利用机器学习分析电影偏好,探究电影情感历程以优化剧本

 

利用机器学习分析电影偏好,探究电影情感历程以优化剧本

机器学习与行为经济学能有助于更好地理解消费者的电影偏好吗?来自剑桥大学,西英格兰大学和阿兰图灵研究所的一组研究人员将行为经济学,商业和AI相结合,深入研究了这个问题。

Marco Del Vecchio等人利用他们多样化的技能组合开发工具,帮助媒体行业更好地了解内容观众真正想要看到的内容。目前,电影,媒体和娱乐行业选择基于自上而下决策的内容产品,通常由专业知识,经验,调查和焦点小组提供。研究人员表示:“我们的主要动机是了解我们是否可以将观众的感知放在等式的核心位置。”

他们的研究重点是电影的情感历程,调查这些是否属于不同的类别,以及它们是否与电影的成功有关。研究人员使用了包含6174部电影的数据集进行训练,每部电影都有完整的剧本,收入数据,IMDb评级和其他相关信息。

他们使用自然语言处理(NLP)算法,分析电影脚本以确定情感历程,然后利用这些结果在收入与公众接受度方面探讨电影的情感历程与其成功之间的关系。

研究人员发现,与小说类似,电影中的故事可以融入六个主要的故事情节,或观众体验到的情感历程类型:

  1. 《Rags to Riches》:“持续的情绪上升”(例如,肖申克的救赎,土拨鼠日,圣诞节前的梦魇)
  2. 《Riches to Rags》:“持续的情绪下降”(例如,惊魂记,玩具总动员3)
  3. 《Man in a Hole》:“下降到上升”(例如,教父,指环王:护戒使者,无间行者)
  4. 《Icarus》:“先上升后下降”(例如,码头风云,欢乐满人间,漫长的婚约)
  5. 《灰姑娘》:“上升,下降,再上升”(例如,青春年少,Babe,蜘蛛侠2)
  6. 《俄狄浦斯》:“下降,上升,再下降”(例如,关于我母亲的一切,尽善尽美,小美人鱼)

利用机器学习分析电影偏好,探究电影情感历程以优化剧本

《Man in a Hole》这一类别的电影票房排名最高,全球和国内收入总额最高,无论其类型和制作预算如何。研究人员表示,“这部电影成功不是因为它最受欢迎,而是因为谈论它的人最多。对于《Man in a Hole》电影而言,给出的IMDb评级数量,以及用户和评论家评论的数量要高得多。”

尽管这些电影的平均表现更好,但研究人员指出,“如果说电影业应该只制作《Man in a Hole》,那就过于简单了。精心挑选的制作预算与流派相结合,可以制作出经济上成功又能表现各种情绪弧线的电影。”

例如,《Icarus》情感弧线对于低预算电影特别有效,而《Riches to Rags》更有可能成功,它的预算超过1亿美元。

科幻,神秘,惊悚片和电影结局美满的(《Rags to Riches》)和喜剧片有坏的结局(《Riches to Rags》)的票房表现都不好,而《俄狄浦斯》类型的电影除了奥斯卡奖之外,在颁奖典礼和节日上都表现不佳。

“我们的研究结果和工具最终可能有助于作家在编辑过程中优化他们的剧本,或者告知那些在面对项目选择时必须做出投资决策的制片人,”研究人员说。

Pogrebna和她的同事现在正在寻找可以为他们提供进一步研究数据的行业合作伙伴。

“在未来,我们希望创建可靠的方法来分析所有媒体中的情绪弧线,包括纪录片等非小说类作品以及YouTube上的短片等视频。一旦我们对这个工具进行了优化,我们就可以将该公司的业务商业化。”

本文为ATYUN(www.atyun.com)编译作品,ATYUN专注人工智能
请扫码或微信搜索ATYUN订阅号及时获取最新内容

发表评论