影片主创人员的推荐方法及系统与流程

本发明涉及计算机应用技术领域，特别涉及一种影片主创人员的推荐方法及系统。

背景技术：

电影投资商获取到剧本进行电影拍摄之前，需预先选择主创人员，例如导演、演员的选择。通过选择更合适的主创人员，使电影投资商能够花费最少的投资成本而收获最大的票房收入。

目前，电影投资商在选择主创人员时，通常是根据自身经验等方式。而这些方式无法对主创人员的选择进行量化，导致电影投资商无法有效选择影片主创人员，从而大大提高了影片主创人员的选择成本，降低了影片的拍摄效率。

技术实现要素：

为了解决相关技术中无法有效选择影片主创人员的技术问题，本发明提供了一种影片主创人员的推荐方法及系统。

一种影片主创人员的推荐方法，包括：

获取输入的影片信息；

从预先构建的影片数据库筛选符合所述目标票房和成本的影片，得到参考影片集；

根据所述参考影片集中各影片类型的影片数量，确定推荐影片类型；

从所述影片数据库中统计各主创人员拍摄所述推荐影片类型的影片数量；

根据各主创人员拍摄所述推荐影片类型的影片数量，确定备选主创人员；

计算所述备选主创人员与所述影片信息的匹配度；

根据所述匹配度确定所述影片信息对应目标影片的主创人员。

一种影片主创人员的推荐系统，包括：

影片信息获取模块，用于获取输入的影片信息；

匹配运算模块，用于根据所述影片信息在预先构建的影片数据库中进行匹配运算，计算所述影片信息与主创人员的匹配度；

主创人员确定模块，用于根据所述匹配度确定所述影片信息对应目标影片的主创人员。

本发明的实施例提供的技术方案可以包括以下有益效果：

在获取输入的影片信息后，根据影片信息在预先构建的影片数据库中进行匹配运算，计算影片信息与主创人员的匹配度，进而确定影片信息对应目标影片的主创人员，从而在获取到影片信息后即可自动推荐相关主创人员，无需影片投资商根据自身经验进行猜测性选择，大大提高了影片主创人员选择的准确性和效率，并降低了影片主创人员的选择成本。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种影片主创人员的推荐方法的流程图。

图2是图1对应实施例的影片主创人员的推荐方法中步骤s120的一种具体实现的流程图。

图3是图2对应实施例示出的影片主创人员的推荐方法中步骤s125的一种具体实现的流程图。

图4是图2对应实施例示出的影片主创人员的推荐方法中步骤s125的另一种具体实现的流程图。

图5是图2对应实施例示出的影片主创人员的推荐方法中步骤s125的另一种具体实现的流程图。

图6是根据一示例性实施例输出的确定主创人员的权值控制参数的示意图。

图7是根据一示例性实施例示出的一种影片主创人员的推荐系统的框图。

图8是图7对应实施例示出的影片主创人员的推荐系统中匹配运算模块120的一种框图。

图9是图8对应实施例示出的影片主创人员的推荐系统中匹配度计算单元125的一种框图。

图10是图8对应实施例示出的影片主创人员的推荐系统中匹配度计算单元125的另一种框图。

图11是图8对应实施例示出的影片主创人员的推荐系统中匹配度计算单元125的另一种框图。

图12是图7对应实施例示出的另一种影片主创人员的推荐系统的框图。

图13是图12对应实施例示出的另一种影片主创人员的推荐系统的框图。

图14是根据一示例性实施例输出的确定主创人员的系统界面示意图。

具体实施方式

这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种影片主创人员的推荐方法的流程图。该影片主创人员的推荐方法用于智能手机、电脑、服务器等计算机设备中。如图1所示，该影片主创人员的推荐方法可以包括步骤s110、步骤s120、步骤s130。

步骤s110，获取输入的影片信息。

影片信息是与影片相关的信息，包括目标票房、成本、题材等。

在本方案中，根据用户输入的影片信息，即可推荐影片主创人员以供用户选择。

步骤s120，根据影片信息在预先构建的影片数据库中进行匹配运算，计算影片信息与主创人员的匹配度。

影片数据库是预先构建的。影片数据库中包含以往上映影片的相关信息，这些相关信息包括电影名称、导演、主要演员、类型、全国排片、票房、电影上映日期、与热门档期重合天数、同期竞争影片数、是否是知名ip、是否是系列、是否进口、制作成本、上映前1～3月日最高搜索、上映前一周搜索量等信息。通过将相关信息结构化后存储至影片数据库中，通过影片数据库查询语言可以动态、高效的查询到所需要的信息。

实现影片信息在预先构建的影片数据库中进行匹配运算，可以通过kmp(theknuth-morris-pratt，克努特-莫里斯-普拉特)文本匹配算法进行匹配运算，也可以通过bm(boyer-moore)算法进行匹配运算，还可以通过其他的文本匹配算法进行匹配运算，在此不进行一一描述。

步骤s130，根据匹配度确定影片信息对应目标影片的主创人员。

在通过步骤s120计算出影片信息与各主创人员的匹配度后，根据匹配度为输入的影片信息对应目标影片推荐主创人员。

在根据根据匹配度确定影片信息对应目标影片的主创人员时，可以将与影片信息匹配度最高的主创人员确定为对应目标影片的主创人员，也可以从与影片信息之间匹配度达到预设匹配度阈值的多个主创人员中随机确定一个主创人员，还可以采用其它方式根据匹配度确定主创人员，

利用如上所述的方法，在获取输入的影片信息后，根据影片信息在预先构建的影片数据库中进行匹配运算，计算影片信息与主创人员的匹配度，进而确定影片信息对应目标影片的主创人员，从而在获取到影片信息后即可自动推荐相关主创人员，无需影片投资商根据自身经验进行猜测性选择，大大提高了影片主创人员选择的准确性和效率，并降低了影片主创人员的选择成本。

图2是根据图1对应实施例示出的影片主创人员的推荐方法中步骤s120的一种细节描述。如图2所示，该步骤s120可以包括以下步骤。

步骤s121，从预先构建的影片数据库筛选符合目标票房和成本的影片，得到参考影片集。

参考影片集是对目标票房和成本对应的目标影片进行主创人员推荐时的参考影片的集合。

如前所述的，影片数据库中包括有以往各种历史影片的相关信息。

因此，根据用户输入的目标票房和成本，即可从影片数据库中进行影片筛选得到参考影片集。

步骤s122，根据参考影片集中各影片类型的影片数量，确定推荐影片类型。

推荐影片类型是对目标影片推荐影片拍摄类型。

如前所述的，预先构建的影片数据库中包含以往上映影片的相关信息，这些相关信息包括电影名称、导演、主要演员、类型、全国排片、票房、电影上映日期、与热门档期重合天数、同期竞争影片数、是否是知名ip、是否是系列、是否进口、制作成本、上映前1～3月日最高搜索、上映前一周搜索量等信息。

因此，通过统计参考影片集中各影片类型的影片数量，选取相应影片数量最多的n个影片类型作为推荐影片类型。

在选取相应影片数量最多的n个影片类型作为推荐影片类型时，n可以是预先设置的数值，也可以是根据其它条件而确定，即在确定推荐影片类型时，可以通过预设影片数量阈值，将参考影片集中影片类型的影片数量达到影片数量阈值的影片类型作为推荐影片类型；也可以通过预设推荐影片类型的数量阈值k，通过对参考影片集中各影片类型的影片数量进行排序，选取影片数量最多的k个影片类型作为推荐影片类型；还可以采用其它方式确定推荐影片类型。

例如，在根据参考影片集中各影片类型的影片数量确定推荐影片类型时，从预先构建的影片数据库筛选得到参考影片集后，统计参考影片集中各影片类型的影片数量，进而将影片数量大于20的影片类型为推荐影片类型；或者对参考影片集中各影片类型的影片数量进行大小排序，选取影片数量最多的6个影片类型作为推荐影片类型。

步骤s123，从影片数据库中统计各主创人员拍摄推荐影片类型的影片数量。

可以理解的是，各主创人员拍摄的影片类型并不是完全相同的，有的主创人员的拍摄影片类型包括喜剧、动作等，有的主创人员拍摄的影片类型包括恐怖、犯罪等，而有的主创人员拍摄影片类型包括科幻、动作等。

步骤s124，根据各主创人员拍摄推荐影片类型的影片数量，确定备选主创人员。

在根据各主创人员拍摄推荐影片类型的影片数量确定备选主创人员时，可以是将拍摄推荐影片类型的影片数量达到预先设置的影片数量的主创人员作为备选主创人员；也可以是预设备选主创人员数量，对主创人员按照拍摄推荐影片类型的影片数量进行排序，将拍摄推荐影片类型的影片数量最多的前k个主创人员作为备选主创人员；还可以采用其它方式根据各主创人员拍摄推荐影片类型的影片数量确定备选主创人员，在此不进行一一描述。

步骤s125，计算备选主创人员与影片信息的匹配度。

图3是根据一示例性实施例示出的步骤s125的一种具体实现的流程图，步骤s125可以包括以下步骤s1251、步骤s1252和步骤s1253。

步骤s1251，从影片数据库中计算备选主创人员拍摄影片的历史平均票房。

历史平均票房是备选主创人员所拍摄的影片中票房的平均值。

步骤s1252，计算历史平均票房与目标票房之间的票房差值。

步骤s1253，根据票房差值之间的排序确定备选主创人员与影片信息的匹配度。

票房差值越大，则备选主创人员与影片信息的匹配度就越小。

根据票房差值确定备选主创人员与影片信息的匹配度时，可以根据各备选主创人员的票房差值的排序确定备选主创人员与影片信息的匹配度，也可以根据各备选主创人员的票房差值相对目标票房的占比确定备选主创人员与影片信息的匹配度，还可以通过其它方式确定备选主创人员与影片信息的匹配度。

在一示例性实施例中，若备选主创人员有n位，计算该n位备选主创人员的历史平均票房与目标票房的差值，并按此差值降序排序，每位备选主创人员排序后的位置记为i(0<＝i<n)，匹配度计算如下：

rate表示票房匹配度占总匹配度的比率，为0.2。

例子：如n＝5，差值最小(i＝0)的导演(演员)获得最高匹配度0.2，第二小(i＝1)的备选主创人员获得票房匹配度0.16((5–1)/5*0.2＝0.16)，以此类推。

图4是根据一示例性实施例示出的步骤s125的一种具体实现的流程图，步骤s125可以包括以下步骤s1254、步骤s1255和步骤s1256。

步骤s1254，从影片数据库中计算备选主创人员拍摄影片的历史平均成本。

历史平均成本是备选主创人员所拍摄的影片所花费成本的平均值。

步骤s1255，计算历史平均成本与目标票房之间的成本差值。

步骤s1256，根据成本差值之间的排序确定备选主创人员与影片信息的匹配度。

根据成本差值确定备选主创人员与影片信息的匹配度时，可以根据各备选主创人员的成本差值的排序确定备选主创人员与影片信息的匹配度，也可以根据各备选主创人员的成本差值相对目标票房的占比确定备选主创人员与影片信息的匹配度，还可以通过其它方式确定备选主创人员与影片信息的匹配度。

在一示例性实施例中，若备选主创人员有n位，计算该n位备选主创人员所拍摄影片的历史成本与目标成本的差值，并按此差值降序排序，每位备选主创人员排序后的位置记为i(0<＝i<n)，匹配度计算如下：

rate表示成本匹配度占总匹配度的比率，为0.1。

例如n＝5，差值最小(i＝0)的备选主创人员获得最高匹配度0.1，第二小(i＝1)的备选主创人员获得票房匹配度0.16((5–1)/5*0.1＝0.08)，以此类推。

图5是根据一示例性实施例示出的步骤s125的一种具体实现的流程图，步骤s125可以包括以下步骤s1257、步骤s1258和步骤s1259。

步骤s1257，从影片数据库中计算各备选主创人员的影片拍摄总数。

步骤s1258，针对每一备选主创人员，计算备选主创人员拍摄推荐影片类型的影片数量在影片拍摄总数中的占比。

步骤s1259，通过占比之间的排序确定备选主创人员与影片信息的匹配度。

根据推荐影片类型的影片数量在影片拍摄总数中的占比确定备选主创人员与影片信息的匹配度时，可以根据各备选主创人员的推荐影片类型的影片数量的占比排序确定备选主创人员与影片信息的匹配度，也可以根据各备选主创人员拍摄推荐影片类型的影片数量占比值确定备选主创人员与影片信息的匹配度，还可以通过其它方式确定备选主创人员与影片信息的匹配度。

在一示例性实施例中，若备选主创人员有n位，计算该n位备选主创人员所拍摄推荐影片类型的影片数量在影片拍摄总数中的占比，并按占比降序排序，每位备选主创人员排序后的位置记为i(0<＝i<n)，匹配度计算如下：

rate表示影片类型匹配度占总匹配度的比率，为0.2。

例如n＝5，差值最小(i＝0)的备选主创人员获得最高匹配度0.2，第二小(i＝1)的主创人员获得票房匹配度0.16((5–1)/5*0.2＝0.16)，以此类推。

利用如上所述的方法，通过票房匹配度、成本匹配度、影片类型的匹配度计算备选主创人员与影片信息之间的匹配度，进而确定最终推荐的主创人员，有效提高了从备选主创人员中确定推荐的主创人员的精准性。

可选的，图1对应实施例示出的影片主创人员的推荐方法中，步骤s130之前还可以包括以下步骤：

根据对各主创人员的权值控制参数对匹配度进行更新。

权值控制参数是对各匹配度进行权重调节的控制参数。

例如，有的主创人员广受高评，而有的主创人员好评较好等，因此，通过对各主创人员设置一定的权值控制参数，进而对主创人员与影片信息之间的匹配度进行调节，以进一步提高为目标影片推荐主创人员的灵活性和准确性。

可选的，图6是根据一示例性实施例输出的确定主创人员的权值控制参数的示意图。

步骤s210，根据各主创人员拍摄影片的平均票房、影片评分及粉丝数量，对主创人员进行聚类分析。

步骤s220，通过聚类分析确定各主创人员的分类级别。

聚类分析是对各主创人员进行的特征的相似性分析。

在一示例性实施例中，通过knn算法对各主创人员进行聚类分析。根据各主创人员拍摄影片的平均票房、影片评分及粉丝数量，将所有主创人员分为5个级别，并从低到高记为1、2、3、4、5。其中1代表该主创人员为最低级别，5代表该主创人员为最高级别，以此类推。

步骤s230，根据分类级别确定对主创人员的权值控制参数。

可以理解的是，主创人员对应的分类级别越高，则代表该主创人员越优质。

因此，通过主创人员的分类级别调节对主创人员的权值控制参数，以进一步提高确定推荐的主创人员的准确性。

步骤s240，收集娱乐新闻。

步骤s250，对娱乐新闻进行语义分析，提取与主创人员相关的文字信息。

步骤s260，通过对文字信息进行分析，计算主创人员的影响度。

影响度是对主创人员的好评分数。

通过对与主创人员相关的文字信息进行分析，评估网络上对主创人员的影响度。

步骤s270，根据影响度调节对主创人员的权值控制参数。

可以理解的是，主创人员的影响度越高，则代表该主创人员越优质，进而对主创人员的权值控制参数进行相应调节。

因此，通过分析网络上对主创人员的评价，对主创人员的影响度进行评估，进而根据影响度调节对主创人员的权值控制参数，以进一步提高权值控制参数的准确性。

下述为本发明系统实施例，可以用于执行本上述影片主创人员的推荐方法实施例。对于本发明系统实施例中未披露的细节，请参照本发明影片主创人员的推荐方法实施例。

图7是根据一示例性实施例示出的一种影片主创人员的推荐系统的框图，该装置包括但不限于：影片信息获取模块110、匹配运算模块120及主创人员确定模块130。

影片信息获取模块110，用于获取输入的影片信息；

匹配运算模块120，用于根据所述影片信息在预先构建的影片数据库中进行匹配运算，计算所述影片信息与主创人员的匹配度；

主创人员确定模块130，用于根据所述匹配度确定所述影片信息对应目标影片的主创人员。

上述系统中各个模块的功能和作用的实现过程具体详见上述影片主创人员的推荐方法中对应步骤的实现过程，在此不再赘述。

可选的，如图8所示，图7中所示的匹配运算模块120包括但不限于：筛选单元121、推荐影片类型确定单元122、影片数量统计单元123、备选主创人员确定单元124和匹配度计算单元125。

筛选单元121，用于从预先构建的影片数据库筛选符合所述目标票房和成本的影片，得到参考影片集；

推荐影片类型确定单元122，用于根据所述参考影片集中各影片类型的影片数量，确定推荐影片类型；

影片数量统计单元123，用于从所述影片数据库中统计各主创人员拍摄所述推荐影片类型的影片数量；

备选主创人员确定单元124，用于根据各主创人员拍摄所述推荐影片类型的影片数量，确定备选主创人员；

匹配度计算单元125，用于计算所述备选主创人员与所述影片信息的匹配度。

可选的，如图9所示，图8中所示的匹配度计算单元125包括但不限于：历史平均票房计算子单元1251、票房差值计算子单元1252和票房匹配度确定子单元1253。

历史平均票房计算子单元1251，用于从所述影片数据库中计算所述备选主创人员拍摄影片的历史平均票房；

票房差值计算子单元1252，用于计算所述历史平均票房与目标票房之间的票房差值；

票房匹配度确定子单元1253，用于根据所述票房差值之间的排序确定所述备选主创人员与所述影片信息的匹配度。

可选的，如图10所示，图8中所示的匹配度计算单元125包括但不限于：历史平均成本计算子子单元1254、成本差值计算子子单元1255和成本匹配度确定子单元1256。

历史平均成本计算子单元1254，用于从所述影片数据库中计算所述备选主创人员拍摄影片的历史平均成本；

成本差值计算子单元1255，用于计算所述历史平均成本与目标票房之间的成本差值；

成本匹配度确定子单元1256，用于根据所述成本差值之间的排序确定所述备选主创人员与所述影片信息的匹配度。

可选的，如图11所示，图8中所示的匹配度计算单元125包括但不限于：影片拍摄总数计算子单元1257、占比计算子单元1258和影片类型匹配度子单元1259。

影片拍摄总数计算子单元1257，用于从所述影片数据库中计算各备选主创人员的影片拍摄总数；

占比计算子单元1258，用于针对每一备选主创人员，计算所述备选主创人员拍摄所述推荐影片类型的影片数量在所述影片拍摄总数中的占比；

影片类型匹配度子单元1259，用于通过所述占比之间的排序确定所述备选主创人员与所述影片信息的匹配度。

可选的，图7中所示的影片主创人员的推荐系统包括但不限于：匹配度更新模块。

匹配度更新模块，用于根据对各主创人员的权值控制参数对所述匹配度进行更新。

可选的，如图12所示，图7中所示的影片主创人员的推荐系统包括但不限于：聚类分析模块210、分类级别确定模块220和权值控制参数确定模块230。

聚类分析模块210，用于根据各主创人员拍摄影片的平均票房、影片评分及粉丝数量，对主创人员进行聚类分析；

分类级别确定模块220，用于通过所述聚类分析确定各主创人员的分类级别；

权值控制参数确定模块230，用于根据所述分类级别确定对所述主创人员的权值控制参数。

可选的，如图13所示，图12中所示的影片主创人员的推荐系统还包括但不限于：娱乐新闻收集模块240、语义分析模块250、影响度计算模块260和权值控制参数调节模块270。

娱乐新闻收集模块240，用于收集娱乐新闻；

语义分析模块250，用于对所述娱乐新闻进行语义分析，提取与主创人员相关的文字信息；

影响度计算模块260，用于通过对所述文字信息进行分析，计算主创人员的影响度；

权值控制参数调节模块270，用于根据所述影响度调节对所述主创人员的权值控制参数。

图14是根据一示例性实施例输出的确定主创人员的系统界面示意图，通过输入目标票房、成本、题材(影片类型)等信息，即可自动进行主创人员的推荐，大大提高了推荐主创人员的方便性。

可选的，本发明还提供一种终端，执行如上述示例性实施例任一所示的影片主创人员的推荐方法的全部或者部分步骤。终端包括：

处理器；以及

与所述处理器通信连接的存储器；其中，

所述存储器存储有可读性指令，所述可读性指令被所述处理器执行时实现如上述任一示例性实施例所述的方法。

该实施例中的终端中处理器执行操作的具体方式已经在有关该影片主创人员的推荐方法的实施例中执行了详细描述，此处将不做详细阐述说明。

在示例性实施例中，还提供了一种存储介质，该存储介质为计算机可读性存储介质，例如可以为包括指令的临时性和非临时性计算机可读性存储介质。该存储介质例如包括指令的存储器，上述指令可由终端的处理器执行以完成上述影片主创人员的推荐方法。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。