随着互联网技术的发展,社交媒体成为了人们共享及应用信息的平台。作为一种大众所喜闻乐见的艺术形式,电影逐渐成为一种在互联网平台上的特殊商品。对电影票房进行预测,不仅是数据挖掘领域的重要研究课题,而且对降低电影产业的市场风险以及引导电影的投资宣传等都具有重要的应用价值。本文提出不同的分类预测模型,并结合社交媒体中用户影响力,完成对电影上映前和上映后的票房预测。主要研究工作如下:1)在基于社交媒体的演员影响力等级划分方面,利用用户在社交媒体中的基本属性和行为属性,建立影响力模型;通过聚类算法对相似演员进行聚类,并利用聚类结果完成对演员影响力的判定。2)构建了电影上映前票房分类预测模型,采用统计学习方法,对上映前影响票房因素的数据进行分析,构建了多维度电影票房生成模型;通过支持向量机和神经网络,加入社交媒体中演员影响力因素,完成对电影上映前票房的分类预测。3)提出了电影上映后的票房分类预测模型,通过构建用户评分矩阵,利用隐语义模型(LFM)实现对电影类别的分类,针对不同分类构建多元线性回归模型,根据电影上映首周的情况,完成对的票房预测。实验结果表明,本文所提出的方法具有一定的可行性与有效性。建立了演员影响力判定模型,分析了演员影响力对票房的影响;完成的电影上映前票房分类预测模型的准确率可达74%以上;根据电影上映后的情况,票房预测模型的准确率可达90%以上。最后,对论文中存在的问题及下一步的研究工作进行了说明。