这篇不是技术文章,就是对总是看到但是不知道具体是什么的一些电影名词、评分、来源,学习一下。

IMDb

互联网电影资料库(Internet Movie Database,简称IMDb)是一个关于电影演员、电影、电视节目、电视明星和电影制作的在线数据库,创建于1990年10月17日。

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

对于电影评分目前使用很多但不敢说最多的,就是IMDb评分

IMDb的分数的计算方法不是简单平均就ok了,官网上提到了它的计算方法是保密的。不过IMDb top250用的是贝叶斯统计的算法得出的加权分(Weighted Rank-WR):
  • weighted rank = (v ÷ (v+m)) × R + (m ÷ (v+m)) × C
其中:
  • R = average for the movie,是用普通的平均方法计算出的分数
  • v = number of votes for the movie,投票人数,注意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,进入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
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top 250之内,这是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 voters 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

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根据年龄、性别、国别等不同的情况,列出了不同的分数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。

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,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。

最后:

烂番茄

烂番茄(ROTTEN TOMATOES)是美国一个网站,以提供电影相关评论、资讯和新闻为主

网站的名称是因轻歌舞剧时期,观众在演出不佳时会往舞台上扔掷番茄和其他蔬果而来。好的评价用新鲜的红番茄表示,坏的评价用腐烂的绿番茄表示

烂番茄新鲜度:

这个和电影是否刚刚出炉没关系,不是上映时间是否是近期的意思哈

  • 网站会根据影评人的评价认定是好(新鲜番茄)还是不好(烂番茄),来决定评论是正面或负面,正面以一个鲜红的番茄作为标记,负面为一个绿色被砸烂的番茄
  • 网站会追踪所有的评论内容,以及正面评价的比例。若正面的评论超过60%以上,该部作品将会被认为是“新鲜”的。相反,若一部作品的正面评价低于60%,则该作品会被标示为“腐烂”
  • 目前烂番茄也有了认证新鲜(certificated fresh)标示,其中认证新鲜的电影新鲜度需至少达到75%

但是注意:

比如一部作品有80%的影评给出了正面评价,其烂番茄新鲜度即为80%,但这与IMDb评分得8.0分不同。这80%的人每个人给电影打了多少分,是不一定的,仅仅代表有80%的人给出正面评价

这种奇葩的评分机制,也就造成烂番茄对电影评分会比较笼统,对于一部电影来说,只有喜欢和讨厌,确实是缩小了对电影评分的客观评价

举例:

  • 雷神3
  • 大部分影评人给出7.5分,甚至只是6.0分
  • 但对于烂番茄来说,都是喜欢(以10分算,6分以上都是喜欢)
  • 最终大部分的人都是新鲜番茄,这就造成了雷神3在烂番茄的高口碑

简单来说:烂番茄的评分机制,只有喜欢,和讨厌

严格来说:烂番茄并不是一个标准的电影评分网站,大家所看到的新鲜番茄,腐烂番茄的标签,是网站收集了各个报刊杂志影评人的评论,综合总结出喜欢和讨厌的比率

官网:https://www.rottentomatoes.com

MTC

Metacritic(MTC)是专门收集对于电影、电视节目、音乐专辑、游戏的评论的网站,不光做电影评分

MTC 不光是个人用户、媒体用户去打分的平台,同时还收集整合各个来源的评分,根据影响力与权重,统一转化为10分制

官网:http://www.metacritic.com/movie

其他一些平台的评分

只能说,大部分平台的评分和售票、营销等行为有一些联系,也不是坏事,只是可能有些虚高

截止2018年初,IMDb top250的第249名:Tenkû no shiro Rapyuta 天空之城,得分是8.0,

so,并没有那么那么多的刚上映的电影就能拿到8分以上的评分,在各平台的得分还是需要综合来看。

基本就是这样,各位可以看下各个电影在不同平台的评分来感受下

IMDb分数参考性比较好,有对各个维度的用户的评分查看,虽然也有水军但对总分能起到的影响很小

烂番茄新鲜度仅代表想看与不想看的人比例、或看好于看衰的比例,不是很能说明电影质量的好坏

MTC相对综合,综合了各路媒体、影评人的结果

比如刚刚提到的《天空之城》:

  • IMDb评分:8.0,top250中排行249
  • 烂番茄新鲜度:95%,大部分人认为是一部好片,不是烂片
  • MTC评分:7.8,MTC一向比较理智

比如我个人超喜欢的2014年上映的《星际穿越》:

  • IMDb评分:8.5,top250排名32,超厉害
  • 烂番茄新鲜度:71%,大部分观众想看,但比例不悬殊,还是有不小比例的观众不喜欢
  • MTC评分:7.4

比如最近刚刚上映的《侏罗纪世界2》(这个数据很动态,统计日期是2018年6月21日):

  • IMDb评分:6.8,嗯 ...
  • 烂番茄新鲜度:55%,嗯 ...
  • MTC评分:5.2,嗯 ...
  • 淘票票:8.5,嗯 ???
  • 猫眼:8.5,嗯 ???

各家的界面:

IMDb、烂番茄、MTC、各种电影行业评分名字整理的更多相关文章

  1. python爬虫https://www.imdb.com/chart/top的电影

    目标:爬取https://www.imdb.com/chart/top网页上面的电影top20 直接上main.py代码: #!/usr/bin/python35 # -*- coding:utf-8 ...

  2. 用python+selenium抓取豆瓣电影中的正在热映前12部电影并按评分排序

    抓取豆瓣电影(http://movie.douban.com/nowplaying/chengdu/)中的正在热映前12部电影,并按照评分排序,保存至txt文件 #coding=utf-8 from ...

  3. 小调网 经典电影 豆瓣评分 tampermonkey脚本

    // ==UserScript== // @name 小调网 // @namespace http://tampermonkey.net/ // @version 0.1 // @descriptio ...

  4. 吐血推荐250部必看电影下载 IMDB TOP 250 download

    中文名: IMDB Top 250合辑 TLF-MiniSD收藏版英文名: IMDB Top 250 TLF-MiniSD Collection版本: (更新至TOP119)[MiniSD]发行日期: ...

  5. 【转】基于R语言构建的电影评分预测模型

    一,前提准备         1.R语言包:ggplot2包(绘图),recommenderlab包,reshape包(数据处理)         2.获取数据:大家可以在明尼苏达州大学的社会化计算研 ...

  6. 推荐系统(recommender systems):预测电影评分--构造推荐系统的一种方法:低秩矩阵分解(low rank matrix factorization)

    如上图中的predicted ratings矩阵可以分解成X与ΘT的乘积,这个叫做低秩矩阵分解. 我们先学习出product的特征参数向量,在实际应用中这些学习出来的参数向量可能比较难以理解,也很难可 ...

  7. 推荐系统(recommender systems):预测电影评分--问题描述

    推荐系统很重要的原因:1>它是机器学习的一个重要应用2>对于机器学习来说,特征是非常重要的,对于一些问题,存在一些算法能自动帮我选择一些优良的features,推荐系统就可以帮助我们做这样 ...

  8. Python反爬:利用js逆向和woff文件爬取猫眼电影评分信息

    首先:看看运行结果效果如何! 1. 实现思路 小编基本实现思路如下: 利用js逆向模拟请求得到电影评分的页面(就是猫眼电影的评分信息并不是我们上述看到的那个页面上,应该它的实现是在一个页面上插入另外一 ...

  9. IP概念盛行的背后:资本在狂欢,电影想哭泣 IP,英文“Intellectual Property”的缩写,直译为“知识产权”。它的存在方式很多元,可以是一个故事,也可以是某一个形象,运营成功的IP可以在漫画、小说、电影、玩具、手游等不同的媒介形式中转换。

    IP概念盛行的背后:资本在狂欢,电影想哭泣 IP容易拉投资.谈合作,甚至还能简化宣发途径,越来越多的人涌入了电影这个产业,争抢IP成为他们进入行业的最快捷的方法.IP盛行暴露出的另一个问题是国产电影原 ...

随机推荐

  1. 知识点---前端处理支持emoji表情

    <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8&quo ...

  2. Spring 初学笔记

    Spring 初学笔记: https://blog.csdn.net/weixin_35909255/article/category/7470388

  3. poj2528(线段树+离散化)

    题目链接:https://vjudge.net/problem/POJ-2528 题意:在区间[1,1e7]内染色,依次染n(<=1e4)中颜色,给出每种颜色染色的范围,可重叠,求最终有多少种颜 ...

  4. CentOS查询端口占用和清除端口占用的程序

    1.查询端口号占用,根据端口查看进程信息 [root@server2 ~]# lsof -i: COMMAND PID USER FD TYPE DEVICE SIZE NODE NAME httpd ...

  5. 12.Redis运维点

    12.Redis运维点12.1 Linux配置优化12.1.1 内存分配控制12.1.2 swappiness12.1.3 THP12.1.4 OOM killer12.1.5 使用NTP12.1.6 ...

  6. Opecv + Anaconda 读取视频(windows)

    前言:之前一直用的是python(x,y),但是发现在使用opencv时容易出现一些pythonw.exe停止工作的问题.后来发现自己的操作系统是64位的,却安装了32位的python(x,y),虽然 ...

  7. koa 学习1

    1.搭建环境; npm init -f 2.出现错误 npm ERR!Windows_NT 6.1.7601   解决方法: npm config set proxy null npm install ...

  8. 参加公司工作总结会要准备的内容 IT 技术部

    季度总结PPT内容: 1.工作总概述:在总结期内完成的具有代表性的工作内容(最好是直观的实现界面或功能演示截图,而不是苍白的文字描述): 2.问题总结:操作有难度或者难以把握的问题,在和相关人员沟通后 ...

  9. Reveal Cards In Increasing Order LT950

    In a deck of cards, every card has a unique integer.  You can order the deck in any order you want. ...

  10. OO前三次作业分析

    一,第一次作业分析 度量分析: 第一次的oo作业按照常理来说是不应该有这么多的圈复杂度,但是由于第一次写的时候,完全不了解java的相关知识,按照c语言的方式来写,完全的根据指导书的逻辑,先写好了正确 ...