人工智能算法時代的電影實踐

【摘 要】 近年來，中國電影產業快速增長，電影宣發推廣方式因互聯網技術發展而變革。電影首周票房對總票房和口碑至關重要，但國內尚缺乏系統化對票房危機預警的研究。本文探討了人工智能在電影輿情分析中的應用，強調數據、算法和算力的核心作用，并提出實時監控和分析評論數據的方法；分析了評論數據的不同形式，討論了情感和情緒分析的重要性，提出了主題挖掘和算法應用的挑戰；并指出當前技術在電影輿情分析中的不足，展望未來的發展方向，強調構建實時票房危機預警系統的重要性。

【關鍵詞】 輿情分析； 情感分析； 主題抽取； 人工智能

電影投資是一個高風險行業，大制作的電影在發行宣傳期伴隨著高風險，電影發行期的主要票房收入都是出現在上映開始的前兩三周，而首周的票房大概率與電影的總票房呈正相關系。首周亦是電影口碑能否立住的關鍵，互聯網的電影口碑往往是決定整體口碑的關鍵，而口碑的形成往往是自下而上的，從普通觀眾開始，逐漸通過口耳相傳、社交媒體分享和在線評論平臺擴散，最終形成廣泛的公眾意見。無論是幫助投資方和影院及時調整排座比率減少損失，還是幫助宣發團隊調整宣發策略打好電影口碑，便于制作團隊和投資方下一次的合作，收集分析觀眾反映的各項數據和信息并做出調整都是一項項關鍵的任務。

國內目前尚未建立起針對電影票房危機的預警系統，主要存在的問題是對輿情分析不夠、對輿情的分析方法不足以及對輿情的處理不夠及時。常見的電影監測平臺，如燈塔等，主要提供票房等數據，而對于輿情內容的分析研究還不充分。現有的關于輿情內容分析的研究大多是個案研究，一次研究往往耗費大量時間，無法對輿情實時分析，互聯網的輿情發酵速度普遍較快，宣發團隊如果采取這類方式，等到發現具體危機時，輿論會變得無法管控。同時，這些個案研究均沒有以提取輿情潛在危機為導向，有的分析觀眾評論典型意見[1]，缺少分析評論意見對輿論的影響程度；有的分析得到的輿情內容含義較寬泛[2]，得出的結果對宣發團隊分析輿情并沒有多少幫助。總之，這些方式都很難在電影發行期間輔助宣發并使宣發策略及時調整優化。

在人工智能領域，數據、算法和算力是三大核心要素。本文通過探討人工智能的電影輿情分析方法論，從分析電影輿情數據入手，剖析解決問題的算法，并探討算力帶來的研究方法的變化和進步。數據是基礎，通過對社交平臺、影評網站等渠道獲取的海量評論和討論數據進行清洗和預處理，可以提取出有價值的信息。算法是關鍵，通過應用自然語言處理、機器學習和深度學習等先進算法，可以有效地識別和分析觀眾的情感傾向和意見。算力是保障，現代計算設備和分布式計算技術的進步，使得處理和分析大規模數據成為可能，在一定程度上提高了分析的效率和精度。

一、數據·語言·在線

“大數據是當前電影輿情數據挖掘的基礎。”大數據“這一趨勢對我們的思維方式有了顛覆性的變革”。大數據的分析不僅僅是數據量的增加，更是對數據的深度挖掘和理解，以發現潛在的模式和關聯。[3]“從大樣本的描述性統計與中樣本的推斷性統計相結合，轉向超大規模樣本數據對總體的直接描述分析”[4]。也就是說，以一部電影的輿論分析為例，過去通過抽樣采訪電影觀眾的評論，來推斷整體的輿論情況。而在“大數據時代”，通過分析大部分觀眾的評論，直接得出整體輿論的真實情況。

隨著新媒體的多元化發展，數據信息有語言文字、圖像和視頻及帶有含義的數字信息等，在電影的輿情分析問題中，分別有評論討論數據、觀看照片、采訪視頻或自媒體評價視頻以及點擊率、實時觀看熱度、票房等數字信息。考慮到對照片和視頻數據的處理技術還不完善；且帶有含義的數字信息處理起來較為方便，數據量相比于海量評論數據而言較少，蘊含明顯的概括信息（如電影的熱度，圍繞電影的某個話題的熱度等等），難以從中獲取潛在輿論危機信息。這類數據已經是對電影輿情的某些宏觀分析，當這些數據發生明顯變化以至于反映出輿情問題的時候，輿情一般早已經有明顯的發酵趨勢。故輿情監測的主要研究對象為圍繞電影的評論討論數據。

電影的輿論“通常以顯輿論、潛輿論和行為輿論等形式體現，顯輿論即以語言、文字形式傳遞的信息、表達的意見，潛輿論以情緒形式表達，行為輿論則是以購買、點擊等形式體現的”[5]。這樣的分類可以幫助人們進一步理解電影輿論，對計算機而言，沒辦法直接理解互聯網電影評論平臺上的輿論，故而人們必須將輿論轉化為數據。然而，如果僅僅是把輿論簡單轉化為數據，則無法對龐大的數據量進行分類測算。所以人們類似地引入“顯數據”“行為數據”與“隱數據”的概念。顯數據即關于電影的語言文字信息或觀點，常常表現為觀影評論和討論；行為數據即反映觀眾有關電影觀看行為的數據，如實時觀看熱度、票房、評論點擊率、話題搜索度等；隱數據是情緒數據，潛藏在顯數據和行為數據中，需要計算機從中進行理解和提取，具體表現為評論數據反映出的受眾情感和行為數據中反映出的觀眾喜愛度等。

顯數據中包含大量語言文字信息，從中能找到電影輿論潛在危機的主題，是輿情危機預警中主要使用的數據。顯數據中，主要有短評論、長評論以及討論數據，豆瓣和時光網是國內主要的電影評論平臺。對于單部電影，豆瓣的評論數據包含短評、長評及評論數據下的討論和討論帖，時光網只有短評和長評，但是每條評論數據下都可以進行討論。

短評論數據中的情感表達更加簡潔明確，由于字數有限，觀眾在進行短評論的時候情感表達往往較為強烈，可以直接反映觀眾的直觀感受。同時，短評中會出現高頻關鍵詞，這些關鍵詞可以反映觀眾關注的主要問題和亮點。

長評論數據通常包含更詳細的分析和評價。觀眾會在長評中對觀影進行多維度的反饋，描述具體的情節、角色表演、拍攝技巧等，觀眾會詳細描述對于電影的多維情緒，甚至是引起情緒的原因。

討論數據可以反映觀眾之間的互動共鳴和觀點多樣性，引起觀眾共鳴的話題往往比個人的評論數據擁有更大的輿論影響力。引起觀眾爭論的話題是輿論分析的重要分析對象，爭論一方面會提升話題關注度，增加曝光，另一方面如果爭論中包含大量負面情緒和批評，會對電影口碑造成不利影響；不同觀點的激烈爭論可能使電影的市場定位模糊，目標受眾難以形成統一認知。

互聯網平臺網頁設計分為前端和后端，前端向大眾展現數據，從互聯網平臺上獲取數據可以使用網絡爬蟲，爬蟲可以收集所有前端能展示的數據。但是后端可以接收大眾行為數據和顯數據，并進行處理，也可以篩選展現給大眾的數據，換言之，平臺公司可以不向觀眾展現所有的電影數據。例如豆瓣展現短評數據最多只能展現200條，平臺用這種方式維護網絡數據安全。這對于電影輿情分析是有阻礙的，但由于評論數據可以按時間排列，可以實時記錄隨時間變化的所有評論數據是需要的。

這樣實時的數據收集處理方法是一種在線方法，電影輿情的數據是實時變化的，故而對發行期間電影輿情的分析也是需要實時的，從電影宣發啟動的那一刻開始，有關于這部電影的數據就在不斷地積累變化，輿情監測一般都是在線的。因此，院線電影票房危機預警系統的邏輯是：

1.實時監控爬取百度、豆瓣、貓眼、微博等社交媒體對一部影片的實時評論，并對評論數據進行情緒分析；

2.迅速對這些文本信息挖掘、分析，提取主要話題和熱點；

3.對其中可能危及影片票房的負面因素進行提取、按破壞嚴重性強弱提出警告；

4.隨著時間疊加對信息及時更新；

5.為發行方調整方案提供依據支持。

合理且普適的輿情監測方法設計，要顧及評論情感傾向和文本的主題觀點，情感傾向幫助確定受眾輿論傾向，對于輿論傾向偏消極的評論數據再進行主題抽取，挖掘出潛在危機因素，主題抽取可以反映出的具體危機因素。

二、情感·傾向

為了定位輿論危機主題在顯數據中的核心位置，需要對顯數據進行情感分析。情感可以被計算機理解計算。“對于人們的情感在某種程度上是可以定性和定量分析的。”[6]自麻省理工學院媒體實驗室Picard教授1997年提出“情感計算”的概念以來，“如何賦予計算機識別、理解、表達和適應人的情感的能力”這一命題逐漸被人們豐富研究。[7]計算機對于情感的識別是其中一個基礎問題，研究人員描述人類感知，并對人類情感建立起情感描述模型。中文語境中的“情感分類”主要指將情感“分為兩類（正面或反面）或三類（正面、反面與中立）”，即積極喜歡的、消極反對的和沒有偏向的三種立場。

“情緒分析”主要指“在現有粗粒度的情感分類基礎上，多維度地描述人的情緒態度”，情緒分析比情感分析更加注重心理學視角，也更加復雜，研究人員構建了更加豐富的情緒模型，大致分為分類模型和連續模型①。

分類任務在人工智能研究中較為基礎，對于情感的二分類任務，可以看作一個函數F（x）=0/1（消極/積極），x是指需要被情感分類的對象，在電影輿情分析中指的是單條文字評論。函數F（x）代表計算機對x的分類處理過程，也是一個非設計者們未打開的“黑箱”，這個黑箱中裝配著很多參數，仿佛模擬人類的神經元，大多數情況下，設計者們使用人工標記好的訓練數據對“黑箱”進行訓練，相當于把知識喂給“黑箱”，監督其學習，使其具備對更多x情感二分類的能力。

這樣的情感分析方法仍然存在著一些問題，使用到這些方法的計算機中的算法大多是在特定領域下研究，使用領域內特定的數據集對算法進行實驗。當性能優良的算法被運用到電影輿情的分析中，往往需要適應電影領域特定的知識結構。借助情感詞典是一種情感分析的方法，但是在不同領域中，一些詞的表達并不一致，如“不可預測”在電影評論中是褒義的，表達票房潛力很大等，但在機械工程領域是貶義的，意味著會存在未知的風險。

不同的評論數據側重的情感分析關注點不完全一樣。短評論數據中的情感傾向更加簡潔明確，一般不會出現多種不同的情感。對其直接進行積極/消極二分類是較好的辦法；長評論數據中包含觀眾對于電影的多維情緒，故而需要設計更為復雜的情緒模型，對多維情緒進行概括，還有一種方法是對長評論數據進行分段處理，并分別分析各段的情緒，這樣可以避免將一段長評論數據的分段處理混合在一起；討論數據往往由多條短句構成，情感表現更加明顯簡潔，通過對一組討論數據中所有的用戶發言進行情感分析，一般會有三種結果：討論中積極的情感顯著多/差不多/顯著少于消極的情感，分別代表著引發了好的共情/爭吵/壞的共情。

通過對顯數據的情感分析，人們可以粗略地區別出情感傾向為積極的和消極的評論數據，消極的評論數據中有影響電影票房口碑的潛在因素，需要對其進行主題抽取。情感傾向為積極的評論數據也不能忽視，其中包含可以幫助宣發團隊加以營銷的話題。

三、主題·挖掘

對顯數據進行情感分析后，為了明白造成負面情感的輿論主題，需要對評論文本進行主題挖掘。評論的主題挖掘，需要同時考慮到兩個角度：分析單個評論文本的時候進行主題提取或分類，分析全體評論文本的時候進行聚類分析。如果計算機想理解單個評論數據中的主題，需要對單個評論數據做主題分類。但是如果考慮到面向整體評論數據，哪些主題是關鍵的？哪些容易產生影響？需要對單個文本提取出的主題做整合，常常用到的方法為聚類。自然語言處理已經發展了主題分類、主題建模、文本相似度計算等具體任務，數據挖掘需要在此基礎上融合各項子任務。

如果有一堆評論數據需要弄清楚其中含有哪些主題，需要進行主題建模，而如果已經知道電影輿論的主題可能有哪些，希望計算機對評論文本自動標注主題，這是主題分類。顯然票房危機預警系統需要發掘的是潛在危機，即宣發階段受輿論影響，是事先無法規避的情況。

主題建模在對評論的研究中被廣泛運用，人們大多采用LDA（潛在狄利克雷分配）主題模型，這種方式假設每個文檔都包含多個主題，而每個主題又由一組詞語組成。通過分析文檔中詞語的分布，LDA模型可以推斷出每個文檔的主題分布以及每個主題中詞語的分布。例如有一些評論數據：

【1.故事節奏太快了】

【2.女主演技太差了，電影色調和情感表達有沖突】

【3.男主的配音太跳戲了，我實在看不下去】

通過LDA主題模型計算，可以獲得：

主題1：“故事”，“節奏”，“太快”

主題2：“女主”，“演技”，“太差”

主題3：“沖突”，“色調”，“情感”，“表達”

主題4：“男主”，“配音”，“跳戲”

每個主題中的主題詞都來源于原有評論數據，LDA主題模型方法最終通過主題詞表達主題。站在輿情監測使用者的角度，系統能夠直接給出主要的潛在危機因素遠比給出一個半成品數據需要使用者進一步分析更好。有時候，LDA方法得出的一個主題下的主題詞并不能讓人理解整體含義。

語言模型可以解決這樣的事情。這句話可以被分為多個詞如【“語言”“模型”“可以”“解決”“這樣”“的”“事情”】，詞之間有著語序上的聯系，為了生成這句話，計算機需要計算第一個詞是什么概率；在第一個詞基礎上，第二個詞是什么概率；……在前面所有詞的基礎上，最后一個詞是什么概率。這就是計算機生成語言的邏輯，語言模型需要解決的就是建構自然語言的概率分布。

采用這樣的處理方式，計算機需要計算的參數量過大。所以語言模型的發展早期較為困難，隨著算力的增強以及技術的突破，大語言模型隨之誕生。如今，大語言模型可以根據提供的問題（提示詞）作出接近人類語言的回答。機器對人類語言的理解和生成達到一個成熟的階段。大語言模型可以輕松解決對文本的觀點抽取、主題分析等等。

因此算法工程師將語言模型運用于主題模型中，提升機器對自然語言的理解能力，目前效果較好且常被人用于主題分析的方法就是BERTopic主題模型，它通過使用大語言模型將文本數據映射到高維向量空間，并在此空間中聚類相關文本，從而發現文本數據中的主題結構。這樣的主題模型得到的圍繞主題的關鍵詞更加容易被理解。再使用大語言模型對主題詞進行概括，得到容易被人們理解的話題句。

這樣的算法對于電影輿情檢測仍然存在著一些問題。其一是當前的處理方式并沒有良好的在線性。主題模型的每次處理都是對整體數據的直接計算，意即若剛開始有5條評論數據，主題模型對5條評論數據進行主題分析，一段時間后有50條評論數據，主題模型分析的數據規模擴大了10倍。隨著時間的變化，評論數據量越來越多，主題分析的每次處理都需要對全部數據進行一次計算。這會造成很大的冗余計算量，預警系統在電影發行中后期面臨分析時間長的問題。其二是情感分析的準確度對主題分析有著很大的影響。不準確的情感分析會將積極的評論也認為是消極的，同樣，將消極的評論認為是積極的并不參與負面因素提取的抽取。這一方面會使負面因素提取的結果中混入一些積極的評論主題，影響系統用戶的理解，取代原有應該被挖掘出的負面危機；一方面一些蘊含著潛在危機的負面評論被情感認為是積極的，這樣的潛在危機就很難再被發覺。

對不同評論數據的主題挖掘側重點也不一樣，短評數據觀眾的主題更加簡潔明確，較為單一，但是語言容易口語化，引發機器理解上的偏頗，所以需要更加關注對評論的主題分析；長評論數據通常包含用戶更多維度的評價和反饋，富含多元主題，觀點表達更為詳細全面，故而對評論數據的理解并不困難，反而需要認真對長評論文本進行切分，使觀點和觀點之間不會相互影響。例如情感分析中提到的，討論數據大多由短句構成，觀點較為明確，但是表達過于口語化，故對討論中單個用戶短評的分析類似于對短評數據的主題分析。除此之外需要做特殊處理，處理一個討論中涉及的主要觀點和次要觀點，并分析影響力。

四、算法·算力

從設計發行期間電影票房危機預警系統，到分析輿情監測中需要分析情感和文本主題兩大子問題，這一系列的步驟都在設計算法。算法一詞并非局限于計算機科學領域，在哲學乃至認知科學領域，算法具有更廣義的定義。算法是指解決特定問題或執行特定任務的一系列有序步驟的有限序列。這是一種面向解決問題的思維方式。

人工智能的算法主要經歷了四個階段：符號主義、統計方法、深度學習和大模型。①符號主義時期的算法依賴于明確的規則和邏輯進行推理和決策。這些規則通常由人類專家定義和編碼，這一時期算法可解釋性強，但對復雜問題和大規模數據處理能力有限，缺乏靈活性；統計方法使用概率論和統計學原理進行建模和推斷，可以處理不確定性和隨機問題，但模型的擴展性有限；進入深度學習時期，多層神經網絡學習大規模數據，獲得處理數據提取信息的能力，這個時候算法內部結構復雜，缺乏強可解釋性，且對計算資源需求較高；隨著算法和算力的提升，模型的參數可以包含數十億甚至數千億個參數，具有更強的涌現能力和處理能力，即所謂的大模型，算法訓練和部署成本高，對數據和算力依賴較大。

根據對人工智能算法發展的分析，可以發現算力隨著硬件性能的提升和計算方法的不斷優化，以極快的速度不斷變得更強大，可以輔助更大規模的問題處理；數據方面呈爆炸性增長，且數據更加多元化；算法可解決的問題越來越廣，逐漸轉向對更大規模和更多元數據進行處理，對算力的依賴也越來越強。強大的算力、更多的數據和智能的算法三者相互輔助又相互制約，共同建構當下的人工智能。

即使有著強算力、大數據和智能算法，對于院線電影發行期間的輿情研究，仍然存在著很多問題。“從大數據分析的數學原理來看，當前通過電影輿情數據挖掘進行風險控制其實是在以偏概全，這類分析目前能夠做的是數據優化”[8]。誠然，至今國內電影輿情分析研究只能對宣發團隊提供警醒，告訴宣發團隊出現了哪些危機需要調整，并不能給他們提供建設性建議。如果需要幫助調整風險控制策略，需要幫助計算機學習營銷管理相關的知識，并讓計算機了解團隊的宣發策略。“從電影數據的積累和運用來看，需要人工研判和機器分析相結合”[9]。電影輿論的影響因素種類多樣，不好完全規避，至今計算機算法并不能做到百分之百可信。

從輿情分析技術層面看，仍然有很多不足和可展望之處。

（一）適應跨域研究，建立特色電影輿情分析體系

目前使用的人工智能算法在特定的研究領域下效果顯著，但不代表在對國內電影輿情領域的分析就一定可以取得顯著效果。一方面是大多數算法在處理英文的效果遠比中文好，中文面臨的自然語言處理問題更加困難，如中文分詞在不同情況下容易造成歧義；另一方面是不同領域下，算法需要適應領域內知識，如LDA主題模型算法在處理書籍或者新聞文本數據的時候效果好，但在電影評論中效果就沒那么顯著。針對這類問題的解決方案就是建立專屬電影輿情分析的方法，通過對中文自然語言處理方法進行優化，建立電影輿情分析專有的數據集和分析體系以及對純算法研究中的算法進行本地化參數調整訓練。

（二）情感分析轉向情緒分析

更加細膩的情緒分析比情感分析能提供更豐富的情感維度，有助于更準確地捕捉觀眾的心理動態。除了建立起更加細化的情緒模型，還需要對不同情緒進行分析，哪些情緒可能在電影分析中造成不利的影響。此外，對監測觀眾情緒隨時間的變化，識別情緒波動和轉折點也很重要，可以根據趨勢確定是否應該對某些因素進行規避。

（三）評估主題影響力和傳播路徑，識別傳播節點和意見領袖

需要對主題分析建立更全面的影響力分析不僅需要識別主題，還需評估每個主題的影響力和傳播路徑，分析其對電影票房和口碑的潛在影響。首先，通過社交網絡分析方法，追蹤主題在網絡中的傳播路徑，識別關鍵傳播節點和意見領袖；其次，構建影響力評估模型，量化每個主題對電影票房和口碑的潛在影響，提供數據驅動的決策支持；同時，實時監測各主題的輿情熱度，識別潛在的危機或機遇，及時調整宣傳策略。

（四）適應大語言模型，獲得更精確的預警結果

大語言模型具備更強的理解和生成能力，可以提升主題分析和情感識別的準確性。利用最新的大語言模型（如GPT-3、BERT等），對電影輿情數據進行訓練和微調，以提高模型在特定領域的表現。通過增強模型的上下文感知能力，能夠準確理解評論中的隱含信息和細微差別，從而提高情感和主題分析的準確性。基于大語言模型，還可以開發生成式預警系統，自動生成針對潛在危機的應對策略建議，從而提高預警的智能化水平。

結語

盡管當前的技術發展已經讓輿情監測、自然語言處理和人工智能算法在許多領域表現出色，例如，通過推特和微博等社交媒體平臺的大數據分析幫助企業和政府機構科學決策，這些技術的應用已經較大地改善了信息獲取和處理的效率。然而，專用于電影行業的分析方法仍未被充分開發和應用。電影領域具有其特殊性，例如影評的情感傾向、觀眾反饋的多樣性以及影響電影票房的復雜因素，這些都需要更加精細和定制化的工具來解讀和預測。

此外，需要在監測過程中依據新媒體輿論的傳播規律，深入理解信息如何在不同的社交網絡和平臺間傳播，以及這些傳播路徑如何影響公眾意見的形成和變化。這種理解對于預測電影輿論走向和市場反應至關重要。從傳播學角度來看，新媒體輿論的形成需要經歷信源發布與議題呈現、輿情擴散與意見整合和輿論效應消散等關鍵節點，其中新媒體輿論的傳播規律也有著自己的特點，如次生輿情出現頻度增加、意見領袖影響力增強等。[10]在大數據分析中對于這些傳播要素的理解和運用可以幫助電影輿情監測更好地適應市場。

構建一個實時的票房危機預警系統，實時監控輿情變化和票房數據，及時提醒制片方和發行商做出實時調整是有必要的。通過引入先進的算法和模型，可以更好地理解和預測市場動態。這些數據及分析方法，對于分析預測市場受眾喜好，選擇下一部電影的題材有著更強的指引作用。希望通過這些探索和研究，推動電影輿情分析和票房預測技術的進一步發展，為電影產業的發展繁榮貢獻新的力量。

參考文獻：

[1]伍婷.大數據語境下動畫電影評論典型意見挖掘分析[ J ].電影評介，2022（20）：11-16.

[2]劉玲玉，鄧燕燕.基于Python情感分析和批評隱喻的網絡話語分析——以影片《流浪地球》中美德影評為例[ J ].

江蘇大學學報：社會科學版，2022（03）：76-88.

[3]王道平，宋雨情，主編.大數據分析[M].北京：北京大學出版社，2022：7.

[4][9]凌燕.新媒體時代的國產電影輿論生態[ J ].現代傳播（中國傳媒大學學報），2013（04）：53-57.

[5][8]倪萬.基于大數據的電影輿情數據挖掘與風險監控研究[ J ].當代電影，2016（02）：71-76.

[6]林政，劉正宵，李江楠.情感分析進階[M].北京：機械工業出版社，2022：3.

[7][美]羅莎琳德·皮卡德.情感計算[M].羅森林，譯.北京：北京理工大學出版社，2005：13.

[10]宮承波，主編.新媒體概論[M].北京：中國廣播影視出版社，2022：175-179.