广播电视论文

您当前的位置:学术堂 > 艺术论文 > 广播电视论文 >

以电影《美人鱼》为例阐述大数据影视创作的发展

来源:未知 作者:陈赛楠
发布于:2017-02-23 共4582字
  本篇论文快速导航:

展开更多

  第三章 以电影《美人鱼》为例阐述大数据背景下的影视创作的发展
  
  在本文的研究初期本是希望通过定量分析的方式来获得我国大数据背景下的影视创作现状,但在研究中发现,我国很多影视工作的从业者对大数据分析的概念仍然非常模糊,这样会使得本文的研究产生偏差,如今大数据分析在我国影视行业已经发展的如火如荼,但是成功的案例为数不多,2016 年上映的电影《美人鱼》是个较为成功的案例。由此,本文对电影《美人鱼》影视创作领域的大数据分析工作进行详细的调研,期望能够从中发现问题并分析问题。
  
  一、电影《美人鱼》概况
  
  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,影片的主角是由邓超、林允、张雨绮、罗志祥等偶像明星领衔主演。影片主要讲述开发商邓超为了获得利益斥巨资拍下海边的一块地,准备进行填海造陆,而这片海湾是自然保护区,有很多海豚等国家保护鱼类在这里生存,其中就包括美人鱼。虽然可以用其他方法将鱼类赶走进行填海,但是开发商们为了追求效益研发出一种叫“声纳”的生化武器,直接将海豚等鱼类赶尽杀绝,因此引来美人鱼女主刺杀,并由此上演了一部关注生态安全的人鱼相恋的爱情童话故事。影片于 2016 年 2 月 8 日上映,同日上映的电影还有《西游记之孙悟空三打白骨精》、《澳门风云 3》、《蒸发太平洋》等等,面对这样的一个无形压力的观影环境,《美人鱼》以首映 2.7 个亿占据票房榜首,并且在之后的票房走向一路居于领先地位,占据内地市场的半壁江山,连续一周的时间单日票房突破两亿,两周单日票房突破一亿,如图 3.1 所示(1905 电影网资料)。
  
  截止到 2 月 26 日仅用了 19 日,周星驰执导的《美人鱼》票房累计就突破 30亿元人民币,最终以制片成本 3 亿元,票房为 33.9 亿元成为一部深获成功影片。打破了电影《捉妖记》的票房纪录,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。但是电影《美人鱼》在取得不俗的票房成绩的另一面也有一些艺术上的争论与质疑,该影片豆瓣评分 7.3 分,可以说对于这样一个成功的票房影片来说,《美人鱼》的评分并不是一个理想的分数,也说明这部电影在大数据技术的指导下成功的同时也有很多的不足之处。自电影《美人鱼》上映,总观影人数已经突破 9000 万,赶超《捉妖记》再创内地观影人数新高。截止到 2月 26 日《美人鱼》的日观影人数均在百万以上,如图 3.2 所示。(1905 电影网资料),影片上映一周日观影人数依然居于 600 万以上,一周之后虽然有下降的趋势,但是一直到上映的最后一天都保持着百万的观影人数。
  
  《美人鱼》自上映以来,关注度就一直高居榜首,2 月 8 日首映的拍片率就高达 35%,上映两周以来,排片场次始终在 64000 场之上,在上映的 19 天里,《美人鱼》的拍片率一直保持在 25%之上,排片总场次占了全国总场次的三分之一。如图 3.3 所示(1905 电影网资料)。从如此之高的排片率就可以看出观众对周星驰电影《美人鱼》的喜爱程度。
  
  维克托。迈尔指出,大数据时代的到来会给人们的生活方式、工作方式和思维方式带来剧变。就像之前所提到过的,在如今的影视行业中,一部影片的成功必须有明确的受众目标,在这样一个互联网飞速发展的时代,年轻人群成为了主要受众者,电影《美人鱼》通过大数据分析得出如今中国的观影主流人群从 70 后、80 后转向了 90 后,因此《美人鱼》的大数据分析主要以青少年受众群体为主要突破口,忽略了其他受众者的需求,在受众定位这一方面并没有一个全面的分析,并在之后的市场定位、生产制作过程和营销策略等等方面无一不围绕着这一群体进行设计,这使得电影《美人鱼》在取得成功的同时也伴随着一些的争议。
  
  二、电影《美人鱼》的大数据分析

        (一)电影《美人鱼》大数据分析的数据定位
  
  电影《美人鱼》的数据定位是通过网络爬虫以及视频软件等为数据源收集网站上用户的搜索、点击、评价、转发等数据。《美人鱼》在开播之前就在各个网站上加大宣传力度,并将点击量、用户身份等等信息的关键数据进行分析,并分析出影片的核心观影群众。以新浪微博为例,大数据分析系统的数据定位子系统主要完成三个功能:抓取数据、数据转换和数据导入,抓取数据即从网络上抓取电影娱乐类别等等的微博数据,电影《美人鱼》在新浪微博建立了官方平台用以抓取数据。抓取来的数据并不能直接使用,必须经过转换才能存储到数据库中,或者上传至 Hadoop 分布式程序中存储,数据导入即把原始数据为数据挖掘准备做好基础。数据收集子系统功能结构图如图 3.3 所示。
  
  解析之后,建立两张存储表,一个是用户表,一个是微博表,其中用户表指的是储存用户的基本数据,包括关注用户的 id 以及昵称、头像、性别、所在区域、最后登录时间等等用户信息数据。微博表指的是关注用户微博的具体数据,包括关注用户创建微博的时间、发表的微博、转发的微博的 id 及内容、发表的评论、微博的点赞数等等数据。由这些数据可以获取观众的喜好和口味,这些行为具备可分析意义,用分析的结果来定位数据。
  
  以视频网站爱奇艺为例,《美人鱼》的数据分析者会收集网站上的各种用户行为,对于用户的收视习惯进行大数据分析。搜集观看与《美人鱼》类似题材影片的用户群体会在哪里暂停,在哪里回放或者快进等等,如果大量的用户都在某一节点进行回放或者快进,就可以判断出观众所喜爱或是讨厌的桥段,从而使《美人鱼》的创作更加的完美,更加符合受众的需求,更好的为观众服务。
  
  至此,大数据影视分析的第一步数据定位过程完成,但在这些微博数据中,大部分内容都是对于数据分析毫无用处的数据,因此还需要对数据内容进行筛选。
  
  (二)电影《美人鱼》大数据分析的内容筛选
  
  采集到的数据大部分并无用处,有些需要丢弃,锁定一些受欢迎的故事内容、导演和演员以备后期分析所用。大数据对于影片内容的筛选也提供了一些帮助,通过对数据源的分析,可以通过影片一些情节或者某一桥段智能的推荐观众所感兴趣的内容,更加方便投其所好。
  
  电影《美人鱼》大数据分析内容筛选的思路是:首先给微博内容建立主题模型,这部分工作离线进行,主题模型是一种统计模型,它通过对一段文本进行统计分析而归纳出适合于这段文本的主题,举例来说,医院、门诊、挂号、处方、药房关键字如果在一段文本中屡次出现,那么这段文本就可以归入医疗主题。但一篇文档并不一定只有一个主题,一篇文档可能含有多个主题,主题是隐含的,抽象的,通过分析文档内容,就可以抽象出该文档的主题。其次就是根据该文档的主题,留下和故事内容、导演和演员相关的微博,其余丢弃。
  
  至此,内容筛选过程结束,但是主题模型是需要不断训练的,否则就会出现很多判断不正确的情况,所以要对先验不断进行补充。
  
  (三)电影《美人鱼》大数据分析的观众选定
  
  建立观众兴趣模型,包括年龄、性别、偏好和消费习惯并和故事内容、导演和演员之间形成映射关系。个人兴趣主题模型要依靠个人发布的微博信息来建立,核心思想也是也是通过主题模型提取用户兴趣主题分布。
  
  用户最终兴趣模型的建立可以使用四种模型,这四个模型分别是 ATM 模型,Avg 模型,Max 模型和 TIME-Max 模型。把用户的所有微博作为一个文本使用主题模型来计算用户的兴趣分布,这就是 ATM 模型,采用这种方式有可能使某些主题被湮没,Avg 模型和 Max 模型都是将用户的每一条微博作为一个文本,Avg 模型对主题分布求平均值,Max 模型取微博主题分布中概率最大值作为该微博的主题,TIME-Max 模型就是根据时间因素分析微博主题,其概率最大值作为该微博的主题。
  
  ATM 模型最适合的是长文本分析,Avg 模型可以在一定程度上避免干扰,但是因为用户经常发布主题完全不同的微博,也容易使最终的结果趋于平均,而实际可能并非如此,Max 模型只选取使用主题模型对文本计算得到的主题分布中概率最高的主题,这样就避免了 Avg 模型的缺陷,但是对混合主题的微博容易产生误判 TIME-Max 模型在这些模型的基础上考虑了时间因素,其准确性就相对较高,较其它模型分析的也更为完善。
  
  由以上讨论可知,这几种模型各有优缺点,而 ATM 模型和 Max 模型具有一定的互补性,但是这两个模型都没有考虑时间因素,这并不合理也不准确。这是因为用户的兴趣总是随着时间在变化的,在这段时间里用户对这个感兴趣,但是随着时间的推移,用户的兴趣变了,所以更为近期的微博所提取的主题应该拥有更高的权重才是最为合理的,人类兴趣的变化与遗忘有一定的关系,兴趣也是随时间不断衰减的过程,这个衰减过程和遗忘相关,但是通过遗忘因子来对用户的兴趣模型进行加权仍然存在一定的问题,因为用户并不一定每天登录微博,有的用户隔很长时间才登录,这样就无法准确反映用户兴趣的变化。
  
  电影《美人鱼》在进行大数据分析时使用的是基于时间顺序的加权因子计算方法,这种计算方式既包含了时间特性,又不会受到用户登录时间较长的干扰,TIME-Max 模型就依此来建立。观众兴趣模型建立过程如下:
  
  第一步,使用之前搜集到的主题模型分析观众每一条微博的主题分布;第二步,计算观众每一条微博主题分布概率最大值,拥有概率最大值的主题即为该微博主题;第三步,计算时间顺序的加权因子,对每一条微博主题加权;第四步,得到观众兴趣分布。
  
  最后,就是对观众进行选定,实际就是比较第二步筛选出的内容和第三步获得的观众兴趣模型进行对比,距离最小的观众即为选定的观众,再提取出该观众的年龄、性别、偏好和消费习惯等相关信息。
  
  三、电影《美人鱼》大数据分析总结

  
  《美人鱼》的成功也为中国的影视市场的一个新的运营模式奠定了深厚的基础,即通过对用户行为的深入分析来创作和推广电影。从事电影在中国市场营销业务的美国家赋公司的联合创始人马克。甘尼斯说:“我们发现中国电影的专业技术比过去强了很多,中国观众反响热烈。好莱坞大片曾经在这方面高处一筹,使许多中国观众愿意去看带字幕和配音的好莱坞影片。而现在,他们不用这样做了。”
    
  周星驰执导的《美人鱼》这样一个以爱情科幻为题材并且获得成功的喜剧片,都是基于大数据的分析。由此可见,在我国的影视行业中,大数据技术越来越成熟,大数据技术的出现彻底改变了我国影视行业的发展趋向,大数据已经融入到影视作品整体的运作环节中。影片《美人鱼》中的大数据分析用户兴趣与最终的票房是成正比的。但是,这也不能表明大数据的分析技术是准确无误的。并不是每一部影片都可以套用《美人鱼》的大数据分析方式,只局限于大数据的分析技术会让影视工作者忽略影片的艺术价值,因此影视大数据存在着机遇的同时也存在着巨大的挑战。
  
  从以上的分析可以获知电影《美人鱼》的大数据分析过程基本上和《纸牌屋》的大数据分析过程并无非常大的区别,无论是票房还是艺术,最终都是服务于大众的,但是《美人鱼》的大数据分析可以说是非常成功的,影视观众与社交网络用户的重叠为《美人鱼》的大数据分析提供很好的数据定位,准确的分析了市场前景,宣传模式的改变加强了影片的的宣传力度,强大的排片量,并且及时的根据市场的变化做出相应的措施,口碑高。其实《美人鱼》还有一个最大的先天宣传优势就是它是周星驰的电影,即使是作品的艺术价值不高,但是只要影片的质量过关,就必然会拥有很高的口碑,这些也都包含在影片的大数据分析中,这一点与《纸牌屋》相似,导演也是作品成功的一个重要原因。但是《美人鱼》的创作主要面向的受众者为青少年,对影片本身创作的助力并不够,这也是《美人鱼》获得很多争议的主要原因,本文将对此进行深入分析。
返回本篇论文导航
作者单位:
相关内容推荐
相关标签:
返回:广播电视论文