大卖还是扑街仅凭情节概要AI便可预估一部电影能否成功

编者按：本文来自微信群众号“大数据文摘”（ID：BigDataDigest），编译：秦泽宇、曹培信，36氪经授权发布。

不知道我们有没有去看鹿晗和舒淇主演的科幻片《上海堡垒》，全体叙述的是外星人侵略地球的故事，上海成为终究的依据地，而黄浦江里的上海大炮成为翻盘的仅有期望，当然了，还有鹿晗和舒淇的爱情故事。

不过上映以来，这部电影就被各种骂，导演、编剧都连续出来抱歉。

虽然豆瓣评分现在只剩下3.2分，可是点评中仍是有人企图客观的剖析电影失利的原因，其间一个便是故事过分烂俗。

可是跟着自然语言处理（Natural Language Processing，简称NLP）的不断开展，是否在电影拍照前就依据电影的脚本摘要猜想这部电影会不会遭到群众喜爱呢？

来自韩国的几名研究人员就尝试了这个办法。

四万多部电影数据，练习可猜想电影好坏的AI

研究人员企图练习出一个机器学习模型，可以经过电影摘要，分辩哪些哪些电影会成功或许失利。假如人们可以进一步完善这个模型，有朝一日，制片人可以在电影制造前就能猜想出这部电影在票房上是会大卖或许扑街。

为了练习这个模型，研究员使用了来自世界各地，一共42306个电影情节作为数据集，大部分来自CMU电影摘要语料库。

数据集

模型先将摘要划分红语句，并用情感剖析来剖析每个语句。模型将认为是“活跃”的语句，比方“Thor喜爱他的锤子”，打分更挨近1。模型将认为是“消沉”的语句，比方“Thor打架了”，打分更挨近-1。

终究归纳两个输出进行分类，然后得出一个电影是否会成功。

模型分类架构

情节越崎岖，观众越配合

一般，成功的电影，比方1951年的《爱丽丝梦游仙境》，在Rotten Tomatoes电影点评网上取得了80%的分数，心情动摇频频；不成功的电影，比方2009年的《操控约束》心情动摇较小。研究员说，电影最初或结束是否大快人心并不重要。重要的是心情改变频频。

电影中的“动摇性”衡量标准是将每个摘要的心情打分压缩成一个分数，来反映心情的改变。研究人员测试了三种不同取得终究分数的办法。这三个办法都可以精确地猜想一部电影是否会受欢迎。

上面两张图中，第一张里边的电影《爱丽丝梦游仙境（Alice in Wonderland）》的最初和结束都很活跃，电影《靴子（Das Boot）》和《一个男人（A Man for All Seasons）》每一季的最初和结束都是消沉的。电影《葛底斯堡（Gettysburg）》展现了命运的反转，开始时是消沉的，结束时是活跃的。人们遍及注意到，这些成功的电影有频频的心情动摇。

而第二张则是不成功的电影的情感剖析，它体现出较少的情感动摇。电影《操控的极限（The Limits of Control）》和《迷失的刀锋战士（Lost Bladesman）》都有消沉的最初和结束。电影《大锅（Tai-Pan）》以消沉的最初，以活跃的结束。电影《蓝舌和尚（Bluetproof Monk）》的最初和结束都是正面的，可是在故事开展的过程中，大多数人的心情得分都是负面的。因而，这表明心情改变的频率或许预示着电影的成功。可是，心情的南北极对猜想一部电影的成功影响甚微。

现在只能分好坏，期望将来能猜想票房

研究人员在8月1日意大利佛罗伦萨举行的2019Storytelling Workshop上指出：虽然这些办法在猜想电影是否成功上体现并不超卓，可是它们仍旧比随机猜想愈加精确。

研究人员说，在未来，他们的办法会进行改善，期望可以猜想一部电影的票房值，并协助制片人决议这部电影是否值得出资。

在这个模型的使用方面，研究人员弥补说，这个体系公正的点评机制关于不知名的作家来说是功德，不会由于名望小而被沉没。

一起也能潜在的协助群众，烂片被摧残在摇篮里，观众们也就不用浪费时间看完像《大白鲨：复仇》这样票房和口碑双扑街的烂片了。

论文链接：

https://eed-and-fail-simply-plot