大數據影視研究的背景、現狀與路徑

姚振軒

大數據作為數據革命的先行者，使得生產、教育、思維方式等方面均產生了變革性的反思，這意味著人類在探索數字化認知世界的道路上邁進了一大步。面對大數據，影視藝術在不斷嘗試“技術+藝術”的探索。作為大眾文化的消費品，較為先行地主動應對機遇與挑戰。陳旭光在《試論“大數據”“微時代”的電影批評》一文中提到，大數據時代的到來，對電影文化批評和本體批評都產生了一定的負面影響，造成了其淡出和失語。而產業批評卻更為順應時代發展，因而網絡“微批評”迅速崛起。但是網絡“微批評”也存在情緒化、謾罵化等現實問題，學院化、專業化的電影批評也可能是引領大數據流向的一個因素。厲震林在其《論微電影與微表演的文化姿態》一文中指出，微電影必須與時代的內在情緒保持一致，不要為微而微；微表演的“低姿態”不等于“無底線”，“大容量”也并不等同于“沒取舍”；產業與文化應成為微電影及其微表演的兩個驅輪。影視藝術生態在大數據時代的推動下實現了翻新，在這種向微發展的方向下，包含了大數據對影視藝術創作、傳播、產業等方面的影響，在此做一梳理。

一、影視藝術在大數據時代下的新發展

最早提出“大數據”時代到來的是麥肯錫，其認為數據已經滲透當今每一個行業和業務職能領域，成為重要的生產因素。人類對于海量數據統計和運用技術的掌握，預示了新一輪生產率的增長和消費者盈余浪潮即將到來。總結而言，“大數據時代”即大數據技術已經較為成熟地運用于社會的各個領域且經過時間的檢驗，各行各業都充分肯定大數據的能力與作用，從廣域的概念到精準的應用，從結構化的數據分析到非結構化數據分析及半結構化數據分析，大數據技術正逐步完善并廣泛應用。

在影視藝術領域，大數據的初步應用多集中在對受眾的分析和畫像上。通過對受眾收視的數據分析，發現受眾的興趣點，以此指導影視藝術創作的手法近來引起了關注。2013年美國視頻網站Netflix投拍的《紙牌屋》首次將大數據用于影視創作中，贏得了滿意的市場反饋。大數據首先深入影視的創作環節，這對影視藝術創作從選本到選角再到拍攝和后期制作乃至產業及市場營銷都將產生不同程度的影響。大數據通過高新科技技術產業，對大數據進行全面的搜集、挖掘、整理、歸納、提精，為影視創作提供新的思路、新的風格、新的傳播模式。隨著社交網絡和聚合類影視網站的快速發展，大數據可以獲得人們對影視作品的偏好或者是對選本、選角的偏好，類似的分析往往通過語義分析來實現，這種分析獲得的結果對影視創作所能夠起到的指導性作用是不言而喻的。

在延伸產業方面，大數據可以作用于影視產業的各環節，通過對受眾行為習慣的分析可以建立用戶興趣模型，從而為我國電影的規模、精度等提供指導意見，從情節、內容等方面來填補技術、效果等方面的暫時不足。

二、影視藝術在大數據時代的新熱點

大數據與影視藝術的交叉研究肇始于20世紀90年代，多在用戶興趣模型研究、運營研究、創作研究等方面。與之前相比，影視藝術研究在廣度上尚未有明顯的延展，但在深度上卻有了拔高。大數據為影視傳播提供了智能的導向手段，使得受眾定位更明確，類型細分更精確，廣告投放更準確。從經濟的層面而言，大數據為影視文化產品的市場化提供了更具科學性的指導。

（一）大數據時代影視藝術受眾興趣模型研究

受眾興趣模型是基于個性化系統所提出的用戶興趣建模。個性化系統，就是能夠針對不同用戶的信息需求表現出不同運行效果的軟件，而此類軟件提供的服務即個性化服務。個性化系統的核心是用戶建模，即對用戶信息需求的模型表示。用戶興趣建模是一個復雜的過程，既包括用戶相關信息的收集與挖掘，還包括用戶興趣的提取和表示，以及長期興趣、近期興趣、即時興趣的組織與維護等，各個方面相互聯系構成完整的建模體系。

1.國外模型研究的啟蒙。2004年，Epagogix通過對電影文本語義分析，建構模型來預測票房，啟蒙了用戶興趣模型研究。主要的研究方向，一是基于規則，如關聯關系規則，但應用效果差強人意；另一種是基于信息篩選，后來又細分為基于內容篩選的和基于協同篩選的，進而演化出綜合模型。2009年，Susan Gauch和Alexander Pretschner建立了個性化搜索的空間向量模型，該模型由用戶瀏覽的頁面和時間兩個維度所構成，并不斷進行修正。然后將搜索結果和該空間向量模型進行擬合，擬合度最好的結果即為輸出的搜索結果。

2.國內模型研究的發展。2011年，路海明提出了基于多Agent混合智能興趣模型，該系統屬于基于內容過濾和協同過濾的混合系統，通過多個Agent來收集用戶行為。2012年，馮翱等人研發的Open Bookmark系統也是基于內容過濾和協同過濾的混合系統。2013年，潘金貴研發的基于信息可視化與數據挖掘的電影網站分析系統，該系統在python提供的框架下實現，整體框架采用Django，頁面表現采用D3.js可視化庫，分詞工具采用jieba等，實現了電影的觀眾興趣挖掘。2014年，姜文實現了基于混合模型的個性化電影推薦管理系統，該系統以用戶興趣標簽和用戶瀏覽記錄為原始數據，通過混合模型向消費者推薦一些比較有興趣的電影。同年，李愛華實現了基于神經網絡的分層混合興趣模型，并將該模型應用于電影的大數據分析上，該系統將用戶行為原始數據輸入神經網絡，經過不斷的學習訓練，輸出用戶可能最感興趣的電影。2015年，王潤華實現了基于Hadoop的實時電影推薦和基于Storm的趨勢推薦，該系統基于分布式批處理計算框架Hadoop和分布式實時流處理框架Storm，是近年來該領域最新的研究成果。

（二）大數據時代影視藝術傳播模式研究

《紙牌屋》的成功在很大程度上與Netflix網站的大數據分析創作有著密切的關系，Netflix網站的大數據分析方法也引來學界的研究，《紙牌屋》為大數據在影視創作啟發了新的意識。對其大數據分析方法研究，建立了多個數學模型，得出了以下結論：在喜歡看1990年版《紙牌屋》的觀眾中，有24%的觀眾偏愛導演大衛·芬奇的作品，而其他導演的占比不足10%，有38%的觀眾偏好凱文·斯派西的作品，還有多類型的數學模型綜合反映了《紙牌屋》的成功。

吳衛華在其關于“大數據視閾下廣電產業發展戰略研究”的相關文獻中，對大數據影視藝術傳播的創新模式做了較為全面的表述。他認為傳統的影視傳播模式是自上而下的單一且單向的，網絡時代下，傳播模式體現雙向互動性，而在大數據時代，則是自下而上的逆向模式。這一過程中起主導作用的不是內容制作商或是運營商，而是分散的但規模龐大的用戶群體，內容制作商和運營商只能依據用戶的媒介消費行為數據，找到符合用戶興趣的產品和服務，反向指導生產和實踐。CBS從2013年就開始利用大數據進行內容生產，通過記錄用戶的臉部表情、心情波動甚至是腦電波變化來尋求用戶興趣所在，通過數據分析優化自己的傳播內容。

三、大數據背景下影視藝術產業的發展路徑

2017年以來，影視產業進一步加速升級，特別是在電影產業中的表現尤為明顯。論及大數據背景之下的影視產業發展，往往以“內容為王”和“管理為上”為主要的研究模塊，本文將其梳理為內容生產與產業管理兩個方面。

（一）內容生產路徑

大數據給影視產業發展帶來的不僅是生產方式的變化，更重要的是思維方式的變化，影視產業將改變以往以制作商和生產商為主的生產模式，轉而以用戶為導向制作產品、提供服務。如何處理好“大”與“微”的關系是內容生產的關鍵點。

在當下的影視劇生產過程中已經出現通過對視頻用戶深度挖掘的產品，美國Netflix的《紙牌屋》是經典案例；在電視節目編排上，依據不同時段的目標用戶媒介消費特征設定不同欄目；在廣告推送上，采用大數據分析，對不同地區的不同用戶在同一時段展現不同的廣告內容，采用大數據細分推送法；在移動終端，集合電視網、互聯網和電信網推出新的類似“社交電視”之類的社交產品，進行個性化定制和智能化推薦。如亞馬遜已經開始把大數據運用到影視作品的制作當中，通過網絡篩選劇本，然后制作成樣片，投放到網絡上，并利用數據分析觀察用戶反應，最終決定投資的作品。通過這種方式，影視劇的受眾基礎已經得到優化，輿論與口碑效應得以形成。

（二）產業管理路徑

2011年美國就有參議員提出《網絡不跟蹤法案》，2012年奧巴馬政府公布《消費者隱私權利法案》，目的在于限制網絡運營企業對用戶數據的使用與傳播，并且有很多影視企業和廣告公司自發發起“不跟蹤機制”。因此，完善的法律基礎與管理方式的緊跟是影視產業大數據運用的“有形手”。

無論是中宣部外掛電影局，還是國家廣電總局的職能優化，都顯示了大數據時代國家對于影視行業的重視程度。《電影管理條例》《廣播電視管理條例》等規范著影視行業的發展，而網絡視頻節目的管理尚相對空白。我國在今年推出機構改革之后，對大數據影視的管控政策與規范是值得關注的。

【參考文獻】

[1]黃欣榮.大數據哲學研究的背景、現狀與路徑[J].哲學動態，2015.

[2]吳彤.大數據對影視創作的影響研究[D].哈爾濱：哈爾濱師范大學，2016.

[3]巴里·利特曼.大電影產業[M].尹鴻譯.北京：清華大學出版社，2005.

[4]潘金貴，胡學聯，李俊等.一個個性化的信息搜集Agent的設計與實現[J].軟件學報，2013.

[5]王潤華.基于Hadoop集群的分布式日志分析系統研究[D].北京：北京政法職業學院計算機系，2015.

[6]張秀珍，馮曉玉.網絡傳播受眾與傳統大眾傳播受眾的心理特征比較[J].白城師范院學報，2014.

[7]吳衛華.大數據背景下影視產業創新發展[J].當代傳播，2015.