电影票房

摘要： 根据猫眼专业版数据,2021年前三季度全国电影总票房为348.73亿元,就第三季度的电影票房来看,仅仅只有73.04亿元。除了新冠肺炎疫情的影响,进口大片的缺失也是造成“最冷暑期档”的一大原因。2021年前三季度的进口电影票房仅仅只有66.83亿元,只占到全国总票房的19.16%;国产电影票房占全国总票房的80.70%,为281.42亿元。

摘要： 2021年,我国游戏市场的实际销售收入为2965.13亿,同比增长20.71%[1]。这个数字比疫情前国内电影票房峰值的四倍还高。的确,在疫情之下,以网络游戏为代表的数字文化产业的媒介优势被进一步放大,不仅没有受到线下实体消费不足的冲击,反而又回到了前些年移动互联网普及时期的高增幅。

摘要： 近年来,中国电影产业迅速发展,电影市场爆发式增长,电影票房不断创造佳绩。就票房表现来说,海外电影引进功不可没。相关数据显示:2017年,中国进口电影票房为258.07亿,在全年总票房收入中的占比高达46.41%,其中票房过亿的影片共有92部。当前,中国从海外引进电影越来越频繁,促进中国电影产业发展取得显著的成效,除了获得直接的票房收益外,还为中国电影创作提供了新的思路,有助于中国电影内容质量的升级,从而对整个电影产业的发展带来深远的影响。

摘要： 2022年春节档正式结束。今年的影片种类涉及面广,内容也颇为扎实,历史战争片、励志片、喜剧片、动画片轮番上场。根据猫眼2月7日发布的《2022春节档数据洞察》,2022年春节档(除夕至正月初六,1月31日至2月6日)全国城市影院电影票房报收60.35亿元,较去年的78.43亿元下滑了23%,位列影史第二;2022年春节档观影人次创下近4年的新低,仅1.14亿人次,较2021年减少4600万人次。

摘要： 春节档票房破60亿位列影史第二2月7日国家电影局发布数据,2022年1月31日除夕至2月6日正月初六,我国电影票房达60.35亿元,取得影史春节档票房第二的成绩。其中,《长津湖之水门桥》以25.28亿元票房成绩领跑,《这个杀手不太冷静》《奇迹·笨小孩》《熊出没·重返地球》《四海》《狙击手》位列票房榜二至六位。——@新华社@2022年春节档电影现象专家研讨会:在疫情影响和冬奥会分流的背景之下,2022年春节档仍然能够取得如此成绩值得欣慰,证明在全体电影人和广大观众的热爱下,电影产业仍然保持了良好的生产状态和市场反应。

摘要： 2022年1月1日,国家电影局发布数据,2021年中国电影总票房达472.58亿元,其中国产电影票房为399.27亿元,占总票房的84.49%;城市院线观影人次11.67亿。全年新增银幕6667块,银幕总数达到82248块。中国电影产业快速复苏发展,全年总票房和银幕总数继续保持全球第一。2021年步入后疫情时代,国际疫情影响尚未消退,《2021中国电影年度调查报告》[1]数据显示:纵观2021年全球电影市场,中国以超70亿美元累计票房蝉联全球票房TOP10地区票房中,中国票房占比由2022年的42.49%上升至50.32%,在全球电影市场中持续保持强势领先地位。这显示出当下国内电影市场动能依然强劲,继续向电影强国的目标迈进。

摘要： 电影是衡量一个国家文化软实力的重要标识,也是讲好中国故事、展现中国风采的重要载体。近年来,我国电影产业发展迅猛,2020年中国已成为全球第一大电影市场。2021年11月5日,国家电影局发布《“十四五”中国电影发展规划》,计划每年产出50部左右票房过亿元的国产影片。电影属于高风险高投资的活动,为降低影视项目的风险,提高影片的成功率,获得更高的票房,本文以2019年中国内地票房排行前50名的影片为主要研究样本,探究高票房电影的规律。通过数据分析与对比,发现2019年电影市场具有总体上体量庞大但两极分化严重,头部效应明显且头部影片的出品公司集中度较高的特征。同时在研究中发现,高票房电影中由IP改编的影片占据市场主流,口碑效应对票房的影响增加,科幻及动作题材表现抢眼,动画电影发展势头强劲,档期在一定程度上能够助力影片取得高票房等规律。基于以上规律,笔者为影视工作者提出了打造高质量IP及续集电影、发掘题材蓝海、精准定位寻找合适档期三点建议,以期为中国电影市场的蓬勃发展贡献力量。

摘要： 2009年,《阿凡达》一举创下了高不可攀的票房神话,将3D电影推向了一个新的发展纪元,中国的3D电影自此成井喷式发展,每年年产量基本维持在10部左右,2018年突破20部。在全球电影票房下滑的背景下,2017年至2019年,我国3D电影票房增速约为10%。目前,中国电影市场稳居世界第二,仅次于美国。

摘要： 为进一步挖掘票房影响因素,文章以2600个电影的18维数据为样本,分别利用随机森林、极端随机树、梯度提升树,三种集成学习算法对票房进行回归分析,并通过特征重要性分析影响票房的关键因素。极端随机树的预测效果最好为91.7%,较最新的中国电影票房结果提升了6%,对票房影响重要性前三分别为电影编剧、导演和类型。

摘要： 在流量经济时代,“流量+明星”的组合套装是电影制作方谋取更高票房的“法宝”。但与此同时,明星天价片酬、票房毒药、流量明星“失效”等一系列问题也逐渐浮出水面。作为电影中最受关注的部分,明星效应究竟能对电影票房产生什么影响?究竟是明星更重要,还是电影的其他特征更重要?随着电影市场的竞争逐渐激烈,观众的观影期待逐渐拉高,想要靠流量明星创造高票房的“魔幻”时代已经过去,只有让市场回归理性、作品回归质量、制作方注重观众需求,才能用诚意换来票房,实现市场的良性持续发展。

摘要： 随着互联网的发展,微博成为网民发表意见及表达情感的重要平台,微博文本为文本情感分析提供了大量的语料.微博情感可以用于预测电影票房,从而有效降低电影市场投资的风险.以往关于用微博情感预测电影票房的文献多基于将微博文本分为积极和消极两种极性,然而越来越多的研究表明人们的情感表达是更加丰富和细腻的.本文将利用Word2vec模型扩展一个人工标注的多类别情感词库,然后利用该扩展的词库分析微博影评的多类别情感,进一步在自回归模型中加入多类别情感对电影票房进行预测.本文的主要贡献包括以下两个方面:首先,基于Word2vec提出一套完整的方法,用以挖掘微博影评中的情感词,并对新情感词进行情感倾向分类和情感强度赋值,最终获得一个适用于微博电影评价的多类别情感词库;其次,本文首次从多类别情感维度进行微博情感分析,并利用稳健的实验结果证明了微博多类别微博情感的票房预测能力高于积极和消极微博情感的预测能力.

摘要： 网络信息的传播特征与病毒的传播特征十分相似,存在共通点.考虑到网络口碑也属于网络信息,本文引入一种研究流行病研究的数学模型——SEIR模型作为流程框架,并结合传播学、口碑营销理论,对网络口碑与电影票房的影响机制进行了探讨.并得出如下结论:(1)网络口碑与电影票房之间存在着相互影响的关系;(2)电影网络口碑与电影票房的形成是动态的,前一阶段的口碑与票房会相应对后一阶段的口碑与票房产生影响;(3)网络口碑存在着数量上的知晓效应以及内容上的说服效应,这两个效应通过影响消费者观影的决策,影响着电影票房.而电影票房也对网络口碑数量有着积极的影响.

摘要： 本文以2007年1月至2012年2月公开上映的415部国产影片为样本，对电影票房的影响因素进行实证研究。考虑到票房分布的偏态性，本文除了采用传统的OLS方法，还设定成功影片的不同临界值，运用Logit模型进行回归。结果表明续集、评分、票价、档期、明星和导演均对票房产生积极影响，其中明星和导演虽然存在显著的票房效应，但其效应边际递减。

摘要： 电影票房不仅创造了电影产业的直接利润,同时推动了数字有线电视电影点播业务的开发.本文旨在发掘常见的票房收入模式,本文通过稀疏子空间聚类算法对中国电影票房进行了聚类分析.同时,也使用了常用的聚类算法如k-means和谱聚类算法对电影票房的时间序列进行聚类.通过比较分析,稀疏子空间聚类算法的结果能够更好地解释了电影票房走势模式.由稀疏子空间聚类算法发现的模式可以应用在电影的评价和数字有线电视电影点播推荐中.

摘要： 中国电影产业已经表现出持续增长的发展态势,而中国电影公司要想在这一过程中保持增长就需要进行转型,变革曾经高额投资明星品牌的运作模式,建立起基于渠道的竞争优势.本文首先从权变理论出发,认为顾客不足的经营环境要求经营的重心要偏向渠道,进而以电影《集结号》的成功模式进行了定性实证分析,最后通过渠道与品牌的双因子方差分析对本文所提的理论观点进行定量实证分析.

摘要： 随着微博的普及和电影行业的发展,微博口碑对票房的影响成为学术界和业界关注的热点问题.本文以微博和国内电影行业为研究对象,采集了2012年国内上映的67部电影的日票房数据和相关的微博数据,通过机器学习的方法对微博口碑进行了内容分类和情感分析,并采用面板数据模型对样本进行了回归分析.本文发现正面情感微博口碑能够在电影发布的早期显著影响票房,而在后期则不能显著影响票房;微博口碑存在显著的“正向偏差”效应,即正面情感微博口碑能显著影响票房,而负面情感微博口碑则不能显著影响票房.

摘要： 随着微博的普及和电影行业的发展,微博口碑对票房的影响成为学术界和业界关注的热点问题.本文以微博和国内电影行业为研究对象,采集了2012年国内上映的67部电影的日票房数据和相关的微博数据,通过机器学习的方法对微博口碑进行了内容分类和情感分析,并采用面板数据模型对样本进行了回归分析.本文发现正面情感微博口碑能够在电影发布的早期显著影响票房,而在后期则不能显著影响票房;微博口碑存在显著的“正向偏差”效应,即正面情感微博口碑能显著影响票房,而负面情感微博口碑则不能显著影响票房.

摘要： 随着微博的普及和电影行业的发展,微博口碑对票房的影响成为学术界和业界关注的热点问题.本文以微博和国内电影行业为研究对象,采集了2012年国内上映的67部电影的日票房数据和相关的微博数据,通过机器学习的方法对微博口碑进行了内容分类和情感分析,并采用面板数据模型对样本进行了回归分析.本文发现正面情感微博口碑能够在电影发布的早期显著影响票房,而在后期则不能显著影响票房;微博口碑存在显著的“正向偏差”效应,即正面情感微博口碑能显著影响票房,而负面情感微博口碑则不能显著影响票房.

摘要： 随着微博的普及和电影行业的发展,微博口碑对票房的影响成为学术界和业界关注的热点问题.本文以微博和国内电影行业为研究对象,采集了2012年国内上映的67部电影的日票房数据和相关的微博数据,通过机器学习的方法对微博口碑进行了内容分类和情感分析,并采用面板数据模型对样本进行了回归分析.本文发现正面情感微博口碑能够在电影发布的早期显著影响票房,而在后期则不能显著影响票房;微博口碑存在显著的“正向偏差”效应,即正面情感微博口碑能显著影响票房,而负面情感微博口碑则不能显著影响票房.

摘要： 随着微博的普及和电影行业的发展,微博口碑对票房的影响成为学术界和业界关注的热点问题.本文以微博和国内电影行业为研究对象,采集了2012年国内上映的67部电影的日票房数据和相关的微博数据,通过机器学习的方法对微博口碑进行了内容分类和情感分析,并采用面板数据模型对样本进行了回归分析.本文发现正面情感微博口碑能够在电影发布的早期显著影响票房,而在后期则不能显著影响票房;微博口碑存在显著的“正向偏差”效应,即正面情感微博口碑能显著影响票房,而负面情感微博口碑则不能显著影响票房.

摘要： 本发明公开了电影票房统计装置及其票房数据统计方法和系统，其电影票房统计终端通过安装在电影院的座位上的数据采集模块采集座位上是否有观众观看电影，并对数据采集的持续时间进行计时，在持续预设时间后，向数据统计模块反馈采集数据，由数据统计模块对数据采集模块采集的数据进行分析处理，统计每场电影实际的观众数量，从而实现了根据座位上的实际观众人数，准确统计出电影的票房，解决片方和院线就票房数据方面产生的分歧。

摘要： 本发明属于电影票房时间序列预测领域，具体涉及一种电影票房预测模型的构建方法及电影票房预测方法，包括：采用自注意力机制，提取历史每天对待预测电影所有评论信息的特征矩阵并将其转换为评论特征向量；对历史每天的评论特征向量和票房实际数据进行向量拼接，构建训练样本集，并采用双向编码器，得到训练样本集对应的历史票房事件特征；采用解码器，基于历史票房事件特征计算每个样本的注意力分，并基于每个样本的注意力分，计算该样本的事件特征；基于每个样本的事件特征，预测得到该样本内每天的票房预测值。本发明使用了短评论的自注意力机制以及编码器解码器模型，提取更具相关性的数据特征，有效提高电影票房预测精度。

摘要： 本发明公开了电影票房统计装置及其票房数据统计方法和系统，其电影票房统计终端通过安装在电影院的座位上的数据采集模块采集座位上是否有观众观看电影，并对数据采集的持续时间进行计时，在持续预设时间后，向数据统计模块反馈采集数据，由数据统计模块对数据采集模块采集的数据进行分析处理，统计每场电影实际的观众数量，从而实现了根据座位上的实际观众人数，准确统计出电影的票房，解决片方和院线就票房数据方面产生的分歧。

摘要： 本发明公开了一种基于SAS软件数据统计过程的电影票房预测方法。首先通过豆瓣、IMDB等电影评分网站收集电影的豆瓣评分、豆瓣评分人数、短评数量、影评数量、IMDB评分、IMDB评分人数和电影实际票房等数据，并基于此建立训练集和测试集。随后针对训练集数据基于SAS中的数据统计过程利用数据分析方法对数据进行分析，进一步，针对聚类分析且因子降维后的电影数据建立不同类别电影中票房与降维因子之间的回归方程模型。最后，对于不包含实际票房数据的测试集基于聚类分析结果进行Bayes判别，依据判别结果和所在类别的回归方程即可预测电影票房。本发明对于电影投资价值预估和电影院排片预测具有一定参考价值。

摘要： 本发明涉及电影票房预测技术领域，具体涉及一种基于K‑LSTM模型的电影票房预测系统及方法，其中系统包括：数据获取模块，所述数据获取模块用于获取历史票房数据；聚类处理模块，所述聚类处理模块用于基于K‑means聚类算法对历史票房数据进行聚类处理，得到聚类票房数据；中央处理模块，所述中央处理模块用于基于LSTM神经网络算法根据聚类票房数据预测票房，得到票房预测结果；结果输出模块，所述结果输出模块用于输出票房预测结果。本发明能够避免历史票房数据特征选取不充分、陷入局部极小化，防止其长间隔跨度数据有效信息消失，从而能够提高票房预测的准确率，解决了传统电影票房预测特征选取不充分、易陷入局部极小化的技术问题。

摘要： 本发明公开一种电影票房的映前预测方法，包括如下步骤：获取目标电影相关的基本结构化信息和社交平台舆情数据；对电影的基本结构化信息进行预处理，生成电影的结构化训练数据；利用自然语言处理技术对社交平台舆情数据进行处理，获得电影的舆情语料训练数据；利用社交网络分析技术对基本结构化信息中的演职员列表进行处理建立社交网络，并基于社交网络确定电影中各演职员的社交网络重要度；基于电影的结构化训练数据、舆情语料训练数据和各演职员的社交网络重要度数据，利用GBM算法构建回归预测模型；利用回归预测模型对目标电影进行预测，获得目标电影的总票房数据。本发明达到提高电影的总票房预测准确度。

摘要： 本发明涉及一种电影票房统计方法，包括获取待播放电影对应的限制级别和待观影人员的图像；对待观影人员的图像进行人脸识别，获取待观影人员的人脸信息；根据人脸信息，得到待观影人员的用户信息，用户信息包括用户姓名和年龄；若所有待观影人员的年龄都不在待播放电影对应的限制级别中，则播放电影。本发明实现了可统计电影票房中在家观影的部分，并控制未成年人观看不适宜的电影。本发明还涉及一种电影票房统计装置、设备和存储介质。

摘要： 本申请公开了一种基于区块链的电影票房记录方法及设备、介质，方法包括：在用于记录电影票房的区块链对应的各节点上布置智能合约；接收来自检测设备的观影人数、出票信息和放映场次信息；将所述观影人数、所述出票信息和所述放映场次信息对应存储，并写入同一区块；在所述智能合约中设定在合约执行时，根据所述区块链中存储的数据，判断所述观影人数、所述出票信息和所述放映场次信息是否相互匹配，并将判断结果写入区块。本申请能够对电影虚假宣传现象进行严格监管、遏制，从而为电影行业创造良好的发展环境、公平的竞争环境。

摘要： 本发明公开了一种基于LS‑SVMR的电影票房预测方法及系统，采集电影票房相关原始数据进行预处理，构建样本数据集；基于社交网络策略分析样本数据集中的电影主创网络结构特征人物关系；利用特征选择将样本数据集和人物关系进行融合，形成特征组合数据；基于LS‑SVMR和神经网络策略构建预测模型，将特征组合数据、平均相对误差分别作为预测模型的输入变量和评估指标并进行训练；当预测模型输出的MAPE满足精度阈值要求时结束训练，利用训练完成的预测模型对电影票房进行预测。本发明通过构建的LS‑SVMR预测模型将不等式约束改为等式，加快运算速度和工作效率，通过社交网络找出人物关系作为预测模型的输入变量，以获得最优的MAPE值，实现精准的对电影票房的预测。

摘要： 本发明公开一种基于区块链的电影票房数据处理方法及系统，包括：区块链节点接收用户发送的购买待统计票房电影的电影票的请求，并接收用户支付的购买该电影票的法币；区块链节点中的兑换节点将用户支付的法币兑换成对应的积分；区块链节点向用户返回该电影票的购买信息；电影票的购买信息包括：电影的名称、场次、座位以及票价；区块链节点将接收到的用户支付的购买所述待统计票房电影的电影票的所有积分累加，并通过区块链兑换节点将累加后的积分兑换成对应的法币作为所述待统计票房电影的总票房。本发明保证了电影票房统计的公开、透明且可靠，在此基础上实现了票房分成的公开和透明。