一種影片首映日票房預測方法及裝置制造方法及圖紙

本發明專利技術公開了一種影片首映日票房預測方法及裝置，所述方法，包括：獲取目標影片的票房參考信息；所述票房參考信息包括：影片基本信息、用戶想看數據、用戶畫像數據；基于所述票房參考信息，利用預設的票房數據預測模型，獲取所述目標影片的首映日票房數據；其中，所述票房數據預測模型為根據已知首映日票房數據的歷史影片訓練得到。解決了現有的影片票房數據預測方法在確定影片首日票房時準確度低、參考性差的問題。取得了提高首映日票房預測準確性以及可參考性的有益效果。

A Box Office Prediction Method and Device for Film Opening Day

The invention discloses a box office prediction method and device for film opening day, which includes: obtaining box office reference information of target film; the box office reference information includes basic film information, user's desired data and user's portrait data; based on the box office reference information, using the preset box office data prediction model, obtaining the box office of the target film opening day. The box office data prediction model is based on the training of historical films with known box office data on the opening day. This method solves the problems of low accuracy and poor reference when determining the box office on the first day of a film. It achieves the beneficial effect of improving the accuracy and reference of box office prediction on the opening day.

【技術實現步驟摘要】
一種影片首映日票房預測方法及裝置
本專利技術涉及影片票房統計
，具體涉及一種影片首映日票房預測方法及裝置。
技術介紹
目前，隨著中國電影市場的快速發展，電影上映量也隨之增加，電影的票房數據作為電影行業的重要指標之一。而且隨著用戶需求日益增加和數據的收集方式也更加多樣化和全面化等原因，導致市場競爭越發激烈，電影首映日票房預測方法的優劣直接影響影片的放映場次、放映數量等。因而，準確地預測電影的次日票房數據顯得十分重要。但是票房提前預測是一個較難的問題，一是由于票房結果本身受很多因素影響，預測時間越早受到的干擾越多；二是票房數據的訓練數據量比較少，而且分布很不均勻。當前，相關技術中提供的影片票房數據的預測方法，主要是查看一些專業影評人結合專資辦發布的前幾日的影片的票房數據根據經驗預估的該影片的首日票房數據。在實現本專利技術的過程中，專利技術人發現相關技術中至少存在以下問題：采用目前的影片票房數據的預測方法來確定影片首日票房存在準確度低、參考性差的問題，無法實現對影院的排片起到準確地指導作用。
技術實現思路
鑒于上述問題，提出了本專利技術以便提供一種克服上述問題或者至少部分地解決上述問題的一種影片首映日票房預測方法和相應的一種影片首映日票房預測裝置。依據本專利技術的一個方面，提供了一種影片首映日票房預測方法，包括：獲取目標影片的票房參考信息；所述票房參考信息包括：影片基本信息、用戶想看數據、用戶畫像數據；基于所述票房參考信息，利用預設的票房數據預測模型，獲取所述目標影片的首映日票房數據；其中，所述票房數據預測模型為根據已知首映日票房數據的歷史影片訓練得到?？蛇x地，在所述基于所述票房參考信息，利用預設的票房數據預測模型，獲取所述目標影片的首映日票房數據的步驟之前，還包括：根據所述歷史影片的用戶畫像數據和用戶想看數據進行數據聚合，得到所述歷史影片的人群集合想看數據；基于所述歷史影片的人群集合想看數據，以及所述歷史影片的影片基本信息和首映日票房數據，訓練所述票房數據預測模型?？蛇x地，所述票房數據預測模型為神經網絡模型和線性模型的集成。可選地，所述基于所述歷史影片的人群集合想看數據，以及所述歷史影片的影片基本信息和首映日票房數據，訓練所述票房數據預測模型的步驟，包括：基于所述歷史影片的人群集合想看數據，以及所述歷史影片的影片基本信息，構建所述歷史影片的數據特征向量；以所述歷史影片的數據特征向量作為所述線性模型的輸入，以所述歷史影片的首映日票房數據作為所述線性模型的輸出，訓練所述線性模型，得到所述線性模型的權重向量；將所述權重向量與所述歷史影片的數據特征向量合并，并以合并后的向量作為所述神經網絡模型的輸入，以所述歷史影片的首映日票房數據作為所述神經網絡模型的輸出，訓練所述神經網絡模型。可選地，所述基于所述票房參考信息，利用預設的票房數據預測模型，獲取所述目標影片的首映日票房數據的步驟，包括：根據所述目標影片的用戶畫像數據和用戶想看數據進行數據聚合，得到所述目標影片的人群集合想看數據；基于所述目標影片的人群集合想看數據，以及所述目標影片的影片基本信息，構建所述目標影片的數據特征向量；將所述權重向量與所述目標影片的數據特征向量合并，并將合并后的向量輸入所述神經網絡模型，得到所述目標影片的首映日票房數據。根據本專利技術的另一方面，提供了一種影片首映日票房預測裝置，包括：票房參考信息獲取模塊，用于獲取目標影片的票房參考信息；所述票房參考信息包括：影片基本信息、用戶想看數據、用戶畫像數據；首映日票房獲取模塊，用于基于所述票房參考信息，利用預設的票房數據預測模型，獲取所述目標影片的首映日票房數據；其中，所述票房數據預測模型為根據已知首映日票房數據的歷史影片訓練得到?？蛇x地，還包括：第一想看數據聚合模塊，用于根據所述歷史影片的用戶畫像數據和用戶想看數據進行數據聚合，得到所述歷史影片的人群集合想看數據；預測模型訓練模塊，用于基于所述歷史影片的人群集合想看數據，以及所述歷史影片的影片基本信息和首映日票房數據，訓練所述票房數據預測模型?？蛇x地，所述票房數據預測模型為神經網絡模型和線性模型的集成。可選地，所述預測模型訓練模塊，包括：第一特征向量構建子模塊，用于基于所述歷史影片的人群集合想看數據，以及所述歷史影片的影片基本信息，構建所述歷史影片的數據特征向量；線性模型訓練子模塊，用于以所述歷史影片的數據特征向量作為所述線性模型的輸入，以所述歷史影片的首映日票房數據作為所述線性模型的輸出，訓練所述線性模型，得到所述線性模型的權重向量；神經網絡模型訓練子模塊，用于將所述權重向量與所述歷史影片的數據特征向量合并，并以合并后的向量作為所述神經網絡模型的輸入，以所述歷史影片的首映日票房數據作為所述神經網絡模型的輸出，訓練所述神經網絡模型?？蛇x地，所述首映日票房獲取模塊，包括：第二想看數據聚合子模塊，用于根據所述目標影片的用戶畫像數據和用戶想看數據進行數據聚合，得到所述目標影片的人群集合想看數據；第二特征向量構建子模塊，用于基于所述目標影片的人群集合想看數據，以及所述目標影片的影片基本信息，構建所述目標影片的數據特征向量；首映日票房獲取子模塊，用于將所述權重向量與所述目標影片的數據特征向量合并，并將合并后的向量輸入所述神經網絡模型，得到所述目標影片的首映日票房數據。根據本專利技術的影片首映日票房預測方法，通過獲取目標影片的票房參考信息；所述票房參考信息包括：影片基本信息、用戶想看數據、用戶畫像數據；基于所述票房參考信息，利用預設的票房數據預測模型，獲取所述目標影片的首映日票房數據；其中，所述票房數據預測模型為根據已知首映日票房數據的歷史影片訓練得到。解決了現有的影片票房數據預測方法在確定影片首日票房時準確度低、參考性差的問題。取得了提高首映日票房預測準確性以及可參考性的有益效果。上述說明僅是本專利技術技術方案的概述，為了能夠更清楚了解本專利技術的技術手段，而可依照說明書的內容予以實施，并且為了讓本專利技術的上述和其它目的、特征和優點能夠更明顯易懂，以下特舉本專利技術的具體實施方式。附圖說明通過閱讀下文優選實施方式的詳細描述，各種其他的優點和益處對于本領域普通技術人員將變得清楚明了。附圖僅用于示出優選實施方式的目的，而并不認為是對本專利技術的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：圖1示出了根據本專利技術一個實施例的一種影片首映日票房預測方法的步驟流程圖；圖2示出了根據本專利技術一個實施例的一種影片首映日票房預測方法的步驟流程圖；圖3示出了根據本專利技術一個實施例的一種影片首映日票房預測裝置的結構示意圖；以及圖4示出了根據本專利技術一個實施例的一種影片首映日票房預測裝置的結構示意圖。具體實施方式下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應當理解，可以以各種形式實現本公開而不應被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠將本公開的范圍完整的傳達給本領域的技術人員。實施例一詳細介紹本專利技術實施例提供的一種影片首映日票房預測方法。參照圖1，示出了本專利技術實施例中一種影片首映日票房預測方法的步驟流程圖。步驟110，獲取目標影片的票房參考信息；所述票房參考信息包括：影片基本信息、用戶想看數據、用戶畫像數據本文檔來自技高網...

【技術保護點】
1.一種影片首映日票房預測方法，其特征在于，包括：獲取目標影片的票房參考信息；所述票房參考信息包括：影片基本信息、用戶想看數據、用戶畫像數據；基于所述票房參考信息，利用預設的票房數據預測模型，獲取所述目標影片的首映日票房數據；其中，所述票房數據預測模型為根據已知首映日票房數據的歷史影片訓練得到。

【技術特征摘要】
1.一種影片首映日票房預測方法，其特征在于，包括：獲取目標影片的票房參考信息；所述票房參考信息包括：影片基本信息、用戶想看數據、用戶畫像數據；基于所述票房參考信息，利用預設的票房數據預測模型，獲取所述目標影片的首映日票房數據；其中，所述票房數據預測模型為根據已知首映日票房數據的歷史影片訓練得到。2.根據權利要求1所述的方法，其特征在于，在所述基于所述票房參考信息，利用預設的票房數據預測模型，獲取所述目標影片的首映日票房數據的步驟之前，還包括：根據所述歷史影片的用戶畫像數據和用戶想看數據進行數據聚合，得到所述歷史影片的人群集合想看數據；基于所述歷史影片的人群集合想看數據，以及所述歷史影片的影片基本信息和首映日票房數據，訓練所述票房數據預測模型。3.根據權利要求1或2所述的方法，其特征在于，所述票房數據預測模型為神經網絡模型和線性模型的集成。4.根據權利要求3所述的方法，其特征在于，所述基于所述歷史影片的人群集合想看數據，以及所述歷史影片的影片基本信息和首映日票房數據，訓練所述票房數據預測模型的步驟，包括：基于所述歷史影片的人群集合想看數據，以及所述歷史影片的影片基本信息，構建所述歷史影片的數據特征向量；以所述歷史影片的數據特征向量作為所述線性模型的輸入，以所述歷史影片的首映日票房數據作為所述線性模型的輸出，訓練所述線性模型，得到所述線性模型的權重向量；將所述權重向量與所述歷史影片的數據特征向量合并，并以合并后的向量作為所述神經網絡模型的輸入，以所述歷史影片的首映日票房數據作為所述神經網絡模型的輸出，訓練所述神經網絡模型。5.根據權利要求4所述的方法，其特征在于，所述基于所述票房參考信息，利用預設的票房數據預測模型，獲取所述目標影片的首映日票房數據的步驟，包括：根據所述目標影片的用戶畫像數據和用戶想看數據進行數據聚合，得到所述目標影片的人群集合想看數據；基于所述目標影片的人群集合想看數據，以及所述目標影片的影片基本信息，構建所述目標影片的數據特征向量；將所述權重向量與所述目標影片的數據特征向量合并，并將合并后的向量輸入所述神經網絡模型，得到所述目標影片的首映日票房數...

【專利技術屬性】
技術研發人員：張蒙，錢程，
申請(專利權)人：北京貓眼文化傳媒有限公司，
類型：發明
國別省市：北京,11