[發明專利]影院票房收入的預測方法及系統

在審

• 申請號: 201810926132.5
• 申請日: 2018-08-15
• 公開（公告）號: CN109087146A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 邢超
• 申請（專利權）人: 深圳快購科技有限公司;邢超
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 深圳市德錦知識產權代理有限公司 44352
• 代理人: 丁敬偉

1.一種影院票房收入的預測方法，其特征在于，所述方法包括：

獲取影院在選定時間段的影片上映信息；

根據所述影片上映信息確定所述影院在所述選定時間段的上映影片信息及排片信息；

根據所述上映影片信息及排片信息建立票房預測數據；

通過樸素貝葉斯模型、決策樹、神經網絡模型分別對所述票房預測數據進行迭代運算，預測所述影院在所述選定時間段的票房收入。

2.根據權利要求1所述的方法，其特征在于，所述上映影片信息包括影片類型、主創人員、主創人員的歷史票房、投入成本、影片上映前的媒體轉發量、影片所屬投資、發行公司的平均票房等中的一種或多種。

3.根據權利要求1所述的方法，其特征在于，所述根據所述上映影片信息及排片信息建立票房預測數據的步驟包括：

在選定時間段中按照法定節假日、休息日、工作日進行時間分類；

按照所述排片信息及所述上映影片信息，建立不同時間分類的票房預測數據。

4.根據權利要求1所述的方法，其特征在于，所通過樸素貝葉斯模型、決策樹、神經網絡模型分別對所述票房預測數據進行迭代運算，預測所述影院在所述選定時間段的票房收入的步驟包括：

通過樸素貝葉斯模型對所述票房預測數據建立不同的屬性模型；

計算在每個屬性模型下取得各類票房收入的概率，計算公式如下：

其中d為屬性數目，x_i為x在第i個屬性上的取值；

根據所述票房收入及相應的概率計算所述影院在所述選定時間段的票房收入。

5.根據權利要求1所述的方法，其特征在于，所通過樸素貝葉斯模型、決策樹、神經網絡模型分別對所述票房預測數據進行迭代運算，預測所述影院在所述選定時間段的票房收入的步驟還包括：

根據所述票房預測數據構建決策樹；

通過在所述決策樹中進行迭代運算，預測所述影院在所述選定時間段的票房收入。

6.根據權利要求1所述的方法，其特征在于，所通過樸素貝葉斯模型、決策樹、神經網絡模型分別對所述票房預測數據進行迭代運算，預測所述影院在所述選定時間段的票房收入的步驟還包括：

對所述票房預測數據進行歸一化處理；

采用預先構建的神經網絡模型對經過歸一化處理的所述票房預測數據進行深度學習，得到所述票房預測數據對應的票房收入。

7.根據權利要求1所述的方法，其特征在于，所通過樸素貝葉斯模型、決策樹、神經網絡模型分別對所述票房預測數據進行迭代運算，預測所述影院在所述選定時間段的票房收入的步驟還包括：

通過樸素貝葉斯模型、決策樹、神經網絡模型分別計算所述票房預測數據對應的票房收入；

計算所述票房收入的平均值得到平均票房收入；

將所述平均票房收入作為所述影院在所述選定時間段的票房收入。

8.一種影院票房收入的預測系統，其特征在于，所述系統包括：

影片上映信息獲取模塊，用于獲取影院在選定時間段的影片上映信息；

影片及排片信息確定模塊，用于根據所述影片上映信息確定所述影院在所述選定時間段的上映影片信息及排片信息；

票房預測數據建立模塊，用于根據所述上映影片信息及排片信息建立票房預測數據；

票房收入預測模塊，用于通過樸素貝葉斯模型、決策樹、神經網絡模型分別對所述票房預測數據進行迭代運算，預測所述影院在所述選定時間段的票房收入。

9.根據權利要求8所述的系統，其特征在于，所述票房收入預測模塊包括：

模型票房收入計算單元，用于通過樸素貝葉斯模型、決策樹、神經網絡模型分別計算所述票房預測數據對應的票房收入；

平均票房收入計算單元，用于計算所述票房收入的平均值得到平均票房收入；

票房收入預測單元，用于將所述平均票房收入作為所述影院在所述選定時間段的票房收入。