ठूंठ मूवी स्क्रिप्ट से भावनात्मक गतिशीलता का मानचित्रण - Unite.AI
हमसे जुडे

Artificial Intelligence

मूवी स्क्रिप्ट से भावनात्मक गतिशीलता का मानचित्रण

mm
Updated on

कनाडाई शोधकर्ताओं ने एक मशीन लर्निंग फ्रेमवर्क विकसित करने के लिए हजारों फिल्म स्क्रिप्ट का उपयोग किया है जो कथा के दौरान विकसित होने वाले संवाद के भावनात्मक तापमान की व्याख्या करके वक्ताओं के भावनात्मक आर्क को ट्रैक कर सकता है।

RSI अनुसंधान, ओटावा में कार्लटन विश्वविद्यालय से, हकदार हैं मूवी संवादों में भावना गतिशीलता और इसमें प्रसिद्ध फिल्मों जैसे केंद्रीय पात्रों का विश्लेषण शामिल है उदय और कैसीनो के. इसका उद्देश्य मशीन लर्निंग विश्लेषण और विभिन्न चैनलों जैसे कि सोशल मीडिया थ्रेड और मनोविज्ञान परामर्श के टेप में वास्तविक दुनिया के प्रवचन की मैपिंग के लिए एक संभावित आधार है।

यह कार्य मनोविज्ञान में अनुसंधान से समान मैट्रिक्स के आधार पर उच्चारण भावना गतिशीलता (यूईडी) की एक रूपरेखा का प्रस्ताव करता है, और संपूर्ण संवाद में औसत भावनात्मक तापमान की गणना करने के बजाय, प्रति-चरित्र के आधार पर कहानी संवाद से भावनाओं को मॉडल करने वाला पहला है। एक फिल्म का.

द शाइनिंग (1980) में जैक निकोलसन के संवाद से लिया गया एक शब्द-मानचित्र, चरित्र की आराम कर रही भावनात्मक स्थिति के अनुरूप रंगीन-मैप किया गया है। स्रोत: https://arxiv.org/pdf/2103.01345.pdf

द शाइनिंग (1980) में जैक निकोलसन के संवाद से लिया गया एक शब्द-मानचित्र, चरित्र की आराम कर रही भावनात्मक स्थिति के अनुरूप रंगीन-मैप किया गया है। स्रोत: https://arxiv.org/pdf/2103.01345.pdf

यूईडी के घटकों में शामिल हैं घर का आधार (एक विशिष्ट या 'आराम' करने वाली भावनात्मक स्थिति); परिवर्तनशीलता (भावनाएँ किस हद तक अस्थिर हैं और तेज़ी से बदलने की संभावना है); और वृद्धि/वसूली दरें (चुनौतीपूर्ण भावनाओं को नियंत्रित करने के लिए पात्रों की क्षमता)।

इस अमूर्त उदाहरण में, काली रेखा द्वारा दर्शाए गए चरित्र में संबंधित चरित्र की तुलना में अशांत या असंगत घटना-संचालित भावनात्मक स्थिति से उबरने की दर बहुत कम है।

पेपर के इस अमूर्त उदाहरण में, काली रेखा द्वारा दर्शाए गए चरित्र में संबंधित चरित्र की तुलना में अशांत या असंगत घटना-संचालित भावनात्मक स्थिति से उबरने की दर बहुत कम है।

यह कार्य साहित्यिक सिद्धांत में कुछ चुनौतीपूर्ण मुद्दों का उत्तर देने में मदद करने के लिए इंजीनियर किया गया है, जिसमें शामिल हैं: किस हद तक पात्र एक कथा पर सीधे अपनी भावनाओं को व्यक्त करते हैं; संवाद से किसी कथानक का किस हद तक सीधे अनुमान लगाया जा सकता है; किसी कथा में उस बिंदु की पहचान जहां केंद्रीय पात्र एक-दूसरे के साथ सबसे अधिक मतभेद रखते हैं; और पात्रों की कठिन भावनाओं से निपटने की क्षमता और उनके परिणामों के बीच अंतर।

द शाइनिंग के दो केंद्रीय पात्रों के संवाद का विश्लेषण करने में, रेखा-रंग कथा के समय को इंगित करता है, जैसे-जैसे कथा समाप्त होती है, लाल रंग गहरा होता जाता है। काली बिंदीदार रेखाएं दीर्घवृत्त के प्रमुख और लघु अक्षों को इंगित करती हैं जो मुख्य वर्णों को 95% अवधि तक घेरती हैं (स्पष्टता के लिए ग्राफ़ में नहीं दिखाया गया है)।

द शाइनिंग के दो केंद्रीय पात्रों के संवाद का विश्लेषण करने में, रेखा-रंग कथा के समय को इंगित करता है, जैसे-जैसे कथा समाप्त होती है, लाल रंग गहरा होता जाता है। काली बिंदीदार रेखाएं दीर्घवृत्त के प्रमुख और लघु अक्षों को इंगित करती हैं जो मुख्य वर्णों को 95% अवधि तक घेरती हैं (स्पष्टता के लिए ग्राफ़ में नहीं दिखाया गया है)।

स्क्रिप्ट का अनुसरण करें

डेटा इंटरनेट मूवी स्क्रिप्ट डेटाबेस से 1,123 खुले तौर पर उपलब्ध मूवी स्क्रिप्ट से उत्पन्न किया गया था (आईएमएसडीबी). केवल प्रति फिल्म कम से कम 50 अंतर-चरित्र आदान-प्रदान वाले पात्रों पर विचार किया गया, जिससे स्क्रिप्ट सामग्री के संग्रह में निहित कुल 2,687 पात्रों में से 54 चरित्र अध्ययन विषय बचे।

पाठ को एनएलटीके वर्डनेट के साथ संसाधित किया गया था लेमेटाइज़र, 5,673,201 प्राकृतिक भाषा प्रसंस्करण (एनएलपी) शब्द टोकन का उत्पादन, प्रत्येक पात्र के पास प्रति फिल्म लगभग 1,376 टोकन बचे हैं।

शोधकर्ताओं का कहना है कि इस तरह से शब्दों का मूल्यांकन केवल शब्द के स्पष्ट भावनात्मक मूल्य को ध्यान में रखता है, न कि आसपास के शब्दों (या तो उसी चरित्र से या दृश्य में किसी अन्य चरित्र से) से उसके संबंध को ध्यान में रखता है। हालाँकि शोधकर्ताओं का तर्क है कि अधिकांश शब्दों में एक है प्रमुख प्राथमिक भाव, और समग्र शब्द कैप्चर संदर्भ की इस कमी की भरपाई करता है।

भावनात्मक परिवर्तनशीलता

निकाली गई फिल्म स्क्रिप्ट में पात्रों की भावनात्मक परिवर्तनशीलता का प्रतिनिधित्व करने वाला एक कम 0>100 ग्राफ विकसित करने में, पेपर शेरोन स्टोन के चरित्र को नोट करता है कैसीनो के (1995), हालांकि जिल रिची का किरदार लिटिल एथेंस (2005) अस्थिरता की श्रेणी में सबसे ऊपर है, जिसमें डेविन ब्रोचू का किरदार है Hesher (2010) दूसरे स्थान पर।

शायद अनुमानतः, ब्रेंट स्पाइनर की एंड्रॉइड रचना Cmdr. से डेटा स्टार ट्रेक मूवी फ़्रैंचाइज़ अध्ययन किए गए पात्रों के बीच सबसे कम भावनात्मक परिवर्तनशीलता प्रदर्शित करती है, हालांकि केवल मानव क्रू-साथी रिकर (श्रृंखला में जोनाथन फ़्रेक्स का चरित्र) को मात देती है।

पेपर हमारी सहज प्रवृत्ति की पुष्टि करता है समझ कथा के अंतिम 10-15% में भावनाओं के चरम पर पहुंचने और किसी तरह से (नकारात्मक या सकारात्मक रूप से) हल होने की संभावना है, जहां विकसित संघर्ष को किसी तरह से संबोधित किया जाना चाहिए। शोध में पाया गया कि किसी फिल्म में पात्रों द्वारा नकारात्मक उच्चारण उसकी अवधि के दौरान 2% बढ़ जाते हैं, जो कथा के चरमोत्कर्ष पर 91% तक बढ़ जाते हैं, जबकि उसी समय सीमा के दौरान सकारात्मक शब्द भी कम हो जाते हैं, हालांकि कम स्पष्ट रूप से।

अन्य कारक

शोधकर्ता इस कार्य को सार्वजनिक नीति, सार्वजनिक स्वास्थ्य और सामाजिक विज्ञान सहित कई क्षेत्रों में लागू करने के लिए विकसित करने का इरादा रखते हैं। वे ध्यान देते हैं कि कार्य के निष्कर्षों को भावनात्मक स्थिति के मूल्यांकन के लिए एक पूर्ण मैट्रिक्स नहीं माना जाना चाहिए, और एक 7-बिंदु नैतिक दिशानिर्देश टेम्पलेट प्रदान करते हैं जिसे इन तकनीकों का उपयोग करते समय विचार किया जाना चाहिए।

द्वारा नोट हाल ही में किए गए अनुसंधान स्वीडिश मीडिया काउंसिल के अनुसार, कई गैर-पाठ्य कारक हैं जिन्हें किसी कथा के भावनात्मक तापमान को मापने का प्रयास करते समय ध्यान में रखा जाना चाहिए, क्योंकि संदर्भ, संगीत, दृश्य संकेत और अनकहे लौकिक कारक (जैसे मौन) इसमें बहुत योगदान देते हैं। प्रवचन का अर्थ.

संदर्भ विशेष रूप से महत्वपूर्ण है: उदाहरण के लिए, कोई व्यक्ति स्टैनली कुब्रिक के फंसे हुए अंतरिक्ष यात्री कीर डुलिया की भावनात्मक स्थिति के बारे में बहुत कम सीखेगा। 2001: ए स्पेस ओडिसी (1968) स्क्रिप्ट का अध्ययन करके, चूंकि उस पात्र को अत्यधिक तनावपूर्ण परिस्थितियों में समस्या-समाधान की मानसिकता बनाए रखने के लिए बड़े पैमाने पर प्रशिक्षित किया गया है। इसके अतिरिक्त, कई भावनात्मक रूप से विचारशील फिल्में संवाद का कम प्रयोग करें.