[发明专利]一种基于数据中台的影院智能排片方法及系统

权利要求书

1.一种基于数据中台的影院智能排片方法，其特征在于，包括如下步骤：

步骤1：部署云主机；其中云主机用于承载系统以及存储数据；

步骤2：云主机接收数据，包括通过API接口接收电影专资数据，通过Sqoop抽取其他业务库数据，通过Flume定时抽取系统日志数据；

步骤3：将步骤2中获得的数据进行ETL处理，并形成三层数仓，包括ODS数据层，DWD层数据以及DM层数据；其中ETL处理表示将数据进行抽取、转换以及加载的操作；

步骤4：对DM层数据进行高峰时段数据拟合，获得离散的数据集，使DM层的数据保持实时性和准确性；

步骤5：校验历史排片的相关参数与拟合后的离散数据集的关系，并通过相关参数的调整输入，绘制曲线，并将曲线数据存储在数仓内；

步骤6：通过无监督学习算法找出相关参数与曲线数据之间的关联性，获得算法模型；

步骤7：通过随机森林算法优化算法模型，并根据优化后的算法模型获得最优排片结果以及对应的参数设置；其中最优排片结果表示在该排片下能够为影院带来最大的票房收益，参数设置表示影片排片的相关数据，包括播放时间段；

步骤8：通过商业智能分析工具获得关系图表，该图表用于展现所有的排片结果与票房收益之间的关系，包括最优排片结果，结束步骤。

2.根据权利要求1所述的一种基于数据中台的影院智能排片方法，其特征在于，所述步骤4中对DM层票房数据进行高峰时段数据拟合，拟合后得到离散数据分布集，其中拟合的过程包括如下步骤：

步骤41：对DM层票房数据进行抽样、实验的方法，获得若干离散的数据；

步骤42：对离散的票房数据进行数据拟合得到更加密集的离散数据分布集；所述步骤42中，拟合后的数据需要与步骤41中获得的离散的数据相吻合。

3.根据权利要求1所述的一种基于数据中台的影院智能排片方法，其特征在于，所述步骤5中排片相关参数源自DM层，排片相关参数包括自然参数、影院参数、影厅参数、影片参数以及选择参数；自然参数包括日期、环境、天气、政府利好政策的因素；影院参数包括影院位置、影院附近客流类型、影院附近交通、影院营业时间、影院定位、观影黄金时间的因素；影厅参数包括影厅数量、影厅类型、影厅座位行列数、座位间距的因素；影片参数包括影片舆情、影片制式、影片类型、影片时长、影片放映要求、影片主演的因素；选择参数包括影片的排片时间段、影片的排片场次、影片的排片间隔、影片的排片选择厅的因素。

4.根据权利要求3所述的一种基于数据中台的影院智能排片方法，其特征在于，所述步骤5中的相关参数代入到拟合后的离散数据分布集中，输出对应的拟合后的票房数据；并通过多次重复代入相关参数以及输出对应的拟合后的票房数据，获得数据曲线，并将数据曲线存储在数仓内；其中拟合后的票房数据为DM层中的票房数据经过高峰时段数据拟合后获得的数据曲线或离散数据分布矩阵。

5.根据权利要求1所述的一种基于数据中台的影院智能排片方法，其特征在于，所述步骤6中算法模型的建立包括如下步骤：

步骤61：将数仓内存储的数据曲线进行聚类；

步骤62：通过主成分分析提取高预测票房数据的主要特征参数；其中高预测票房数据为达到设定票房数值的票房数据；

步骤63：将高预测票房数据以及对应的主要特征参数值进行关联存储；

步骤64：循环步骤61-63达到设定次数，提炼获得排片结果与票房数据的潜在关系的算法模型。

6.根据权利要求5所述的一种基于数据中台的影院智能排片方法，其特征在于，所述步骤61中的聚类包括K-means、层次聚类和GMM高斯混合模型。

7.根据权利要求1所述的一种基于数据中台的影院智能排片方法，其特征在于，所述步骤1中共部署五台云主机；其中一台云主机用于测试环境，其中一台云主机用于测试环境，三台云主机作为数据存储计算节点。