如果一個行業(yè)能被一個中學(xué)生就帶偏了節(jié)奏，那這個行業(yè)本身也就極不健康。

(資料圖片)

最近，浙江三名高中生在國際核心期刊發(fā)文的消息被媒體廣泛報道。雖然此前就曾經(jīng)有多個類似的案例，但是這篇論文題目還是吸引了我們的興趣——《基于人機協(xié)同特征處理的電影票房預(yù)測算法》。

在分析這篇論文之前，這個新聞事件本身已經(jīng)受到了不少網(wǎng)友的質(zhì)疑。

首先，這三位高中生并不是獨自撰文，而是作為這篇論文的第3、4、5作者。這篇正文只有12頁的論文，字數(shù)和研究量也并不多，第一作者是浙江大學(xué)的一名博士，有順?biāo)浦蹘饲橹印?/p>

其次，論文本身影響力也確實有限。根據(jù)其他網(wǎng)友探究，這個期刊有一名主編和六名編委，全部來自中東地區(qū)。其中主編和三名編委來自科威特大學(xué)，QS排名1000+。剩下三名編委來自埃及、卡塔爾和沙特，所屬學(xué)校排名最高在200+。這篇來自四區(qū)的論文影響因子僅有0.4。

最后，我們也發(fā)揮一下我們的專業(yè)，分析一下這篇研究電影票房預(yù)測的論文，究竟有多少有價值的內(nèi)容。

論文表達了什么？

首先我們來看論文的摘要和論文結(jié)論，內(nèi)容通過有道翻譯進行譯制，略有修改。

摘要：提高票房預(yù)測的準(zhǔn)確性，有利于刺激電影市場的創(chuàng)作、市場投資、基礎(chǔ)設(shè)施建設(shè)和公共資源的合理配置，促進社會福利和文化繁榮。由于現(xiàn)有的票房收入預(yù)測算法沒有考慮電影產(chǎn)業(yè)結(jié)構(gòu)，預(yù)測精度不理想。

本文首先構(gòu)建了兩階段人機協(xié)同特征處理框架。第一階段以票房數(shù)據(jù)為基礎(chǔ)，利用回歸決策樹算法對所有票房特征進行初步處理，自動刪除不重要的特征;第二階段將特征處理與建立的人工神經(jīng)網(wǎng)絡(luò)(ANN)相結(jié)合。在這一階段，機器處理的特征被手動分類，多個不兼容的特征集被劃分。設(shè)計了不相容集網(wǎng)絡(luò)修剪算法，對神經(jīng)網(wǎng)絡(luò)進行了修剪。我們用從四個平臺上抓取的7098部電影構(gòu)建了數(shù)據(jù)集。數(shù)值實驗結(jié)果表明，兩階段算法的平均絕對誤差(Mean Absolute Error, MAE)明顯優(yōu)于基線模型，可以有效地直接降低不兼容特征之間編碼引起的噪聲，提高人工神經(jīng)網(wǎng)絡(luò)的預(yù)測精度，加快人工神經(jīng)網(wǎng)絡(luò)的正向推理速度，減少計算資源的消耗。

結(jié)論：借鑒“人在回路”的人機協(xié)作設(shè)計思想，提出了“特征篩選-神經(jīng)網(wǎng)絡(luò)構(gòu)建-人工修剪”的預(yù)測算法。它結(jié)合了傳統(tǒng)機器學(xué)習(xí)和深度學(xué)習(xí)理論，首次應(yīng)用于電影票房預(yù)測領(lǐng)域。該算法在基于數(shù)據(jù)的傳統(tǒng)機器學(xué)習(xí)特征處理的決策樹算法基礎(chǔ)上，引入人類先驗知識，對構(gòu)建的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進行人工修剪，然后對修剪后的神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到預(yù)測參數(shù)模型。實驗結(jié)果表明，與業(yè)界常用的線性回歸、決策樹、支持向量機等傳統(tǒng)算法相比，本文算法在預(yù)測精度上有明顯提高。這證明了本文方法的有效性。即人在回路是通過結(jié)合人和機器的優(yōu)點來實現(xiàn)的。

作為第一篇將人機協(xié)作的思想引入電影票房預(yù)測算法設(shè)計過程的文章，本文也揭示了基于人機協(xié)作的AI算法設(shè)計在各個領(lǐng)域有著廣闊的應(yīng)用前景。后續(xù)工作將探索非結(jié)構(gòu)化數(shù)據(jù)集下的人在環(huán)預(yù)測方法，并嘗試在電影票房收益管理中進行實踐。否則，我們將繼續(xù)探索在其他應(yīng)用背景下預(yù)測和分類任務(wù)的特定問題結(jié)構(gòu)，分析人類所發(fā)揮的獨特作用，并相應(yīng)地設(shè)計更高精度的人機協(xié)作機器學(xué)習(xí)算法。

首先，這篇論文的研究方向是根據(jù)北美電影市場的測算，因為所有票房以及評分數(shù)據(jù)比較全面，機器也相對方便抓取。

簡單來說，這篇論文就是設(shè)計了一個機器算法，這個算法是用來預(yù)測電影票房的。這個算法獨特之處，就在于該算法是在機器學(xué)習(xí)中引用了“人在回路”，提高了預(yù)測的精準(zhǔn)度。就是運用海量數(shù)據(jù)進行計算和判斷，人工進行干預(yù)。機器就在此循環(huán)中不斷學(xué)習(xí)，變得更聰明更準(zhǔn)確。

另外，論文當(dāng)中預(yù)測票房的公式，主要是七個參數(shù)。分別是1.影片導(dǎo)演指數(shù)；2.影片演員指數(shù)；3.影片出品/制片公司指數(shù)；4.影片發(fā)行公司指數(shù)；5.影片預(yù)告片熱度指數(shù)；6.影片話題熱度指數(shù)；7.影片檔期指數(shù)。

通過這一點看，影片的票房預(yù)測研究理論也算基本合理，沒有太過于業(yè)余。

根據(jù)情報君了解，所謂AI、機器學(xué)習(xí)、人機交互等大數(shù)據(jù)測算技術(shù)，無論是在國內(nèi)還是國外，都早就已經(jīng)運用在了電影市場票房預(yù)測這一行當(dāng)中，本文并不是首創(chuàng)。不過也因為預(yù)測準(zhǔn)確率較差，目前仍然沒有對外開放，人機合作仍然是預(yù)測票房的最主要方式。不過無論是好萊塢每年100億美元+的市場，還是中國四五百億人民幣的市場，在AI、ML（機器學(xué)習(xí)）等業(yè)務(wù)范圍內(nèi)，實在是屬于很小很小的一塊蛋糕。而對于中國市場來說，機器的準(zhǔn)確性就更低了。

為什么在中國預(yù)測票房更難？

相比已經(jīng)成熟的北美電影市場，中國電影市場的預(yù)測才是最難的課題。

雖然在好萊塢預(yù)測票房準(zhǔn)確率一直不算太高，但是至少95%以上的電影，提前一周進行預(yù)測的話，誤差范圍能夠控制在50%以內(nèi)。這也是基于北美以及海外發(fā)達的市場機制，但是國內(nèi)并不是這樣。

電影票房預(yù)測是電影行業(yè)較為關(guān)注的一個研究方向，尤其是能否盡早給出準(zhǔn)確的票房預(yù)測。如果能盡早的對票房做出預(yù)測，影片的制作方和發(fā)行方可以根據(jù)票房預(yù)測的數(shù)據(jù)，對影片的制作和發(fā)行做出適當(dāng)?shù)恼{(diào)整，更合理的使用預(yù)算，以獲得更高的利潤。預(yù)測的越早，越有實用的價值，但是目前無論是中國的票房預(yù)測，都基本集中在定檔之后的宣發(fā)期。

可以說，目前中國票房預(yù)測的意義，也許重要的不是最終預(yù)測出來的那個簡單的數(shù)值，而是預(yù)測過程中，對影片多元影響因素的分析從而調(diào)整對應(yīng)的宣發(fā)策略以達到收益最大化。

不過市場畸形，加上觀眾盲目，也很容易導(dǎo)致爆款頻出、炮灰扎堆的現(xiàn)象，不利于中等體量影片的穩(wěn)定發(fā)揮，市場上，除了回報率2-3倍的超級爆款，就是賠的連宣發(fā)費用都收不回的撲街影片，缺少了中間影片的填充。而影片檔期選擇、宣發(fā)策略的一招失誤，就可能導(dǎo)致整個影片的票房成幾倍的誤差，這也導(dǎo)致了對國產(chǎn)片的票房預(yù)測充滿了極大的不確定性。

很多的票房預(yù)測人士表示，只要看過片，就已經(jīng)能對這部片的內(nèi)地表現(xiàn)做一個八九不離十的預(yù)估，但是現(xiàn)如今，主流觀眾的口碑愈發(fā)難以捉摸，業(yè)內(nèi)、影評人有時候甚至無法想到一部平庸的電影在主流觀眾面前會那么受歡迎，抑或是本來一部良心制作的影片會因為體裁限制而無人問津。

大數(shù)據(jù)沒有原罪，有的只是用大數(shù)據(jù)造假和輕信假數(shù)據(jù)的人。作為票房預(yù)測者，只有不斷的學(xué)習(xí)，面對數(shù)據(jù)造假見招拆招，更進一步理解市場，不斷的修改預(yù)測，不怕打臉。不要因為票房預(yù)測失靈，就否定大數(shù)據(jù)對于電影業(yè)的價值。

至少在未來5年內(nèi)，在中國進行票房預(yù)測還沒有機器能夠做到。

關(guān)鍵詞： 機器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò) 研究方向