豆瓣电影2016榜单:有人选择看到这世间的丑恶,有人选择看到美好

标签: 新闻 中国 豆瓣电影 | 发表时间:2016-12-29 03:57 | 作者:华记
出处:http://www.pingwest.com

面对近日的“恶评”风波,豆瓣的回应是一份榜单,一份满载好电影的榜单。

douban movie 2016

28 日晚上,豆瓣电影发布一年一度的榜单。这份榜单是基于 2016 年豆瓣用户在豆瓣平台对影视作品的评分、标记和访问数据,再结合评价人数和上映时间,综合考虑而成。今年豆瓣有哪些喜闻乐见的好电影?又有哪些你可能错过的冷门佳作?下面这份榜单或许可以给你答案。

2016 评分最高的华语电影:《 驴得水》 8.3

china movie 2016

指责“豆瓣评分对国产电影刻意打压”的声音,明显全然不顾豆瓣依然有许多高口碑高票房的国产电影的事实,如 8.3 分的《驴得水》票房 1.73 亿,8.1 分的《湄公河行动》票房 11.84 亿,7.6 分的《七月与安生》票房 1.67 亿。实际上,豆瓣早就不是那个文青扎根、充斥着小布尔乔亚情调的网站,它有足够的用户基数去代表最广泛的观影品味。

2016 评分最高的外语电影:《 血战钢锯岭》 8.8

foreign movie 2016

2016 最受关注的院线电影、评分最高的动画片:《 疯狂动物城》 9.2

anime movie 2016

2016 最受关注的非院线电影、评分最高的韩国电影&科幻/动作片:《 釜山行》 8.2

korea movie 2016

由于题材与剧情的限制,《釜山行》这部 2016 年有过千万韩国观众进场观影的电影,自然是无法在院线与中国观众见面。但这不妨碍它在中文互联网的广为流传,有 280350 名豆瓣用户在豆瓣上留下他们关于这部电影的感想,《釜山行》也成为今年最受欢迎的非院线电影。

2016 年度大陆独立佳作:《 不成问题的问题 》 8.2

2016 年度冷门佳片:《 海蒂和爷爷》 8.9

2016 评分最高的日本电影:《 比海更深》 8.6

2016 评分最高的欧洲电影:《 一个叫欧维的男人决定去死》 8.7

Europe movie 2016

在挖掘冷门、容易被忽略被埋没的好电影上,豆瓣也做到尽心尽力,《一个叫欧维的男人决定去死》就是典型。这部瑞典电影平缓、琐碎、缺乏真正意义上的戏剧高潮,讲述一个脾气顽劣的老人寻死的故事。电影一层层剥落了他自我保护的铠甲,显露出了柔软的内心,最后观众所能感受的唯有爱与温暖。

2016 年度 LGBT 电影:《 小姐》 7.8

2016 评分最高的喜剧片:《 完美陌生人》 8.6

2016 评分最高的爱情片:《 你的名字。》 8.6

lover movie 2016

2016 评分最高的恐怖片:《 招魂 2》 7.6

2016 评分最高的纪录片:《 不了神话 宫崎骏》 9.2

2016 评分最高的短片:《 》 9.2

2016 评分最高的大陆电视剧:《 一起同过窗》 8.7

china tv series 2016

2016 评分最高的英美剧(新剧):《 我们这一天》 9.5

2016 评分最高的英美剧(非新剧):《 无耻之徒(美版) 第七季》 9.6

2016 评分最高的韩剧:《 我亲爱的朋友们》 9.4

2016 评分最高的日剧:《 火花》 9.3

2016 评分最高的其他地区剧集:《 羞耻 第三季》9.5

2016 最受关注的大陆电视综艺:《 极限挑战 第二季》 9.1

2016 最受关注的大陆网络综艺:《 奇葩说 第三季》 8.6

2016 评分最高的动画剧集:《 马男波杰克 第三季》 9.5

bojack

2016 评分最高的纪录剧集:《 地球脉动 第二季》 9.9

2016 最受关注的男演员: 孔侑

2016 最受关注的女演员: 长泽雅美

2016 最受关注的导演: 李安

2016-2017 北美颁奖季热门佳片:《 爱乐之城》 9.1

la la land

顺带一提,年度榜单的背景音乐《City of Star》是《爱乐之城》的主题曲。这部电影在威尼斯影展上映后好评如潮,豆瓣评分 9.1,IMDb 8.9,被视为明年奥斯卡的大热门。北美颁奖季的热门片单虽然不一定符合所有人品味,却一定是你我在漫漫假期、闲来无事刷片的重要指南。

2016 也是巨星陨落的一年,这一年,我们失去了阿伦·瑞克曼、大卫·鲍伊、凯里·费雪……

douban movie lost 2016

今年的榜单也不忘回顾过去、展望未来,比如今年还是《 当幸福来敲门》上映 10 周年、《 猜火车》上映 20 周年、《 天空之城》上映 30 周年、《 出租车司机》上映 40 周年。

而 2016 最让人期待的华语电影跟外语电影分别是《 西游伏妖篇》与《 加勒比海盗 5:死无对证》。网友给出的推荐理由也是相当的“李菊福”:

徐克 + 周星驰,活久见 ——游牧人·芳汀

2017 年,54 岁的男主角,干脆叫《加勒比海盗 5:老人与海》算了…… ——千岍

完整版榜单: 豆瓣电影 2016 年度榜单

题图:《 七月与安生》剧照

相关阅读:

     这份半年亏损12亿美金的财报,是Uber关于中国的最后一份记忆

     豆瓣要开始拍电影了,选中的首部作品是《追逐太阳的男人》

     苹果 CEO 蒂姆·库克来中国这么多次,这回还真有点不一样

     忘掉中国吧,库克的下一个福地是印度

相关 [豆瓣 电影 选择] 推荐:

豆瓣电影2016榜单:有人选择看到这世间的丑恶,有人选择看到美好

- - PingWest品玩
面对近日的“恶评”风波,豆瓣的回应是一份榜单,一份满载好电影的榜单. 28 日晚上,豆瓣电影发布一年一度的榜单. 这份榜单是基于 2016 年豆瓣用户在豆瓣平台对影视作品的评分、标记和访问数据,再结合评价人数和上映时间,综合考虑而成. 今年豆瓣有哪些喜闻乐见的好电影. 2016 评分最高的华语电影:《 驴得水》 8.3.

阿北:豆瓣电影评分八问

- - 博客园_新闻
这是一篇豆瓣创始人&CEO 阿北(杨勃)刚刚发表的 长文,始终被认为理想主义的阿北,在文中阐明了豆瓣电影评分的原则和做法,用以保护公众对豆瓣评分的信任. 随着“豆瓣的电影评分在影视行业的影响越来越大”,阿北说豆瓣收到的威逼利诱也多起来……以下为全文. (豆瓣 CEO 阿北,图片来自 Qdaily).

Java豆瓣电影爬虫——抓取电影详情和电影短评数据

- - ImportNew
采集豆瓣电影数据包括电影详情页数据和电影的短评数据. 需要保存这些详情字段如导演、编剧、演员等还有图中右下方的标签. 需要保存的字段有短评所属的电影名称,每条评论的详细信息如评论人名称、评论内容等. 有了如上的需求,需要设计表,其实很简单,只需要一张电影详情表movie和一张电影短评表comments,另外还需要一张存储网页提取的超链接的记录表record.

豆瓣9.0分以上的好电影,值得收藏

- sky - 情迷好莱坞 – Mtime时光网
地球脉动 Planet Earth. 导演 : Alastair Fothergill. 主演 : David Attenborough/Sigourney Weaver. 评分:9.7  ★★★★★. 肖申克的救赎 The Shawshank Redemption. 导演 : Frank Darabont.

豆瓣电影2011年度清单总汇

- - 人在旅“图”
2011豆瓣电影年度总榜单,豆瓣红人影志整理,很全很强大. 2011是否遗漏了哪些好电影,参考比对一下吧. 所选范畴为2011年上映或发行的国内外所有影片,根据豆瓣用户评分+看过(在看)人数排序. ★  2011豆瓣电影【欧美20佳】. 勇士 Warrior 8.8 17872. 浮生一日 Life in a Day 8.8 11879.

算法工程师如何改进豆瓣电影 TOP250

- - 豆瓣blog
影迷们经常关注的电影排行榜里,一部由100人评出9.0分的电影,和一部由10000人评出8.0分的电影,谁应该排在前面呢. 这是我们算法工程师时常会面对的问题. 一些深度影迷可能会想到 imdb.com (互联网电影数据库) 所采用的贝叶斯公式[见附注],这个公式的思路就是通过每部影片的[评分人数]作为调节排序的杠杆:如果这部影片的评分人数低于一个预设值,则影片的最终得分会向全部影片的平均分拉低.

使用Spark MLlib给豆瓣用户推荐电影

- - 鸟窝
推荐算法就是利用用户的一些行为,通过一些数学算法,推测出用户可能喜欢的东西. 随着电子商务规模的不断扩大,商品数量和种类不断增长,用户对于检索和推荐提出了更高的要求. 由于不同用户在兴趣爱好、关注领域、个人经历等方面的不同,以满足不同用户的不同推荐需求为目的、不同人可以获得不同推荐为重要特征的个性化推荐系统应运而生.

为豆瓣电影实现User-based协同过滤的推荐系统

- - 鸟窝
协同过滤(Collaborative Filtering),简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐使用者感兴趣的信息,个人透过合作的机制给予信息相当程度的反馈(如评分)并记录下来以达到过滤的目的进而帮助别人筛选信息,反馈不一定局限于特别感兴趣的,特别不感兴趣信息的纪录也相当重要,比如浏览信息,收藏,分享,点击等.

为豆瓣电影实现Item-based协同过滤的推荐系统

- - 鸟窝
前面的两篇文章分别使用Spark mllib ALS实现了Model-based协同过滤推荐系统和使用Mahout实现了User-based的协同过滤推荐系统. 我们再来回顾一下item-base CF算法的特点:. 物品数明显小于用户数的场合,否则物品相似度矩阵计算代价很大. 适合长尾物品丰富,用户个性化需求强的领域.

豆瓣显示

- frank - 读库情报站