基于BP神經(jīng)網(wǎng)絡(luò)的國產(chǎn)電影票房預測研究

李奕，王曉峰

（上海海事大學信息工程學院，上海201306）

0 引言

2017年中國電影總票房突破500億大關(guān)，細數(shù)近10年，就中國電影票房而言，從2009年的100億元激增到2017年559億元，創(chuàng)造了各種票房神話。隨著政府扶持政策不斷出臺，吸引了包括阿里在內(nèi)多個互聯(lián)網(wǎng)巨頭投資影業(yè)，這種種跡象表明，我國電影市場正向產(chǎn)業(yè)化轉(zhuǎn)型。然而經(jīng)過調(diào)研表明，中國電影市場并沒有表明上光鮮，除去國外引進片，多達七成的國產(chǎn)電影處于虧本狀態(tài)，所以能否提前預測一部電影在上映之前的票房多少對投資人來說至關(guān)重要。

1 國內(nèi)外研究現(xiàn)狀

得益于國外電影業(yè)比中國成熟，國外學者在票房預測模型方面有很多建樹，20世紀80年代李特曼票房模型[1]認為電影票房取決于創(chuàng)意、發(fā)行、營銷三個方面，導演、演員、出品地、類型、續(xù)集、檔期、提名、劇情、評分、發(fā)行公司這十大因素與票房相關(guān)。20世紀90年代斯格特·蘇凱票房模型[2]認為電影票房主要包括創(chuàng)意、發(fā)行模式和市場推廣三個方面，屏幕數(shù)量、分級、奧斯卡提名、奧斯卡獲獎、檔期、圣誕節(jié)上映、MPAAR分級、CR104等22個因素與票房相關(guān)。21世紀初陳白鶴等［3］提出電影票房取決于電影品牌、客觀特征、專家的評級和觀眾的評級、經(jīng)銷商這四個方面，模型因素包括了預算、觀眾和專家評級、續(xù)集、屏幕數(shù)量、MPAAR、演員、劇本、檔期、復活節(jié)上映等。2006年Sharda[4]提出以多層神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)對電影票房進行分類，但其數(shù)據(jù)收集時全部采用0，1賦值，喪失了數(shù)據(jù)的解釋性。2012年Barman[5]等提出利用反饋神經(jīng)網(wǎng)絡(luò)算法對電影票房進行了預測，但其神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單，只有一個隱藏層，也忽略了導演、演員等一系列影響因素。2013年Marshall[6]等提出結(jié)合電影實時觀影人次進行動態(tài)預測電影票房。2014年隨著大數(shù)據(jù)和云計算技術(shù)的迅猛發(fā)展，百度票房預測模型［7］利用搜索引擎和社交網(wǎng)絡(luò)關(guān)鍵詞的搜索量、轉(zhuǎn)發(fā)量、評論量、各大主流視頻網(wǎng)站電影預告片的點擊量加上各項百度指數(shù)等諸多因素綜合來預測電影票房，然而由于樣本有些可以人為更改，“臟數(shù)據(jù)”的存在導致百度票房模型有時預測偏差過大，例如2014年上映的《黃金時代》，模型給出的兩億票房預測值與實際慘淡的4000萬相去甚遠。同年，鄭堅[8]等在Barman的基礎(chǔ)上根據(jù)電影上映期間的數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)進行了優(yōu)化。2015年重慶大學李金芝[9]等提出了基于泛函網(wǎng)絡(luò)的票房預測模型，通過先對電影進行聚類再預測的方法，但其僅選取了231部樣本，其中15部作為測試集，一共選擇了五個因子作為網(wǎng)絡(luò)的輸入端，誤差精度也較大。2016年張慧[10]等提出基于深度學習對電影票房進行預測，但其僅選擇2015年和2016年票房前25名共計50部票房相關(guān)數(shù)據(jù)作為樣本，數(shù)據(jù)樣本過小，導致說服力不大。2017年張雪[11]等探索性運用卷積神經(jīng)網(wǎng)絡(luò)對國內(nèi)電影票房進行預測，但缺少制作成本、宣傳成本、微博、電影評分等一系列相關(guān)數(shù)據(jù)導致結(jié)果不是非常理想。

表1 部分原始數(shù)據(jù)表

2 數(shù)據(jù)因子來源及說明

本文結(jié)合上述國內(nèi)外現(xiàn)狀，從豆瓣網(wǎng)、微博、時光網(wǎng)、藝恩網(wǎng)以及中國電影票房網(wǎng)這五個電影票房網(wǎng)站處選取了共計20個相關(guān)因素，并進行了適當?shù)臄?shù)據(jù)預處理，構(gòu)建了一個國內(nèi)電影票房相關(guān)因子數(shù)據(jù)集。其中微博2009年出現(xiàn)，導致相關(guān)數(shù)據(jù)僅能從2009年后開始搜集。因此本文選取了2010年到2017年這八年一共440部票房過千萬的電影作品作為研究對象，由于國產(chǎn)電影的類型較為集中，因此本文未將電影類型選為因素，同時也去除了像音樂劇、動畫劇、配音劇，愛國宣傳劇等類型較少，數(shù)據(jù)無法考察的微量樣本。除此之外，由于所有樣本均是內(nèi)地上映的國產(chǎn)電影，因此也未將出品地作為相關(guān)因子。

本文選取票房數(shù)據(jù)相關(guān)因素原始數(shù)據(jù)如表1，因子說明見表2。

3 實驗模型構(gòu)建及介紹

神經(jīng)網(wǎng)絡(luò)模型起源于人類對自身思維模式的探究，是一個非線性的數(shù)據(jù)建模工具，由輸入層和輸出層外加一個或者多個隱藏層，神經(jīng)元之間相互連接并同時賦予相關(guān)權(quán)重，根據(jù)不同數(shù)據(jù)可以選擇不同算法進行訓練，通過不斷調(diào)整學習率、偏置、網(wǎng)絡(luò)權(quán)重等參數(shù)，從而當誤差最小化時給出相應預測值。神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)的線性回歸模型不同，它無需數(shù)據(jù)集的因變量和自變量有特定關(guān)系，隨著大量數(shù)據(jù)進行不斷迭代訓練后，神經(jīng)網(wǎng)絡(luò)將自動接近最貼近的內(nèi)在模型結(jié)構(gòu)，從而建立函數(shù)內(nèi)在映射關(guān)系。當前隨著人工智能的復興，針對各行各業(yè)的需求，越來越多的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)不斷出現(xiàn)，并在圖像處理、圖像分類、導航、數(shù)據(jù)預測、通信等多個領(lǐng)域有了運用，這些運用正極大地改變?nèi)祟惖纳罘绞健?/p>

表2 數(shù)據(jù)因子說明表

本文采用的BP神經(jīng)網(wǎng)絡(luò)是所有神經(jīng)網(wǎng)絡(luò)中最為基礎(chǔ)也是應用最廣闊的模型之一。本文以電影票房數(shù)值為因變量，IP改編、特效、序列、出品公司、發(fā)行公司、檔期為因子，剩余14個連續(xù)型因子作為協(xié)變量搭建模型。數(shù)據(jù)集劃分為訓練集和測試集，其比例為8:2如表3所示，采用交叉檢驗的方式，迭代次數(shù)5000次。模型結(jié)構(gòu)如圖2，其輸入層共有20個神經(jīng)節(jié)點，共計2個隱藏層，其中本文根據(jù)公式（1）-（3）選取了隱藏層節(jié)點個數(shù)，其中M代表隱藏層節(jié)點數(shù)，N代表輸入層節(jié)點數(shù)，L代表輸出層節(jié)點數(shù)，α代表1-10之間的常數(shù)，根據(jù)最佳節(jié)點選擇公式，本模型分別試用了（9，4）和（7,3）節(jié)點數(shù)，經(jīng)過多次測試發(fā)現(xiàn)當?shù)谝粋€隱藏層有9個節(jié)點，第二個隱藏層有4個節(jié)點效果最佳，網(wǎng)絡(luò)信息如表4。此外激活函數(shù)選取了tanh雙曲正切函數(shù)，訓練類型采用批處理方式，學習算法采用梯度下降算法，經(jīng)過多種調(diào)試后發(fā)現(xiàn)當學習率為0.38，動能0.9，偏置為0.5時可以得到令人滿意的預測值，最終結(jié)果采用此參數(shù)設(shè)置運行10次后的平均值。

本文整體模型思路流程如圖3。

4 實驗結(jié)果分析

圖1 BP神經(jīng)網(wǎng)絡(luò)最簡單結(jié)構(gòu)

表3

表4

圖2

模型預測部分結(jié)果如表5。

表5

圖3 模型的建立過程

摘錄仿真實驗的部分結(jié)果可知，發(fā)現(xiàn)各大票房區(qū)間擬合結(jié)果令人滿意，第386條《追兇》誤差值最大為12.5%，除去超過20億票房的捉妖記和美人魚誤差預測較大外，其余誤差基本控制在[-10%,10%]以內(nèi)。其中捉妖記和美人魚分別是2015年和2016年內(nèi)地票房冠軍，口碑良好，尤其《美人魚》是導演周星馳歷時三年創(chuàng)作出來的作品，鑒于星爺在中國粉絲眾多，加上電影題材新穎與當時熱門話題環(huán)保相結(jié)合，很多人二刷三刷電影票前去支持，由于本文所有數(shù)據(jù)是根據(jù)電影上映前收集而來，確實也未考慮到群眾效應帶來的影響，因此未能進行較為準確的預測情有可原。

5 結(jié)語

本文從中國內(nèi)地電影票房市場出發(fā)，把電影實際總票房作為因變量，導演、編劇、第一主演、第二主演、第三主演、上映檔期等多達20個因子作為自變量，并對其進行了歸一化處理，另外對BP神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)做了調(diào)整，優(yōu)化了BP神經(jīng)網(wǎng)絡(luò)電影預測票房模型，最終效果令人滿意。值得注意的是，本文暫未將盜版因素考慮在內(nèi)，鑒于國內(nèi)盜版情況屢見不鮮，為了更加精準的分析預測，希望相關(guān)部門加以管制，本文鼓勵支持正版。