[论文解读] Prediction of Foreign Box Office Revenues Based on Wikipedia Page Activity

Brian M. de Silva, Ryan Compton|arXiv (Cornell University)|May 22, 2014

Consumer Market Behavior and Pricing参考文献 3被引用 7

一句话总结

本研究检验了维基百科页面浏览量是否能够预测海外票房收入，扩展了此前针对美国市场的预测方法。基于页面浏览量和银幕数量的多元线性回归分析显示，在美国和澳大利亚市场预测准确度较高，但在英国、德国和日本市场表现显著较弱，表明文化差异和平台使用习惯限制了该模型在不同市场间的可转移性。

ABSTRACT

A number of attempts have been made at estimating the amount of box office revenue a film will generate during its opening weekend. One such attempt makes extensive use of the number of views a film's Wikipedia page has attracted as a predictor of box office success in the United States. In this paper we develop a similar method of approximating box office success. We test our method using 325 films from the United States and then apply it to films from four foreign markets: Japan (95 films), Australia (118 films), Germany (105 films), and the United Kingdom (141 films). We find the technique to have inconsistent performance in these nations. While it makes relatively accurate predictions for the United States and Australia, its predictions in the remaining markets are not accurate enough to be useful.

研究动机与目标

• 将此前针对美国市场的基于维基百科的票房预测模型扩展至海外市场。
• 评估维基百科页面浏览量是否能可靠预测非美国国家的上映周末票房收入。
• 探究影响维基百科指标预测能力的文化与平台使用差异。
• 评估多元回归模型在多样化国际电影市场中的稳健性。

提出的方法

• 从Box Office Mojo获取325部美国电影以及英国、澳大利亚、德国和日本的440部电影的票房数据和银幕数量。
• 通过DBpedia和Google自定义搜索API自动化将电影片名映射到对应语言版本的维基百科URL。
• 利用Grokse统计服务获取每部电影条目每日的维基百科页面浏览量数据。
• 构建多元线性回归模型，以页面浏览量和银幕数量作为预测上映周末票房收入的变量。
• 采用留一法交叉验证评估所有电影数据集的模型准确度。
• 通过决定系数（R²）和相对误差衡量模型性能。

实验结果

研究问题

• RQ1 维基百科页面浏览量能否以与美国市场相当的准确度预测海外票房收入？
• RQ2 维基百科页面浏览量在不同国际电影市场中的预测能力如何变化？
• RQ3 为何该模型在英国、德国和日本市场表现不佳，尽管在美国和澳大利亚市场表现良好？
• RQ4 电影研究行为的文化差异在多大程度上影响了维基百科指标作为预测工具的可靠性？
• RQ5 在国际市场上，加入银幕数量是否能提升预测准确度？

主要发现

• 对于美国电影，模型的R²约为0.61，表明利用维基百科页面浏览量和银幕数量具有较强的预测能力。
• 在澳大利亚电影中，模型保持了相对较高的准确度，表现与美国市场相当。
• 在德国，R²最高仅为0.45，显著低于美国市场，表明预测准确度下降。
• 对于日本电影，R²最高仅约0.30，且模型经常将票房收入高估两倍左右。
• 该模型在英国、德国和日本市场表现不佳，表明维基百科页面浏览量并非这些市场电影需求的可靠代理指标。
• 结果表明，电影发现行为的文化差异（如依赖其他信息来源）会削弱基于维基百科的预测模型的可转移性。