
作者 | 秦澤宇、曹培信
來(lái)源 | 大數(shù)據(jù)文摘
不知道大家有沒(méi)有去看鹿晗和舒淇主演的科幻片《上海堡壘》,整體講述的是外星人入侵地球的故事,上海成為最后的根據(jù)地,而黃浦江里的上海大炮成為翻盤(pán)的唯一希望,當(dāng)然了,還有鹿晗和舒淇的愛(ài)情故事。
不過(guò)上映以來(lái),這部電影就被各種罵,導(dǎo)演、編劇都接連出來(lái)道歉。不過(guò)這一切的一切都已經(jīng)無(wú)力回天,《上海堡壘》3.6億的投資成本,最終票房只攀登到1.2億多,可以說(shuō)是虧得血本無(wú)歸?。?/span>
盡管豆瓣評(píng)分目前只剩下3.2分,但是評(píng)價(jià)中還是有人試圖客觀的分析電影失敗的原因,其中一個(gè)就是故事太過(guò)爛俗。
然而隨著自然語(yǔ)言處理(Natural Language Processing,簡(jiǎn)稱(chēng)NLP)的不斷發(fā)展,是否在電影拍攝前就根據(jù)電影的腳本摘要預(yù)測(cè)這部電影會(huì)不會(huì)受到大眾喜愛(ài)呢?
來(lái)自韓國(guó)的幾名研究人員就嘗試了這個(gè)方法。
四萬(wàn)多部電影數(shù)據(jù),訓(xùn)練可預(yù)測(cè)電影好壞的AI
研究人員試圖訓(xùn)練出一個(gè)機(jī)器學(xué)習(xí)模型,可以通過(guò)電影摘要,分辨哪些哪些電影會(huì)成功或者失敗。如果人們可以進(jìn)一步完善這個(gè)模型,有朝一日,制片人可以在電影制作前就能預(yù)測(cè)出這部電影在票房上是會(huì)大賣(mài)或者撲街。
為了訓(xùn)練這個(gè)模型,研究員使用了來(lái)自世界各地,總共42306個(gè)電影情節(jié)作為數(shù)據(jù)集,大部分來(lái)自CMU電影摘要語(yǔ)料庫(kù)。
數(shù)據(jù)集
模型先將摘要?jiǎng)澐殖删渥樱⒂们楦蟹治鰜?lái)分析每個(gè)句子。模型將認(rèn)為是“積極”的句子,譬如“Thor喜歡他的錘子”,打分更接近1。模型將認(rèn)為是“消極”的句子,譬如“Thor打架了”,打分更接近-1。
最后綜合兩個(gè)輸出進(jìn)行分類(lèi),從而得出一個(gè)電影是否會(huì)成功。
模型分類(lèi)架構(gòu)
情節(jié)越起伏,觀眾越買(mǎi)賬
通常,成功的電影,比如1951年的《愛(ài)麗絲夢(mèng)游仙境》,在Rotten Tomatoes電影評(píng)價(jià)網(wǎng)上獲得了80%的分?jǐn)?shù),情緒波動(dòng)頻繁;不成功的電影,比如2009年的《控制限制》情緒波動(dòng)較小。研究員說(shuō),電影開(kāi)頭或結(jié)尾是否皆大歡喜并不重要。重要的是情緒變化頻繁。
電影中的“波動(dòng)性”衡量標(biāo)準(zhǔn)是將每個(gè)摘要的情緒打分壓縮成一個(gè)分?jǐn)?shù),來(lái)反映情緒的變化。研究人員測(cè)試了三種不同獲得最終分?jǐn)?shù)的方法。這三個(gè)方法都可以準(zhǔn)確地預(yù)測(cè)一部電影是否會(huì)受歡迎。
上面兩張圖中,第一張里面的電影《愛(ài)麗絲夢(mèng)游仙境(Alice in Wonderland)》的開(kāi)頭和結(jié)尾都很積極,電影《靴子(Das Boot)》和《一個(gè)男人(A Man for All Seasons)》每一季的開(kāi)頭和結(jié)尾都是消極的。電影《葛底斯堡(Gettysburg)》展示了命運(yùn)的逆轉(zhuǎn),開(kāi)始時(shí)是消極的,結(jié)束時(shí)是積極的。人們普遍注意到,這些成功的電影有頻繁的情緒波動(dòng)。
而第二張則是不成功的電影的情感分析,它表現(xiàn)出較少的情感波動(dòng)。電影《控制的極限(The Limits of Control)》和《迷失的刀鋒戰(zhàn)士(Lost Bladesman)》都有消極的開(kāi)頭和結(jié)尾。電影《大鍋(Tai-Pan)》以消極的開(kāi)頭,以積極的結(jié)尾。電影《藍(lán)舌和尚(Bluetproof Monk)》的開(kāi)頭和結(jié)尾都是正面的,但是在故事發(fā)展的過(guò)程中,大多數(shù)人的情緒得分都是負(fù)面的。因此,這表明情緒變化的頻率可能預(yù)示著電影的成功。然而,情緒的兩極對(duì)預(yù)測(cè)一部電影的成功影響甚微。
現(xiàn)在只能分好壞,希望將來(lái)能預(yù)測(cè)票房
研究人員在8月1日意大利佛羅倫薩舉辦的2019Storytelling Workshop上指出:盡管這些方法在猜測(cè)電影是否成功上表現(xiàn)并不出色,但是它們依舊比隨機(jī)預(yù)測(cè)更加準(zhǔn)確。
研究人員說(shuō),在未來(lái),他們的方法會(huì)進(jìn)行改進(jìn),希望能夠預(yù)測(cè)一部電影的票房值,并幫助制片人決定這部電影是否值得投資。
在這個(gè)模型的應(yīng)用方面,研究人員補(bǔ)充說(shuō),這個(gè)系統(tǒng)公平的評(píng)價(jià)機(jī)制對(duì)于不知名的作家來(lái)說(shuō)是好事,不會(huì)因?yàn)槊麣庑《宦駴](méi)。
同時(shí)也能潛在的幫助公眾,爛片被扼殺在搖籃里,觀眾們也就不必浪費(fèi)時(shí)間看完像《大白鯊:復(fù)仇》這樣票房和口碑雙撲街的爛片了。
數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢(xún)效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話(huà)題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類(lèi)型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶(hù)體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類(lèi)分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類(lèi)分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10