尹聰敏 竹翠 趙楓朝

摘 要：目前針對(duì)早期電影票房預(yù)測(cè)的研究較少，且預(yù)測(cè)精度不高。通過對(duì)中國(guó)電影票房市場(chǎng)的研究，發(fā)現(xiàn)隨著IP電影熱的興起，熱門小說IP改編成為電影票房的一大賣點(diǎn)。研究基于IP品質(zhì)的影響因子對(duì)電影票房預(yù)測(cè)的影響，選取電影票房預(yù)測(cè)中的3種經(jīng)典模型加以驗(yàn)證，分別是多元線性回歸模型、支持向量機(jī)模型、BP神經(jīng)網(wǎng)絡(luò)模型。通過對(duì)比實(shí)驗(yàn)得出增加IP品質(zhì)這一影響因子可使模型的R平方值得到提高。

關(guān)鍵詞：電影票房預(yù)測(cè)；多元線性回歸；支持向量機(jī)；BP神經(jīng)網(wǎng)絡(luò)；IP品質(zhì)

DOIDOI：10.11907/rjdk.181174

中圖分類號(hào)：TP301

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2018）010-0060-04

英文摘要Abstract：There are few studies on the prediction of the early movie box-office revenue，and the prediction accuracy is not high. Through the research of Chinese movie box-office market，we find that IP（Intellectual Property，IP） adaptation is a major selling point of movie box office.Therefore，we put forward the influence of IP quality factors on movie box-office prediction.Three classic models of movie box-office prediction are selected to be verified，which are multiple linear regression model，support vector machine model and BP neural network model.Through comparative experiments，it is concluded that the R square of the modelsare increased respectively by adding the influence factor of IP quality.

英文關(guān)鍵詞Key Words：movie box-office prediction；multiple linear regression ；support vector machine ；BP neural network ；IP quality

0 引言

不同國(guó)家和地區(qū)之間有著不同文化，而電影已成為文化交流的重要媒介。不僅如此，優(yōu)秀的電影能通過一則故事啟發(fā)人們對(duì)生活的思考，豐富人們的精神世界[1]。電影投資機(jī)構(gòu)迫切希望利用高票房為電影贏得口碑，并獲取可觀利潤(rùn)。然而，要評(píng)判一個(gè)電影是否具有高票房的潛質(zhì)，則需要對(duì)電影進(jìn)行投資風(fēng)險(xiǎn)評(píng)估。因此，電影票房預(yù)測(cè)對(duì)于電影投資決策具有重要意義[2]。 在業(yè)界，根據(jù)所選自變量數(shù)據(jù)的性質(zhì)，將電影票房預(yù)測(cè)方法分為兩類：早期預(yù)測(cè)與實(shí)時(shí)預(yù)測(cè)。早期預(yù)測(cè)所需數(shù)據(jù)來(lái)自于電影本身，實(shí)時(shí)預(yù)測(cè)所需數(shù)據(jù)則與電影無(wú)關(guān)，而是來(lái)自網(wǎng)絡(luò)社交媒體對(duì)電影的評(píng)價(jià)[3]。本文主要研究早期電影票房預(yù)測(cè)，由于針對(duì)早期電影票房預(yù)測(cè)的研究相對(duì)較少，且預(yù)測(cè)精度不高，本文通過對(duì)中國(guó)電影票房市場(chǎng)的調(diào)查，發(fā)現(xiàn)隨著IP（Intellectual Property）電影熱的興起，根據(jù)熱門小說IP改編的電影是高票房的重要保障之一，因此將IP品質(zhì)因子作為電影票房預(yù)測(cè)的一個(gè)新加變量進(jìn)行早期電影票房預(yù)測(cè)研究。

1 相關(guān)研究

上世紀(jì)80年代，西方學(xué)者開始進(jìn)行電影票房相關(guān)問題的研究，他們不斷進(jìn)行實(shí)驗(yàn)，希望找出影響電影票房的因素，進(jìn)而指導(dǎo)電影投資與拍攝。此后，很多學(xué)者也進(jìn)行了電影票房預(yù)測(cè)研究，并取得了一些成果[4]。西方學(xué)者對(duì)電影票房的預(yù)測(cè)研究基本上形成了一套體系，但是精度不高，缺乏實(shí)際應(yīng)用價(jià)值[5]。

Barry Litman[6]的電影票房預(yù)測(cè)模型在引入新增因素 MAPP、奧斯卡獲獎(jiǎng)情況基礎(chǔ)上，利用回歸分析，經(jīng)過多次實(shí)驗(yàn)得到一個(gè)基于多元線性回歸的電影票房預(yù)測(cè)模型。然而，該模型有很大的局限性，Barry采用電影租金收入代替電影票房，雖然電影票房與租金收入有一定關(guān)系，但仍存在差距。此后，Barman等[7]提出基于BP神經(jīng)網(wǎng)絡(luò)的電影票房預(yù)測(cè)方法，但其僅把電影類型作為自變量輸入，并且使用簡(jiǎn)單的布爾型數(shù)值表示輸入輸出結(jié)果，這在實(shí)際應(yīng)用時(shí)存在很大問題，僅提供了理論指導(dǎo)。近年來(lái)，很多學(xué)者也針對(duì)該領(lǐng)域進(jìn)行了大量研究，如趙偉[8]提出一種基于粗糙集與支持向量機(jī)（Support Vector Machine，SVM）的電影票房預(yù)測(cè)模型，通過集合粗糙集強(qiáng)大的數(shù)據(jù)處理能力與支持向量機(jī)的分類機(jī)理，設(shè)計(jì)出基于粗糙集的支持向量機(jī)。然而由于粗糙集理論尚存在缺陷，該方法在嚴(yán)格的數(shù)學(xué)證明方面仍有待進(jìn)一步研究。

通過調(diào)研發(fā)現(xiàn)，國(guó)內(nèi)針對(duì)電影票房預(yù)測(cè)的研究起步較晚，相關(guān)文獻(xiàn)較少。由于電影票房的影響因子很多，且沒有統(tǒng)一的量化標(biāo)準(zhǔn)，在獲取電影數(shù)據(jù)方面也有較大難度，從而使研究難度增大，導(dǎo)致電影票房預(yù)測(cè)研究進(jìn)展相對(duì)緩慢。本文通過對(duì)中國(guó)電影票房市場(chǎng)的研究，發(fā)現(xiàn)近幾年根據(jù)熱門小說IP改編的電影是電影票房的一大保障，因此增加IP品質(zhì)作為電影票房預(yù)測(cè)的新加因子，以提高早期電影票房預(yù)測(cè)精度。

2 模型選取

用于進(jìn)行電影票房預(yù)測(cè)的模型有多種，近年來(lái)隨著神經(jīng)網(wǎng)絡(luò)的興起，學(xué)術(shù)界多采用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行電影票房預(yù)測(cè)。本文選取3種最具代表性的預(yù)測(cè)模型，分別為線性回歸模型、支持向量機(jī)模型和BP神經(jīng)網(wǎng)絡(luò)模型。

通過觀察圖1可知，圖中有（d+l+1）q+l個(gè)參數(shù)需要確定：輸入層到隱藏層的d*q個(gè)權(quán)值、隱藏層到輸出層的q*l個(gè)權(quán)值與l個(gè)輸出層神經(jīng)元閾值。BP是一個(gè)迭代學(xué)習(xí)算法，在迭代的每一輪中采用廣義感知機(jī)學(xué)習(xí)規(guī)則對(duì)參數(shù)進(jìn)行更新估計(jì)。

BP算法是一種最有效的多層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法。其基本思想為：在前饋網(wǎng)絡(luò)中，輸入信號(hào)經(jīng)輸入層輸入，通過隱層計(jì)算后由輸出層輸出，輸出值與標(biāo)記值進(jìn)行比較，若有誤差，將誤差由輸出層向輸入層反向傳播。在該過程中，利用梯度下降算法對(duì)神經(jīng)元權(quán)值進(jìn)行調(diào)整。

3 變量研究

西方學(xué)術(shù)界對(duì)電影票房影響因素的研究起步較早，研究結(jié)果表明，演員、導(dǎo)演、檔期、發(fā)行商、分級(jí)、獲獎(jiǎng)、制作成本等因素都會(huì)對(duì)電影票房造成影響。我國(guó)電影產(chǎn)業(yè)起步相對(duì)較晚，發(fā)展尚不成熟，在參考西方學(xué)術(shù)界的研究結(jié)果時(shí)要綜合考慮我國(guó)電影產(chǎn)業(yè)現(xiàn)狀。由于中西方文化差異以及不同的管理制度，在變量選取方面，要結(jié)合我國(guó)電影產(chǎn)業(yè)實(shí)際情況進(jìn)行取舍。

3.1 因變量選取

本文因變量為電影票房，電影票房是一部電影放映期間的累計(jì)總收入。電影票房相關(guān)數(shù)據(jù)來(lái)源于電影票房數(shù)據(jù)庫(kù)，本文主要獲取年度票房中的電影數(shù)據(jù)。

3.2 自變量選取

本文選取以下幾個(gè)因素作為解釋變量。

（1） 主演和導(dǎo)演。由于對(duì)明星效應(yīng)的量化比較模糊，因此本文參考比較權(quán)威的量化標(biāo)準(zhǔn)，如Litman[6]提出的根據(jù)主演和導(dǎo)演是否獲得奧斯卡等權(quán)威獎(jiǎng)項(xiàng)，設(shè)定虛擬變量以衡量明星效應(yīng)。在不同國(guó)家有不同的獎(jiǎng)項(xiàng)劃分標(biāo)準(zhǔn)，根據(jù)獲獎(jiǎng)重量級(jí)別將導(dǎo)演和主演劃分為3類。

（2） 電影類型。不同電影類型有不同的受眾人群，本文根據(jù)業(yè)內(nèi)通用標(biāo)準(zhǔn)對(duì)電影進(jìn)行分類。在進(jìn)行變量處理時(shí)，電影類型中含有愛情、動(dòng)作、喜劇、科幻冒險(xiǎn)時(shí)變量設(shè)為1，否則為0[13]。

（3）上映檔期。上映檔期決定了人們是否有充裕的時(shí)間觀看。作為影響票房成敗的一個(gè)重要因素，目前國(guó)內(nèi)電影放映時(shí)間被分為賀歲檔、五一檔、暑期檔等多個(gè)檔期。在這些檔期內(nèi)，影迷觀影活動(dòng)會(huì)相對(duì)集中。因此，在檔期處理方面，熱門檔期取值為1，否則取值為0[13]。

（4）出品地區(qū)。由于進(jìn)口電影在大陸市場(chǎng)受歡迎程度較高，出品地區(qū)對(duì)大眾選擇也產(chǎn)生一定影響。因此，在出品地區(qū)方面，國(guó)內(nèi)（包括港澳臺(tái)）出品取0，其余取1[13]。

（5）IP改編。近年來(lái)IP改編熱潮持續(xù)不斷[14]，優(yōu)質(zhì)IP為影視劇改編提供了高質(zhì)量?jī)?nèi)容，并且具有大量粉絲基礎(chǔ)，所以根據(jù)IP改編的電影更容易產(chǎn)生高票房[15]。因此，根據(jù)暢銷小說改編的電影變量值取1，非改編電影即原創(chuàng)劇取0。

3.3 IP品質(zhì)

2015年，我國(guó)電影票房超過440億元，其中IP改編的電影票房為85.87億元，較2014年增長(zhǎng)了121%，占2015年國(guó)產(chǎn)片票房的36.1%，比2014年的24.04%高出12個(gè)百分點(diǎn)。在2015年票房前10名中，IP電影占7部，其中票房過10億的有4部，說明IP改編在很大程度上影響著票房收入[16]。但是如何定義一個(gè)IP的影響力呢？本文將其稱為IP品質(zhì)。考慮將IP品質(zhì)作為影響電影票房的一個(gè)新加因素，但由于條件限制，初步選取影響IP品質(zhì)的因素為：①熱門小說IP改編的知名度，用W表示；②相同IP系列電影的平均評(píng)分，用Avg表示。

4 實(shí)驗(yàn)驗(yàn)證

本文用于實(shí)驗(yàn)的電影數(shù)據(jù)來(lái)源于電影票房數(shù)據(jù)庫(kù)（http：//58921.com/alltime）。電影票房數(shù)據(jù)庫(kù)可提供全國(guó)各院線包括電影票房在內(nèi)的多項(xiàng)權(quán)威數(shù)據(jù)，本文選取2015-2017年間的546部電影在中國(guó)內(nèi)地上映的票房及電影數(shù)據(jù)，作為本次實(shí)驗(yàn)數(shù)據(jù)。在實(shí)驗(yàn)?zāi)Ｐ瓦x擇方面，本文選取3種具有代表性的模型：多元線性回歸模型、支持向量機(jī)模型、BP神經(jīng)網(wǎng)絡(luò)模型，主要調(diào)用機(jī)器學(xué)習(xí)中的sklearn庫(kù)構(gòu)建不同模型進(jìn)行實(shí)驗(yàn)，采用70%作為訓(xùn)練數(shù)據(jù)集，30%作為測(cè)試數(shù)據(jù)集。在回歸結(jié)果度量中，選用可解釋方差（R平方）的回歸評(píng)分函數(shù)作為評(píng)價(jià)指標(biāo)。

通過實(shí)驗(yàn)得到如圖2所示的回歸預(yù)測(cè)結(jié)果對(duì)比柱狀圖。分別是不加IP影響因子、新加IP改編因子、新加IP品質(zhì)3種情況下，回歸預(yù)測(cè)的R平方值。通過對(duì)比發(fā)現(xiàn)，增加是否為IP改編這一因子能提高R平方值，但由于其變量處理機(jī)制比較粗糙，所以通過參考貝葉斯投票機(jī)制計(jì)算出IP品質(zhì)，并在電影票房預(yù)測(cè)中新加IP品質(zhì)作為影響因子，將對(duì)電影票房的提高有較大影響。

5 結(jié)語(yǔ)

本文提出IP品質(zhì)因子，并采用3個(gè)有代表性的模型完成驗(yàn)證性實(shí)驗(yàn)，從而驗(yàn)證了在早期電影票房預(yù)測(cè)中，通過新加IP品質(zhì)影響因子，可以使票房預(yù)測(cè)準(zhǔn)確度得到提升。后續(xù)研究重點(diǎn)是基于本文提出的IP品質(zhì)計(jì)算方法，對(duì)其它影響因子進(jìn)行合理量化，以進(jìn)一步完善早期電影票房預(yù)測(cè)方法，從而幫助電影投資人規(guī)避投資風(fēng)險(xiǎn)，獲取最大利益，并對(duì)我國(guó)電影市場(chǎng)的發(fā)展起到一定推動(dòng)作用。

參考文獻(xiàn)：

[1] GINSBURGH V A，THROSBY D.Handbook of the economics of art and culture[J].David Throsby，2006，32（1）：79-81.

[2] JEHOSHUA E，ELBERSE A，LEENDERS M A. The motion picture industry：critical issues in practice，current research，and new research directions[J].Marketing Science，2006（6）：638-661.

[3] 謝靜.基于微博數(shù)據(jù)的電影票房預(yù)測(cè)[D].保定：河北大學(xué)，2016.

[4] MARSHALL P，DOCKENDORFF M，IBEN··EZ S.A forecasting system for movie attendance[J].Journal of Business Research，2013，66（13）：1800-1806.

[5] SAWHNEYMS，ELIASHBERGJ.A parsimonious model for forecasting gross box-office revenues of motion picture[J].Marketing Science，1996，15（2）：113-131.

[6] LITMAN B R，KOHL L S.Predicting financial success of motion pictures：The ′80s experience[J].Journal of Media Economics，1989，2（2）：35-50.

[7] BARMAN D，CHOWDHURY N，SINGHA R K.To predict possible profit/loss of a movie to be launched using MLP with back-propagation learning[C].International Conference on Communications，Devices and Intelligent Systems，2013：322-325.

[8] 趙偉.基于粗糙集與支持向量機(jī)的票房預(yù)測(cè)研究[D].大連：大連理工大學(xué)，2009.

[9] GUO Y，GOH H L."I Have AIDS"：content analysis of postings in HIV/AIDS support group on a Chinese microblog[J].Computers in Human Behavior，2014，34（34）：219-226.

[10] 代亮，許宏科，陳婷，等.基于MapReduce的多元線性回歸預(yù)測(cè)模型[J].計(jì)算機(jī)應(yīng)用，2014，34（7）：1862-1866.

[11] 丁世飛，齊丙娟，譚紅艷.支持向量機(jī)理論與算法研究綜述[J].電子科技大學(xué)學(xué)報(bào)，2011，40（1）：2-10.

[12] 聞新，張興旺，朱亞萍，等.智能故障診斷技術(shù)：MATLAB應(yīng)用[M].北京：北京航空航天大學(xué)出版社，2015.

[13] 王一帆.我國(guó)電影票房影響因素分析[J].市場(chǎng)研究，2015（5）：30-32.

[14] 徐霞.著作權(quán)視角下的IP改編與影視產(chǎn)業(yè)發(fā)展[J].現(xiàn)代視聽，2016（6）：26-29.

[15] 熊芳.中國(guó)IP影視劇改編現(xiàn)狀研究[J].西安電子科技大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2017（2）：136-140.

[16] 袁國(guó)寶.互聯(lián)網(wǎng)+IP如何深度挖掘IP價(jià)值[J].互聯(lián)網(wǎng)經(jīng)濟(jì)，2016（8）：12-15.

（責(zé)任編輯：黃 ?。?/p>