摘要: 在当今移动互联网和物联网飞速发展的时代，大量的信息化数据逐年递增，如何有效的获取有价值的信息，大数据挖掘技术成为了重中之重。国民经济支柱之一的文化影视产业备受各大广电网络，投资人关注。票房和收视率作为影视行业的主要评测标准，制片人... 展开 在当今移动互联网和物联网飞速发展的时代，大量的信息化数据逐年递增，如何有效的获取有价值的信息，大数据挖掘技术成为了重中之重。国民经济支柱之一的文化影视产业备受各大广电网络，投资人关注。票房和收视率作为影视行业的主要评测标准，制片人、广告代理机构投资及收益的主要参考依据，无形中体现了有效数据分析的价值。面对大数据大潮的来临，影视大数据的存储，预处理及分析将面临巨大的挑战。 本文主要阐述了大数据的含义、特征及影视大数据的特点，统计学在数据挖掘、分析过程中的作用及方法。最后利用python网络爬虫获取互联网上的影视数据作为全量数据；通过hadoop大数据平台对非结构化数据进行数据预处理，数据清洗、数据去重、数据集成、数据标准化处理；处理完毕后基于数据挖掘技术，利用关联分析、聚类分析、因子分析法并建立k-means+关联分析算法训练模型，对电影、电视剧全量数据进行建模处理分析，根据影片类型、出品方、制片地区、投资额、票房、收视率、网络评分、受众群体等因素、对近年影视数据进行了分析研究。研究显示国内电影票房数逐年提升；知名导演；明星效应对于影片票房、收视率有很大影响；另外也可以看出，收视率与投资不一定成正向关系，投资大的电视剧收视率不一定有好的收视率；与此同时随着新媒体的诞生，以及网络影视娱乐的崛起，广电网络的收视率趋于平稳发展，更多的年轻人趋向于利用闲暇时间来追剧，黄金时段的广告投放因此受到了一定的影响。 基于以上的分析研究影视剧各个属性对于电影票房、电视收视率的影响，希望能致力于在数据挖掘过程中应用多种模型对影视行业进行预测，包括电影票房，电视收视率；不断通过大量数据仿真实验，验证完善算法模型。 收起