Ⅰ 简书用户画像 之 如何挖掘用户的电影喜好
我在 《爬取百万页面 分析用户画像》 中分析了用户的书籍喜好，这里继续尝试通过影评文章的抓取、内容清洗、影评句子提取，建立机器学习情绪预测模型，挖掘分析用户对流行电影的喜好。
涉及的NLP（自然语言处理）知识点：
涉及的ML（机器学习）知识点：
电影的拍摄成本高、票价也不低，消费者投入的关注度和观看成本高（最终的投入成本是包括注意力投入、金钱投入、时间投入和感情投入）。
简单算下观看一部电影的成本（步骤）：先看下预告内容，做下同期上映电影的比较，觉得导演、演员阵容都不错，下定决心要看了，跟男／女友／老婆 ／老公／基友／闺密做推荐，推荐成功后去选座买票，观影当天说不定还得先吃个饭，饭后乖乖的在影院呆上90分钟（关键时刻还得憋尿），观影结束后指不定还得来个夜宵、开个房间探讨下人生什么的。。。
读一本书的成本（步骤）：1.打开书/电子阅读器/手机；2. 读！
这样对比看一部电影比读一本书的投入成本高多了！
因此观众给出的反馈自然也比书籍会强烈一些，特别是满怀期待看完却发现是一部烂片，有种上当受骗的感觉。
因此对电影光是通过词频作为喜好度是不够的，用户可能反复的在骂呢。
所以需要引入多一个分析的因子：情绪。用户提及某个电影时的情绪是怎么样的，是积极愉悦、还是负面愤怒，加上这个才能有效判定用户对电影或者某个事物的喜好。
在豆瓣上，用户的评分就是最直接的情绪数值：5力荐，4推荐，3还行，2较差，1很差。
但在这类写作平台上，发布文章时是没有一个选项来填写分数，也没提供选择心情的选项。
“所言即其所思”，这是普遍人性。每个用户写下的文字表达想法，在字里行间都会不经意的使用一些情绪用词来表达，这些便是我可以获取的“原始数据”。
精准推荐！用户谈论得多的东西未必是TA所喜爱的，也许是TA痛恨的（比如说前任）。如果用户在自己大力差评某部电影的文章底部看到另一部相似烂片的推荐，推荐文案还写着“亲，我猜你还喜欢看这些”，估计这用户会有种吃了苍蝇刚吐出来发现迎面又飞来几只的感觉。
通过用户在讨论某事物时上下文的情绪分析，来判断对该事物的喜恶，将预测结果加入对事物的打分计算中，最后得出一个可量化、可计算的分数值，便是一个精准推荐系统的需要解决的问题。
理论上只需要一句话：要识别出文章中提及的电影，以及作者对该电影的评论，是好评还是差评，作为文章作者对该电影的喜恶，并根据评论的情绪强烈程度转化为喜恶程度即可。
那实际上，就要解决以下问题：
下面逐一细说。
我采集了上几个比较受欢迎的电影专题以及一个大V帐号文章（数据截止至采集数据时）：
但由于对专题页面加了访问限制，每个专题只能访问到最新的200个列表页面，因而每个专题可获取2~3000篇文章，以此作庆卖为抽样数据样本。
要分析对电影的评渗差薯价，首先就要获取到文章中提到电影名称有哪些，最简单的匹配规则便是提取书名号 《》 内的内容。
而实际获取到的电影名称真可谓“脏乱差”，有电影名、书籍名、文章名等，有些电影名称会用缩写引用（如《变1》、《复联》、《生化危机4/5/6》），或者中英文混合在一起（如《机器人总动员(wall-e)》），甚至还有错漏别字（如《那些年，我们一起追过的女孩》，多了个“过”字），以及包含中英文特殊标点空白符号等，例如：
因此需要进行一轮“数据大清洗”，我使用如下清洗策略：
其中“电影专用词典”，是通过采集了 「猫眼 影片总票房排行榜」 2000~2017年间上榜的所有电丛者影，约有3000+部，如图：
再根据文章中所收集到的电影名称的候选文本，抓取「豆瓣网」的官方电影名字（遭遇了豆瓣业内闻名的反爬策略就不多说了），合并去重后约有8400多部。看一眼才发现好多电影连听都没听过，有些电影名称还挺有趣，以后有时间还可以做下电影名称的分析。
为了解决错别字，我通过文本相似性算法，在电影专用词典里找出与之最相似名称。
知名的相似算法有不少，如：
经过简单比较，我选择了其中表现最好的 jaro_winkler_distance
运用到文章内容上，可得到相似电影名称，感觉效果还可以：
构建一个Pipeline用于提取页面中电影名称，对单个页面测试效果如下：
运用到所有页面上：
至此完成了电影名称的提取、清洗，得出每篇文章提及的电影名称，如图：
判断一篇文章的情绪，最简单的做法是通过提取所有情绪词来统计下词频及其权重可得到一个粗糙的结果，但这样的结果对“影评”类文章不是很准确。
根据观察，一篇电影评论文章中，往往会有大段的电影情节描述，然后夹杂一两句评论。而有些电影本身剧情就是比较负面、阴暗的（如灾难片类的），但影片本身质量很高（如《釜山行》，豆瓣评分8.2），如果文章内容包含大量的剧情描述，那么得到关键词会偏向于负面情绪，并不能用于表达出作者对电影的喜好情绪。
因此我使用了这样的提取策略：
评论句子提取的结果示例如下：
这样的策略对有些内容不是很适用，例如这样的标题：《同样是豆瓣9.2分，它或许比《摔跤吧！爸爸》更深》，这是典型的“借势营销”型文案，文章内容中推介的是另外一部韩国电影《熔炉》，而时下《摔跤吧！爸爸》正热，标题中带上这个会更吸引用户点击。
另外一个思路是对文章进行摘要提取，然后对摘要进行情绪识别。而对于文章的主题提取，可以使用在ML算法中的用于解决 主题模型 问题的算法（如LDA），但不确定是否适合影评这种混合了大量剧情描述的文章内容。
得到相关评论文本后，便可对文本进行分词及情绪识别，这里有两种做法，一是使用带有情绪情感度的专业词典，配合专有算法；另外一种是使用机器学习算法。
一开始我使用了大连理工大学的《大连理工情感词汇本体库》，是目前最权威的中文情绪词典，共含有情感词共计27466个，包含了词语的词性种类、情感类别、情感强度及极性等信息，例如：
中文情感词汇本体的情感分类体系是在国外比较有影响的Ekman的6大类情感分类体系的基础上构建的。在Ekman的基础上，词汇本体加入情感类别“好”对褒义情感进行了更细致的划分。最终词汇本体中的情感共分为7大类21小类，如图：
把情感词典加入分词词典，对候选每个句子进行分词，得出情感词组，并累加每个情感词的强度值作为句子的情感值。
但经过测试后，发现预测效果并不理想，究其原因发现是情感词典中命中的词语太少，在句子中得不到相关词语，也就无法判断情感极性和强度。
使用情感词典的测试结果：
而专业词典的扩展需要专业领域知识，扩展起来很困难，我目前没找到更新的专业词典，国内这块的资料相当匮乏，而国外有个知名的SentiWordNet库，中文NLP研究的难度系数可想而知。
鉴于情感词典的资源限制，决定尝试使用机器学习来对文本做正、负面情绪预测。
1). 构建分词词典：
分词需要构建专用领域的词典，这样得到的分词结果才会更精确。
因为只需要有正负情感类别、不需要有情感强度及极性等信息，我使用了网络上公开的一些情感词典，：
合并、清洗和去重后，最终构建出了 14000+ 个词的积极情绪词典， 18000+ 个词的消极情绪词典。
积极词典：
消极词典：
2). 准备训练语料
从网上搜集到几个带有积极、消极的标注的评论语料数据集，分别包含了书籍、DVD、音乐、购物领域的各有4000条评论，如下图：
可惜没找到中文影评相关的语料，但找到 国外英文的影评语料 ，对，英文资料很丰富。。。
3). 训练模型
由于是文本型特征，分类算法上选择了 朴素贝叶斯 ，把数据分为2份，一半训练，另一半做测试。
使用 jieba 分词工具，对文本进行分词得到候选词组，把得到的词组作为特征输入来训练情绪预测模型。
训练后的模型测试结果如下：
训练后的模型在书籍、音乐、影碟及购物评论的语料上都有不错的效果。
在提取出的影评短句上测试：
又是“无聊”、“又俗又傻”而一个“但”字就反转了情绪，真是难为分类器了：
经过反复对比实验，发现语料的质量决定了模型的精度，而语料的扩展对比扩展专业词典却容易多了。例如几年前都没有“ 因吹斯汀 ”这些网络流行词，更不知道它代表是正面情绪，以后只要不断更新相关领域的语料库来重新训练则可得到更精确的模型。
俗话说“是骡子是马拉出来遛遛”。
得到一个预测情绪的模型后，便可对影评文章进行预测，但预测的结果是否准确？准确率又有多高？这又是个问题。
每当事情陷入停滞，我就会想起日本漫画大师安达充说过“当故事情节发展不下去的时候，加入一个新角色，是最简单的做法”。
这时需要祭出一个“旁证”了。这所谓的“旁证”，也就是目前大家比较认可的电影评分网站——豆瓣网。
大家都知道豆瓣网上的电影用户通过打星（5力荐，4推荐，3还行，2较差，1很差），转换得出的10分制的评分，我们可简单把1 4.9分视作负面评价、5 10分视作正面评价，没有分数的视作中性评价。再把豆瓣的评价结果视作大部分人认同的结果，当然这样肯定是有偏差的。
大胆假设，小心求证，先试试看吧。
根据电影名词典再次去抓取豆瓣网上的电影信息，这次包含了电影分数：：
使用获取到的电影专题『电影院』文章内容测试，结果如下：
1048篇中，豆瓣评分结果与模型预测符合的有974篇，准确率是92.9%，WOW！真的这么准吗？
看下详细结果，豆瓣评分是正面的有1022条，预测对了973篇，例如：
而豆瓣评分是负面的有28条记录，而模型只预测出1篇是负面的：
真的是模型预测错了吗？
从负面例子中抽样看看模型分解的结果：
评论《麻烦家族》（豆瓣评分4.8）的：
从自动摘要出来的句子来看，实际上文章作者表现出正面情绪，模型预测为正面，预测正确 😊。
再看评论同一部电影的另外一个文章的评论：
作者显然是给了个差评，但模型给了出的预测是正面，预测错误 😞。
负例的预测准确率低，有两个原因，一个是豆瓣评分正负标准的阀值设定不够精准，二是训练数据不平衡。
之前使用的阀值策略是：“简单把1 4分视作负面评价、5 10分视作正面评价，没有分数的视作中性评价”。
我猜测在4~5分这个区间应该是灰度地带，正负面评论都会有。为了验证这个猜想，使用获取到的所有豆瓣电影分数，导入数据分析工具中，排除掉没有分数的条目后得到6500+条电影数据，其中最低是2.1，最高是9.7。
查看评分分布的直方图与比例饼图：
调整区间阀值，把 2.1-4.9 划分为一个区间，系统自动分成了3组分值：
发现5分以下电影仅占12%。
从评分分布结果看，在上大部分人写文章是针对高分（好评）电影为主，低分（差评）电影的文章数量很少，从提取出来的数据量看，两者比率约为100:3。
训练数据不平衡导致正例过拟合，而负例欠拟合。
要解决数据不平衡问题，可以重新采样训练集。有两种方法使不平衡的数据集来建立一个平衡的数据集——欠采样和过采样，解释如下：
由于训练数据不多，我使用了 过采样 中的自举方案。我将另外一个的电影专题『影视天堂』中模型预测结果与豆瓣评分结果一致的内容作为训练数据集来强化训练模型：
然后再对电影专题『电影院』测试一次：
负例的准确率改善了一些些，这说明效果是有的，以后只需继续获取到新的数据再“喂”给模型，模型预测结果会越来越精准。
至此，得到一个不算成熟的电影情绪预测模型，可以用来做一些有趣的统计分析了。
将『影视天堂』专题的分析结果在数据分析工具上进行数据可视化展示，得到一个「长尾图」：
从报表中可得到这些信息：
注1：严格来说《欢乐颂》不是电影而是电视剧作品，在用豆瓣网的数据构建电影词典时我没有做严格区分
注2：专题的数据获取是在5月份完成的，以及专题的最新收录文章有访问限制，无法获取到旧的文章，因此得到的当时热门影视作品的影评，从而呈现出信息跟当时热播作品比较相关
再对先前获取到的 1万个用户的近60万篇文章内容 ，运行相应的Pipeline进行电影情绪数据的提取。
可视化数据后得到图表：
现在可以看看，上用户给予好评的电影有哪些，使用「词云图」展示如下：
用户给予差评的电影有哪些：
现在也可以精准了解每一个用户的电影口味了，以 『毒舌电影 - 』 为例子：
注3：本文发表时上“毒舌电影”经历过被封事件后已改名为“Sir电影”；专题“影视天堂”已改名为“电影”
以后做电影个性化推荐可就不要推荐错了 😉。
Ⅱ 按电影的上映日期排行的网站
http://www.imdb.cn/
IMDB全称Internet Movie Database（互联网电影数据库），其前身是一个名叫“rec.arts.movies”的Usenet新闻组。当时一群热心影迷自发地组织起来，列出影片的演职员表，并为已故影人撰写小传（那时称作“死亡名单”）。
1990年10月17日，IMDB的奠基人Col Needham写了一系列Unix程序，使得所有信息成为可搜索数据，这项至关重要的功能使新闻组上的信息变得更有用、更有意义，直到现在，强大无比的交叉搜索功能还是IMDB的天字招牌。
1993年，IMDB.com正式启动，成为互联网上第一个完全以电影为内容的网站。之后6年，这个网站不断发展壮大，在美国各大校园网中出现镜像，提交电影信息的用户也越来越多（IMDB的写入权力是开放的）。
1995年，随着海量数据带来的信息拥堵、对员工人数的进一步要求，IMDB走上另一个十字路口。Col Needham辞掉了他的正式工作，用自己的信用卡买下了第一台服务器，并使IMDB公司化。
1998年，IMDB的信息量继续以几何级数增长，民间自愿贡献的服务器空间很快耗尽，所有义务工作的编辑人员也被无穷无尽的处理工作淹没，所幸的是，全球最大电子商务网站A鄄mazon.com的创始人杰夫·贝索斯买下了IMDB，使那些“白干活”的义工们终于拿到了薪水。
2001年3月，IMDB启动了帮助小演员成名的“宣传照”服务，2002年1月，专门针对业内人士的收费网站IMDbPro.com启动。
以下是IMDB中文网站：http://www.imdb.cn/
[注：本站IMDb.cn致力于收集全球电影中文详细资料,
本站域名前缀IMDb全称为Internet Movie Database,加上.cn意为因特网电影数据库中文网.
特此声明:本站与美国的imdb.com无任何关系,请不要将本站与别站相混合.]
IMDB是目前全球互联网中最大的一个电影资料库，里面包括了几乎所有的电影，以及1982年以后的电视剧集。IMDB的资料中包括了影片的众多信息，演员，片长，内容介绍，分级，评论等，我们用的最多的也就是IMDB的得分。而IMDB的得分又是如何来的呢？它的可靠性又有多少呢？让我们通过《魔戒1：护戒使者》来做具体分析吧，先看这张图——
这张图就是魔戒1的所有评分者的分数的一个条状统计图。
从中我们可以看到各个分数段的大致比例，比如这儿就可以发现，超过一半的人是打满分的。
图下面有两个分值，一个是算术平均值（arithmetic mean），一个是中值（median）。算术平均值大概就是平均数，中值是统计学中的中间数值，该值和比它大及比它小的数值是等差的。而最后我们查到的分数却既不是算术平均值，也不是中值。
IMDB的分数的计算方法应该不是就做一下平均就ok了，在它的网页上也提到了它的计算方法是保密的。不过imdb top 250用的是贝叶斯统计的算法得出的加权分(Weighted Rank-WR)，公式如下：
weighted rank (WR) = (v ÷ (v+m)) × R + (m ÷ (v+m)) × C
其中：
R = average for the movie (mean) = (Rating) （是用普通的方法计算出的骄�郑?br>v = number of votes for the movie = (votes) （投票人数，需要注意的是，只有经常投票者才会被计算在内，这个下面详细解释）
m = minimum votes required to be listed in the top 250 (currently 1250) （进入imdb top 250需要的最小票数，只有三两个人投票的电影就算得满分也没用的）
C = the mean vote across the whole report (currently 6.9) （目前所有电影的平均得分）
另外重点来了，根据这个注释：
note: for this top 250, only votes from regular voters are considered.
只有'regular voters'的投票才会被计算在IMDB top 250之内，这就是IMDB防御因为某种电影的fans拉票而影响top 250结果，把top 250尽量限制在资深影迷投票范围内的主要方法。regular voter的标准不详，估计至少是“投票电影超过xxx部以上”这样的水平，搞不好还会加上投票的时间分布，为支持自己的心爱电影一天内给N百部电影投票估计也不行。
因此，细心的人可以注意到，列入IMDB top 250的电影，其主页面上的分数与250列表中的分数是不同的。以魔戒1为例，它在自己的页面 http://www.imdb.com/title/tt0120737/ 中的分数是8.8，而列表中是8.7。一般250表中的得分都会低于自己页面中的得分，越是娱乐片差距越大。这大概是因为regular voter对于电影的要求通常较高的关系。）
而IMDB的过人之处不仅仅在于这儿，它除了给出分数，还给了一个更详细的投票人的列表
这个chart(图表)根据年龄、性别、国别等不同的情况，列出了不同的分数chart。而且你点击每个选项，上面（就是图一）都会出现一个不同的chart。这个其实是比较有用的。比如你在要选择动画片的时候，就应该点选一下小于18岁，或者30－44岁这个选项看看他们的评分，因为他们才是这部电影的最大观众群，其他人的分数都是仅供参考的。
碟报员或者我们在选择影片的时候，可以不仅仅看个总得分，多花一点时间，看看影片各个年龄段的得分会更有帮助的。有些影片我们觉得不好看，但是分数很高，你也可以参照一下，“us users”和“non－us users”这部分的数据，如果美国投票用户远远大于海外用户，那说明此片的确是有相当重的美国文化底蕴的，不觉得好看也是正常。相反的，如果我们觉得不错，但是IMDB的分数很低，这也许是老美的评分人数多，打的分低，就把总分给拉下来了。
Ⅲ 万达电影2020年亏损超60亿，今年的电影市场如何
今年的电影市场已经逐渐恢复了，我们在清明的时候就已经感受出来了。
严格意义上讲，从今年春节开始，其实整个电影行业就在逐渐恢复了，因为各大院线已经开始了拍片，并且开始对外开放了。
万达电影2020年亏损了66亿元。
这个数据对于万达影业来说是一个不小的打击，因为万达影业去年亏损达到了40%以上。消费者经常会提万达影业，其实万达影业属于万达电影，这家公司已经在A股上市了。在万达电影出现亏损的前提下，不仅这家公司的业务受到了很大的影响，相关股票的投资人也遭受了不小的损失。
Ⅳ 定档是什么意思（电影官宣定档的背后奥秘）
“从早上9点开始，无论是朋友圈、微信群还是微博，持续不断的新片定档物料纷至沓来，好不热闹。”
短短两天内，包括《唐人街探案3》《数码宝贝：最后的进化》《晴雅集》《新神榜：哪吒重生》《除暴》在内的五部电影扎堆定档，仿佛有把国庆档的火热继续延续下去的趋势。
而如此密集的定档节奏，也让人不禁好奇，片方在官宣定档时，都是如何考虑日期、时间以及相关物料节奏的。为什么有的时候一整天都没有一部电影定档，而有的时候一天又能同时定四五部片子？什么样的片子选择在工作日定档，什么样的片子会在周末定档呢？
我们今天就聊聊电影官宣定档的背后奥秘。
为什么这两天这么多影片定档？
对此我们采访了多拆宽唤位业内人士。
“我觉得主要是两方面吧，从大的方面来说，是行业内觉得疫情真的稳定了，大家都感到安全了，而国庆档8天近40亿的大盘成绩，也证明了市场真的开始好起来了，给了从业者信心。从小的方面说，国庆档是个竞争激烈的档期，大片很多，宣传密度很高，在国庆档前或国庆档中给电影做定档之类的宣传消息，很容易被国庆档大片的高密度的宣传淹没，所以挑国庆档过后发，也有利于影片的热度发酵。”某营销公司高层对拍sir这样解释到。
不过，某位做日本批片引进的负责人对拍sir表达了不同的观点。在他看来，在国庆档之前定档，会更有利于享受到国庆档带来的热度红利。首先，如果影片的定档预告能够在国庆档影片映前进行贴片、或者线下物料能够铺到影院宣传位的话，对影片本身都是有极大的热度加成的。即便没来得及做这些，随着影片正式定档，其相关档期信息也会正式登陆猫眼、淘票票等购票平台，对于在国庆节这个购票平台打开率极高的阶段，你的片子能够在上映日历里出现，就已经是一个不错的开始了，而不少10-12月待映影片的想看数据，即便没有推出新物料，也都在国庆期间出现了一个不错的涨幅。
我们总结整理了近一个月官宣定档的数据，可以看出，9月22日到9月29日这一周共有8部新片官宣定档，而从9月1到9月19日近20天也才仅有8部新片定档，这也从侧面证实了部分说法。
另外，多部影片扎堆一起定档，也会造成一定的“群聚效应”，例如昨天就有很多媒体把多部影片捆绑起来一同进行宣传。今年8月6日当天，包括《信条》《盗梦空间》《小妇人》《1/2的魔法》《魔发精灵》《漫长的告别》共六部进口片统一定档，像后面几部热度较低的进口片，可能就会搭上前几部高热度影片的顺风车，被媒体广泛报道。旅凯而如果该片只是单独一天单发档期，很容易就会被信息海埋没，无法得到有效的曝光。
官宣定档需要做好什么准备？
首先，国产片和进口片的定档需要做的工作千差万别。
对于国产片来说，在定档之前，片方会与影片发行方之间沟通如何确定档期，针对目标档期大盘分析、往年同期案例对比、同档期可能性竞品分析等多重考量后，会确定一个最终的档期。
确定档期之后，片方与影片宣发方主要会做三件事，一件事是准备物料（海报、预告片、短视频、稿件，还有各个平台的文案和规划）；第二件事就是联系发布渠道（各类媒体、平台、微博、抖音、微信大号的排期预约）；第三件事就是艺人的沟通配合，各种物料涉及到艺人的都要跟艺人确认，然后沟通艺人按时发布。
关于档期首发平台，90%以上的影片都会选择通过微博账号进行档期首发。一般情况下，目前主要是通过【新浪电影】【猫眼电影】【淘票票】或者是电影本身的官微发布。还有一类影片，会专门召开一个定档发布会，在发布会上官宣档期，目前后一种方式已经越来越少。
但对于进口片来说，尤其是进口批片，巧竖想要定档的准备会更加繁杂，最重要的也就是是与电影局及相关部门进行沟通。
首先，内地引进方需要购买版权。然后进行送审工作，而具体到送审工作，也要细化为：
1. 准备好做好字幕的片源，去中影或华夏争取配额；
2. 获得配额后，影片进入中影进出口排队审查；
3. 影片提交至电影局，进行审片；
4. 影片过审后，进入中影进出口，电影局发放引进许可证；
5. 片方提供译制素材与片源，通过中影进出口或者华夏转交至译制厂进行翻译；
6. 中影进出口或者华夏，把成片交至电影局，进行技术审查；
7.电影局下发公映许可证等相关文件，发行方开始制作拷贝。
以上所有步骤，每一条几乎都需要至少一周左右的时间。全都完成后，影片才能够进行后续的定档操作。也正因此，好莱坞分账片基本都是要在北美映期之前的三个月，就开始进行送审工作，这也导致批片会有着少则一两个月，多则半年以上的滞后期才能顺利上映。
工作日还是周末，选哪一天定档？
我们总结整理了2020年至今，总共81部电影的定档情况。
从图表中，我们总结了以下几个规律。
首先最直观的数据，就是在工作日定档远多于周末，今年在工作日期间定档的影片总共有74部，而周六、日以及国庆假期等法定节假日只有7部影片定档。据悉，过去影片之所以纷纷选择工作日定档，是为了照顾媒体和对接记者的上班时间。因此现在选择工作日定档，也有着传统电影宣传遗留下来的习惯原因。此外，宣发公司也需要过周末，在工作日定档也是情理之中。
“从我们的数据捕捉与观测来看，工作日的定档效果，也远高于周末定档。”某电影营销公司高层跟我们解释到。
至于为什么周三这一天定档的影片较少，目前还没有确定的说法，某公司高层解释到可能是害怕遇到所谓的“周三定律”，也就是上班族已经工作了两天，身体比较乏困，而距离周末休息日仍有整整两天，也会造成人的心情低落。具体是否真的是这个原因，为什么宣发公司都不约而同的避开了周三呢？
当然，仍然会有重量级影片选择在周末进行官宣定档，例如8月2日（周日）官宣定档的《八佰》，以及8月16日（周日）官宣定档的《姜子牙》。至于为什么这两部影片会都选择在周末官宣，目前不得而知。不过我们从8月3日和8月17日这两个周一，华谊与光线迅速上涨的股票表现可以推测，这或许为了照顾相关上市公司股票的表现有关。
此外，在周末对影片档期官宣，也得看影片宣发公司一贯的“习性”。比如《夺冠》《一点就到家》《七号房的礼物》三部影片，都是选择在周末进行官宣改档/定档的，而这三部片的发行方都是联瑞影业。
早上还是晚上，选什么时候定档？
大多数影片官宣档期，会选择在早上10点，如果10点已经有人约好了时间，则会提前到9点或者9点半。之所以选定这个时间，基本也都是一二线白领上班族的上班时间。
当然，也有很多影片会在傍晚6点公布档期，但是6点官宣的话，影片的想看增幅会有所损失，对于营销公司的KPI也是一个伤害。
“我们一般早上10点左右官宣的话，因为这样会相对比较容易上热搜，毕竟晚上6点，会与当晚播出的剧集或综艺热点造成竞争”。
不过对于进口片来说，则一般会避开早晚，选择在下午进行官宣。根据统计，周四和周五下午，是进口片定档的“高发频段”。
结语
对比今年和去年9月的同期数据：去年9月一共有41次定档消息，但是今年9月仅有17部。可以说，今年的定档密度相比以往真的少了很多，在上半年整体停滞的情况下也说明，目前片方对于市场容量依旧存疑。不过，随着月末横店推介会的临近，未来半个月也有望成为电影官宣档期的又一个高潮，目前2021年春节档影片仅有《刺杀小说家》《唐人街探案3》和《新神榜：哪吒重生》三部影片定档，据悉，还会有至少七部电影会在未来半个月内高调官宣定档大年初一，我们也希望定档潮，来得更猛烈一些。
Ⅳ 求大师帮忙做Excel，急，在线等待!。做好后请发到邮箱[email protected]。分全给你都行。
哥们你的这个也太广泛了吧！你说句话人家就要忙活半天！
Ⅵ 第25届中国金鸡百花电影图表有什么含义
<
同志。基游穗学校官网查磨轮啊对不对。
查不到搏卜贴吧问啊对不对。
问不到就近打听啊对不对！
Ⅶ 最新香港电影所有票房排行榜
香港票房：“未来警察”夺冠刘德华撑起票房
本周票房图表，“未来警察”，发行第一天，当天票房 340 000赚了34万个。香港电影史，总票房导演和演员，他们的合作最多，这部电影将是怎样的呢？不要猜测，以及“未来警察”种类。虽然5年，耗费时间大家知道，投资超过1亿人民币，是中国最高端计算机film CG动画技术全体会议，而且还这样一个吃力不讨好的科学小说体裁。但谁看过电影应该很清楚，这46个不靠的事情真的不知道如何评价它，我们才可能去叫人还值得一提的人，恐怕只是你甚至懒得多比mentionAndy LauOn你。
这在票房亚军周，“海鞭王”，发行第一天，当天票房 230万，总票房230万。能够看到更多的超级英雄拯救地球的品种，这并没有太超级英雄终于获得通过。虽然这可能是最严重，最激烈，最压抑的尿液一个屁英雄。但说实话，也许这小英雄不只是颜色，但更可能在最后，现在这一年里，观众的胃口的极端压制了。
本周票房名列第三次“约会夜”，发布8天，一天18万的票房赚了314万个。幽默的喜剧电影的温暖，漂亮的外观，但一个星期后公布，反应逐渐腐烂。
本周票房名单，第四，“艋舺”，在当天发布的票房第一天160万，总票房160万。 2010年，台湾的电影是世界上最骄傲的一个，但“海角”作为电影在香港市场的数量仍有些水土不服。这也是一个关于街头朋克故事，甚至细节的故事是相似的，但“万华”已经不可能回来了，“古惑仔”的风光时代。
本周票房图表，第五，“战争”，神发行时间15天，每天15万的票房收入总额为20150000。希腊神话可能是2010年以来最热的话题之一。当然，这部电影与三维力的关系似乎是一个大错误，毕竟，它不是“头像”。因此，在最后一部电影的票房可能是这样。
票房排行榜，但是，第六届，“志明与春娇”，公布22 天，一天11万的票房赚了4.49 million.ExosDirector流行的微博客具体地说，流行文化，电影作为微博客了，总香港票房在发布后3个星期内，居然保持一定的票房成功，甚至略有反弹，他说，不知道事实，但电影不知不觉，已经到了500万个，非常难得，这表明只要好看电影，以全部或有人会知道。
第七票房排行榜，但是，“头像”，公布120天，一天的票房70000，总票房100 000 000 7675 0000。
本周票房名单，第八，“岁月神偷”，发行36天，这天，票房7.00万，21.31万总票房。周日在ofHong香港电影金像奖，特派团的“年”结束晚上成为大赢家，共夺取6个奖项的提名，并最终获得了四项大奖，正因为它的地方的感情，这使得香港普及和广受好评电影，2010年电影城，最大的黑马群体。
本周票房名单，第九次，“导师龙记”，发行15 天，60000天的票房，总票房8890000。三维动画，但我无法赶上暑期为孩子们安排了。不满意，因此票房，只有少数不到10万元。
本周票房名单，第十届，“白夜”，发行第一天，60000天的票房，总票房60000。根据日本著名作家启吾东野神秘的同名小说的情况下，署认为非常有吸引力的悬疑电影，但奇怪的是，其实是第一次拍摄的韩国第一出来。
Ⅷ 电影打开方式的图表
在你想改的那个文件上右键-打开方式-选择暴风影音主程序（就是尾缀是exe的那个，不是带小箭头的那个），然后在对话框下面枝局袜把“总是以这种方式腊正打开”打上勾就好了
或者你要是觉得麻烦，直接打开暴猛激风影音，在选项里有个文件关联，设置一下就好了（在你想改的文件类型前面打钩）
Ⅸ 下载的电影只有声音没有图象了
是编码问题， 不同的视频文件，它的编码方式是不同的。 视频下载时的格式已经定了，而要播放这个格式的视频，就需要有相对应的视频解码器。 如果你的的视频解码器与下载的视频的编码器不一致，就无法正常播放。你可以用用格式工厂，将视厅衡蔽频文件转换成你的播放器能接受的格式。
(9)最新电影图表扩展阅读：
电影下载，BT电影下载，要先下载BT种子文件，种子文件的扩展名为*.torrent，该格式不仅支持BT下载，同时也支持迅雷或快车等其它HTTP下载方式，是目前国内最流行的一种下载方式。
方法技巧：
HTTP方式，不要用IE直接下载，或右键的另存为。推荐使用[FlashGet(JetCar)]进行下载。同时在[工具]—[选项]—[连接]—[限制]中将“不限制重试次数”前面的√挑中，在[工具]—[选项]—[协议]—[用户代理]改为[Internet Explore 5.x]。
FTP 方式：同样推荐使用FlashGet(JetCar)进行下载。注意看登陆信息，可以在FlashGet窗口下半部分“图表/日志”的下面“Jet 1”里面查看。一般登陆信息里会有此站的说明，和连接线程数限制等注释。FTP可以对每个IP的线程数进行控制，所以没必要多开。
MMS 方式：网络上电影一般都是以rtsp、mms、pnm等等形式存在的，而Streambox就是扮州专门针对流媒体的下载工具，而且支持的协议也最多，它全拦哪面模拟在线观看的方式下载电影，并有断点继传功能，所以就重点讲一下Streambox的使用。
Ⅹ 电影分镜手稿三张是一幅一张画吗
是。电影分镜手稿三张是一幅一张画，分镜又叫故事板，是指电影、动画、电视剧首燃、广告、音乐录像带等者高虚各种影像媒体，在实际拍摄之前，以图表的方式来说念隐明影像的构成。