【现货速发】电影产业数据挖掘

电影产业是当下全球发展快的产业之一，中国电影市场环境持续改善，作品数量、观影人次、电影票房及影院建设连续多年实现快速增长，吸引了社会各类资本踊跃进军电影行业，进一步推动了电影市场的良性快速发展。电影产业的快速发展、网络和社交媒体的广泛普及，产生了大量有价值的行业信息及用户行为数据，包括观影用户、放映院线、制作单位等相关数据，以及来自网站、电视、影厅和社交媒体的数据信息。大数据和人工智能的发展，给电影产业生态圈的各环节提供了改造和重建的机会。用互联网思维做电影，利用互联网模式运作包含制作、发行、放映以及相关衍生品在内的整套流程成为
电影行业未来的发展方向。基于媒体融合背景，以互联网思维驱动，研究大数据在电影产业中的作用，对于电影产业各环节的精细化运作，对于完善我国电影工业体系建设，提高我国电影核心竞争力具有重要的作用。国内电影大数据在技术和应用层面发展迅速，近年来围绕不同环节和维度的电影市场的大数据分析报告层出不穷。但是与北美地区的国家相比，在理论和实践层面普遍存在依赖经验决策、高风险、偏主观等问题。
因数据源和分析目的所限，已有的电影数据分析呈现出电影市场宏观多，指导生产实践的细化分析少； 数据描述性统计和可视化呈现多，算法驱动和深度挖掘少； 产业链条单一环节分析多，全链条多终端分析少； 实践应用和技术开发多，理论研究少。鉴于此，本书在全面梳理中国电影产业国内外环境、现存问题和大数据对电影产业的作用基础上，着重从电影产业各个链条角度进行电影产业的数据挖掘研究。主要对电影的制作、投资、宣传、发行、放映、文化传播等环节进行建模、算法实现和实证分析，通过对电影产业不同环节数据挖掘的理论和方法进行研究，提供大数据助力电影产业的建模思路和应用场景，弥补这一领域系统研究的不足。全书共分8章，第1、2章着重梳理电影产业构成、现存问题、大数据对电影产业的作用； 第3章梳理电影产业相关数据，在此基础上对电影产业数据的基础性进行分析挖掘； 第4章主要针对电影宣发环节，从映前、映中和映后环节进行电影营销数据挖掘研究； 第5章从电影放映角度，利用机器学习理论和计量模型进行电影票房影响因素分析； 第6章从电影受众角度进行用户行为分析和满意度评价研究； 第7章主要基于VOD点播频道数据，进行电影个性节目推荐研究； 第8章从电影产业宏观层面，对中国电影产业对外输出能力进行定量化评价研究。全书从数学建模和分析角度提供大量应用实例。

本书由中国传媒大学王妍、柴剑平共同编著。在编写过程中参考了参考文献中所列的相关书籍和资料，在此向这些书籍和资料的编写者表示衷心的感谢。在本书的编写过程中，部分章节文献调研、数据处理、建模与算法实现等由中国传媒大学广电大数据研究所李波老师、茹玉年博士、江茜、张咪咪、张海悦、徐雅琳、王绪滕、常小宇、檀雷雷和卿枫等硕士研究生协助完成，王绪滕
调研梳理第1章和第3章文献，常小宇梳理第2章内容，张咪咪对第5章内容进行建模分析，江茜
撰写第6章部分内容，茹玉年撰写
第7章部分内容，张海悦
撰写第8章部分内容，
檀雷雷和卿枫同学校对本书文稿，对各位同学的辛勤付出表示感谢。本书的编写和出版也得到了清华大学出版社的大力支持，在此一并表示衷心的感谢。
由于时间仓促及学识有限，书中难免有不足之处，请读者不吝指正。

作者
2019年10月

全书首先系统梳理电影产业发展现状、现存问题、电影产业数据分析现状，其次围绕电影产业链制作、宣传、发行和放映等环节进行数据挖掘分析，主要包括导演和演员进行艺人画像和艺人分类研究；电影营销能力评价指数分析；电影用户满意度挖掘；电影个性推荐研究；电影海外传播能力分析及电影票房影响因素分析等。

王妍： 中国传媒大学理工学部理学院统计学系副教授，博士，研究方向为统计与大数据分析。2010年3月毕业于中国科学院研究生院数据科学与虚拟经济研究中心，获理学博士学位；2012年6月，中国科学院管理学院博士后流动站顺利出站。博士和博士后期间主要从事投入产出模型构建及应用、大数据分析、低碳经济定量研究等工作。2003～现在，承担本科生概率论与数理统计、多元统计分析、计量经济分析和研究生多元统计分析、数据挖掘、投入产出分析等课程。近几年来主持和参与的科研项目共20余项。在各类学术期刊发表论文30余篇。

目录

第1章  电影产业发展现状

1.1  电影产业发展现状

1.1.1  电影产业链构成

1.1.2  电影票房发展现状

1.1.3  影院建设现状与发展趋势

1.2  电影产业相关政策

1.2.1  电影产业国际环境

1.2.2  电影产业国内政策

1.3  电影产业现存的问题

1.3.1  电影制作投资阶段

1.3.2  电影宣传发行阶段

1.3.3  电影放映阶段

参考文献

第2章  大数据与电影产业关系解析

2.1  大数据发展现状

2.1.1  大数据理论发展现状

2.1.2  大数据应用发展现状

2.2  大数据在电影产业发展中的作用解析

2.2.1  大数据提升电影监管职能

2.2.2  大数据细化电影质量评价

2.2.3  大数据助力电影文化国内外传播

2.3  电影产业大数据分析现状

2.3.1  国外电影产业大数据分析现状

2.3.2  国内电影产业大数据分析现状

参考文献

第3章  电影产业数据基础分析与挖掘

3.1  电影产业数据类型及特点

3.2  数据基础分析指标

3.2.1  集中趋势指标

3.2.2  离散趋势指标

3.2.3  分布形态指标

3.3  正态性分析

3.3.1  正态分布定义

3.3.2  标准正态分布

3.4  显著性检验

3.4.1  显著性检验定义

3.4.2  显著性检验

3.5  案例分析

3.5.1  基础描述性指标分析

3.5.2  数据可视化图形分析

3.5.3  正态性检验

3.5.4  属性数据分析

参考文献

第4章  电影营销能力指数分析

4.1  电影营销现状

4.1.1  大数据在电影营销中的作用分析

4.1.2  电影营销中大数据应用现状

4.2  营销能力模型构建

4.2.1  营销能力指数指标体系构建

4.2.2  营销能力模型方法

4.3  映前营销分析

4.3.1  映前营销能力指数指标权重体系分析

4.3.2  映前营销能力指数分析

4.4  映中营销分析

4.4.1  映中营销能力指数指标权重体系分析

4.4.2  映中营销能力指数分析

4.5  映后营销分析

4.5.1  映后营销能力指数指标权重体系分析

4.5.2  映后营销能力指数分析

4.6  本章小结

参考文献

第5章  电影票房影响因素分析

5.1  电影票房研究现状

5.1.1  票房预测研究

5.1.2  票房影响因素研究

5.1.3  票房时间分布特征分析及趋势预测研究

5.2  电影票房模型方法研究

5.2.1  稀疏子空间聚类算法模型

5.2.2  基于深度网络的Cross&Dense网络结构模型

5.3  稀疏子空间聚类算法的电影票房研究

5.3.1  SSC对基于gamma模型票房时间分布特征聚类分析

5.3.2  基于SSC的日票序列聚类效果及分析

5.4  基于深度学习的电影票房预测研究

5.4.1  特征选取

5.4.2  数据探索

5.4.3  模型设计

5.4.4  实例验证

5.5  本章小结

参考文献

第6章  电影用户行为分析及满意度评价

6.1  电影用户行为及满意度分析现状

6.1.1  电影用户行为

6.1.2  电影用户满意度现状

6.2  用户行为分析和满意度模型

6.2.1  用户满意度测评模型

6.2.2  满意度测量方法

6.3  互联网用户满意度分析

6.3.1  互联网用户满意度评价模型

6.3.2  基于结构方程模型的满意度实证分析

6.3.3  评价结果分析

6.4  电视院线用户满意度分析

6.4.1  广电电视院线业务

6.4.2  电视院线电影用户满意度评价

6.5  映后营销分析

参考文献

第7章  电影个性推荐研究

7.1  影片个性推荐研究现状

7.1.1  研究背景及意义

7.1.2  研究现状及趋势

7.2  个性推荐模型

7.2.1  推荐系统的概念及作用

7.2.2  基于大数据的推荐

7.2.3  电影推荐系统

7.3  电影个性推荐算法比较研究

7.3.1  近邻推荐模型

7.3.2  矩阵分解推荐

7.3.3  基于内容的推荐

7.3.4  比较

7.4  影片评价与混合推荐

7.4.1  影片评价概述

7.4.2  评价模型原理

7.4.3  评价模型结果

7.4.4  混合推荐

参考文献

第8章  电影海外传播能力评价研究

8.1  国产电影国际传播能力现状

8.1.1  国产电影国际传播能力的概念界定

8.1.2  国产电影国际传播能力的研究现状

8.2  电影国际传播能力评价模型

8.3  电影国际传播能力实证分析

8.3.1  国产电影国际传播能力指标体系构建

8.3.2  基于灰色关联评价法的国产电影国际传播能力评价

8.3.3  基于因子分析评价法的国产电影国际传播能力评价

8.4  电影产业走出去的定量化思考

8.4.1  国产电影在北美地区对外传播的特点

8.4.2  优秀国际传播能力的国产电影特点分析

参考文献

附录A  2016年201部电影信息数据

附录B  电影营销能力评价指标

全书首先系统梳理电影产业发展现状、现存问题、电影产业数据分析现状，其次围绕电影产业链制作、宣传、发行和放映等环节进行数据挖掘分析，主要包括导演和演员进行艺人画像和艺人分类研究；电影营销能力评价指数分析；电影用户满意度挖掘；电影个性推荐研究；电影海外传播能力分析及电影票房影响因素分析等。

王妍： 中国传媒大学理工学部理学院统计学系副教授，博士，研究方向为统计与大数据分析。2010年3月毕业于中国科学院研究生院数据科学与虚拟经济研究中心，获理学博士学位；2012年6月，中国科学院管理学院博士后流动站顺利出站。博士和博士后期间主要从事投入产出模型构建及应用、大数据分析、低碳经济定量研究等工作。2003～现在，承担本科生概率论与数理统计、多元统计分析、计量经济分析和研究生多元统计分析、数据挖掘、投入产出分析等课程。近几年来主持和参与的科研项目共20余项。在各类学术期刊发表论文30余篇。