[发明专利]一种电影衍生品价值预测方法、系统、电子设备及介质

权利要求书

1.一种电影衍生品价值预测方法，其特征在于，包括：

获取目标电影的相关数据；所述相关数据，包括：电影相关信息、中国微观数据、百度搜索数据、传染病数据和电影衍生品数据；

基于设定的特征重要程度标准，对所述目标电影的相关数据进行特征提取，得到所述目标电影的数据特征；所述数据特征包括：电影特征、微观数据特征、百度搜索指数特征、传染病特征和电影衍生品数据特征；

将所述目标电影的数据特征输入电影衍生品价值预测模型中，得到所述目标电影的衍生品价值级别；

其中，所述电影衍生品价值预测模型采用训练数据对多模型融合模型进行训练得到；

所述多模型融合模型是采用Stacking算法构建的；所述多模型融合模型，包括：基学习器和与所述基学习器连接的元学习器；

所述基学习器，包括：并联的第一K近邻模型、随机森林模型、第二K近邻模型、XGBoost模型、LightGBM模型和支持向量机；

所述元学习器，包括：逻辑回归模型。

2.根据权利要求1所述的一种电影衍生品价值预测方法，其特征在于，所述电影衍生品价值预测模型的确定方法为：

获取电影样本的相关数据；

统计所述电影样本的电影衍生品数据中销售额数据的四分之一分位数、中位数和四分之三分位数；

根据所述四分之一分位数、所述中位数和所述四分之三分位数，确定所述电影样本的衍生品价值级别；

采用LightGBM模型确定设定的特征重要程度标准；

基于所述设定的特征重要程度对所述电影样本的相关数据进行特征提取，得到所述电影样本的数据特征；

将所述电影样本的数据特征和对应的衍生品价值级别确定为所述训练数据；

将所述训练数据划分为训练集和测试集；

将所述训练集输入所述多模型融合模型进行训练，对所述多模型融合模型中的参数进行初步调整，得到训练好的多模型融合模型；

采用所述测试集对所述训练好的多模型融合模型中的参数进行再次调整，得到所述电影衍生品价值预测模型。

3.根据权利要求1所述的一种电影衍生品价值预测方法，其特征在于，基于设定的特征重要程度标准，对所述目标电影的相关数据进行特征提取，得到所述目标电影的数据特征，具体包括：

根据所述目标电影的电影相关信息中的电影属性，构建初始电影特征；

根据所述目标电影的中国微观数据进行多项式回归建模，得到微观数据预测模型，并采用所述微观数据预测模型预测所述目标电影上映时的微观数据，得到国家微观数据特征；

根据所述目标电影上映前设定天数的百度搜索数据和所述目标电影上映后设定天数的百度搜索数据，构建初始百度搜索指数特征；

采用正则表达式对所述目标电影的传染病数据进行数据提取，得到初始传染病特征；

对所述目标电影的电影衍生品数据进行人工筛选、删除销售额数据为0的数据以及缺失值填充，得到初始电影衍生品数据特征；

按照设定的特征重要程度标准，对所述初始电影特征、所述国家微观数据特征、所述初始百度搜索指数特征、所述初始传染病特征和所述初始电影衍生品数据特征进行特征筛选，得到所述目标电影的数据特征。

4.根据权利要求1所述的一种电影衍生品价值预测方法，其特征在于，获取目标电影的相关数据，具体包括：

采用网站下载、网络爬虫和人工标注的方式获取目标电影的相关数据。

5.根据权利要求1所述的一种电影衍生品价值预测方法，其特征在于，所述电影相关信息，包括：影片名称、购票平台想看人数、购票平台评分、时长、演员、编剧、剧情简介、上映日期、场次、人次、票房、票价、场均人次、影片英文名称、类型、导演、出品公司、制作公司、发行公司、影片制式、国别、投资规模、整合营销公司、新媒体营销公司、制片人、监制、出品人、影片属性和服务费。

6.根据权利要求1所述的一种电影衍生品价值预测方法，其特征在于，所述中国微观数据，包括：居民消费水平、居民消费水平指数、第三产业所占比重、国内生产总值、居民人均可支配收入、电影院线、电影院线内银幕数量和互联网信息。