近年来,电影市场持续升温,高票房电影频繁刷新电影票房榜单。随着国内电影市场不断走向成熟化,观众也愈发趋于理性,电影网络口碑对电影票房的推动作用逐渐受到更加广泛的重视。观众通过在网络平台上发表观影评论对电影网络口碑进行传播,基于电影评论的不同发布时间,电影的网络口碑高低及数量有可能在时间上发生动态波动。而各网络平台的评论排序规则使不同互动量（点赞、回复）的评论曝光度有所不同,对电影网络口碑的传播也会产生不同程度的影响。同时,电影网络口碑的波动对高低类别不同票房的电影同样可能会有不一样的影响,如前期就获得高票房的电影更难在后期受到口碑波动的影响。尽管如此,现有票房预测模型却对上述电影网络口碑特征鲜有研究。因此,本文以用户在网络平台上的观影评论作为电影网络口碑,考虑其在时间上的动态性,将评论情感值、评分等网络口碑相关指标按时间进行分层,并根据评论的互动量（点赞和回复）进行加权,在此基础上辅以主创人员口碑和观众期望,围绕首日票房高低类别、首日票房数值、首周票房高低类别及首周票房数值,构建了基于网络口碑的电影票房预测模型。基于该预测模型,本文从猫眼电影平台获取了近400部国产电影相关数据,通过情感分析、互动加权、时间分层、聚类等方法进行数据预处理后按首日票房类别、首日票房数值、首周票房类别和首周票房数值的顺序分别进行了预测。其中,同一阶段的票房预测类别均为其数值预测的特征变量之一,而首日票房的真实类别与数值又可作为首周票房预测的特征变量。此外,本文在首日票房数值中,将加入首日票房预测类别前后的模型预测效果进行了对比,而在首周票房数值预测中,将加入首周票房预测类别前后的模型预测效果以及网络口碑按时间分层前后的模型预测效果进行了对比。通过最终的预测以及不同特征变量模型的预测效果对比,既证明了使用本文方法预测不同阶段电影票房的准确性,也验证了将网络口碑按时间分层及事先对电影票房进行高低类别预测的合理性。本文的研究意义包括:就理论意义而言,因本文考虑了网络口碑的时间动态性和互动性从而丰富了电影的网络口碑特征,而将类别预测与数值预测相结合则拓宽了电影票房预测的思路和方法;就实践意义而言,本文对不同阶段的电影票房进行了准确预测,对影院、投资商、制片方等利益相关者都有重要的实践指导意义。