电影预告片是影响人们电影欣赏选择的重要因素,对电影在影院上映后的票房成绩起着关键作用。电影评估的常规方法依赖于消费者的自我陈述偏好,这些偏好通常是通过问卷调查或者在电影预告片的测试放映过程中进行焦点小组调查得出预测结论。然而,超过75%的新上映电影在影院上映期间是净亏损的,这就亟需新的电影评估方法来预测观众对电影的偏好。由于神经测量方式预测个人电影偏好的方法可以通过较小的样本提供更准确的预测,因此,论文采用基于脑电信号的神经测量方式,通过建立回归模型的方法来预测观众个体的电影偏好,取得了较好的实验效果。本文的主要工作及结论如下:1、设计了基于脑电信号的电影偏好预测的实验范式。根据3个等级（高评分:评分高于8.0分;中评分:评分高于6.0,低于8.0分;低评分:评分低于6.0分）的豆瓣评分从豆瓣网站上均匀的选择四种情感类型（快乐、悲伤、惊奇、恐惧）的电影预告片,建立刺激材料库。招募了30名受试者对刺激材料库中的电影预告片进行评估,最后根据情感纯度和情感强度选择了12部电影预告片作为正式实验的素材。正式实验中每位受试者需要观看12部电影预告片,在观看每部电影预告片后需要进行反馈,每3部电影预告片结束之后,受试者得到3分钟的休息时间。最终采集到了30名大学生（19名女性,11名男性）的脑电数据。2、通过主体相关性定义大脑高相关性的状态,选择主体相关性较高的脑电通道和主体相关性最高的电影预告片时间段,作为预测电影偏好的有效脑电信号。实验采集到的脑电信号是有128个通道的数据,事实上,预测电影偏好的有效脑电数据可能只是其中几个通道的脑电信号,选取128个通道提取特征可能会影响预测性能。本文通过相关成分分析算法计算不同通道的主体相关性,选取了主体相关性最大的6个脑电通道。此外,受试者在观看电影预告片期间,影响受试者进一步观看完整电影的可能只是其中的某些片段,选取电影预告片的全部时长的脑电信号进行提取特征可能会影响到预测性能。论文通过相关成分分析算法计算电影预告片（一个刺激视频下）不同时间段（以5秒为一时间段）的主体相关性,选取了主体相关性最大的电影预告片的时间段的脑电信号。对选择取的脑电信号提取了功率谱密度（PSD）和微分熵（DE）特征,分别输入到随机森林（RF）、Ada Boost、Bagging和梯度上升决策树（GBDT）四种不同的回归模型上。实验结果表明,在梯度提升决策树回归模型上取得了最好的实验效果,R~2=0.667,RMSE=0.667。此外,我们利用带通滤波器分离出了脑电信号的delta、theta、alpha、beta、gamma频带信号,然后分别提取PSD、DE特征,建立梯度提升决策树回归模型。实验结果表明,delta和theta频带的脑电信号取得了较好的预测性能,RMSE和R~2分别为0.382/0.857和0.445/0.814。3、提出了使用受试者决策时的脑电信号来提取特征建立预测模型的方法,提出了主体相关性最高的脑电信号来提取特征建立预测模型的方法;比较了两种方法提取的脑电信号在电影偏好方面的预测性能。对两种方法得到的脑电信号分别提取了PSD、DE特征,建立四种回归预测模型进行性能比较。实验结果表明,使用主体相关性选择后的脑电信号在梯度提升决策树回归模型、随机森林回归模型、Ada Boost回归模型和Bagging回归模型上的R~2分别为0.667、0.605、0.662、0.549;使用受试者决策时的脑电信号在梯度提升决策树回归模型、随机森林回归模型、Ada Boost回归模型和Bagging回归模型上R~2为0.434、0.496、0.360、0.489;使用ISC选择的脑电信号对于预测电影偏好更有效。由此可见,基于脑电信号的神经测量方式可以有效的预测个人电影偏好。此外,相比于使用受试者决策时的脑电信号作为预测因子,论文提出的通过ISC水平选择有效脑电信号来的方法,可以更好地预测个人的电影偏好。论文的工作提出了一种通过电影预告片预测个人电影偏好的方法,为后面评估电影票房做出了有益的探讨。