stubs Emocionālās dinamikas kartēšana no filmu skriptiem — Unite.AI
Savienoties ar mums

Mākslīgais intelekts

Emocionālās dinamikas kartēšana no filmu skriptiem

mm
Atjaunināts on

Kanādas pētnieki ir izmantojuši tūkstošiem filmu scenāriju, lai izstrādātu mašīnmācīšanās sistēmu, kas var izsekot runātāju emocionālajām lokām, interpretējot viņu dialoga emocionālo temperatūru, kas attīstās stāstījuma gaitā.

Jūsu darbs IR Klientu apkalpošana pētniecība, no Otavas Karltonas universitātes, ir tiesības Emociju dinamika filmu dialogos un ietver centrālo varoņu analīzi labi zināmās filmās, piemēram, Shining un kazino. Tas ir paredzēts kā potenciāls pamats mašīnmācīšanās analīzei un reālās pasaules diskursa kartēšanai dažādos kanālos, piemēram, sociālo mediju pavedienos un psiholoģijas konsultāciju atšifrējumos.

Darbs piedāvā izteikumu emociju dinamikas (UED) sistēmu, kas balstīta uz līdzīgiem psiholoģijas pētījumu rādītājiem, un ir pirmais, kas modelē emocijas no stāsta dialoga, pamatojoties uz katru varoni, nevis aprēķina vidējo emocionālo temperatūru apkopotā dialogā visā platumā. no filmas.

Vārdu karte, kas atvasināta no Džeka Nikolsona dialoga filmā The Shining (1980), kas veidota ar krāsu kartēšanu, lai tā atbilstu varoņa emocionālajam stāvoklim miera stāvoklī. Avots: https://arxiv.org/pdf/2103.01345.pdf

Vārdu karte, kas atvasināta no Džeka Nikolsona dialoga filmā The Shining (1980), kas veidota ar krāsu kartēšanu, lai tā atbilstu varoņa emocionālajam stāvoklim miera stāvoklī. Avots: https://arxiv.org/pdf/2103.01345.pdf

UED sastāvdaļas ietver mājas bāze (tipisks vai "atpūtas" emocionālais stāvoklis); mainīgums (cik lielā mērā emocijas ir nepastāvīgas un, iespējams, ātri mainīsies); un pieauguma/atveseļošanās rādītāji (varoņu spēja regulēt izaicinošas emocijas).

Šajā abstraktajā piemērā ar melno līniju attēlotajam varonim ir daudz zemāks atveseļošanās līmenis no traucēta vai nesaskaņota notikuma izraisīta emocionālā stāvokļa nekā atbilstošajam varonim.

Šajā abstraktajā piemērā ar melno līniju attēlotajam varonim ir daudz zemāks atveseļošanās līmenis no traucēta vai nesaskaņota notikuma izraisīta emocionālā stāvokļa nekā atbilstošajam varonim.

Darbs ir izstrādāts, lai palīdzētu atbildēt uz dažiem sarežģītiem jautājumiem literatūras teorijā, tostarp: cik lielā mērā varoņi verbalizē savas emocijas tieši stāstījuma laikā; cik lielā mērā sižetu var izsecināt tieši no dialoga; stāsta punkta identificēšana, kurā centrālie varoņi ir visvairāk pretrunā viens ar otru; un atšķirība starp varoņu spēju risināt sarežģītas emocijas un to sekas.

Analizējot divu filmas The Shining centrālo varoņu dialogu, līniju krāsa norāda stāstījuma laiku, kas padziļinās līdz sarkanai, stāstījumam tuvojoties beigām. Melnas punktētas līnijas norāda elipses galvenās un mazās asis, kas iekapsulē galvenās rakstzīmes 95% no ilguma (skaidrības labad nav parādīts diagrammā).

Analizējot divu filmas The Shining centrālo varoņu dialogu, līniju krāsa norāda stāstījuma laiku, kas padziļinās līdz sarkanai, stāstījumam tuvojoties beigām. Melnas punktētas līnijas norāda elipses galvenās un mazās asis, kas iekapsulē galvenās rakstzīmes 95% no ilguma (skaidrības labad nav parādīts diagrammā).

Sekojot skriptiem

Dati tika ģenerēti no 1,123 atklāti pieejamiem filmu scenārijiem no interneta filmu skriptu datu bāzes (IMSDB). Tika ņemti vērā tikai varoņi ar vismaz 50 savstarpēju varoņu apmaiņu vienā filmā, kas atstāja 2,687 rakstzīmju studiju priekšmetus no 54 518 rakstzīmēm, kas ietvertas scenārija materiāla korpusā.

Teksts tika apstrādāts ar NLTK WordNet Lemmatizators, izveidojot 5,673,201 1,376 XNUMX dabiskās valodas apstrādes (NLP) vārdu marķieri, katrai varonei atstājot aptuveni XNUMX marķierus vienā filmā.

Pētnieki atzīmē, ka, novērtējot vārdus šādā veidā, kontekstā tiek ņemta vērā tikai vārda izteiktā emocionālā vērtība, nevis tā attiecības ar apkārtējiem vārdiem (vai nu no tā paša varoņa, vai no cita ainas varoņa). Tomēr pētnieki apgalvo, ka lielākajai daļai vārdu ir a dominējošā primārā sajūta, un ka kopējā vārdu uztveršana kompensē šo konteksta trūkumu.

Emocionālā mainīgums

Izstrādājot samazinātu 0>100 grafiku, kas atspoguļo varoņu emocionālo mainīgumu iegūtajos filmas scenārijos, rakstā ir atzīmēts Šēronas Stounas varonis no kazino (1995), lai gan Džila Ričija varonis no Mazās Atēnas (2005) ir nepastāvības līgas virsotne ar Devina Broču tēlu Hesher (2010) otrajā vietā.

Iespējams, paredzams, Brenta Spinera Android radījums Cmdr. Dati no Star Trek filmu franšīze parāda vismazāko emocionālo mainīgumu starp pētītajiem varoņiem, lai gan tikai nedaudz pārspēj cilvēku komandas biedru Rikeru (Džonatana Freika varonis seriālā).

Papīrs apstiprina mūsu instinktīvus uzskatus izpratne ka emocijas, visticamāk, sasniegs virsotni un kaut kādā veidā (negatīvi vai pozitīvi) atrisinās pēdējos 10-15% stāstījuma, kur attīstītais konflikts ir kaut kādā veidā jārisina. Pētījumā konstatēts, ka filmas varoņu negatīvie izteikumi filmas ilgumā palielinās par 2%, stāstījuma kulminācijas brīdī pieaugot līdz 91%, savukārt pozitīvie vārdi tajā pašā laika posmā samazinās, lai gan mazāk izteikti.

Citi faktori

Pētnieki plāno izstrādāt darbu, lai to izmantotu dažādās jomās, tostarp sabiedriskās politikas, sabiedrības veselības un sociālo zinātņu jomā. Viņi atzīmē, ka darba atklājumus nevajadzētu uzskatīt par pilnīgu emocionālā stāvokļa novērtēšanas matricu, un nodrošina 7 punktu ētikas vadlīniju veidni, kas jāņem vērā, izmantojot šīs metodes.

Kā atzīmēja Jaunākie pētījumi Zviedrijas Plašsaziņas līdzekļu padome norāda, ka, mēģinot novērtēt stāstījuma emocionālo temperatūru, ir jāņem vērā daudzi netekstuāli faktori, jo konteksts, mūzika, vizuālās norādes un neizteikti laika faktori (piemēram, klusums) lielā mērā veicina diskursa nozīme.

Konteksts ir īpaši svarīgs: piemēram, ļoti maz uzzinātu par Keira Dullea iestrēgušā astronauta Stenlija Kubrika emocionālo stāvokli. 2001: A Space Odyssey (1968), pētot scenāriju, jo šis varonis ir plaši apmācīts, lai saglabātu problēmu risināšanas domāšanas veidu ļoti saspringtos apstākļos. Turklāt daudzas emocionāli diskursīvas filmas reti izmanto dialogu.