Andersonの視点

映画の脚本から感情のダイナミクスをマッピングする

mm
Unite.AI を Google の優先ソースに追加

カナダの研究者は、数千の映画脚本を使用して、キャラクターの感情の温度を解釈することで、物語の中で話者の感情のアークを追跡できるマシンラーニングフレームワークを開発しました。

オタワのカールトン大学による研究は、映画の対話における感情のダイナミクスと題され、《シャイニング》や《カジノ》などの有名な映画の主要キャラクターの分析を含んでいます。これは、ソーシャルメディアのスレッドや心理学の相談のトランスクリプトなどのさまざまなチャンネルでの実世界の談話のマシンラーニング分析とマッピングのための基礎として意図されています。

この研究では、心理学研究からの類似のメトリックに基づいて、発言の感情のダイナミクス(UED)というフレームワークを提案しています。これは、映画全体の対話の平均的な感情の温度を計算するのではなく、ストーリーの対話からキャラクターごとに感情をモデル化する最初の研究です。

ジャック・ニコルソンの《シャイニング》(1980)からの対話のワードマップ、キャラクターの休憩感情状態に対する価値に色付け。ソース:https://arxiv.org/pdf/2103.01345.pdf

ジャック・ニコルソンの《シャイニング》(1980)からの対話のワードマップ、キャラクターの休憩感情状態に対する価値に色付け。ソース:https://arxiv.org/pdf/2103.01345.pdf

UEDのコンポーネントには、ホームベース(典型的なまたは「休憩」の感情状態)、変動性(感情が変動しやすく、すぐに変化する可能性がある程度)、および上昇/回復率(キャラクターが課題的な感情を調節する能力)が含まれます。

この抽象的な例では、黒い線で表されるキャラクターは、対応するキャラクターよりも、混乱したまたは不協和なイベントによって引き起こされる感情状態からの回復率がはるかに低いです。

この抽象的な例では、黒い線で表されるキャラクターは、対応するキャラクターよりも、混乱したまたは不協和なイベントによって引き起こされる感情状態からの回復率がはるかに低いです。

この研究は、物語の中でキャラクターが感情を直接表現する程度、対話から物語を直接推測する程度、物語の中で主要キャラクターが最も対立する点の特定、キャラクターが難しい感情を交渉する能力とその結果の違いなどの文学理論における課題的な問題に答えるのに役立ちます。

《シャイニング》の2人の主要キャラクターからの対話を分析する、線の色は物語の時間を示し、物語の終わり近くで赤に深くなる。黒い点線は、主要キャラクターの95%の期間(グラフでは省略)を囲む楕円の主要軸と小軸を示します。

《シャイニング》の2人の主要キャラクターからの対話を分析する、線の色は物語の時間を示し、物語の終わり近くで赤に深くなる。黒い点線は、主要キャラクターの95%の期間(グラフでは省略)を囲む楕円の主要軸と小軸を示します。

脚本の分析

データは、インターネット・ムービー・スクリプト・データベース(IMSDB)から入手できる1,123のオープンに利用可能な映画脚本から生成されました。各映画で少なくとも50のキャラクター間のやり取りを持つキャラクターのみが考慮され、合計54,518人のキャラクターが含まれるスクリプト資料のコーパスから2,687人のキャラクター研究対象者が残りました。

テキストは、NLTK WordNet Lemmatizerで処理され、5,673,201の自然言語処理(NLP)ワードトークンが生成され、各キャラクターには約1,376トークンが残りました。

研究者は、このような方法で単語を評価するのは、単語の感情の値のみを考慮し、同じキャラクターまたはシーンの他のキャラクターからの周囲の単語との関係を考慮しないことを指摘しています。ただし、研究者は、ほとんどの単語には主な意味があると主張し、集約された単語のキャプチャは、このコンテキストの欠如を補償するということです。

感情の変動性

研究では、キャラクターの感情の変動性を表す0から100のグラフを減らして、カジノ(1995)のシャロン・ストーンのキャラクターは、リトル・アテネ(2005)のジル・リッチーのキャラクターに次ぐ、変動性の順位で2位となりました。デヴィン・ブロシューのヘッシャー(2010)のキャラクターは3位でした。

おそらく予想通り、《スタートレック》映画シリーズのブレント・スパイナーによるアンドロイドのCmdr. Dataは、研究対象のキャラクターの中で感情の変動性が最も低かったが、ジョナサン・フレイクスが演じたシリーズの乗組員ライカーにわずかに次ぐものでした。

研究によると、物語の最後の10〜15%で感情がピークに達し、否定的にまたは肯定的に解決する可能性が高いという、直感的な理解を裏付けています。研究では、キャラクターの否定的な発言は物語の期間中に2%増加し、物語のクライマックスでは91%に達し、肯定的な言葉も同期間中に減少するが、同じ程度ではありません。

その他の要因

研究者は、この研究を公共政策、公共保健、社会科学などのさまざまな分野に適用することを意図しています。研究者は、この研究の結果を感情状態の評価の完全なマトリックスとして考えるべきではないと述べており、7つの倫理ガイドラインのテンプレートを提供しています。

スウェーデンのメディア評議会による最近の研究によると、物語の感情の温度を測定しようとする場合、コンテキスト、音楽、視覚的なヒント、無言の時間的要因(例:沈黙)などの非テキストの要因を考慮する必要があります。

コンテキストは特に重要です。たとえば、スタンリー・キューブリックの《2001:宇宙の旅》(1968)でキア・デュリアの宇宙飛行士の感情状態を知るには、脚本を分析するだけでは十分ではないでしょう。なぜなら、このキャラクターは、非常にストレスの高い状況で問題解決の心構えを維持するように徹底的に訓練されているからです。また、多くの感情的に議論的な映画では、対話をほとんど使いません。

機械学習のライターであり、ヒューマンイメージシンセシスのドメインスペシャリスト。Metaphysic.aiの研究コンテンツ責任者を務めていたが、DNEGのBrahma.aiへの統合により解散した。
Portfolio site: martinanderson.ai
Contact:martin@martinanderson.ai