výhonek Mapování emoční dynamiky z filmových scénářů - Unite.AI
Spojte se s námi

Umělá inteligence

Mapování emoční dynamiky z filmových scénářů

mm
aktualizováno on

Kanadští vědci použili tisíce filmových scénářů k vývoji rámce strojového učení, který dokáže sledovat emoční oblouky mluvčích interpretací emoční teploty jejich dialogu, jak se vyvíjí v průběhu vyprávění.

Projekt výzkum, z Carleton University v Ottawě, má nárok Dynamika emocí ve filmových dialozích a zahrnuje analýzu ústředních postav ve známých filmech jako např Zářící a kasino. Je zamýšlen jako potenciální základ pro analýzu strojového učení a mapování diskurzu v reálném světě v různých kanálech, jako jsou vlákna sociálních médií a přepisy psychologických konzultací.

Práce navrhuje rámec dynamiky emocí výpovědi (UED) založený na podobných metrikách z výzkumu v psychologii a je první, která modeluje emoce z příběhového dialogu na základě jednotlivých postav, spíše než vypočítává průměrnou emoční teplotu v agregovaných dialozích v celé šíři. filmu.

Slovní mapa odvozená z dialogu Jacka Nicholsona v The Shining (1980), barevně mapovaná k valenci proti klidovému emočnímu stavu postavy. Zdroj: https://arxiv.org/pdf/2103.01345.pdf

Slovní mapa odvozená z dialogu Jacka Nicholsona v The Shining (1980), barevně mapovaná k valenci proti klidovému emočnímu stavu postavy. Zdroj: https://arxiv.org/pdf/2103.01345.pdf

Mezi komponenty UED patří domovská základna (typický nebo „klidový“ emoční stav); variabilita (do jaké míry jsou emoce nestálé a pravděpodobně se rychle změní); a míra nárůstu/návratnosti (schopnost postav regulovat náročné emoce).

V tomto abstraktním příkladu má postava reprezentovaná černou čarou mnohem nižší míru zotavení z narušeného nebo nesouhlasného emočního stavu vyvolaného událostmi než odpovídající postava.

V tomto abstraktním příkladu z článku má postava reprezentovaná černou čarou mnohem nižší míru zotavení z narušeného nebo nesouhlasného emočního stavu vyvolaného událostmi než odpovídající postava.

Práce je navržena tak, aby pomohla odpovědět na některé náročné problémy v literární teorii, včetně: rozsahu, v jakém postavy verbalizují své emoce přímo ve vyprávění; rozsah, v jakém lze zápletku odvodit přímo z dialogu; identifikace bodu ve vyprávění, kde jsou ústřední postavy ve vzájemném rozporu; a rozdíl mezi schopností postav vyjednávat s obtížnými emocemi a jejich důsledky.

Při analýze dialogu dvou ústředních postav The Shining barva čáry označuje dobu vyprávění, která se s blížícím se koncem vyprávění prohlubuje do červena. Černé tečkované čáry označují hlavní a vedlejší osy elipsy zapouzdřující hlavní znaky 95 % trvání (pro přehlednost není v grafu znázorněno).

Při analýze dialogu dvou ústředních postav The Shining barva čáry označuje dobu vyprávění, která se s blížícím se koncem vyprávění prohlubuje do červena. Černé tečkované čáry označují hlavní a vedlejší osy elipsy zapouzdřující hlavní znaky 95 % trvání (pro přehlednost není v grafu znázorněno).

Po skriptech

Data byla generována z 1,123 XNUMX volně dostupných filmových scénářů z internetové databáze filmových skriptů (IMSDB). Zvažovány byly pouze postavy s minimálně 50 výměnami mezi postavami na film, což zbylo na 2,687 54 předmětů studia postav z celkového počtu 518 XNUMX znaků obsažených v korpusu materiálu scénáře.

Text byl zpracován pomocí NLTK WordNet Lemmatizátor, produkující 5,673,201 1,376 XNUMX slovních tokenů pro zpracování přirozeného jazyka (NLP), přičemž každé postavě zbylo přibližně XNUMX XNUMX tokenů na film.

Výzkumníci poznamenávají, že hodnocení slov tímto způsobem bere do kontextu pouze explicitní emocionální hodnotu slova, spíše než jeho vztah k okolním slovům (buď od stejné postavy nebo od jiné postavy ve scéně). Vědci však tvrdí, že většina slov má a dominantní primární smysla že souhrnné zachycení slova kompenzuje tento nedostatek kontextu.

Emocionální variabilita

Při vývoji redukovaného grafu 0>100 představujícího emocionální proměnlivost postav napříč extrahovanými filmovými scénáři, papír poznamenává postavu Sharon Stone z kasino (1995), ačkoli postava Jill Ritchie z Malé Athény (2005) je na vrcholu ligy volatility s postavou Devina Brochua hesher (2010) na druhém místě.

Možná předvídatelně, androidí výtvor Brenta Spinera Cmdr. Údaje z star Trek filmová série vykazuje nejmenší emocionální variabilitu mezi studovanými postavami, i když jen těsně poráží lidského kolegu z posádky Rikera (postava Jonathana Frakese v seriálu).

Papír potvrzuje náš instinkt porozumění že emoce pravděpodobně vyvrcholí a nějakým způsobem se vyřeší (negativně nebo pozitivně) v posledních 10–15 % vyprávění, kde je třeba nějakým způsobem řešit rozvinutý konflikt. Výzkum zjistil, že negativní promluvy postav ve filmu během jeho trvání vzrostou o 2 %, přičemž v době vyvrcholení vyprávění stoupnou na 91 %, zatímco pozitivních slov se ve stejném časovém období také sníží, i když méně výrazně.

další faktory

Výzkumníci mají v úmyslu vyvinout práci tak, aby ji bylo možné aplikovat na řadu oblastí, včetně veřejné politiky, veřejného zdraví a sociálních věd. Berou na vědomí, že výsledky práce by neměly být považovány za kompletní matrici pro hodnocení emočního stavu a poskytují 7bodovou šablonu etických pokynů, které je třeba vzít v úvahu při používání těchto technik.

Jak poznamenal nedávný výzkum od švédské mediální rady existuje mnoho netextových faktorů, které je třeba vzít v úvahu při pokusu změřit emocionální teplotu vyprávění, protože kontext, hudba, vizuální podněty a nevyřčené časové faktory (jako je ticho) značně přispívají k smysl diskursu.

Kontext je obzvláště důležitý: člověk by se například dozvěděl velmi málo o emocionálním stavu uvízlého astronauta Keira Dullea ve filmu Stanleyho Kubricka. 2001: Vesmírná odysea (1968) studiem scénáře, protože tato postava byla rozsáhle trénována, aby si ve vysoce stresujících podmínkách zachovala myšlení k řešení problémů. Navíc mnoho emocionálně diskurzivních filmů řídce používat dialog.