值,将所述涨跌幅度平均值作为所述目标电影在所述第M日的目标票房涨跌幅度。
优选地,还包括:目标首映日票房确定模块,用于按照预设算法确定所述目标电影在首映日的目标首映日票房;各日目标票房计算模块,用于依据所述目标票房涨跌幅度和所述目标首映日票房,计算所述目标电影在除所述首映日之外的各上映日的目标票房;预测总票房确定模块,用于依据所述目标首映日票房和各所述目标票房,确定所述目标电影的预测总票房。
优选地,所述影片特征包括:电影类型、首日票房、想看人数中的至少一种。
与现有技术相比,本发明包括以下优点:
本发明实施例提供了一种票房走势方法及装置,通过获取与目标电影档期模式相似的多个已上映电影,其中,档期模式是指工作日和节假日的任意组合,依据各已上映电影的至少一个影片特征,对各已上映电影进行评分,依据评分结果,选取评分最高的前N个已上映电影,进而依据前N个已上映电影,确定目标电影在除上映首日之外的各上映日的目标票房涨跌幅度。本发明实施例通过依据档期模式相似的已上映电影对目标电影进行分析,从而可以获取目标电影在除上映首日之外的各上映日的目标票房涨跌幅度,相较于现有技术方案,本发明实施例可以应用于票房走势预测的问题上,并且,通过档期模式来选择与目标电影相似的已上映电影,因而,本发明实施例可以对所有类型的待上映电影进行票房走势预测。
附图说明
图1示出了本发明实施例提供的一种票房走势预测方法的步骤流程图;
图2示出了本发明实施例提供的一种选取的档期模式相似电影的示意图;
图3示出了本发明实施例提供的一种预测目标电影的目标票房涨跌幅和总票房的示意图;及
图4示出了本发明实施例提供的一种票房走势预测装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
参照图1,示出了本发明实施例提供的一种票房走势预测方法的步骤流程图,具体可以包括如下步骤:
步骤101:获取与目标电影档期模式相似的多个已上映电影。
在本发明实施例中,档期模式是指工作日和节假日的任意组合。
与目标电影档期模式相似的已上映电影是指目标电影的档期模式与已上映电影的档期模式相似,例如,参照图2,示出了本发明实施例提供的一种选取的档期模式相似电影的示意图,以电影《勇敢者游戏:绝战丛林》作为目标电影,其档期模式为:2018-1-12星期五(工作日)、2018-1-13星期六(假期)、2018-1-14星期日(假期)、2018-1-15星期一(工作日)、2018-1-16 星期二(工作日)…;为该目标电影选择的档期模式相似的电影可以如图2所示,分别包括:《芳华》、《奇异博士》、《奇幻森林》等等,如图2所示,《芳华》的档期模式为2017-12-15星期五(工作日)、2017-12-16星期六(假期)、2017-12-17星期日(假期)、2017-12-18星期一(工作日)、 2017-12-19星期二(工作日)…,可见,目标电影《勇敢者游戏:绝战丛林》的档期模式为:工作日-假期-假期-工作日-工作日…,而《芳华》的档期模式为工作日-假期-假期-工作日-工作日,则表示电影《芳华》的档期模式与目标电影《勇敢者游戏:绝战丛林》的档期模式是相似的;同样的,如图2 所示,电影《奇异博士》的档期模式:2016-11-04星期五(工作日)、2016-11-05 星期六(假期)、2016-11-06星期日(假期)、2016-11-07星期一(工作日)、 2016-11-08星期二(工作日)…,可见,电影《奇异博士》的档期模式为:工作日-假期-假期-工作日-工作日…,与目标电影《勇敢者游戏:绝战丛林》的档期模式也是相似的。
可以理解地,上述示例仅是为了更好地理解本发明实施例的技术方案而列举的示例,不作为对本发明的唯一限制。
当然,可以预先在终端侧设置预设电影数据库,从而可以依据目标电影的档期模式,从预设电影数据库中选择与目标电影的档期模式相似的已上映电影。也可以在云端服务器侧预先设置预设电影数据库,在确定目标电影的档期模式之后,可以将目标电影的档期模式上传至云端服务器,进而由云端服务器从预设电影数据库中选择与目标电影的档期模式相似的已上映电影。
在实际应用中,本领域技术人员可以根据实际需要自行选择获取与目标电影档期模式相似的已上映电影的方式,本发明实施例对此不加以限制。
在获取与目标电影档期模式相似的多个已上映电影,执行步骤102。
步骤102:依据各所述已上映电影的至少一个影片特征,对各所述已上映电影进行评分。
在本发明实施例中,影片特征可以包括电影类型、首日票房、想看人数中的至少一种。
在终端侧可以预先设置各类型的设定评分,进而在获取各已上映电影的至少一个影片特征之后,可以根据预先设置的设定评分对各已上映电影进行评分。例如,在选取的已上映电影的影片特征仅包含电影类型时,预先设定的与目标电影类型相同的电影类型的评分为4.8,不同电影类型的评分为2.0,目标电影A的电影类型为科幻类,档期模式相似的电影C、D、E的电影类型分别科幻类、卡通类、武侠类,则对电影C的评分为4.8,电影D和E的评分均为2.0等。而在选取的已上映电影的影片特征包含电影类型、首日票房、想看人数时,预先设定的与目标电影类型相同的电影类型的评分为4.8,不同电影类型的评分为2.0,预先设定的首日票房在100万~300万之间的评分1.8,首日票房在300万~500万之间的评分为2.4,首日票房在500万~800 万之间的评分为3.6,预先设定的想看人数在3万~5万之间的评分为2.0,5 万~8万之间的评分为3.0,8万~10万之间的评分为4.0,目标电影A的电影类型为科幻类,档期模式相似的电影C的电影类型为科幻类,首日票房为 400万,想看人数为9万,档期模式相似的电影D的电影类型为卡通类,首日票房为520万,想看人数为6万,则电影C的综合评分为4.8+2.4+4.0=11.2;而电影D的综合评分为2.0+2.4+3.0=7.4。
可以理解地,上述示例仅是为了更好地理解本发明实施例的技术方案而列举的示例,不作为对本发明的唯一限制。
在依据各已上映电影的至少一个影片特征,对各已上映电影进行评分之后,则执行步骤103。
步骤103:依据评分结果,选取评分最高的前N个已上映电影。
在本发明实施例中,N为大于1的正整数。
在对与目标电影档期模式相似的各已上映电影进行评分之后,可以依据评分结果,选取评分最高的前N个已上映电影。例如,电影A、B、C、D、 E、F、G的评分分别8.2、8.3、9、6.8、11.2、12、5.4,若要选择其中的5 个与目标电影档期模式相似的电影,则选取的结果为:电影A、B、C、E、 F。
可以理解地,上述示例仅是为了更好地理解本发明实施例的技术方案而列举的示例,不作为对本发明的唯一限制。
在选取评分最高的前N个已上映电影之后,执行步骤104。
步骤104:依据所述前N个已上映电影,确定所述目标电影在除上映首日之外的各上映日的目标票房涨跌幅度。
在依据评分结果从多个已上映电影中选取评分最高的前N个已上映电影之后,可以依据前N个已上映电影在各上映日的涨跌幅,确定目标电影在除上映首日之外的各上映日的目标票房涨跌幅度。
具体地,将以下述优选实施例进行详细描述。
在本发明实施例的一种优选实施例中,上述步骤104可以包括:
子步骤S1:获取所述前N个已上映电影在上映第M日的各票房涨跌幅度;其中,M为大于1的正整数;
子步骤S2:计算各所述票房涨跌幅度的涨跌幅度平均值,将所述涨跌幅度平均值作为所述目标电影在所述第M日的目标票房涨跌幅度。
在本发明实施例中,M为大于1的正整数,也即本发明所预测的除目标电影在首映日之外的其它上映时间内的票房走势,在确定前N个已上映电影之后,可以根据电影数据库中预先保存的历史数据,获取前N个已上映电影在上映第M日的票房涨跌幅,例如,前N个已上映电影分别为:A、B、C、 D,已上映电影A、B、C、D在上映第三日的票房涨跌幅分别10%、15%、 12%、20%。
在获取前N各已上映电影在上映第M日的票房涨跌幅之后,可以计算得到各个票房涨跌幅的平均值,参照上述示例,已上映电影A、B、C、D在上映第三日的票房涨跌幅分别10%、15%、12%、20%,则可以计算得到涨跌幅度平均值为:14.25%。进而可以将该涨跌幅度平均值作为目标电影在第上映第M日的目标票房涨跌幅度。
在获取目标电影在除首映日之外的其余上映日的目标票房涨跌幅度之后,可以进一步地获取到目标电影在整个上映日期内的票房走势,可以对目标电影的票房作出最佳的预测。例如,参照图3,示出了本发明实施例提供的一种测目标电影的目标票房涨跌幅和总票房的示意图,图3所示曲线图,是以图2中所示电影的票房在各上映日的涨跌幅,对目标电影《勇敢者游戏:绝战丛林》的票房走势进行的预测,如图3所示,线条1为目标电影《勇敢者游戏:绝战丛林》的实际票房走势曲线,线条2为基于图2所示档期模式相似的电影对目标电影《勇敢者游戏:绝战丛林》预测的票房走势曲线,从图3可以看出,参照本发明实施例描述的方案进行票房预测,预测结果和实际结果几乎一致,表明本发明实施例在应用于待上映电影的票房预测上具有很大的可借鉴性意义。
当然,在本发明实施例的另一优选实施例中,在上述步骤104之后,还可以包括:
步骤S:按照预设算法确定所述目标电影在首映日的目标首映日票房。
在本发明实施例中,可以在目标电影首映日结束之后对后续的票房进行的预测,可以直接确定出目标首映日票房。
当然,也可以对目标电影在首映日的目标首映日票房进行预测,具体地,可以采用可以采用现有的按电影类型区分的模型对目标电影的目标首映日票房进行预测,也即采用已上映电影的历史数据,通过神经网络学习的算法得到一个神经网络模型,从而以该神经网络模型对目标电影在首映日的目标首映日票房进行预测。
当然,在实际应用中,本领域技术人员也可以采用其它方式来获取目标电影在首映日的目标首映日票房,此处本发明实施例的发明点所在,本发明实施例在此不再加以赘述。
子步骤M:依据所述目标票房涨跌幅度和所述目标首映日票房,计算所述目标电影在除所述首映日之外的各上映日的目标票房。
在确定目标电影在首映日的目标首映日票房之后,可以结合目标电影在除首映日之外的各上映日的目标票房涨跌幅度,从而可以计算出目标电影在除首映日之外的各上映日的目标票房。
子步骤N:依据所述目标首映日票房和各所述目标票房,确定所述目标电影的预测总票房。
从而依据目标首映日票房和各目标票房可以计算出目标电影的预测总票房,即目标首映日票房和各目标票房的和值即为目标电影的预测总票房。
例如,参照图3,示出了本发明实施例提供的一种测目标电影的目标票房涨跌幅和总票房的示意图,如图3所示,柱状图为各上映日的预测票房涨跌幅,计算出的预测总票房结果为49374.4万,实际总票房为49180.0万,可见,采用本发明实施例的方案所预测的总票房的结果与实际总票房的结果基本一致。
本发明实施例提供的票房走势预测方法,通过获取与目标电影档期模式相似的多个已上映电影,其中,档期模式是指工作日和节假日的任意组合,依据各已上映电影的至少一个影片特征,对各已上映电影进行评分,依据评分结果,选取评分最高的前N个已上映电影,进而依据前N个已上映电影,确定目标电影在除上映首日之外的各上映日的目标票房涨跌幅度。本发明实施例通过依据档期模式相似的已上映电影对目标电影进行分析,从而可以获取目标电影在除上映首日之外的各上映日的目标票房涨跌幅度,相较于现有技术方案,本发明实施例可以应用于票房走势预测的问题上,并且,通过档期模式来选择与目标电影相似的已上映电影,因而,本发明实施例可以对所有类型的待上映电影进行票房走势预测。
实施例二
参照图4,示出了本发明实施例提供的一种票房走势预测装置的结构示意图,具体可以包括:
相似电影获取模块410,用于获取与目标电影档期模式相似的多个已上映电影;其中,所述档期模式是指工作日和节假日的任意组合;评分模块420,用于依据各所述已上映电影的至少一个影片特征,对各所述已上映电影进行评分;选取模块430,用于依据评分结果,选取评分最高的前N个已上映电影;其中,N为大于等于1的正整数;目标涨跌幅确定模块440,用于依据所述前N个已上映电影,确定所述目标电影在除上映首日之外的各上映日的目标票房涨跌幅度。
优选地,所述相似电影获取模块410包括:相似电影获取子模块,用于从预设电影数据库中获取与所述目标电影档期模式相似的多个已上映电影。
优选地,所述目标涨跌幅确定模块440包括:票房涨跌幅获取子模块,用于获取所述前N个已上映电影在上映第M日的各票房涨跌幅度;其中, M为大于1的正整数;目标涨跌幅计算子模块,用于计算各所述票房涨跌幅度的涨跌幅度平均值,将所述涨跌幅度平均值作为所述目标电影在所述第M 日的目标票房涨跌幅度。
优选地,还包括:目标首映日票房确定模块,用于按照预设算法确定所述目标电影在首映日的目标首映日票房;各日目标票房计算模块,用于依据所述目标票房涨跌幅度和所述目标首映日票房,计算所述目标电影在除所述首映日之外的各上映日的目标票房;预测总票房确定模块,用于依据所述目标首映日票房和各所述目标票房,确定所述目标电影的预测总票房。
优选地,所述影片特征包括:电影类型、首日票房、想看人数中的至少一种。
本发明实施例提供的票房走势预测装置,通过获取与目标电影档期模式相似的多个已上映电影,其中,档期模式是指工作日和节假日的任意组合,依据各已上映电影的至少一个影片特征,对各已上映电影进行评分,并依据评分结果,选取评分最高的前N个已上映电影,进而依据前N个已上映电影,确定目标电影在除上映首日之外的各上映日的目标票房涨跌幅度。本发明实施例通过依据档期模式相似的已上映电影对目标电影进行分析,从而可以获取目标电影在除上映首日之外的各上映日的目标票房涨跌幅度,相较于现有技术方案,本发明实施例可以应用于票房走势预测的问题上,并且,通过档期模式来选择与目标电影相似的已上映电影,因而,本发明实施例可以对所有类型的待上映电影进行票房走势预测。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种票房走势预测方法和一种票房走势预测装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种票房走势预测方法,其特征在于,包括:
获取与目标电影档期模式相似的多个已上映电影;其中,所述档期模式是指工作日和节假日的任意组合;
依据各所述已上映电影的至少一个影片特征,对各所述已上映电影进行评分;
依据评分结果,选取评分最高的前N个已上映电影;其中,N为大于等于1的正整数;
依据所述前N个已上映电影,确定所述目标电影在除上映首日之外的各上映日的目标票房涨跌幅度。
2.根据权利要求1所述的方法,其特征在于,所述获取与目标电影档期模式相似的多个已上映电影的步骤,包括:
从预设电影数据库中获取与所述目标电影档期模式相似的多个已上映电影。
3.根据权利要求1所述的方法,其特征在于,所述依据所述前N个已上映电影,确定所述目标电影在除上映首日之外的各上映日的目标票房涨跌幅度的步骤,包括:
获取所述前N个已上映电影在上映第M日的各票房涨跌幅度;其中,M为大于1的正整数;
计算各所述票房涨跌幅度的涨跌幅度平均值,将所述涨跌幅度平均值作为所述目标电影在所述第M日的目标票房涨跌幅度。
4.根据权利要求3所述的方法,其特征在于,在所述依据所述前N个已上映电影,确定所述目标电影在除首映日之外的各上映日的目标票房涨跌幅度的步骤之后,还包括:
按照预设算法确定所述目标电影在首映日的目标首映日票房;
依据所述目标票房涨跌幅度和所述目标首映日票房,计算所述目标电影在除所述首映日之外的各上映日的目标票房;
依据所述目标首映日票房和各所述目标票房,确定所述目标电影的预测总票房。
5.根据权利要求1所述的方法,其特征在于,所述影片特征包括:电影类型、首日票房、想看人数中的至少一种。
6.一种票房走势预测装置,其特征在于,包括:
相似电影获取模块,用于获取与目标电影档期模式相似的多个已上映电影;其中,所述档期模式是指工作日和节假日的任意组合;
评分模块,用于依据各所述已上映电影的至少一个影片特征,对各所述已上映电影进行评分;
选取模块,用于依据评分结果,选取评分最高的前N个已上映电影;其中,N为大于等于1的正整数;
目标涨跌幅确定模块,用于依据所述前N个已上映电影,确定所述目标电影在除上映首日之外的各上映日的目标票房涨跌幅度。
7.根据权利要求6所述的装置,其特征在于,所述相似电影获取模块包括:
相似电影获取子模块,用于从预设电影数据库中获取与所述目标电影档期模式相似的多个已上映电影。
8.根据权利要求6所述的装置,其特征在于,所述目标涨跌幅确定模块包括:
票房涨跌幅获取子模块,用于获取所述前N个已上映电影在上映第M日的各票房涨跌幅度;其中,M为大于1的正整数;
目标涨跌幅计算子模块,用于计算各所述票房涨跌幅度的涨跌幅度平均值,将所述涨跌幅度平均值作为所述目标电影在所述第M日的目标票房涨跌幅度。
9.根据权利要求8所述的装置,其特征在于,还包括:
目标首映日票房确定模块,用于按照预设算法确定所述目标电影在首映日的目标首映日票房;
各日目标票房计算模块,用于依据所述目标票房涨跌幅度和所述目标首映日票房,计算所述目标电影在除所述首映日之外的各上映日的目标票房;
预测总票房确定模块,用于依据所述目标首映日票房和各所述目标票房,确定所述目标电影的预测总票房。
10.根据权利要求6所述的装置,其特征在于,所述影片特征包括:电影类型、首日票房、想看人数中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810765755.9A CN109191165A (zh) | 2018-07-12 | 2018-07-12 | 一种票房走势预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810765755.9A CN109191165A (zh) | 2018-07-12 | 2018-07-12 | 一种票房走势预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109191165A true CN109191165A (zh) | 2019-01-11 |
Family
ID=64936044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810765755.9A Pending CN109191165A (zh) | 2018-07-12 | 2018-07-12 | 一种票房走势预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109191165A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004070640A2 (en) * | 2003-02-06 | 2004-08-19 | Mitsubishi Denki Kabushiki Kaisha | Method and system for recommending items to consumers in recommender system |
CN106127333A (zh) * | 2016-06-21 | 2016-11-16 | 北京大学 | 电影上座率预测方法和系统 |
CN106355346A (zh) * | 2016-09-18 | 2017-01-25 | 北京新传智库科技有限公司 | 一种基于神经网络算法的电影票房预测方法及预测系统 |
CN107633332A (zh) * | 2017-09-30 | 2018-01-26 | 国信优易数据有限公司 | 一种金融电子资源预测方法和系统 |
CN107665373A (zh) * | 2016-07-29 | 2018-02-06 | 上海新飞凡电子商务有限公司 | 一种混合模型的电影票房预测方法 |
-
2018
- 2018-07-12 CN CN201810765755.9A patent/CN109191165A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004070640A2 (en) * | 2003-02-06 | 2004-08-19 | Mitsubishi Denki Kabushiki Kaisha | Method and system for recommending items to consumers in recommender system |
CN106127333A (zh) * | 2016-06-21 | 2016-11-16 | 北京大学 | 电影上座率预测方法和系统 |
CN107665373A (zh) * | 2016-07-29 | 2018-02-06 | 上海新飞凡电子商务有限公司 | 一种混合模型的电影票房预测方法 |
CN106355346A (zh) * | 2016-09-18 | 2017-01-25 | 北京新传智库科技有限公司 | 一种基于神经网络算法的电影票房预测方法及预测系统 |
CN107633332A (zh) * | 2017-09-30 | 2018-01-26 | 国信优易数据有限公司 | 一种金融电子资源预测方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Møller et al. | Time-adaptive quantile regression | |
US10248528B2 (en) | System monitoring method and apparatus | |
Metan et al. | Real time selection of scheduling rules and knowledge extraction via dynamically controlled data mining | |
Dubath et al. | Random forest automated supervised classification of Hipparcos periodic variable stars | |
Bernard et al. | Using artificial neural networks to identify learning styles | |
Villa et al. | Exploring retailers' ordering decisions under delays | |
CN108256724B (zh) | 一种基于动态行业系数的配电网可开放容量规划方法 | |
CN108830417B (zh) | 一种基于arma和回归分析的生活能源消费预测方法及系统 | |
CN109119999A (zh) | 一种电力系统模型参数辨识方法及装置 | |
CN114881989A (zh) | 基于小样本目标对象缺陷检测的方法、装置、电子设备 | |
CN110458668A (zh) | 确定产品推荐算法的方法及装置 | |
CN110046278A (zh) | 视频分类方法、装置、终端设备及存储介质 | |
WO2016113648A1 (en) | Database statistical histogram forecasting | |
Dagnely et al. | Predicting hourly energy consumption. Can regression modeling improve on an autoregressive baseline? | |
CN105335537B (zh) | 视频专辑中网络媒介信息的曝光量的预估方法和系统 | |
US9739908B2 (en) | Utility usage forecasting | |
Huang et al. | Zero defect manufacturing of microsemiconductors–an application of machine learning and artificial intelligence | |
Estoque et al. | A geospatial approach for detecting and characterizing non-stationarity of land-change patterns and its potential effect on modeling accuracy | |
Shestopaloff et al. | On Bayesian inference for the M/G/1 queue with efficient MCMC sampling | |
US11693867B2 (en) | Time series forecasting | |
CN109191165A (zh) | 一种票房走势预测方法及装置 | |
JP6135454B2 (ja) | 推定プログラム、推定装置及び推定方法 | |
US20180285763A1 (en) | Hardware device based software selection | |
US20120109843A1 (en) | Visual analysis of a time sequence of events using a time density track | |
CN109614548A (zh) | 基于业务用户数变化率的信息展示方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190111 |
|
RJ01 | Rejection of invention patent application after publication |