1. 研究目的与意义
研究目的
我国电影产业的发展对促进国家经济发展和文化软实力的构建与传播都有着不容小觑的作用，这就要求我国国产电影需具备更强的市场竞争力和心理凝聚力。因此，我国电影要通过讲故事的方式，通过产业化的道路，通过大众传播的方式来完成上述历史使命。而在我国电影产业的发展进程中，近80%的电影产业收入均来源于票房收入，电影票房对我国电影产业发展的促进作用显而易见。
同时，好莱坞电影、肯德基等快餐文化的外国价值观的输入，给我国传统文化带来了一定程度的冲击，我国的电影文化也逐渐被外国文化影响从而趋于“国际认同化”。在这种形势下，我国更应坚定不移地宣扬和传承优秀传统文化，把握好电影这个重要的突破口，增强普通大众对我国传统文化的认同感并促进我国文化软实力在世界范围内的传播，不断提高我国的国际竞争力和影响力，借此来“讲好中国故事”。
2. 研究内容和预期目标
研究内容
1、确定本文研究的国产电影票房影响因素并获取数据。结合相关文献分析选取适当的国产电影票房影响因素指标，通过爬虫等技术获取国产电影样本数据，作为电影票房影响因素分析及后续票房预测的基础。
2、基于多元线性回归模型、神经网络模型等对电影票房进行预测研究。在对国产电影票房影响因素进行描述性统计分析的基础上，建立多元线性回归模型、神经网络模型等对国产电影总票房进行分析及预测，选取指标比较各模型的预测效果，进而对初始模型进行合理的改进，最终归纳得出结论与展望。
3. 国内外研究现状
国外研究现状
国外的电影市场发展较早，对于电影票房的研究也相对成熟。20世纪80年代 Barry Litman(1989)认为电影票房取决于创意、发行、营销三个方面，导演、演员、类型、档期、发行公司等十大因素与票房相关。运用多元线性回归最终分析得出导演、演员、档期、电影类型为剧情片和科幻片等与电影票房有显著相关性。Barry Litman的预测模型虽然预测准确率不高，但是为电影票房预测模型的后续研究提供了思路，奠定了基础。Ramesh Sharda 和 Dursun Delen(2006)将机器学习中的神经网络算法应用到电影票房预测模型上，该模型将分类准确度作为评价模型预测性能的关键参考，并获得了较理想的分类预测效果。Barman(2012)等人受到股票走势预测中所使用的神经网络预测模型的启发，设计了一种反馈神经网络模型，从商业经济角度估计一部电影的收益情况，在较小的区间内能够得到较好的预测预期。Zhenxing L I和Lina H(2019)等人以2018年的30部电影为模型训练数据，运用C4.5决策树算法建立票房预测模型，认为演员为影响票房的关键因素。
国内研究现状
4. 计划与进度安排
时间安排与研究计划
2022.1.1-2022.1.31
5. 参考文献
参考文献
[1] Barry R.Litman, Linda S.Kohl,Predicting Financial SuccessofMotion Pictures: The 80s Experience. JournalofMedia Economics(1989):51-95.
[2] Delen D. Predicting box-office success of motion 6663 pictures with neural networks[J]. Expert Systems with Applications, 2006, 30(2):243–254.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
