基于自属性强关联交叉融合的电影票房预测

来源：计算机技术与发展杂志2025年第01期北京时间：

作者：朱衍熹;张明西;冒鸿宇

摘要：电影属性多元且复杂,特征与票房关系的提取难度大。 针对该问题,提出一种基于自属性强关联交叉融合的电影票房预测模型。 扩展元数据中的离散型属性构建实值-离散表征;利用 BERT 提取文本属性词级表征和 BILSTM-Attention提取文本属性句级表征,融合构建文本强嵌入表征;提出一种均值多头相似度机制计算特征之间的关联相似度,在自属性与时序属性两个层面构建属性强关联表征,且当 Heads 取值为 16 时预测效果最佳;基于自属性强关联交叉融合表征矩阵利用改进的 AlexNet 网络构建票房预测模型。 在大型 IMDB 电影数据集上的实验结果表明,该模型优于其他方法,MAE:0.704 7,相比基线模型降低 11% ,MSE:0. 742 1,降低 23% ,平均 SmoothL1Loss:0. 337 4,降低 19% ,RMSE:0. 861 4,降低12% 。 消融实验证明属性强关联表征和 BERT 模块对模型影响最大。 该方法体现出卓越的票房预测能力,为影视从业人员提供参考与建议。

关键词：实值-离散表征;文本强嵌入表征;属性强关联表征;均值多头相似度;BERT;BILSTM-Attention;票房