1. 研究目的与意义
有着百余年历史的中国电影产业，在近几年呈现出飞跃式发展的态势，无论是影片质量、院线建设还是投资规模都有了长足的发展。
电影是一个高风险的行业,电影票房除了受电影剧情、拍摄的质量、上映时间、排片量等因素影响,还与前期宣传、口碑、电影主演、导演等因素有关。
与此同时，随着 “大数据”时代的到来，电影观影群体、观影偏好与心理、电影信息传播和获取方式也都在发生着深刻的变化。
2. 研究内容和预期目标
在现有的研究基础上，通过选取多个特征值，搭建电影票房预测系统模型。
影响电影票房的因素很多，比如前期宣传、口碑、电影主演、导演等。
本次研究利用Kaggle数据集，通过提取演员热度特征、情感倾向特征、热度主题分布特征等，使用多种回归算法进行票房预测。
3. 国内外研究现状
如今电影不仅需要面临创作挑战,更需要像其他商品一样面临巨大营销压力。
尤其是近些年来在国家政策的大力扶持下,我国电影市场呈现出繁荣发展的局面,引发电影投资热潮,导致电影行业的竞争愈发激烈。
在这样的背景下,电影票房作为衡量一部影片成功与否的重要指标,开始成为投资方和制作方的追逐目标。
4. 计划与进度安排
1、2022年11月30日-2022年12月10日：完成选题 2、2022年12月11日-2022年12月31日：阅读大量资料并选取有用资料待用，积累最新信息，完成开题工作 3、2022年1月1日-2022年1月18日： 上交详细的论文提纲，等待老师的指导意见 4、2022年4月10日前：完成初稿: 5、2022年5月16日前：完成论文修改、定稿、外文文献翻译工作 6、2022年6月10日前：完成所有资料的整理、论文的再修改和装订，并准备好参加学院组织的论文答辩
5. 参考文献
[1]结合情感词网的中文短文本情感分类[J].何天翔,张晖,李波,杨春明,赵旭剑.计算机应用研究.2015(10) [2]基于微博情感分析的电影票房预测研究[J].史伟,王洪伟,何绍义.华中师范大学学报(自然科学版).2015(01) [3]基于网络搜索的票房预测模型——来自中国电影市场的证据[J].王炼,贾建民.系统工程理论与实践.2014(12) [4]基于社交媒体用户评论和关注度的电影票房预测模型[J].周明升,韩冬梅.微型机与应用.2014(18) [5]基于LDA模型和微博热度的热点挖掘[J].唐晓波,向坤.图书情报工作.2014(05) [6]基于神经网络的电影票房预测建模[J].郑坚,周尚波.计算机应用.2014(03) [7]微博等新媒体信息监测在重大传染病防控工作中的应用[J].霍飞,徐娜,刘长娜,王凤山.职业与健康.2014(03) [8]基于SOM神经网络的品牌丑闻微博传播分类预测研究[J].杨于峰,余伟萍,田盼.情报杂志.2013(10) [9]基于社会化媒体节点属性的信息预测[J].张闯,姜杨,吴铭,肖文君,李泰.北京邮电大学学报.2012(04) [10]基于MB-LDA模型的微博主题挖掘[J].张晨逸,孙建伶,丁轶群.计算机研究与发展.2011(10) [11]豆瓣电影评论文本的情感分析研究——基于2017年电影《乘风破浪》爬虫数据[J]. 冯莎.中国统计.2017(07) [12]情感词典自动构建方法综述[J].王科,夏睿.自动化学报.2016(04) [13]基于社交媒体用户评论和关注度的电影票房预测模型[J].周明升,韩冬梅.微型机与应用.2014(18) [14]基于评论情感分析的用户在线评价研究——以豆瓣网电影为例[J].马松岳,许鑫.图书情报工作.2016(10) [15]基于Holt-Winters无季节指数平滑模型的国内电影票房预测[J].滑瑶,张辉,刘悦悦,韩晶晶.中国传媒大学学报(自然科学版).2017(04)
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
