申请/专利权人:北京信息科技大学
申请日:2023-01-16
公开(公告)日:2023-05-09
公开(公告)号:CN116089836A
主分类号:G06F18/214
分类号:G06F18/214;G06F18/2431;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.05.26#实质审查的生效;2023.05.09#公开
摘要:本发明公开了一种电影衍生品价值预测方法、系统、电子设备及介质,涉及机器学习领域,该方法包括:将电影特征、微观数据特征、百度搜索指数特征、传染病特征和电影衍生品数据特征输入电影衍生品价值预测模型中,得到目标电影的衍生品价值级别;电影衍生品价值预测模型基于采用Stacking算法构建的多模型融合模型构建;多模型融合模型包括:基学习器和与基学习器连接的元学习器;基学习器包括:并联的第一K近邻模型、随机森林模型、第二K近邻模型、XGBoost模型、LightGBM模型和支持向量机;元学习器包括:逻辑回归模型。本发明能提高电影衍生品价值预测的准确性。
主权项:1.一种电影衍生品价值预测方法,其特征在于,包括:获取目标电影的相关数据;所述相关数据,包括:电影相关信息、中国微观数据、百度搜索数据、传染病数据和电影衍生品数据;基于设定的特征重要程度标准,对所述目标电影的相关数据进行特征提取,得到所述目标电影的数据特征;所述数据特征包括:电影特征、微观数据特征、百度搜索指数特征、传染病特征和电影衍生品数据特征;将所述目标电影的数据特征输入电影衍生品价值预测模型中,得到所述目标电影的衍生品价值级别;其中,所述电影衍生品价值预测模型采用训练数据对多模型融合模型进行训练得到;所述多模型融合模型是采用Stacking算法构建的;所述多模型融合模型,包括:基学习器和与所述基学习器连接的元学习器;所述基学习器,包括:并联的第一K近邻模型、随机森林模型、第二K近邻模型、XGBoost模型、LightGBM模型和支持向量机;所述元学习器,包括:逻辑回归模型。
全文数据:
权利要求:
百度查询: 北京信息科技大学 一种电影衍生品价值预测方法、系统、电子设备及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。