刘林慧 王慧

摘  要：电影评分是电影质量的一个直观反映，对未上映的电影评分进行预测是非常重要的。文章在电影本身属性的基础上，定义所有特征量化方式，同时利用电影相似度新增相似电影评分属性，结果表明，加入该因子之后，模型的均方误差降低了35.3%。在此基础上，使用选择性随机森林优化算法对电影评分进行预测，模型的均方误差为0.102 5，预测较准确。

关键词：相似电影评分;特征量化;随机森林;电影评分预测

中图分类号：TP391.4                    文献标识码：A文章编号：2096-4706（2021）16-0083-04

Prediction of Film Score Based on Random Forest Theory

LIU Linhui， WANG Hui

（College of Modern Manufacturing Engineering， Heilongjiang University of Technology， Jixi  158100， China）

Abstract： Film score is an intuitive reflection of film quality. It is very important to predict the score of unreleased films. Based on the attributes of the film itself， this paper defines all feature quantization methods， at the same time， the film similarity is used to add the scoring attribute of similar films. The results show that after adding this factor， the mean square error of the model is reduced by 35.3%. On this basis， the selective random forest optimization algorithm is used to predict the film score， the mean square error of the model is 0.102 5， which is more accurate.

Keywords： similar film score; feature quantification; random forest; prediction of film score

0  引  言

随着信息时代的大踏步发展，人们生活方式的大幅度变革，电影成了人们休闲娱乐的重要方式之一。在电影领域，不管是哪种片型，都包含着一个国家、一个民族、一個社会的交往方式，反映了一个特定时期的人文精神。越来越多的人会在休闲之余选择去观看电影，渴望通过电影获取这个时代的重要信息，渴望通过电影释放自己的精神压力。电影是拍给观众看的，没有观众的电影是不存在的，因此电影要适应观众的需要。

近年来，越来越多的电影在大众视野中出现，但是电影的质量却是参差不齐。电影评分是电影质量最直观的反映，它成为观众选择电影消费的一个重要依据。预测电影评分问题[1，2]对于电影领域未来的发展和地区经济发展非常重要，因此对即将上映的电影评分进行预测是非常有必要的。

1  数据处理

本文所使用的实验数据来自豆瓣网站[3]，详见https：//movie.douban.com/。共包含8个属性，15 000条电影数据。……