Andersons vinkel

Kartläggning av emotionella dynamiker från filmmanus

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Kanadensiska forskare har använt tusentals filmmanus för att utveckla en maskinläringsram som kan spåra emotionella bågar hos talare genom att tolka den emotionella temperaturen i deras dialog såsom den utvecklas under berättelsens gång.

Forskningen, från Carleton University i Ottawa, har titeln Emotionella dynamiker i film-dialoger och innehåller analys av centrala karaktärer i välkända filmer som The Shining och Casino. Den är tänkt att användas som en potentiell grund för maskinläringsanalys och kartläggning av verkliga diskurser i olika kanaler, såsom sociala medier och transkriptioner av psykologsamtal.

Arbetet föreslår en ram för uttalande-emotionella dynamiker (UED) baserad på liknande mått från forskning i psykologi, och är den första som modellerar emotioner från berättelsedialog på en per-karaktärsbasis, snarare än att beräkna genomsnittlig emotionell temperatur i aggregerad dialog över hela filmen.

En ordkarta som härrör från Jack Nicholsons dialog i The Shining (1980), färgkodad till valens mot karaktärens vilande emotionella tillstånd. Källa: https://arxiv.org/pdf/2103.01345.pdf

En ordkarta som härrör från Jack Nicholsons dialog i The Shining (1980), färgkodad till valens mot karaktärens vilande emotionella tillstånd. Källa: https://arxiv.org/pdf/2103.01345.pdf

Komponenterna i UED inkluderar hemmabas (en typisk eller “vilande” emotionell tillstånd); variabilitet (utsträckningen till vilken emotioner är volatila och benägna att förändras snabbt); och stignings-/återhämtningshastigheter (förmågan hos karaktärer att reglera utmanande emotioner).

I detta abstrakta exempel har karaktären som representeras av den svarta linjen en avsevärt lägre återhämtningshastighet från ett stört eller diskordant händelsestyrt emotionellt tillstånd än en motsvarande karaktär.

I detta abstrakta exempel från artikeln har karaktären som representeras av den svarta linjen en avsevärt lägre återhämtningshastighet från ett stört eller diskordant händelsestyrt emotionellt tillstånd än en motsvarande karaktär.

Arbetet är utformat för att hjälpa till att besvara några utmanande frågor inom litterär teori, inklusive: i vilken utsträckning karaktärer verbaliserar sina emotioner direkt under berättelsen; i vilken utsträckning en handling kan härledas direkt från dialogen; identifiering av en punkt i berättelsen där de centrala karaktärerna är mest i konflikt med varandra; och skillnaden mellan karaktärernas förmåga att förhandla svåra emotioner och deras konsekvenser.

Vid analys av dialog från de två centrala karaktärerna i The Shining, anger linjefärgen berättelsens tid, fördjupande till rött när berättelsen närmar sig slutet. Svarta prickade linjer anger huvud- och biaksar för en ellips som omfattar huvudkaraktärernas 95% av varaktigheten (inte visas i grafen, för tydlighet).

Vid analys av dialog från de två centrala karaktärerna i The Shining, anger linjefärgen berättelsens tid, fördjupande till rött när berättelsen närmar sig slutet. Svarta prickade linjer anger huvud- och biaksar för en ellips som omfattar huvudkaraktärernas 95% av varaktigheten (inte visas i grafen, för tydlighet).

Följa manusen

Data genererades från 1 123 öppet tillgängliga filmmanus från Internet Movie Script Database (IMSDB). Endast karaktärer med minst 50 inter-karaktärsutbyten per film beaktades, vilket lämnade 2 687 karaktärsstudieämnen från totalt 54 518 karaktärer i manussamlingen.

Texten bearbetades med NLTK WordNet Lemmatizer, vilket resulterade i 5 673 201 naturliga språkbehandlingstoken, med varje karaktär som lämnades med cirka 1 376 token per film.

Forskarna noterar att utvärderingen av ord på detta sätt endast tar hänsyn till det explicita emotionella värdet av ordet, snarare än dess relation till omgivande ord (antingen från samma karaktär eller från en annan karaktär i scenen). Men forskarna hävdar att de flesta ord har en dominerande primär betydelse, och att den aggregerade ordupptagningen kompenserar för denna brist på kontext.

Emotionell variabilitet

Vid utveckling av en reducerad 0>100-graf som representerar den emotionella variabiliteten hos karaktärer över de extraherade filmmanusen, noterar artikeln att Sharon Stones karaktär från Casino (1995), fast Jill Ritchies karaktär från Little Athens (2005) toppar ligatabellen för volatilitet, med Devin Brochus karaktär i Hesher (2010) på andra plats.

Kanske förutsägbart visar Brent Spiners androidskapelse Cmdr. Data från Star Trek-filmserien den lägsta emotionella variabiliteten bland de studerade karaktärerna, fast han slår Jonathan Frakes karaktär Riker (i serien) med knapp marginal.

Artikeln bekräftar vår instinktiva förståelse att emotioner sannolikt når sin topp och löser sig på något sätt (antingen negativt eller positivt) i de sista 10-15% av berättelsen, där utvecklad konflikt måste på något sätt hanteras. Forskningen fann att negativa uttalanden av karaktärer i en film ökar med 2% under dess varaktighet, stigande till 91% i berättelsens klimax, medan positiva ord också minskar, fast mindre markant, under samma tidsram.

Andra faktorer

Forskarna avser att utveckla arbetet för att tillämpa det på en rad områden, inklusive offentlig politik, folkhälsa och samhällsvetenskap. De noterar att resultaten av arbetet inte bör betraktas som en komplett matris för emotionell tillståndsevaluering och tillhandahåller en 7-punkters etisk riktlinje för mall som bör beaktas vid användning av dessa tekniker.

Som noterats av senaste forskning från den svenska medierådet, finns det många icke-textuella faktorer som bör beaktas när man försöker mäta den emotionella temperaturen i en berättelse, eftersom kontext, musik, visuella signaler och outtalade tidsfaktorer (såsom tystnad) bidrar avsevärt till diskursens betydelse.

Kontext är särskilt viktigt: man skulle till exempel lära sig mycket litet om den emotionella tillståndet hos Keir Dulleas strandsatta astronaut i Stanley Kubricks 2001: En rymdodyssé (1968) genom att studera manuset, eftersom den karaktären har utbildats för att behålla en problemlösande inställning i högt stressiga situationer. Dessutom gör många emotionellt diskursiva filmer ett sparsamt användande av dialog.

Författare på maskinlärande, domänspecialist inom mänsklig bildsyntes. Fd chef för forskningsinnehåll på Metaphysic.ai, till dess upplösning i DNEG:s Brahma.ai.
Portfolio site: martinanderson.ai
Kontakt: martin@martinanderson.ai