CN108052527A - 基于标签体系的电影桥段分析推荐方法 - Google Patents

Abstract

本发明公开了一种基于标签体系的电影桥段分析推荐方法，以庞大并不断扩充的电影桥段数据库为基础，通过多维度的标签分类算法，对电影桥段进行多层面分析处理，包括对桥段情节、桥段情感表达、桥段人物关系进行分析，建立桥段与多维度标签的内在联系，并基于标签体系为剧本编写提供启发式桥段推荐，能够帮助编剧进行剧本情节的连续创作，并为之提供合理性分析。本发明极大便利了编剧进行高质量剧本创作，通过桥段分析与推荐为剧本创作提供灵感源泉。

Description

基于标签体系的电影桥段分析推荐方法

技术领域

本发明涉及电影标签技术领域，具体地，涉及一种基于标签体系的电影桥段分析推荐方法。

背景技术

剧本编写是影视作品最基础也是最核心的一环，一部精彩的剧本是让影视作品吸引投资和吸引观众的前提。但是，写一部精彩的剧本实属不易，编剧耗费大量时间和精力，往往还是困惑与题材的设计抑或是纠结于故事的发展，很难得到理想的结果。

目前国内仍缺少为编剧定制的影视桥段素材库，编剧难以从单一平台去获得足够的桥段，而只能从四处收集大量零散的素材，需要花费大量的精力和时间去整理和筛选，才能找到相对合适的内容。

传统的桥段收集方式，严重增大了编剧的工作压力，大大浪费了编剧的时间，而对剧本质量的提高却是有限。对同一素材参考过度往往还会导致作品抄袭的纷争。

编写剧本要从故事类型、题材立意、故事梗概以及情节发展四个层面逐层构建。目前尚未有任何系统能够从四个层面全面辅助编剧进行剧本创作。从目前来看，剧本仍是由纯人工手段进行创作，而没有充分利用计算机在分类和推荐领域的强大功能。

发明内容

本发明的目的在于，针对上述问题，提出一种基于标签体系的电影桥段分析推荐方法，极大便利了编剧进行高质量剧本创作，通过桥段分析与推荐为剧本创作提供灵感源泉。

为实现上述目的，本发明采用的技术方案是：一种基于标签体系的电影桥段分析推荐方法，主要包括：

步骤1：在电影桥段数据库基础上建立电影桥段共享系统，对电影桥段数据库中对电影桥段进行编辑；

步骤2：对步骤1中桥段数据库中的电影桥段进行自动分析及归类，利用不同维度标签对电影桥段进行矢量标记，将矢量标记后的电影桥段映射到标签多为空间，从不同维度对带有特定标签的电影桥段构建电影桥段网络，建立多维度电影桥段网络；

步骤3：根据用户定制个性化将多维度电影桥段网络生成桥段链；

步骤4：根据桥段链加入设定细节，生成剧本大纲。

进一步地，步骤1中对电影桥段进行编辑包括，对已有的电影桥段内容补充增加；增加未录入的新桥段；还包括对新桥段内容审核，判断其是否满足桥段库的规定和需求，以决定是否将增添和修改后的桥段录入桥段库。

进一步地，步骤2中对步骤1中桥段数据库中的电影桥段进行自动分析及归类包括：

中文桥段分词，采用逆向最大长度匹配方法对中文纯文本桥段进行分词，使用针对桥段领域以及影视领域进一步扩展的词库作为分词、词性标注以及特殊词条识别的词库标准；

无关信息过滤，对中文桥段分词结果进行过滤，对与桥段分类无关信息进行过滤，降低对桥段进一步分析和归类的复杂度；

关键词抽取与扩展，对过滤后中文桥段分词文本匹配抽取与文本语义相关的词或短语，并识别出桥段内含关键词，对匹配抽取的高权重关键词进行语义扩展；

桥段基础分析，使用聚类分析手段，对桥段文本整体进行分析归类，对桥段关键词抽取结果进行整体概括，并借助标签体系对桥段分析结果进行标注，同时结合人工标注对聚类分析进行实时纠正和优化；

桥段细化归类：从多层面对桥段文本进行多类分类，利用多维度标签，针对高权重关键词以及桥段分类结果进行特征标注，实现桥段细化归类。

进一步地，步骤2中，所述建立多维度电影桥段网络，具体包括：

建立多维度标签网络：利用语义网络表示桥段分类标签以及桥段分类标签之间的内在联系，从而建立多维度标签网络，

所述多维度标签网络为带有方向的网络图，每一个标签为其中的节点，弧表示标签之间的内在联系，弧的方向体现系标签之间关系的主次，其中每个节点和每条弧带有标识区分不同标签和标签之间的内在联系；标签网络中的标签由多维度的标签组成，标签网络的不同层次区分了不同维度的标签；所述多维度标签网络，包括能够对桥段文本进行概括性标注的基础网络，还包括能够从人物层面、情节层面、关系层面和情感层面进行细化标注的其他网络，同一层的网络内标签与标签通过弧来表示内在联系，不同层面的网络也通过弧来表示不同层面标签的联系，从而形成多维度的标签网络。

实现标签标注桥段网络映射：将多维度标签网络进行映射与扩展，生成基于标签的多维度电影桥段网络，所述多维度电影桥段网络中的节点为标签标注后的桥段，多维度电影桥段网络中的弧根据关系合理性评价机制建立桥段关系，所述关系的合理性评价机制基于影视作品剧本剧情创建和完善，合理性评价机制能够为标签桥段网络中的关系赋予权重。

进一步地，步骤3具体为：通过标签分类或桥段搜索获得适合的电影桥段作为起始节点，利用电影桥段网络，启发式动态生成符合条理的桥段子网，根据多维度桥段网络以及已有影视作品的剧情逻辑对个性化桥段子网进行评分，推荐评分最高的桥段链。

进一步地，步骤3中，电影桥段网络生成桥段链，具体为根据输入对多维度电影桥段网络进行推理构造生成树，并从桥段生成树中提取评价排名前列的生成路径为桥段链，桥段网络采用匹配推理方法或继承推理方法，根据桥段网络中桥段间的各种关系进行推理和联想，并依据关系的权重，评判桥段网络生成树中的合理程度，关系合理性评判机制将对桥段网络生成树的低评价分支进行优化和剪枝，从而优化桥段分析推荐的效率，桥段推荐系统对桥段生成树中评价排名前列的生成路径进行优化与扩展形成多条桥段链，生成过程中，桥段分析系统将接受人为干预，依据使用者个人偏好和喜爱程度，对后续网络生成树进行重新评判，并再次动态的生成新的个性化桥段链。

进一步地，步骤4具体为，依据生成的桥段链，加入人物关系和背景设定细节，生成个性化的剧本大纲。

进一步地，步骤1中，所述电影桥段共享系统提供桥段的浏览、以及基于标签的分类和查询，桥段浏览包括了使用了该桥段的电影作品片段，还包括对其进行增添和修改的历史记录。

本发明各实施例的基于标签体系的电影桥段分析推荐方法，应用多维度标签算法，对庞大的电影桥段库进行多层面分析处理，从多种层次定义桥段标签，贴合编剧剧本创作需求，同时用户可对原有桥段库的桥段进行增添和修改；

电影桥段分析运用自然语言处理方法对桥段内容从人物、情节、关系、情感等多层面分析，利用不同维度标签标记对电影桥段库进行矢量标记。为用户提供启发式桥段推荐，用户通过桥段情节入口展开剧情创作，系统将利用多维度标签体系，结合大数据手段与启发式算法进行连续桥段推荐，系统会根据不同用户的各自剧情设定和桥段选择提供差异性桥段推荐。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例所述的基于标签体系的电影桥段分析推荐方法的流程图；

图2为本发明实施例所述的标签标注桥段网络映射结构示意图；

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

具体地，基于标签体系的电影桥段分析系统，以实现对电影桥段进行标签分析，并从人物、情节、关系、情感等多层次为编剧提供半自动或全自动桥段推荐，从而协助编剧高效创作高质量剧本。

如图1所示，本发明主要包括：

a.基于标签分类分析的开放电影桥段共享系统

在原有的大规模桥段库之上，建立起开放的电影桥段共享系统。其中桥段的浏览和分享对所有使用者进行开放。普通用户通过注册可以获得共享系统的用户账户，通过登录可以使用桥段共享系统的编辑功能，可以对已有的桥段进行增添和润色，也可以为桥段库添加未录入的新桥段。审查用户可以对普通用户提交的桥段增添或润色，或是新桥段进行内容审核，判断其是否满足桥段库的规定和需求，以决定是否将增添和修改后的桥段录入桥段库。

开放电影桥段共享系统面向所有使用者提供桥段的浏览、以及基于标签的分类和查询功能。桥段浏览不局限于展示其内容，包括了使用了该桥段的电影作品片段，还包括普通用户对其进行增添和修改的历史记录，

b.标签系统对桥段进行自动分析及归类，利用标签建立多维度桥段网络

对已有的大规模桥段库及不断增添的新桥段进行自动分析以及归类，运用自然语言处理方法对桥段内容从人物、情节、关系、情感等多层面分析，利用不同维度标签标记对电影桥段进行矢量标记。将矢量标记后的桥段映射到标签多为空间，从不同维度对带有特定标签的电影桥段构建桥段网络。桥段网络的每个节点对应着不同的电影桥段，而桥段网络的每一条边对应着不同桥段间的内在关联。

对新增的桥段进行实时标签分析并融入桥段网络。电影桥段分析系统依赖经验，将新增的桥段进行实时标签分析，并智能分辨新桥段是否与桥段库已有桥段雷同或近似，若相近则驳回用户提交的新桥段并建议用户将其修改为对原有桥段的补充，若判定为未录入的新桥段，则将其归并到现有的桥段网络中，并通过新桥段的多维度标签，将其与桥段网络中的各个节点建立内在联系，以完善电影桥段网络。

c.根据用户定制个性化生成桥段链

用户可以通过标签分类或桥段搜索获得适合的电影桥段作为起始节点，电影桥段推荐系统将利用基于标签体系建立的电影桥段网络，启发式动态生成符合条理的桥段子网，系统根据多维度桥段网络以及已有影视作品的剧情逻辑对个性化桥段子网进行评分，系统将推荐评分最高的桥段链。用户也可以加入自己的创意与灵感选择不同的路径，系统将动态的再次生成新的个性化桥段子网。依据生成的桥段链，用户进一步加入人物关系、背景设定等细节，系统将生成个性化的剧本大纲。

实施例一：

基于标签体系的电影桥段分析系统的具体实施方式包括标签系统对桥段进行自动分析及归类：

中文桥段分词：采用逆向最大长度匹配方法对中文纯文本桥段进行分词，使用针对桥段领域以及影视领域进一步扩展的词库作为分词、词性标注以及特殊词条识别的词库标准，进一步提高中文桥段分词的准确率；

无关信息过滤：对中文桥段分词结果进行过滤，能够进行对标点符号、停用词、功能词(如连词、代词、助词)等与桥段分类无关信息进行过滤，降低对桥段进一步分析和归类的复杂度；

关键词抽取与扩展：对过滤后中文桥段分词文本匹配抽取与文本语义相关的词或短语，并识别出不局限于影视相关的专有名词，如人名、作品名、地名、疾病名等桥段内含关键词。对匹配抽取的高权重关键词进行语义扩展，进一步延伸关键词相关领域，扩展文本内容丰富度，进一步提高归类的查全率；

桥段基础分析：使用聚类分析手段，对桥段文本整体进行分析归类，对桥段关键词抽取结果进行整体概括，并借助标签体系对桥段分析结果进行标注。同时结合人工标注对聚类分析进行实时纠正和优化。

桥段细化归类：从人物、情节、关系、情感等多层面对桥段文本进行多类分类，利用多维度标签，针对高权重关键词以及桥段分类结果进行特征标注，实现桥段细化归类。

实施例二：

基于标签建立多维度桥段网络以及个性化生成桥段链的方法：

多维度人工标注的标签网络：基于桥段分类标签库建立标签网络，利用语义网络表示桥段分类标签以及桥段分类标签之间的内在联系。桥段标签网络为带有方向的网络图，每一个标签为其中的节点。弧表示标签之间的内在联系，弧是具有方向的，用来体系标签之间关系的主次。其中每个节点和每条弧都必须带有标识以区分不同标签和标签之间的内在联系。语义网络是一种用图来表示知识的结构化方式。在一个语义网络中，信息被表达为一组节点，节点通过一组带标记的有向直线彼此相连，用于表示节点间的关系。

标签网络是多层的，包括能够对桥段文本进行概括性标注的基础网络，还包括能够从人物层面、情节层面、关系层面、情感层面等其他层面进行细化标注的其他网络，同一层的网络内标签与标签通过弧来表示内在联系，不同层面的网络也通过弧来表示不同层面标签的联系。从而形成多维度的标签网络。

标签是多维度的，标签网络中的标签由多维度的标签组成，标签网络的不同层次区分了不同维度的标签。

弧将多种标签关联在一起，可以描述标签与标签之间的关系。包括并不限于人物标签之间的社交关系、人物标签之间的人际关系、情节标签之间的发展关系、情节标签之间的时间关系等标签关系。

标签标注桥段网络映射(如图2)：

将基于标签体系自动分析和归类后的桥段与多维度标签网络进行映射与扩展，生成基于标签的多维度桥段网络。网络中的节点为标签标注后的桥段，网络中的弧根据关系合理性评价机制建立桥段关系。关系的合理性评价机制基于影视作品剧本剧情创建和完善。合理性评价机制能够为标签桥段网络中的关系赋予权重。

桥段网络生成链：

桥段分析系统接受一定的限定条件，根据输入对基于标签建立多维度桥段网络进行推理构造生成树，并从桥段生成树中提取评价排名前列的生成路径为桥段链。桥段网络采用匹配推理方法或继承推理方法，根据桥段网络中桥段间的各种关系进行推理和联想，并依据关系的权重，评判桥段网络生成树中的合理程度。关系合理性评判机制将对桥段网络生成树的低评价分支进行优化和剪枝，从而优化桥段分析推荐的效率。桥段推荐系统对桥段生成树中评价排名前列的生成路径进行优化与扩展形成多条桥段链。生成过程中，桥段分析系统将接受人为干预，依据使用者个人偏好和喜爱程度，对后续网络生成树进行重新评判，并再次动态的生成新的个性化桥段链。

至少可以达到以下有益效果：

以庞大并不断扩充的电影桥段数据库为基础，通过多维度的标签分类算法，对电影桥段进行多层面分析处理，包括对桥段情节、桥段情感表达、桥段人物关系进行分析，建立桥段与多维度标签的内在联系，并基于标签体系为剧本编写提供启发式桥段推荐，能够帮助编剧进行剧本情节的连续创作，并为之提供合理性分析。本发明极大便利了编剧进行高质量剧本创作，通过桥段分析与推荐为剧本创作提供灵感源泉。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于标签体系的电影桥段分析推荐方法，其特征在于，包括如下步骤：

步骤1：在电影桥段数据库基础上建立电影桥段共享系统，对电影桥段数据库中对电影桥段进行编辑；

步骤2：对步骤1中桥段数据库中的电影桥段进行自动分析及归类，利用不同维度标签对电影桥段进行矢量标记，将矢量标记后的电影桥段映射到标签多为空间，从不同维度对带有特定标签的电影桥段构建电影桥段网络，建立多维度电影桥段网络；

步骤3：根据用户定制个性化将多维度电影桥段网络生成桥段链；

步骤4：根据桥段链加入设定细节，生成剧本大纲。

2.根据权利要求1所述的基于标签体系的电影桥段分析推荐方法，其特征在于，步骤1中对电影桥段进行编辑包括，对已有的电影桥段内容补充修改；增加未录入的新桥段；还包括对新桥段内容审核，判断其是否满足桥段库的规定和需求，以决定是否将补充修改后的桥段录入桥段库。

3.根据权利要求2所述的基于标签体系的电影桥段分析推荐方法，其特征在于，对所述步骤1中桥段数据库中的电影桥段进行自动分析及归类包括：

中文桥段分词，采用逆向最大长度匹配方法对中文纯文本桥段进行分词，使用针对桥段领域以及影视领域进一步扩展的词库作为分词、词性标注以及特殊词条识别的词库标准；

无关信息过滤，对中文桥段分词结果进行过滤，具体为对与桥段分类无关信息进行过滤；

关键词抽取与扩展，对过滤后中文桥段分词文本匹配抽取与文本语义相关的词或短语，并识别出桥段内含关键词，对匹配抽取的高权重关键词进行语义扩展；

桥段基础分析，使用聚类分析手段，对桥段文本整体进行分析归类，对桥段关键词抽取结果进行整体概括，并借助标签体系对桥段分析结果进行标注，同时结合人工标注对聚类分析进行实时纠正和优化；

桥段细化归类：从多层面对桥段文本进行多类分类，利用多维度标签，针对高权重关键词以及桥段分类结果进行特征标注，实现桥段细化归类。

4.根据权利要求3所述的基于标签体系的电影桥段分析推荐方法，其特征在于，步骤2中，所述建立多维度电影桥段网络，具体包括：

建立多维度标签网络：利用语义网络表示桥段分类标签以及桥段分类标签之间的内在联系，从而建立多维度标签网络；

所述多维度标签网络为带有方向的网络图，每一个标签为其中的节点，弧表示标签之间的内在联系，弧的方向体现系标签之间关系的主次，其中每个节点和每条弧带有标识区分不同标签和标签之间的内在联系；所述多维度标签网络，包括能够对桥段文本进行概括性标注的基础网络，还包括能够从人物层面、情节层面、关系层面和情感层面进行细化标注的其他网络，同一层的网络内标签与标签通过弧来表示内在联系，不同层面的网络也通过弧来表示不同层面标签的联系；

实现标签标注桥段网络映射：将多维度标签网络进行映射与扩展，生成基于标签的多维度电影桥段网络；

所述多维度电影桥段网络中的节点为标签标注后的桥段，多维度电影桥段网络中的弧根据关系合理性评价机制建立桥段关系，所述关系的合理性评价机制基于影视作品剧本剧情创建和完善，合理性评价机制能够为标签桥段网络中的关系赋予权重。

5.根据权利要求4所述的基于标签体系的电影桥段分析推荐方法，其特征在于，步骤3具体为：通过标签分类或桥段搜索获得适合的电影桥段作为起始节点，利用电影桥段网络，启发式动态生成符合条理的桥段子网，根据多维度桥段网络以及已有影视作品的剧情逻辑对个性化桥段子网进行评分，推荐评分最高的桥段链。

6.根据权利要求5所述的基于标签体系的电影桥段分析推荐方法，其特征在于，步骤3中，电影桥段网络生成桥段链，具体为根据输入对多维度电影桥段网络进行推理构造生成树，并从桥段生成树中提取评价排名前列的生成路径为桥段链，桥段网络采用匹配推理方法或继承推理方法，根据桥段网络中桥段间的各种关系进行推理和联想，并依据关系的权重，评判桥段网络生成树中的合理程度，关系合理性评判机制将对桥段网络生成树的低评价分支进行优化和剪枝，从而优化桥段分析推荐的效率，桥段推荐系统对桥段生成树中评价排名前列的生成路径进行优化与扩展形成多条桥段链，生成过程中，桥段分析系统将接受人为干预，依据使用者个人偏好和喜爱程度，对后续网络生成树进行重新评判，并再次动态的生成新的个性化桥段链。

7.根据权利要求6所述的基于标签体系的电影桥段分析推荐方法，其特征在于，步骤4具体为，依据生成的桥段链，加入人物关系和背景设定细节，生成个性化的剧本大纲。

8.根据权利要求7所述的基于标签体系的电影桥段分析推荐方法，其特征在于，步骤1中，所述电影桥段共享系统提供桥段的浏览、以及基于标签的分类和查询，桥段浏览包括了使用了该桥段的电影作品片段，还包括对其进行增添和修改的历史记录。