电影大数据国际文献综述.docxVIP

电影大数据国际文献综述 【摘要】大数据是当前的一种热点技术，在越来越多的科学研究领域得到应用。通过对国际前沿的电影大数据研究进行梳理，以近 5 年电影大数据相关的英文论文为样本进行分析发现，大数据在电影产业得到广泛应用。根据文献的主题域，从票房预测、市场营销、情感分析、推荐系统、产业经济、文化批评和文本分析方面，总结主要研究成果，为电影研究带来新的视野。 【关键词】电影；大数据；社交媒体；人工智能 大数据是当前的一种热点技术，对社会影响巨大。越来越多的科学研究领域应用大数据，甚至一些人文学科也在开拓数据研究新理路。大数据的核心是运用计算机技术，通过人们在互联网上形成的分散的、非结构化的数据，发现传统研究无法实现的规律。本文试图对国际前沿的电影大数据研究进行梳理，总结研究成果，尤其是跨学科的理论，为电影研究带来新的视野。 波德维尔（ 2000）以“中间层面理论”强调在“实证主义”思想指导下的电影形式关怀，提倡电影内容生产的数据思维和计算过程。以互联网、云计算等技术和平台为核心的 大数据，为这种研究路径提供了新的形式和方法。 2013 年， Netflix 公司根据网络用户使用习惯，分析出导演、主演和剧 情的交集，推出《纸牌屋》 ，获得巨大成功。同年，谷歌的 媒体与娱乐业首席分析师 Andrea Chen 与 Reggie Panaligan 联 合发布了《用谷歌搜索量化电影魔力》白皮书。以 2012 年间美国上映的近百部电影为研究对象，分析了影片上映前各 时间段里用户对各类电影信息的搜索行为数据，揭示了电影相关搜索量与电影票房成绩间存在的强相关性。国内也快速应用了大数据，但主要在票房监测和预测、营销等方面。 本研究以 2013 年 1 月到 2018 年 1 月与电影大数据相关的英文文献为样本，通过对 600 多篇文献进行筛选，最终选 取 76 篇作为研究对象。根据文献的主题域，我们划分为票房预测、市场营销、情感分析、推荐系统、产业经济、文化批评和文本分析六个方面。 一、票房预测 电影产业的高风险性使企业一直在寻找能够准确预测 收益的方法。 然而，由于电影受到非常复杂的社会因素影响， 即使是最有经验的电影人， 也往往会无法准确把握。 近年来，成本的不断攀升，前两周即完成主要票房收入的饱和式发 行，家庭影像产品销售的下降，以及媒介竞争的加剧，都使 得电影的风险日益增强。 不过，随着人们互联网应用的深入，通过信息技术准确预测票房的可能性不断提高。计算机专业 较早地以不同的算法和变量组合，探索票房预测的规律。传统票房预测研究将预算、演员、导演、制片人、故事 地点、编剧、上映时间、音乐、上映地点、目标观众和续集 等因素作为变量。而基于大数据的研究则集中在社交媒体、 搜索引擎和营销活动等方面。 人们通过社交媒体，对电影进行评论，即消费者参与行 为（ Consumer engagement behavior，?称 CEB ），产生大量数 据。许多研究探讨了 CEB 与票房之间的关联性。 Oh Chong 等对美国电影及社交媒体活动进行分析，发现 Facebook 和 YouTube 上的 CEB 与票房总收入是正相关的；然而，在 Twitter 上却没有同样的效果。他们认为，电影在多个渠道进 行社交媒体传播具有重要意义。 [1]Huang Jianxiong 等提出， 专家评论和基于拉动式的用户评论在电影上映的早期阶段 有影响， 并且随着时间的推移， 影响会逐渐减小。 相比之下， 基于推送式的微博平台的评论数量对以后的票房收入有影 响。他们认为，网络意见并不总是具有说服力和有用性。 [2] 不过， Baek Hyunmi 等似乎获得了与上述两个研究不同的结果。他们以罗杰斯的创新扩散理论为框架，对多个社交媒体 平台进行比较，提出在电影上映的初期阶段， Twitter 对票房 收入的影响更大，因为它具有高度的即时性和传播性。雅虎 在电影上映的后期，对电影的影响力更大，因为它具有很强 的说服力。 由于博客和 YouTube 包含了大众媒体和人际传播 媒体的特点，在最初和后期阶段对票房收入的影响没有什么 不同。 [3]Ding Chao 等聚焦 Facebook 的点赞行为，发现在上 映前一周，点“赞”数量增加 1%，则上映周票房增长约 0.2%。 越接近上映日期，提前点“赞”的效果就会变得越强。 [4]Oh Sehwan 等通过对 YouTube 上电影预告片的分析发现，电影 预告片的分享对电影的票房收入有积极的影响，在电影上映 的早期阶段，这一效果比在后期阶段更大。 [5] 有些研究通过 对比 Android 和 iOS 两个系统平台上发布的 Twitter 文章，探 讨了不同平台对导演、剧情和音乐等的侧重点。 有些研究将视野从单一的国