Kartlegging av Emosjonelle Dynamikker Fra Filmmanus

Kanadiske forskere har brukt tusenvis av filmmanus til å utvikle en maskinlæringsramme som kan spore emosjonelle buegangene til talere ved å tolke den emosjonelle temperaturen til deres dialog så den utvikler seg over narrativets løp.

Forskningen, fra Carleton University i Ottawa, har tittelen Emosjonelle Dynamikker i Film-dialoger og inkluderer analyse av sentrale karakterer i kjente filmer som The Shining og Casino. Den er ment som en potensiell basis for maskinlæringsanalyse og kartlegging av virkelige diskurser i diverse kanaler som sosiale medier og transkripsjoner av psykologkonsultasjoner.

Arbeidet foreslår en ramme for uttalelse-emosjonelle dynamikker (UED) basert på lignende målinger fra forskning i psykologi, og er den første til å modellere emosjoner fra historie-dialoger på en per-karakter-basis, snarere enn å beregne gjennomsnittlig emosjonell temperatur i aggregert dialog over hele filmen.

Et ord-kart avledet fra Jack Nicholsons dialog i The Shining (1980), farge-kartet til valens mot karakterens hvile-emosjonelle tilstand. Kilde: https://arxiv.org/pdf/2103.01345.pdf

Komponentene i UED inkluderer hjemmebase (en typisk eller ‘hvile’-emosjonell tilstand); variabilitet (utstrekningen til hvilken emosjoner er flyktige og sannsynlig å endre raskt); og stignings-/gjenopprettingsrater (evnen til karakterer å regulere utfordrende emosjoner).

I dette abstrakte eksempelet fra papiret har karakteren representert av den svarte linjen en mye lavere gjenopprettingsrate fra en forstyrret eller diskordant hendelse-drevet emosjonell tilstand enn en tilsvarende karakter.

Arbeidet er konstruert for å hjelpe med å besvare noen utfordrende spørsmål i litterær teori, inkludert: utstrekningen til hvilken karakterer verbaliserer sine emosjoner direkte over en narrativ; utstrekningen til hvilken en plot kan være direkte inferert fra dialog; identifiseringen av et punkt i en narrativ hvor de sentrale karakterene er mest i motsetning til hverandre; og forskjellen mellom karakterenes evne til å forhandle vanskelige emosjoner, og deres konsekvenser.

Ved å analysere dialogen fra de to sentrale karakterene i The Shining, indikerer linje-fargen narrativ tid, dyppet til rød når narrativet nærmer seg slutten. Svarte prikkede linjer indikerer hoved- og mindre akser av en ellipse som omfatter hovedkarakterens 95% av varigheten (ikke vist i grafen, for klarhet).

Følger Manuskriptene

Dataene ble generert fra 1 123 åpne filmmanus fra Internet Movie Script Database (IMSDB). Bare karakterer med et minimum av 50 inter-karakter-utvekslinger per film ble vurdert, noe som etterlot 2 687 karakter-studie-objekter fra totalt 54 518 karakterer i korpuset av manuskriptmateriale.

Teksten ble prosessert med NLTK WordNet Lemmatizer, som produserte 5 673 201 naturlige språkbehandlings- (NLP-) ordtoken, med hver karakter igjen med rundt 1 376 token per film.

Forskerne bemerker at evalueringen av ord på denne måten bare tar i betraktning den eksplisitte emosjonelle verdien til ordet, snarere enn dets forhold til omgivende ord (enten fra samme karakter eller fra en annen karakter i scenen). Forskerne argumenterer likevel for at de fleste ord har en dominant primær-betydning, og at den aggregerte ord-fangsten kompenserer for mangelen på kontekst.

Emosjonell Variabilitet

Ved å utvikle en redusert 0>100-graf som representerer den emosjonelle variabiliteten til karakterer over de uttrukne filmmanuskriptene, bemerker papiret Sharon Stones karakter fra Casino (1995), selv om Jill Ritchies karakter fra Little Athens (2005) toppet listen over volatilitet, med Devin Brochus karakter i Hesher (2010) på andreplass.

Kanskje forutsigbart, viser Brent Spiners android-skapelse Cmdr. Data fra Star Trek-filmserien den laveste emosjonelle variabiliteten blant karakterene som ble studert, selv om bare marginalt bedre enn menneskelig mannskap-kamerat Riker (Jonathan Frakes’ karakter i serien).

Papiret bekrefter vår instinktive forståelse av at emosjoner sannsynligvis vil toppes og løses på en eller annen måte (negativt eller positivt) i de siste 10-15% av narrativet, hvor utviklet konflikt må på en eller annen måte bli behandlet. Forskningen fant at negative uttalelser fra karakterer i en film øker med 2% over dens varighet, stigende til 91% ved klimakset i narrativet, mens positive ord også minker, om enn mindre merkbar, over samme tidsramme.

Andre Faktorer

Forskerne har til hensikt å utvikle arbeidet for å anvende det på en rekke domener, inkludert offentlig politikk, folkehelser og samfunnsvitenskap. De bemerker at funnene i arbeidet ikke bør betraktes som en fullstendig matrise for emosjonell tilstandsevaluering, og gir en 7-punkts etisk retningslinje-mal som bør vurderes ved å bruke disse teknikkene.

Som bemerkes av nyere forskning fra det svenske medierådet, er det mange ikke-tekstlige faktorer som bør tas i betraktning når man forsøker å måle den emosjonelle temperaturen til en narrativ, ettersom kontekst, musikk, visuelle signaler og usagt temporale faktorer (slik som stilhet) bidrar mye til diskusjonens mening.

Kontekst er spesielt viktig: en ville, for eksempel, lære svært lite om den emosjonelle tilstanden til Keir Dulleas strandede astronaut i Stanley Kubricks 2001: En romodyssé (1968) ved å studere manuskriptet, ettersom denne karakteren har blitt omfattende trent til å beholde en problemløsende holdning i svært stressende omstendigheter. I tillegg gjør mange emosjonelt diskursive filmer sparsom bruk av dialog.