1.1 目的及意义

随着时代的发展，文化消费渐渐成为人们关注的消费热点，而电影作为深受人民群众喜爱的文化娱乐形式之一，为文化消费带来了巨大的推动力量。自2010年初，国务院办公厅下发《关于促进电影产业繁荣发展的指导意见》以来，从2011年全国总票房100亿，到2018年全国总票房608亿，电影产业在国民经济新的发展形势下呈现稳健增长的态势。同时，网络媒体的发展便于人们在各种平台上发表自己的观点，为他人的决定提供参考性作用，豆瓣作为中国具有较大影响力的影评网站，其评分和评论将在一定程度上影响着消费者的观影意愿。

1.2 国内外研究现状分析

目前，国内有不少学者对中国观众影响电影的一些指标作出分析，如朱海鹏在《中西方观众电影接受对比分析——基于豆瓣网及IMDb Top250电影》中表明中国观众青睐情感细腻、真挚的影片，西方观众则更喜欢刻画人性，探讨社会问题的影片，同时还分析出中国电影观众对自己所处时代的电影更感兴趣；白皓、陈绍刚的《中国电影票房现状计量分析》表明影评分数、电影类型、大众关注度与电影票房呈正相关关系，上映档期与电影票房呈负相关关系，导演影响力与演员影响力对电影票房的影响不显著；焦亚男在《豆瓣评分与电影票房关系探析》中得出豆瓣评分的高低对于电影票房的影响并没有那么大，并表明豆瓣评分不能直接影响电影票房的原因主要是豆瓣评分的目的是分享和传播受众的观点以及豆瓣评分机制与网站水军、恶评之间的关系复杂；余刚在《中国电影市场“小鲜肉”效应研究——基于电影市场票房影响因素的统计分析》表明在其他变量不变的情况下，使用“小鲜肉”演员出演电影，能提高36%的票房。

国内的学者的研究方法主要采用最小二乘法回归或多元线性回归等线性回归模型对影响电影的一些指标进行分析，但将电影评论评价结合起来的分析较少，在互联网行业飞速发展的今天，消费者在选择时，通常将文本评论与评分结合起来，以此作为自己选择的参考性判断，以此避免水军对评分的影响；而国外对基于文本评论方面的研究较多，如R.Bismil等采用多元回归的分析方法，分析了包含269个报告的数据集，建立了回归模型以进行相关等级评分的预测，基于特定词汇出现的频率、评论长度、可变性、评论角度等因素进行分析；M.E.Basiri等基于心理发现和消极偏见的理论，提出利用评论历史改善情感分析，该方法在细粒度的评论内容层面上通过汇总句子级别的评分来预测整体等级；N.S.Bauer等在实验中也发现当评论评价更深刻地反映对系统逻辑的理解时，用户打分评价也反映出了更高的满意度和接受度。

2. 研究的基本内容与方案

2.1基本内容

本论文的研究以豆瓣电影中的数据为基础，从以下两个方面对电影进行分析：

一、情感分析：随着网络媒体的发展，消费者常常将网络上的评分与评论结合起来作为自己选择时的参考性意见，而随着网络水军的出现，网络的评分会收到一定程度的影响而变得不真实，使得多数消费者在选择时倾向于参考文本评论，因此本文将从电影的评论内容出发，探究消费者的观影意愿。

二、电影票房影响因素：为了研究消费者的观影意愿，本文将选取电影票房作为消费者观影意愿的最直接衡量指标对其进行分析。电影票房不仅仅受到文本评论的影响，还受到诸如豆瓣评分、影片类型、上映档期、导演编剧知名度、演员影响力、影片关注度、电影投资额等因素的影响，综合以上几个因素以及各学者的研究，本文将从影片类型、影片关注度、上映档期、豆瓣评分以及文本评论的好评/差评率几个因素探讨其对电影票房的影响程度。

2.2目标

探究电影票房的影响因素，挖掘各影响因素对电影票房的影响程度，从而进一步挖掘消费者的观影意愿，使高质量的好片在一定程度上也能获得相应的票房，从而提升制片方制作好片的动力。

2.3技术方案及措施

2.3.1数据来源

豆瓣网中关于2018年度电影票房排行前100的影片的相关内容，诸如评论、评分、电影类型、评分为一星到五星所占百分比，导演、编剧等。

2.3.2数据处理

影片的类型将会对电影的票房及观众喜爱度产生影响，在豆瓣top250中有194部电影属于剧情片，可见观众对剧情片的喜爱程度之高，因此本文将以剧情片为代表作为本文的研究对象。

为避免水军影响电影评分的客观性，本文使用豆瓣网中一星到五星的占比情况来判断某部电影是否存在大量的水军影响电影评分的客观性，以正常的（即不存在水军）的情况来看，豆瓣网评分在一星到五星的均值与方差之间将会存在一定的关系，我们将存在较大误差的电影视为异常值，不计入样本中。