영화 대본에서 감정적 역학을 매핑

캐나다 연구자들은 수천 개의 영화 대본을 사용하여 대화의 감정적 온도를 해석함으로써 대화者の 감정적 아크를 추적할 수 있는 기계 학습 프레임워크를 개발했습니다.

오타와의 캐롤턴 대학교에서 수행된 연구는 영화 대화의 감정 역학이라는 제목으로, 샤이닝 및 카지노와 같은 유명 영화의 주요 캐릭터에 대한 분석을 포함합니다. 이는 사회 미디어 스레드 및 심리학 상담의 기록과 같은 다양한 채널에서 실제 세계 담론의 기계 학습 분석 및 매핑을 위한 잠재적인 기초로 의도되었습니다.

이 연구는 심리학 연구에서 유사한 지표를 기반으로 하는 발화 감정 역학(UED) 프레임워크를 제안하며, 영화의 전체에 걸친 집계된 대화에서 평균 감정 온도를 계산하는 대신 각 캐릭터의 이야기 대화에서 감정을 모델링하는 최초의 연구입니다.

<img class="size-full wp-image-176213" src="https://www.unite.ai/wp-content/uploads/2021/06/valence_the_shining.png" alt="잭 니콜슨의 샤이닝(1980) 대화에서 파생된 워드맵, 캐릭터의 휴식 감정 상태에 대한 발랑스와 색상 매핑” width=”1213″ height=”602″ /> 잭 니콜슨의 샤이닝(1980) 대화에서 파생된 워드맵, 캐릭터의 휴식 감정 상태에 대한 발랑스와 색상 매핑 소스: https://arxiv.org/pdf/2103.01345.pdf

UED의 구성 요소에는 홈 베이스(일반적이거나 ‘휴식’ 감정 상태), 변동성(감정이 불안정하고 빠르게 변경될 가능성이 있는 정도), 상승/회복률(캐릭터가 도전적인 감정을 조절하는 능력)가 포함됩니다.

추상적인 예에서, 검은 선으로 표시된 캐릭터는 다른 캐릭터보다 혼란스럽거나 불협화로운 사건에 의한 감정 상태에서 회복률이 훨씬 낮습니다.

이 연구는 캐릭터가 직접적으로 감정을 표현하는 정도, 대화에서 플롯을 직접적으로 추론하는 정도, 캐릭터가 서로 가장 반대되는 시점을 식별하는 정도, 캐릭터가 어려운 감정을 협상하는 능력과 그 결과를 식별하는 정도와 같은 문학 이론의 어려운 문제에 대한 일부答案을 제공하도록 설계되었습니다.

<img class="wp-image-176215" src="https://www.unite.ai/wp-content/uploads/2021/06/analyzing_dialogue_from_the_shining.png" alt="샤이닝의 두 주요 캐릭터의 대화를 분석함” width=”701″ height=”560″ /> 샤이닝의 두 주요 캐릭터의 대화를 분석함

대본을 따르기

데이터는 인터넷 영화 대본 데이터베이스(IMSDB)에서 공개적으로 사용 가능한 1,123개의 영화 대본에서 생성되었습니다. 각 영화당 최소 50개의 캐릭터 간 교환을 가진 캐릭터만 고려되었으며, 이는 총 54,518개의 캐릭터를 포함하는 대본 자료에서 2,687개의 캐릭터 연구 주제로 남았습니다.

텍스트는 NLTK WordNet lemmatizer로 처리되어 5,673,201개의 자연어 처리(NLP) 단어 토큰을 생성했으며, 각 캐릭터는 영화당 약 1,376개의 토큰을 남겼습니다.

연구자들은 이러한 방식으로 단어를 평가하는 것은 단어의 명시적 감정 가치만을 고려하며, 같은 캐릭터 또는 장면의 다른 캐릭터의 주변 단어와의 관계는 고려하지 않는다고 주목합니다. 그러나 연구자들은 대부분의 단어가 주된 의미를 가지고 있으며, 집계된 단어 캡처는 이러한 문맥의 부족을 보상한다고 주장합니다.

감정적 변동성

추출된 영화 대본에서 캐릭터의 감정적 변동성을 나타내는 0>100 그래프를 개발하면서, 이 논문은 카지노(1995)의