基于数据挖掘的电影票房分析杨雨凡：近年来，中国电影产业迅猛开展，电影票房作为衡量电影商业效益的重要指标，其上下成败直接影响到了电影后续相关产业的开展与定位。因此，对电影票房数据的分析显得尤为必要。本文基于2023年至2023年三年在中国上映的1366部电影，结合国内外研究分析了影响电影票房的各个因素，并采用统计学方法和数据挖掘技术，对电影票房进行了汇总分析、聚类分析和关联规那么分析。关键词：数据挖掘;电影;票房分析;聚类;关联规那么中图分类号：F27文献标识码：Adoi：10.19311/jki.16723198.2023.25.0200引言电影作为文化产业的重要组成局部，已成为人们生活中不可或缺的一种娱乐方式。票房反映了一部电影的商业效益，对后续电影拍摄方案和方向有着重大影响，也是衡量一部电影是否盈利与是否成功的重要指标。然而，国产电影只有极少数是盈利的，70%的国产电影都面临亏损，高投入低收益的电影也不在少数，如上海堡垒等电影。因此，对电影票房的有效分析将有利于降低电影投资市场的风险，对电影投资、制作及营销各个阶段都有着重要的指导性意义。而目前国内电影票房的研究还处在经验分析阶段，依赖于专家判断，缺乏数据技术支撑。为引导电影产业的理性决策，对电影票房的数据分析显得尤为必要。胡小莉等选取了2022-2023年在国内上映的电影，用SPSS统计分析软件，分析了影响电影票房的因素。吴发翔等选取了2023年上映的国产电影，运用C5.0决策树算法构建了票房预测模型。王秋萍利用K-means聚类算法和BP神经网络，分析了票房影响因素和网络平台特征，提出票房预测模型。这些已有的研究选取电影多上映于2023年前，缺乏时效性，同时数据较少，所得出的结论相对缺乏数据支撑。本文选取2023-2023三年间在中国上映的1366部电影作为数据集，对电影票房数据分别进行了汇总分析、聚类分析和关联规那么分析。1数据的组成与处理本文的数据来源于电影票房官方网站——中国票房网〔：//cbooo/〕，通过爬虫抓取了2023年至2023年这三年间在中国上映的1366部电影票房的数据。为尽可能保证数据的全面性，本文分析的电影数据包括以下10项：〔1〕电影名称;〔2〕电影票房;〔3〕电影类型。包括爱情、动作、科幻、喜剧等类型;〔4〕上映时间;〔5〕制式。包含2D、3D、IMAX这三种制式;〔6〕国家地区;〔7〕发行公司。本文此类数据进行了预处理，将其分为好莱坞八大发行公司、中国十大发行公司和其他发行公司;〔8〕导演影响力。本文对电影导演数据进行了预处理...
