我想使用电影上映前的可用数据（例如标题、演员、导演、制片厂、影评评分、类型等）来预测电影的总票房。我已经找到了一种方法来对这些数据进行数值量化，但无法量化标题。标题传达了很多有用的信息，例如电影是否为续集、标题的长度、与之相关的情感等。如何从标题中定量提取这些信息？

回答：

词袋模型（BoWs）是创建基于文本特征的标准方法，不过我不建议使用，因为电影标题较短，且许多标题包含了脱离上下文的词汇、命名实体……这会使你的特征向量变得更加稀疏。

你可以对标题中的每个词进行word2vec编码，然后将标题的平均向量作为你的特征。我推荐的工具是：gensim 或 Facebook fast Text