数据挖掘在电影票房中的研究与应用.pdfVIP

ADissertationSubmittedto of University Guangdong forthe of Masterof Science TechnologyDegree Engineering Researchand ofData in application Mining J、 ‘ ●●一‘● GOmmercIal卜IIm Master Candidate：ZhengGuigang 一 一 一 Shaohua Supervisor：Prof．Teng 2010 May of Computer Faculty Guangdongof UniversityTechnology 0006 Guangzhou，Guangdong，P．R．China，51 摘要 摘 要 随着电影行业信息化系统的不断完善，制片商和放映公司积累了大量商业电 影的观众和票房销售数据，这些海量数据使用传统的查询或分析工具往往不能识 别其中有价值的信息。如何更加有效地管理电影商业数据库中快速增长的海量数 据，将数据资源的利用提高到知识创新，可实用的高级阶段，己经成为电影公司 当前需要迫切解决的问题。而数据挖掘技术则能够解决上述问题，因此数据挖掘 技术在电影商业中如何有效的应用，提取出实用的信息已经成为电影公司关注的 话题。 商业电影运作特点决定了电影票房在其经营过程中的重要地位，而有效的观 众关系分析必须建立在强有力的数据分析基础上。电影票房、观众特征数据的海 量性，一方面为电影公司进行数据分析提供了基础：另一方面也使得数据分析的难 度相对以前大大增加。如何使海量电影商业数据真正转变成为电影公司商业决策 的知识财富，有效地支持制片商及放映商对电影市场以后的决策和实施，进而迎 合观众的兴趣，爱好，赢取市场及票房，是当前制片商和放映商最为迫切的课题。 本文主要采用决策树算法，对商业电影数据和观众特征数据进行分析和挖掘。 用线性回归算法与决策树算法做比较，突显决策树算法优势。同时，结合关联规则 作辅助分析，对决策树的规则提取提供辅助分析信息，使其提取的规则更为全面， 有效。在数据的预处理方面，采用聚类的K-均值算法对缺省值进行处理，取得较 好效果。选择SAS作为数据挖掘软件进行了数据分析和挖掘，建立观众特征分析 和商业电影市场特征分析模型。选取C4．5算法作为决策树技术算法依据，并对 C4．5算法做了一些改进。并将改进后的决策树C4．5算法较好的运用到SAS中。 最后，对改进后的决策树和线性回归算法进行了比较，通过优劣的