基于隨機森林算法的國產(chǎn)電影票房影響因素分析

高尚

【摘 要】為得出影響我國國產(chǎn)電影票房的主要因素，利用網(wǎng)絡(luò)爬蟲技術(shù)，爬取藝恩網(wǎng)站2010-2018年排名在前30的電影數(shù)據(jù)，共計270部。同時基于隨機森林回歸算法構(gòu)建電影票房預(yù)測模型。根據(jù)模型得出，同檔期影片競爭、片花和預(yù)告片播放量以及點映票房三個指標(biāo)是影響國產(chǎn)電影票房的主要因素

【關(guān)鍵詞】電影票房；隨機森林回歸算法；影響因素

一、前言

2019年春節(jié)檔首周票房高達(dá)58.3億，接近2010年全年總票房。整個春節(jié)檔期間，電影《流浪地球》狂攬46億票房，位居中國影史第二位。從08年的43.41億總票房到18年的近600億票房，我國電影市場迅速發(fā)展。不僅吸引眾多互聯(lián)網(wǎng)企業(yè)重金投入，同時極大的促進(jìn)了我國文化產(chǎn)業(yè)的發(fā)展。隨著國家逐步放開電影投資對民間資本的限制，越來越多的人選擇參與到電影投資中，希望從中獲利。然而，由于電影產(chǎn)品的獨特性，對其進(jìn)行準(zhǔn)確把握進(jìn)而合理投資是難以做到的。因此，分析電影票房的影響因素，進(jìn)而降低電影投資中存在的風(fēng)險，對于參與該項投資的民間資本和相關(guān)的投資企業(yè)都是有益的。

二、文獻(xiàn)綜述

由于建國初期社會的封閉性，國內(nèi)電影行業(yè)的發(fā)展受到極大限制。直到20世紀(jì)初，仍然存在電影種類單一、投資機制不成熟的問題。同時期，國外對于電影行業(yè)的預(yù)測、影響因素分析做過大量研究，其中，Litman[1]在1989年提出電影票房的預(yù)測應(yīng)從創(chuàng)意、發(fā)行、銷售三個角度來進(jìn)行分析，并基于導(dǎo)演、演員檔期等10個變量建立了多元回歸模型，對電影票房進(jìn)行預(yù)測。Sochay[2]在Litman的基礎(chǔ)之上，引入放映周數(shù)、市場集中度等變量，使得模型的變量數(shù)達(dá)到22個。隨著機器學(xué)習(xí)算法的不斷發(fā)展，眾多外國學(xué)者也開始嘗試將機器學(xué)習(xí)模型應(yīng)用于電影票房的預(yù)測。其中，Sharda[3]首先嘗試基于MLP模型，進(jìn)行電影票房的分類研究；在這之后，Barman[4]于2012年提出利用BP神經(jīng)網(wǎng)絡(luò)算法對電影票房進(jìn)行預(yù)測，但其模型過于簡單，僅涉及一個隱藏層，難以準(zhǔn)確的學(xué)習(xí)出數(shù)據(jù)的高度非線性結(jié)構(gòu)。

國內(nèi)學(xué)者的研究中，陳白鶴[5]等于2005年提出電影票房應(yīng)取決于電影品牌、特征、專家評級和觀眾評價以及電影的銷售方這四個方面；張玉松[6]則在考慮異方差的基礎(chǔ)上，綜合考慮導(dǎo)演和演員來量化電影品牌，并基于加權(quán)最小二乘法估計，得出電影品牌與票房之間存在正相關(guān)關(guān)系；在數(shù)據(jù)分布方面，王錚[7]注意到我國電影票房存在明顯的“二八效應(yīng)”（高偏態(tài)性），故采用臨界值方法，構(gòu)建Logit模型進(jìn)行回歸，并得出是否續(xù)集、電影評分、上映檔期、明星和導(dǎo)演效應(yīng)對票房有著積極影響，而居民收入無顯著影響。在利用機器學(xué)習(xí)方法對電影票房的研究方面，張慧[8]等提出基于深度學(xué)習(xí)模型對電影票房進(jìn)行預(yù)測，但其數(shù)據(jù)樣本過小，僅有50部影片，估計的結(jié)果說服力不大；張雪[9]等嘗試運用卷積神經(jīng)網(wǎng)絡(luò)對國內(nèi)電影票房進(jìn)行預(yù)測，但忽視電影成本、電影評分等重要數(shù)據(jù)導(dǎo)致所得結(jié)果并不理想。

相關(guān)研究中，較少涉及使用機器學(xué)習(xí)算法進(jìn)行電影票房的影響因素分析。因此，本文選用隨機森林回歸算法構(gòu)建國產(chǎn)電影票房的預(yù)測模型，同時計算出影響電影票房的主要因素，以便拓寬該領(lǐng)域的相關(guān)研究，并為電影投資人提供一定的投資依據(jù)。

三、變量選取

數(shù)據(jù)方面，考慮到電影票房數(shù)據(jù)存在的嚴(yán)重偏態(tài)性，本文選取2010-2018年在國內(nèi)上映的且排名在當(dāng)年前30位的國產(chǎn)電影，共計270部，并通過網(wǎng)絡(luò)爬蟲技術(shù)獲取相應(yīng)的數(shù)據(jù)。數(shù)據(jù)來源于藝恩網(wǎng)站i。除此之外，2010年以來國務(wù)院前后制訂了一系列的政策來扶持內(nèi)地電影行業(yè)的發(fā)展，因此本文的數(shù)據(jù)選取時間段也充分考慮了數(shù)據(jù)的時效性。

四、模型構(gòu)建

（一）隨機森林回歸模型

由于電影票房數(shù)據(jù)之間存在高度非線性關(guān)系，即某一特定變量難以線性對應(yīng)票房數(shù)值，兩者之間的變化往往是非線性相關(guān)的，因此采用以往的計量模型進(jìn)行分析難免會產(chǎn)生偏差。

為更好的挖掘出數(shù)據(jù)之間的非線性關(guān)系，我們選用隨機森林回歸模型來構(gòu)建電影票房預(yù)測模型，該模型不僅可以用來預(yù)測某部電影的具體票房情況，還可根據(jù)整體數(shù)據(jù)情況，給出各個變量對電影票房的重要性大小，分析電影票房的影響因素。除此之外，該模型的分類形式隨機森林分類算法在數(shù)據(jù)的分類領(lǐng)域也被廣泛的應(yīng)用。

隨機森林回歸模型集成了若干子模型，采用bootstrap重抽樣方法選擇訓(xùn)練樣本，共抽取n次，并賦予每個樣本等權(quán)重；在子模型的權(quán)重賦值上，每個子模型等權(quán)重。除此之外，通過隨機抽樣方法構(gòu)建模型可有效降低數(shù)據(jù)的過擬合以及噪聲對模型的影響。

（二）結(jié)果分析

在訓(xùn)練時，我們采用10次交叉驗證的方法，驗證模型是否出現(xiàn)過擬合。同時，我們基于R2指標(biāo)來檢驗?zāi)Ｐ偷挠?xùn)練效果，并與單個樹回歸子模型進(jìn)行對比，驗證隨機森林回歸模型的有效性，具體結(jié)果見表2。

可以看出，基于隨機森林算法構(gòu)建的票房預(yù)測模型可以較準(zhǔn)確的擬合所給數(shù)據(jù)。除此之外，通過計算刪除某個變量前后模型結(jié)果的變化，本文得出了影響電影票房的主要因素及其對應(yīng)的重要性大小，具體見表3。

可以發(fā)現(xiàn)，在所選的指標(biāo)中，同檔期影片競爭、片花和預(yù)告片播放量以及點映票房是影響我國電影票房的三個主要因素，而是否改編以及是否續(xù)集對電影票房的影響較小。因此，為了保證上映影片能夠取得高票房，電影的制作和發(fā)行方應(yīng)更加注重影片的前期宣傳工作，以便營造良好口碑來贏得觀眾青睞；同時應(yīng)盡量避免與多部強勢影片同時上映，以免同期票房過多流失。

五、總結(jié)

本文通過網(wǎng)絡(luò)爬蟲技術(shù)，在藝恩網(wǎng)站上抓取2010-2018年中國國產(chǎn)電影票房排名在前30的相關(guān)數(shù)據(jù)，并基于隨機森林算法構(gòu)建了國產(chǎn)電影票房的預(yù)測模型。并得出同檔期影片競爭、片花和預(yù)告片播放量以及點映票房三個指標(biāo)是影響國產(chǎn)電影票房的主要因素，而相比之下，電影否改編以及是否續(xù)集對票房的影響較小。相關(guān)結(jié)論既可以為民間投資者提供一定的投資參考，也可為電影的制片人、發(fā)行方等提供指導(dǎo)，助力電影票房實現(xiàn)新的突破。

注釋：

i http：//www.cbooo.cn/year？year=2019

【參考文獻(xiàn)】

[1]Barry R. Litman，Linda S. Kohl， Predicting Financial Success of Motion Pictures：The 80s Experience[J]. Journal of Media Economics 1989：51-95.

[2]Sochay S. Predicting the Performance of Motion Pictures[J]. Journal of Media Economics，1994，7（4）：1-20.

[3]Ramesh Sharda； DursunDelenShard.Predicting Box-Office Success of Motion Pictures with Neural Networks[J].Expert Systems with Applications，2006，30（2）：243-254

[4]Barman； D.；Chowdhury； N.；Singha.To Predict Possible Profit/Loss of a Movie to be Launched Using MLP with Back-PropagationLearning[C].NJ：IEEE Press，2012，15（06）：322-325

[5]Byeng-Hee Chang and Eyun-Jung Ki.Devising a Practical Model for Predicting Theatrical Movies Success：Focusing on the Experience Good Property[J]. Journal of Media Economics 2009，18（3）：61-97

[6]張玉松； 張鑫 電影票房的影響因素分析[J].經(jīng)濟論壇2009（4）

[7]王錚； 許敏 電影票房的影響因素分析——基于Logit模型的研究[J] 經(jīng)濟問題探索 2013（11）

[8]張慧，王世偉. 基于深度學(xué)習(xí)對電影票房的預(yù)測[J]. 湖北第二師范學(xué)院學(xué)報，2017（8）

[9]張雪. 基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的電影票房預(yù)測[D]. 北京 首都經(jīng)濟貿(mào)易大學(xué)，2017.