摘要:
针对目前基于BP神经网络的电影票房预测算法中存在预测精度不高的问题,本文提出一种基于LSTM模型的电影票房算法。首先,分析电影票房的影响因素,对票房影响因子进行定量分析和归一化处理,其次根据影响因素的输入和输出变量确定网络拓扑图及神经元数量,建立神经网络结构后进行改进为深度学习,并增加"记忆"功能,建立LSTM票房预测模型,最后用亿恩电影智库上的电影票房数据分别用LSTM模型和BP神经网络模型进行预测对比。实验结果表明,LSTM模型在对实验中的4712数据预测的平均相对误差比BP神经网络预测低36%左右,在长期预测和短期预测中低BP神经网络约10%左右,预测结果相对比较准确,能够为电影的投资和放映提供有价值的参考,具有实际意义。
