IP因子在早期电影票房预测中的影响研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 国外研究现状 | 第11-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 论文的研究内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15页 |
| 1.6 本章小结 | 第15-17页 |
| 第2章 相关模型理论介绍 | 第17-27页 |
| 2.1 多元线性回归模型相关理论介绍 | 第17-18页 |
| 2.2 支持向量机模型相关理论介绍 | 第18-22页 |
| 2.3 人工神经网络相关理论介绍 | 第22-24页 |
| 2.3.1 神经网络的基本结构 | 第22-24页 |
| 2.3.2 误差逆向传播算法 | 第24页 |
| 2.4 本章小结 | 第24-27页 |
| 第3章 IP因子对电影票房的影响 | 第27-35页 |
| 3.1 影响电影票房因素的选择 | 第27-29页 |
| 3.2 影响电影票房的常规因子量化方式 | 第29-30页 |
| 3.3 IP因子对电影票房的影响分析 | 第30-33页 |
| 3.3.1 IP因子的布尔表达对票房的影响 | 第31页 |
| 3.3.2 基于贝叶斯投票算法的IP品质量化方法 | 第31-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 IP品质因子对预测模型的影响分析 | 第35-51页 |
| 4.1 数据来源 | 第35-36页 |
| 4.2 回归评价指标分析 | 第36-37页 |
| 4.3 IP品质因子在多元线性回归模型中的应用 | 第37-42页 |
| 4.3.1 多元线性回归方程的构建 | 第37-39页 |
| 4.3.2 模型构建与调整 | 第39-42页 |
| 4.3.3 结果分析 | 第42页 |
| 4.4 IP品质因子在支持向量机回归模型中的应用 | 第42-44页 |
| 4.4.1 数据预处理 | 第42-43页 |
| 4.4.2 模型构建与调整 | 第43-44页 |
| 4.4.3 结果分析 | 第44页 |
| 4.5 IP品质因子在BP神经网络模型中的应用 | 第44-48页 |
| 4.5.1 BP神经网络模型构建 | 第44-45页 |
| 4.5.2 模型构建与参数调整 | 第45-47页 |
| 4.5.3 结果分析 | 第47-48页 |
| 4.6 IP因子在不同模型中的结果分析 | 第48-49页 |
| 4.7 本章小结 | 第49-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-59页 |
| 致谢 | 第59页 |
