第一章 绪 论
一、研究的背景和意义
（一）研究背景
现如今，大数据技术的应用已经贯穿于社会的各个领域，经过时间的检验，各行各业都不再怀疑大数据的能力，从只是一个模糊的概念到实际的应用，从结构化数据分析到非结构化数据分析及半结构化数据分析，大数据技术在不断的向前发展着。在影视行业中，好莱坞电影工业为世界电影产业的发展做出了巨大的贡献，好莱坞电影工业的成长法则就是创新再创新，从声音、特效到制作，好莱坞的创新脚步从未停止过，在互联网浪潮来临以后，通过信息技术与数字技术的运用，好莱玛电影再次将其恢弘的制作效果展现在观众面前，从而成为好莱玛电影的魅力所在。随着云计算和大数据的蓬勃兴起，通过大量的数据，挖掘观众的兴趣从而指导影视创作的手段已经引起越来越多专家学者的关注，2013 年，美国视频网站 Netflix 投拍的电视剧《纸牌屋》第一次将大数据技术运用于影视创作之中，并且取得了巨大的成功，自此全球的影视业都开始关注大数据在影视创作中的应用。
大数据时代下大量的专家和学者都针对大数据展开深刻的研究，预测我们的未来生活的各个领域都将很大程度上的受大数据的影响。在传媒行业大数据分析正深入到电影的创作环节，这对影视创作从剧本选择，到导演、演员的选择，再到拍摄和后期制作乃至营销，都将产生深刻的影响。大数据为影视行业可能带来深刻的影响和巨大的价值，这一点已经被传媒工作者所广泛意识到，通过高新科技技术产业，对大数据进行全面的搜集、挖掘、整理、归纳、提精，从而达到影视创作领域前所未有的创作成果。根据需求将影视创作规模化，推进了影视行业的发展。大数据分析是具有积极意义的，随着社交网络和聚合类电影网站的飞速发展，在这些网站上发布了很多关于电影的评论信息，通过大数据分析可以获得人们对某部电影的喜好程度或者是对某位演员、某位导演或者剧本的喜好程度，这样的分析并不仅仅是通过打分来实现的，而是通过语义分析来实现的，当前在大数据分析领域流行的主题模型就是语义分析的手段之一，并且仍然在不断的进步之中，这种分析获得的结果对电影创作所能够起到的指导性作用还是很明显的，但是这种分析手段科技含量较高，技术难度大，我国在这方面的研究还比较滞后，根据大数据分析产生的聚合类网站也不够多，能够获得的数据也有限，常常遭遇数据稀疏性问题，使得分析结果不够精准。在科技能力不够的情况下，我国电影行业的大数据分析依然停留在对票房的统计，对电影的简单评分等方面的研究，这种形式的大数据分析就有一定的消极意义存在，收视率高，票房好，代表喜爱这部电视剧的观众更多，收视率低，票房不好，代表喜爱这部电视剧的观众更少，这看起来并没有什么不对，但实际上这会为影视行业带来一定的问题，高的票房只能代表这部电影具有一定的商业价值，并不一定就能够说明这部电影具有很高的艺术价值，反之，低的票房只能代表这部电影商业价值比较低，并不一定就能够说明这部电影的艺术价值就不高，但是对于追求利益为主的电影投资方来说，片面的大数据分析常常使他们只关注电影的商业价值，而把影视的艺术价值忽略了，虽然投资商能够保证盈利，但是这些为追求商业价值而拍出的影片并不能成为经典，并且会很快从人们的记忆中消失。
综上所述，国内的电影工业与好莱坞电影的制作效果、技术手段相比有着巨大的差距，这样的差距是短时间内难以填补的，只能通过更加引人入胜的情节和内容来抓住观众。大数据分析为此提供了契机，大数据分析可以应用于电影创作的方方面面，如故事情节的编排、演员的选择、营销、制作、发行等等。通过大数据分析可以记录人们上网时的行为，将用户的行为习惯收集起来，如用户喜欢看哪些电影，喜欢哪些主题，喜欢哪些情节等等，通过对这些行为习惯的分析可以建立用户兴趣模型，从而为我国电影的创作方面提供有利的条件。2016 年，我国由周星驰执导的电影《美人鱼》中的大数据分析也为今后的影视创作提供了大量可供参考的依据。但当前大数据在影视创作上的应用仍然存在很多问题，如仅仅只依靠市场、收视率、票房来评价一部影视作品存在很大的局限性，票房反映不了人的心理状态也反映不了人们对一部作品的喜爱程度，并且更反映不了一部电影的艺术价值。在此背景下，本文对大数据对影视创作的影响展开研究。
（二）研究意义
全球的各个行业各个领域都已进入“大数据时代”,中国影视行业也在迅速、蓬勃的发展。在影视行业中，影视创作领域属于最基础，也是最核心的环节。在大数据这样一个时代背景下，影视创作领域也进入了创作的“蓝海阶段”,但在影视创作大数据的理论研究上我国还比较缺乏，大多都是对实例的分析，缺乏系统的具有指导意义的理论，本文的研究期望能够对相关领域的理论研究提供借鉴。
我国目前已是全球第二大票房市场，拥有大量的观众资源，电影市场所取得的成绩也是有目共睹，但我国的影视创作和好莱坞影视创作相比仍然有着很大的差距。通过对大数据的分析，一方面可以促使我国影视行业与国际接轨，借鉴国外的成功先例，打破封闭、陈旧的传统思想，实现创作上的创新，使我国的影视行业得到更好的发展。另一方面可以使我国的影视行业与先进技术接轨，利用中国这个强大的数据库抢占先机，搜寻、挖掘其他国家没有的创新点，创造出完全属于自己的影视作品。如何面对新媒体和大数据带来的巨大变革，帮助影视创作者抓住机会、勇于创新，是本篇文章的现实意义所在。
二、国内外研究现状
现阶段国内外相关的文献主要集中在大数据下用户兴趣模型的研究，大数据背景下影视运营的研究、大数据背景下影视创作的研究等等方面。
（一）大数据下用户兴趣模型的研究
早在 2004 年，英国就已经成立了一家叫 Epagogix 的数据分析公司，他通过对电影剧本的语义分析，建立模型来进行未来票房的评估。就此国外很早就开始了对用户兴趣模型的研究，起初主要分为两大研究方向，一是基于规则的，如关联关系规则，但应用效果并不能令人满意，另一种是基于信息过滤的，基于信息过滤的后来又分为基于内容过滤的和基于协同过滤的，两种方法都有一定的优势，但也都存在有一定的局限性，随后又出现了混合模型，取得了不错的应用效果.
加利福尼亚大学的 Syskill&Webert（1997）提出了基于兴趣的搜索引擎，该引擎通过对用户搜索行为的收集，建立特定用户的兴趣模型，然后向用户投放其可能感兴趣的主题，该模型开创了基于兴趣搜索的先河，但实现的成果还并不完善，特别是在收集用户行为时对用户正常行为的干扰过多，影响到了用户体验[2].
Web Watcher 大学（1998）开发了一个导航器，该导航器在用户未知的情况下收集用户的浏览习惯，再将这些浏览习惯推荐给其他同类型的用户[3].Web Watcher大学随后在这个导航器的基础上也建立一个基于用户兴趣的浏览模型，通过用户点击链接的行为发现用户的兴趣所在，并通过不断的学习来调整模型。该模型是基于对用户行为的收集来决定向用户投放的具体内容，不再局限于搜索行为，也不局限于浏览行为，已经具有一定的通用性。
Letizia 系统（2001）是麻省理工学院研发的，该系统收集用户的各类上网行为，浏览的页面，浏览某个页面时间，输入的搜索关键字等。该系统注意到了信息收集对用户体验的影响，并经大规模使用验证，该系统具有很好的实用性[4].
Susan Gauch 和 Alexander Pretschner（2009）建立了针对于个性化搜索的空间向量模型，该空间向量模型由用户浏览的页面和浏览的时间形成，并不断进行修正。然后将搜索结果和该空间向量模型进行拟合，拟合度最好的结果即为输出的搜索结果[5].
除此之外，亚马逊，谷歌和脸书等社交网络和电子商务平台提供商也纷纷在各自的平台上实现了基于用户兴趣的个性化推荐。
近几年，在兴趣模型领域，国内也有大量的研究成果出现。
清华大学的路海明（2011）提出了基于多 Agent 混合智能兴趣模型，该系统属于基于内容过滤和协同过滤的混合系统，通过多个 Agent 来收集用户行为[6].
清华大学冯翱等人（2012）研发的 Open Bookmark 系统也是基于内容过滤和协同过滤的混合系统，该系统具有一定的实用价值[7].
潘金贵（2013）研发的基于信息可视化与数据挖掘的电影网站分析系统，该系统在 python 提供的框架下实现，整体框架采用 Django,页面表现采用 D3.js 可视化库，分词工具采用 jieba 等，实现了电影的观众兴趣挖掘[8].
姜文（2014）实现了基于混合模型的个性化电影推荐管理系统，该系统以用户兴趣标签和用户浏览记录为原始数据，通过混合模型向消费者推荐一些比较有兴趣的电影.
李爱华（2014）实现了基于神经网络的分层混合兴趣模型，并将该模型应用于电影的大数据分析上，该系统将用户行为原始数据输入神经网络，经过不断的学习训练，输出用户可能最感兴趣的电影[10].
王润华（2015）实现了基于 Hadoop 的实时电影推荐和基于 Storm 的趋势推荐，该系统基于分布式批处理计算框架 Hadoop 和分布式实时流处理框架 Storm,是近年来该领域最新的研究成果[11].
（二）大数据背景下影视运营的研究
张璠（2014）指出，现阶段数据已经渗透到电影行业的所有业务职能领域，在电影的生产过程中，构思，制作，营销等各个环节都需要大数据所提供的信息作为指导，人们对于海量数据的运用将带动电影行业新一波的增长[12].
Manyika J（2011）指出，在影视运营行业，很早人们就已经认识到数据分析的重要性了，但是当数据增长到一定程度以后，靠人工的或者是传统的数据分析手段人们已经难以解读数据中所蕴藏的奥秘，在这种情况下，必须要有新的收据分析手段.
Russom P （2011）指出，影视运营大数据分析拥有三个最重要的特征，首先是收集到的数据量巨大，但这些数据中有有用的数据，也有无用的数据，还有一些是干扰数据；其次是数据种类多，需要在对数据筛选后进行分类，这样数据的脉络才能更清晰；第三是分析的速度必须要快，现在电影投资商都要求在最快的时间内出品高质量的电影，如果数据分析速度过慢显然无法获取到更好、更有利的效益[14].
戴志强（2014）认为，影视行业的数据的类别一般都包括影视作品本身的创作内容、销售信息和观众的反馈内容，在这三个大类别中，每种类别又都包含有许多小类别，比如创作信息包括故事题材、叙事方式、人物等等，销售信息又包括票房信息、市场推广费用、渠道等。在进行影视大数据分析时，现阶段仍然难以做到面面俱到，只能根据分析目的的不同进行尝试，作者进而把三大类信息分别称作内容大数据、渠道大数据和用户大数据[15].
陈肃（2013）认为，每个观众都有不同的特性，每部影片也有其特定的观众群，通过大数据分析就可以知道这部影片的观众群使用媒体的偏好，就可以定制最有效的传播方式，比如，电影《小时代》就做了类似的分析，《小时代》的女性观众占 78%,因此，针对女性的传播方式显得尤为重要。经典的文学作品有其经久不衰的魅力[16].
李兴（2013）指出，对影视作品的收受效果，现阶段更多的是事后分析，但实际上，事前的预测分析也极为重要，它可以用于指导影片的创作，从而取得最好的效益，谷歌推出的电影票房预测模型在好莱坞电影创作中已经被广为采用[17].
（三）大数据背景下影视创作的研究
田伟伟指出，《纸牌屋》的成功在很大程度上与美国 NetFlix 网站运用大数据技术对影片进行分析创作有着很大的关系，NetFlix 网站的大数据分析方法也引来学者们的广泛研究，因为在此之前，虽然在影视创作行业，大数据分析也多有使用，但鲜有成功的案例，《纸牌屋》为此大数据在影视创作中的应用打开了一扇窗[18].
张秀珍（2014），对《纸牌屋》的数据分析方法展开了深入研究，数学模型建立了很多，比如有人工神经网络的映射方式，通过分析，NetFlix 网站获得的结论是，在喜欢看 1990 年版《纸牌屋》的观众中，有 24%的观众喜欢看导演大卫？芬奇的作品，而其他导演的占比均不到 10%（可以选三个导演），有 38%的观众看凯文？斯派西演的电影（可以选三个演员），还有很多其他种类的数学模型，所有的合在一起收获了《纸牌屋》作品的成功[19].
中国新闻出版网曾对《老男孩之猛龙过江》的大数据应用进行了分析，电影《老男孩之猛龙过江》是由优酷土豆、儒意影业、乐视影业联合制作的，在这部影片的创作过程中，通过对用户情感大数据分析来指导其内容创作，效果虽然不一定令人满意，但毕竟也对今后的影视大数据分析起到了一定的指导作用，开创了影视大数据分析的先河，还是有一定的积极意义[20].
（四）研究评述
通过以上文献可以得出，大数据时代的来临，为全世界各行各业的发展都带来了巨大的变革，各个行业各个领域都在展开对大数据的深入探索，数据产生资源、数据形成效益、数据革新技术、数据解决问题。现如今，影视行业随着大数据的不断发展来到了一个崭新的时代，影视革新已成定局。大数据将影视的技术和创新与海量的数据融合在一起，为影视行业的发展带来深远的影响。
国内的一些电影制作或发行方都已开始关注到大数据的应用，比如微博的评论，一些信息在网站上的搜索数量，电影的评分等等，通过这些实例研究来建立观众的兴趣模型，再通过社交网站与顾客形成互动沟通，最后再用于指导影片的创作。在大数据背景下，为了商业利益，也为了减少投资风险，最显着的问题的就是影视作品的题材日渐稀少，古装剧、青春偶像剧、爱情剧、动作片、喜剧的受众较多，再辅以精良制作、好的演员和导演，风险就会更低，但是如果拍一部像《红楼梦》这样的经典着作，即使有着精良制作、好的演员和导演，仍然可能存在较大的投资风险，投资商自然会倾向于投资拍摄古装剧、青春偶像剧、爱情剧、生活伦理剧。比如《失恋三十三天》、《我的少女时代》、《致我们终将逝去的青春》、《何以笙箫默》这些就都归属于爱情片，《老炮儿》、《他来了请闭眼》、《新警察故事》、《澳门风云》这些都归属于动作片、《泰囧》、《疯狂的石头》、《夏洛特烦恼》这些都属于喜剧片，《琅琊榜》、《花千骨》这些都属于古装剧也是青春偶像剧，还有谍战剧也比较受欢迎，如《潜伏》、《黎明之前》等，就都扎堆上，这些影视作品说不出有什么不好，但是题材的单一化对影视行业的发展都产生了极其消极的影响，而且影视作品的创作也不应该被营销、被商业利益所左右。
如今，收视率高，票房好代表喜爱这部电视剧的观众更多，收视率低，票房不好代表喜爱这部电视剧的观众更少，这看起来并没有什么不对，但实际上这会带来一定的问题。大数据分析的意义在于：对海量数据的快速筛选、精准投放或者是用于指导营销和决策，大数据和云计算拥有着越来越广阔的应用前景，在社交网络发布信息没有任何门槛，信息如病毒般扩散，从海量的信息中挖掘出有价值的信息可以为用户的决策或者学习提供帮助，也可以为用户节省大量的时间和精力，也可以为企业的决策提供支持。对于电影的投资方来说，他当然希望投资的每部电影都能够获得很好的票房，获得不错的收益，因此，投资商就希望通过大数据分析来降低自己的投资风险。2011 年热播的电影《失恋三十三天》就是根据鲍鲸鲸的同名小说《失恋三十三天》改编而成的，影视创作者在创作的过程中实时的与观众进行沟通交流，清楚的了解到观众的需求，进而对剧本的内容等进行修改和调整。也因此这部影视作品在上映 4 天票房就成功突破亿元大关，以总票房 3.5 亿人民币成为了 2011 小成本电影中的一匹“黑马”.因此投资者更加倾向于对这一类的电影进行投资，使投资的利益能够得到利益最大化。总而言之，大数据分析对影视创作来说，有其有利的一面，但也有其不利的一面，就是在以商业利益为导向的社会里，投资商为了规避风险，使得很多有价值的作品得不到拍摄的机会，因为没有投资商愿意冒着风险投钱拍摄。
现阶段，全球对于大数据在影视行业的研究仍然是集中在运营、营销等等领域，在影视创作大数据的理论研究上我国还比较缺乏，缺乏系统的具有指导意义的理论研究，本文以大数据对影视创作的影响作为切入点，期望能够抓住新媒体和大数据给影视创作行业带来的巨大变革，帮助影视创作者开拓创新、勇往直前、迎接挑战。
三、论文的主要研究内容
本文主要包括以下几个部分的研究内容：
首先随着云计算和大数据的蓬勃兴起，通过大量的数据挖掘观众的兴趣从而指导影视创作的手段已经引起越来越多专家学者的关注，2013 年，美国视频网站Netflix 投拍的电视剧《纸牌屋》第一次将大数据技术运用于影视创作之中，取得了巨大的成功，自此全球的影视业都开始关注大数据在影视创作中的应用。对我国投拍的电影《美人鱼》的大数据分析也为今后的影视创作提供了大量可供参考的依据。但当前大数据在影视创作上的应用仍然存在很多问题，如仅仅只依靠市场、收视率、票房来评价影视作品存在很大的局限性，票房反映不了人的心理状态也反映不了人们对一部作品的喜爱程度。现如今，全球的各个行业各个领域都已进入“大数据时代”,中国影视行业也在迅速、蓬勃的发展。在影视行业中，影视创作领域属于最基础，也是最核心的环节。然而，国内的电影工业与好莱坞电影的制作效果、技术手段相比有着巨大的差距，这样的差距是短时间内难以填补的，只能通过更加引人入胜的情节和内容来抓住观众。大数据分析为此提供了契机，大数据分析可以应用于电影创作的方方面面，在此背景下，本文对大数据对影视创作的影响展开研究。
其次在中国的影片中，很少有创作者将大数据技术融入到影片的整个创作环节中，《美人鱼》这部电影可以说是为今后运用大数据技术来指导影视创作奠定了深厚的实践基础，本文的这部分主要以案例电影《美人鱼》研究为主，分析大数据背景下影视创作的现状。电影《美人鱼》是由周星驰担任导演，由江玉仪担任监制的一部爱情科幻喜剧片。与《纸牌屋》的创作过程一样，将大数据完完全全的融入到创作的各个环节，从数据定位即数据搜索，到内容的调整到观众的定位，演员的选择，后期推广等等，都做了一个严格的统计分析。这也解释了像《美人鱼》这样票房突破新高，但是在成功之余也有争议的电影为何能够取得如此之高的票房。2016 年 2 月 8 日电影《美人鱼》首映，当日拿下了 35%的排片率，在上映 19 天的时间里，《美人鱼》累计排片总场次 142 万场，排片总场次站占了全国总场次的三分之一，累计总票房达到 33.9 亿。《美人鱼》成为中国电影史上票房最高的影片，并且荣升为华语电影票房的新标杆。为今后中国的影视行业的发展，奠定了深刻的大数据分析的基础。虽然在艺术层面上，《美人鱼》做到了票房与艺术的相结合，但是艺术价值显得有点不尽人意，影片在保证票房的同时与艺术的融合也较为生疏，但是总体来说，它是成功的，它为中国的影视创作行业带来的影响是积极的。
三是大数据背景下的影视创作存在很多问题，通过案例研究，分析我国在大数据背景下的影视创作的不足。在影视文学创作领域，很多时候并不能感觉到大数据的益处，仅仅只是在不知不觉之中实践着，但是如果仅仅通过票房大数据分析来作为影视创作的辅助作用难免有失之偏颇之嫌，偏商业类的电影要拍，比如《疯狂的石头》，《泰囧》，《港囧》，《澳门风云》一类，但是《亲爱的》、《让子弹飞》类的具有一定的艺术价值的电影同样应该占据一席之地，并非具有艺术价值的影片就一定没有商业价值，《纸牌屋》就是明显的例证，通过大数据分析是期望能够拍出商业价值和艺术价值并重的精品电影，而不是仅仅拍出能够短时间赚到钱过后就会被人们忘记的电影。大数据对影视创作的各个方面都有一定的影响，从作者对于影片主题的选择、构思、创作理念等方面可以看出，大数据分析已经深入到了影视创作的各个环节。当前在我国，由于影视大数据分析仍然处于初级阶段，依然存在着很多问题，如数据来源少、数据资料缺乏真实性、忽略了影片的实质内容等等，本文将对此进行深入研究。
最后是大数据背景下的影视创作对策建议。在大数据背景下，电影《美人鱼》通过网络爬虫收集网站上用户的搜索、点击、评价、转发等数据建立观众兴趣模型，包括年龄、性别、偏好和消费习惯并且与故事内容、导演和演员之间形成映射关系。无疑为大数据分析应用于影视创作行业做出了很大贡献，虽然有一些争议，但总体上仍然可以作为成功的案例。制作电影的目的是什么，钟掂裴先生说，电影是服务于人民群众的[21].所以电影首先是要以消费者、受众为中心，明确市场定位，这也正是电影《美人鱼》通过大数据分析所做的努力。但是，和书画、音乐等作品一样，电影终归还是门艺术，是艺术就要有艺术价值而不能为商业利益所绑架，所以，拍摄一部影视作品的最终目的应是一部观众喜欢的并且要追求更高的艺术价值的作品。
四、研究方法和论文的组织结构
本文采用的研究方法主要有：
1、文献阅读法：尽可能的大量搜集与大数据时代及影视行业的文献与研究成果，并结合互联网上的相关概念与信息充分了解与本论题有关的历史背景及研究现状，通过大量的阅读及学习，筛选、归纳、总结已有的学术成果，展开深入的研究，从中发现问题，找出学术研究的空白点，找出解决问题的方法，对现有研究成果的梳理把握研究趋势，并为本文的研究提供理论依据。
2、定量分析法：透过现象看本质，对所获得的材料进行思维加工，取其精华，去其糟粕，由表及里，认识到研究课题的本质，揭示其内在规律。
3、批判观察法：对所到手的文献资料进行批判式审读，带着疑问与批判的眼光来看待问题，从中找到不足自处，为自己所用。
4、个案研究法：就本文而言，通过对大数据时代下影视创作影响的典型案例分析以电影《美人鱼》为案例分析，弄清其成功的原因以及特点，找出其他影视创作领域可以采纳的方法。
本文共分 5 章。
第一章是绪论，主要包括本文的研究背景和意义，课题的国内外研究现状以及论文的主要研究内容、研究方法和组织结构。
第二章是大数据环境下的影视创作背景，主要分析大数据的含义，大数据给影视行业带来的变革，大数据在影视行业的应用。
第三章是以电影《美人鱼》为例阐述大数据背景下的影视创作现状，这部分主要是以电影《美人鱼》为例，进行案例研究。
第四章是大数据背景下的影视创作存在的问题，基于现状研究，提出并分析问题是本章重点。
第五章是大数据背景下的影视创作对策建议，本章在现状研究和分析问题的基础上，提出有针对性的对策和建议。
