CN110458428A - 一种电影剧本精彩度量化评估系统 - Google Patents

Abstract

本发明实施例公开了一种电影剧本精彩度量化评估系统，所述电影剧本完成度量化评估系统将电影剧本进行自动识别拆解，拆解完成后添加标签，根据不同标签划分多个一级指标，所述一级指标包括：节拍点精彩度、情节拐点、伏笔、悬念点、情感体验、商业元素、形象塑造、人物关系、人物互动、人物关系转变和片名，不同的一级指标占比不同的权重，对不同的指标权重占比进行统计计算，量化所有评估要素的评估指标，利用评估模型进行评估分析，输出评估报告。本发明解决了现有电影剧本精彩度不能量化评估的问题。

Description

一种电影剧本精彩度量化评估系统

技术领域

本发明实施例涉及影视制作技术领域，具体涉及一种电影剧本精彩度量化评估系统。

背景技术

长期以来，我国市面上的影视评估产品均是基于主观经验的人工评价，而人工评估剧本存在主观化、不稳定、成本高、周期长等一系列问题，导致项目综合水平不明，投资风险把控不力，难以与金融体系或其他资源进行开放合作。

剧作一直是中国电影的薄弱环节。在低品质电影转向高品质电影消费升级的时代，鉴于观众对高质量电影的呼声日渐高涨，广大的电影工作者需要打造更多合格的商业电影，从源头上寻求制造“爆款”剧本的方法论，以立足于头部效应加剧、烂片必死的市场环境。现今市面上的电影剧本评估服务，大多以主观经验为基础，电影剧本精彩度不能进行客观的考量，缺少通过量化客观数据来挖掘科学创作规律的论证过程，作品投资风险不可控

发明内容

为此，本发明实施例提供一种电影剧本精彩度量化评估系，以解决现有电影剧本精彩度不能量化评估的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

根据本发明实施例公开了一种电影剧本精彩度量化评估系统，所述电影剧本完成度量化评估系统将电影剧本进行自动识别拆解，拆解完成后添加标签，根据不同标签划分多个一级指标，所述一级指标包括：节拍点精彩度、情节拐点、伏笔、悬念点、情感体验、商业元素、形象塑造、人物关系、人物互动、人物关系转变和片名，不同的一级指标占比不同的权重，对不同的指标权重占比进行统计计算，量化所有评估要素的评估指标，利用评估模型进行评估分析，输出评估报告。

进一步地，所述评估系统包括以下操作步骤：

步骤1，将电影剧本、大纲、梗概和人物小传导入系统，对剧本进行拆解，提取剧本要素；

步骤2，系统以场为单位，通过自然语言处理与机器学习算法，智能识别剧本内容中的场景类别、标签和情节点，基于采集的影视大数据，利用专业的统计、分析与算法技术，实现对影视作品的定性与定量评估、多维分析和规律发现；

步骤3，进行人机交互，人工校对场景类别、标签和情节点，以多种形式输入各项指标的评估记录；

步骤4，进行多维指标的统计与分析，按照电影剧本完成度量化评估的指标和权重进行计算，判断电影剧本的完成度，在评估模型的基础上，通过人工智能方法对评估模型进行优化；

步骤5，系统面向评估人员提供人机交互的操作界面，实时统计评估结果，采用并通过丰富多样的图表对评估结果进行渲染和展示；

步骤6，对历史数据进行分析，系统定时统计评估完成项目的指标得分，复用指标运算逻辑，保证运算结果一致，将各项目指标得分存入中间表。

进一步地，所述步骤1中将电影剧本、大纲、梗概和人物小传导入系统，对电影剧本进行自动解析和人物对白识别分析，电影剧本的自动解析基于提前进行多个剧本的拆解训练，总结共性规律，以要素和分隔符的常用排列组合定义出预设的标题样式表达式，通过算法循环匹配目标剧本和预设的标题样式表达式，找出最符合目标剧本的标题样式表达式，经过剧本自动解析后，将整体剧本拆分成单场，并区分出每场的标题和内容，从标题中识别出场号、场景、氛围、内外景、人物等要素，依据要素信息直接统计出场数、日夜戏比例、内外景比例、各场字数、最佳场景的综合统计量。

进一步地，所述人物对白识别分析基于固定格式的文本扫描匹配和误差修正分析出人物和对白，统计出前十位最佳人物，人物对白字数占比，对人物对白进行文本分词和误差修正，分析计算出分词后词频与词性，统计出了人物对白词性占比、人物对白常用词云。

进一步地，所述步骤2中，对拆分后的剧本进行智能分析与统计，实现对影视作品的定性与定量评估、多维分析和规律发现，智能分析包括：

场景标签设定，利用贝叶斯定理计算场景在各标签的概率分布，完成标签分类任务；

评估要点标注，用分词和SVM实现情节点、伏笔、悬念等评估要点的自动标注；

角色提取，利用命名实体、句法依存等算法，对剧本、大纲等文学内容的主要角色进行提取；

角色关系提取，利用人工构建的决策树划定角色对的关系范围，应用随机森林模型在关系范围内进行精准预测；

文本摘要生成，利用卷积神经网络对文本内容进行摘要生成，并添加复制机制完成人名的复写；

平台推荐，对平台和剧目的受众、题材等方面进行关联分析，为预播剧目推荐契合度最高的平台。

进一步地，所述步骤3中，进行人工校对场景类别、标签和情节点，剧本内容页面为父窗口，评估页面为子窗口，在人工评估操作过程中，父子窗口分屏展示，对照操作，当父窗口关闭时，子窗口操作被阻止，防止误操作产生错误数据，同时，父子窗口存在联动关系，在父窗口点击场内容时，子窗口自动跳转到对应场的评估记录；在子窗口点击评估记录场号标签时，父窗口自动切换到对应场的剧本内容，通过双向联动，评估人员可以便捷的对具体内容进行定位与评估。

进一步地，所述步骤4中，将经过人工评估增加的指标评估记录经过初步聚合统计，得到指标初始数值，成为显示指标，人工评估在若干场标注了某个标签，通过统计得到的标签数量即该标签对应指标的初始数值；

显示指标并不一定是真正算分的运算指标，从显示指标到运算指标需要进行衍生运算，每场的节奏是显示指标，实际上节奏强度和节奏波动率才用于计算节奏指标的分数，从节奏值数组计算出节奏强度和节奏波动率的过程称为指标衍生，经过指标衍生过程后的运算指标值称为聚合值，有些显示指标同时也是运算指标，则指标聚合值等于指标初始数值。

进一步地，所述聚合值根据评分标准进行归一化，各项指标聚合值，由于指标意义差异，数值上差异很大，需要归一化为百分制，才具有横向对比判断指标得分高低的可行性，系统根据历史数据统计分析，预设各项指标的评分归一化标准，将聚合值归一化为百分制的指标得分；

指标得分加权汇总出一级指标得分和总分，指标得分对应二级指标，根据预设的指标权重，加权得出一级指标得分，一级指标得分再加权得出总分。

进一步地，所述步骤5中，生成评估报告，利用统一的数据组装和图表生成机制生成总分构成和单向指标的数据与图表，系统采用统一的接口算法计算指标数据，接口算法在接口名、参数、结果集数据结构方面风格统一，便于扩展，利用开源的ECharts插件统一进行图表展示与渲染。

进一步地，所述步骤6中，系统定时统计评估完成项目的指标得分，复用指标运算逻辑，保证运算结果一致，将各项目指标得分存入中间表，人工实时查询指标汇总统计和明细统计结果，分项目类型与题材进行查询，当选定项目类型后，页面自动提供对应的指标复选框供勾选，统计结果支持动态排序。指标汇总统计可以查询对应项目类型与题材条件下，历史数据各指标的高中低分界值，可用于在评估时确定目标剧本指标值得分处于历史数据的何种水平，同时可以作为调整评分标准的参照依据，指标明细统计可以查询对应项目类型与题材条件下，具体项目具体指标的分值。

本发明实施例具有如下优点：

本发明实施例公开了一种电影剧本精彩度量化评估系统，通过对剧本的自动拆分，识别剧本中的标签、情节点和场景类别，添加独有的指标体系，经过人工校对，进行多维指标的统计与分析，按照电影剧本精彩度量化评估的指标和权重进行计算，在评估模型的基础上，通过人工智能方法对评估模型进行优化，实时统计评估结果，采用并通过丰富多样的图表对评估结果进行渲染和展示，同时能够对历史数据进行分析。实现对影视作品的定性与定量评估、融合数据的多维相关分析和规律发现，利用剧本析构、要素分解、动态权重确权等方法，对电影剧本及进行全方位、多角度、深层次的评估，形成完整的电影评估报告，可以直观地帮助电影工作者找到问题症结，为国产电影工业化、体系化提供强大驱动力，助推电影艺术创作良性发展。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

图1为本发明实施例提供的一种电影剧本完成度量化评估系统流程图；

图2为本发明实施例提供的节拍点精彩度旭日图；

图3为本发明实施例提供的伏笔散点图；

图4为本发明实施例提供的悬念点散点图；

图5为本发明实施例提供的情感体验柱状图；

图6为本发明实施例提供的商业元素柱状图；

图7为本发明实施例提供的形象塑造柱状图；

图8为本发明实施例提供的人物关系的关系图；

图9为本发明实施例提供的人物互动和关系转变堆叠条形图；

图10为本发明实施例提供的片名雷达图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

参考图1，本实施例公开了一种电影剧本完成度量化评估系统，包括：步骤1，将电影剧本、大纲、梗概和人物小传导入系统，对剧本进行拆解，提取剧本要素。将电影剧本、大纲、梗概和人物小传导入系统，对电影剧本进行自动解析和人物对白识别分析，电影剧本的自动解析基于提前进行多个剧本的拆解训练，总结共性规律，例如：每场剧本文本由标题部分加换行符加内容部分构成；标题部分至少含有场号、场景、氛围、内外景、人物等要素中的若干项，其中必含场号；要素和要素之间有分隔符，常见的为空格和换行符；场号大多数为数字或数字对应汉字；一个剧本中，场号按升序排列，闪回特殊情况除外。

总结共性规律后，以要素和分隔符的常用排列组合定义出预设的标题样式表达式，通过算法循环匹配目标剧本和预设的标题样式表达式，找出最符合目标剧本的标题样式表达式，经过剧本自动解析后，将整体剧本拆分成单场，并区分出每场的标题和内容，从标题中识别出场号、场景、氛围、内外景、人物等要素，依据要素信息直接统计出场数、日夜戏比例、内外景比例、各场字数、最佳场景的综合统计量。

人物对白一般文本模式为：人物+特殊符号+对白内容；人物+内心独白+特殊符号+对白内容；人物+无效文字+特殊符号+对白内容；

人物对白识别分析基于固定格式的文本扫描匹配和误差修正分析出人物和对白，统计出前十位最佳人物，人物对白字数占比，对人物对白进行文本分词和误差修正，分析计算出分词后词频与词性，统计出了人物对白词性占比、人物对白常用词云。

步骤2，系统以场为单位，通过自然语言处理与机器学习算法，智能识别剧本内容中的场景类别、标签和情节点，基于采集的影视大数据，利用专业的统计、分析与算法技术，实现对影视作品的定性与定量评估、多维分析和规律发现，对拆分后的剧本进行智能分析与统计，智能识别剧本内容中的场景类别，例如：行动、情感、冲突、空境；情感体验，例如：笑点、泪点、兴奋点、共鸣点；矛盾冲突，例如：一级人与人冲突、二级人与人冲突、三级人与人冲突；以及商业元素的融合，实现对影视作品的定性与定量评估、多维分析和规律发现，智能分析包括：

场景标签设定，利用贝叶斯定理计算场景在各标签的概率分布，完成标签分类任务；

评估要点标注，用分词和SVM实现情节点、伏笔、悬念等评估要点的自动标注；

角色提取，利用命名实体、句法依存等算法，对剧本、大纲等文学内容的主要角色进行提取；

角色关系提取，利用人工构建的决策树划定角色对的关系范围，应用随机森林模型在关系范围内进行精准预测；

文本摘要生成，利用卷积神经网络对文本内容进行摘要生成，并添加复制机制完成人名的复写；

平台推荐，对平台和剧目的受众、题材等方面进行关联分析，为预播剧目推荐契合度最高的平台。

步骤3，进行人机交互，人工校对场景类别、标签和情节点，以多种形式输入各项指标的评估记录，剧本内容页面为父窗口，评估页面为子窗口，在人工评估操作过程中，父子窗口分屏展示，对照操作，当父窗口关闭时，子窗口操作被阻止，防止误操作产生错误数据，同时，父子窗口存在联动关系，在父窗口点击场内容时，子窗口自动跳转到对应场的评估记录；在子窗口点击评估记录场号标签时，父窗口自动切换到对应场的剧本内容，通过双向联动，评估人员可以便捷的对具体内容进行定位与评估。

步骤4，进行多维指标的统计与分析，按照电影剧本完成度量化评估的指标和权重进行计算，在评估模型的基础上，通过人工智能方法对评估模型进行优化，将经过人工评估增加的指标评估记录经过初步聚合统计，得到指标初始数值，成为显示指标，人工评估在若干场标注了某个标签，通过统计得到的标签数量即该标签对应指标的初始数值；

显示指标并不一定是真正算分的运算指标，从显示指标到运算指标需要进行衍生运算，每场的节奏是显示指标，实际上节奏强度和节奏波动率才用于计算节奏指标的分数，从节奏值数组计算出节奏强度和节奏波动率的过程称为指标衍生，经过指标衍生过程后的运算指标值称为聚合值，有些显示指标同时也是运算指标，则指标聚合值等于指标初始数值。

聚合值根据评分标准进行归一化，各项指标聚合值，由于指标意义差异，数值上差异很大，需要归一化为百分制，才具有横向对比判断指标得分高低的可行性，系统根据历史数据统计分析，预设各项指标的评分归一化标准，将聚合值归一化为百分制的指标得分；

指标得分加权汇总出一级指标得分和总分，指标得分对应二级指标，根据预设的指标权重，加权得出一级指标得分，一级指标得分再加权得出总分。

步骤5，系统面向评估人员提供人机交互的操作界面，实时统计评估结果，采用并通过丰富多样的图表对评估结果进行渲染和展示；生成评估报告，利用统一的数据组装和图表生成机制生成总分构成和单向指标的数据与图表，系统采用统一的接口算法计算指标数据，接口算法在接口名、参数、结果集数据结构方面风格统一，便于扩展，利用开源的ECharts插件统一进行图表展示与渲染。

参考表1，通过以下具体的例子，说明电影剧本完成度量化评估涉及到的一级指标及渲染的效果。

表1

一级指标	量化类别	动态权重范围
			节拍点精彩度	评星	10％—30％
情节拐点	自动识别	×10—20
			伏笔	多场标签	×30—50
悬念点	多场标签	×30—50
			情感体验	单场标签	×10—20
商业元素	单场标签	×5—15
			形象塑造	勾选项	×1—5
人物关系	列表	×1—5
			人物互动	单场标签	×1—5
人物关系转变	单场标签	×30—50
			片名	评星	5％—15％

1、节拍点精彩度的量化类别为评星，其权重范围为10分—30分

参考图2，系统在15个节拍点后各设五星评分，据此反映情节创意与情节内容的水准，待计算机标注及人工校对以后，系统加以不同权重计算总分。

2、情节拐点的量化类别为自动识别，其权重范围系数为×10—20

系统自动识别情节拐点，待计算机标注及人工校对以后，系统加以不同权重得出总分，再乘以系数得到最后分数。

3、伏笔的量化类别为多场标签，其权重范围系数为×30—50

参考图3，系统将伏笔设置为多场标签，并默认各伏笔出现的首场为伏笔产生，末场为伏笔揭示，中间场次则均为二次伏笔。待系统贴标签和人工校对工作完成后，系统计算所有伏笔设置的总场次数，并除以影片时长得到伏笔设置的密度，再加以权重计算出总分，再乘以系数得到最后分数。

4、悬念点的量化类别为多场标签，其权重范围系数为×30—50

参考图4，系统将悬念点设置为多场标签，并默认各悬念点出现的首场为悬念点产生，末场为悬念点揭示，中间场次则均为二次悬念点。待系统贴标签和人工校对工作完成后，系统计算所有悬念点设置的总场次数，并除以影片时长得到悬念点设置的密度，再加以权重计算出总分，再乘以系数得到最后分数。

5、情感体验的量化类别为单场标签，其权重范围系数为×10—20

参考图5，系统将情感体验设置为单场标签，待系统贴标签和人工校对工作完成后，系统计算所有情感体验的总标签数，并展示其场次分布、阶段性线段型节拍点分布及相互占比。总标签数除以影片时长得到情感体验的密度，再加以权重计算出总分，再乘以系数得到最后分数。

6、商业元素的量化类别为单场标签，其权重范围系数为×5—15

参考图6，系统将商业元素设置为单场标签，待系统贴标签和人工校对工作完成后，系统计算所有商业元素的总标签数，并展示其场次分布、阶段性线段型节拍点分布及相互占比。总标签数除以影片时长得到商业元素的密度，再加以权重计算出总分，再乘以系数得到最后分数。

7、形象塑造的量化类别为勾选项，其权重范围系数为×1—5

参考图7，系统将剧中人物形象塑造的加分条件设置为勾选项，待系统标注及人工校对审核后，系统计算各人物的形象塑造得分，据此反映人物角色的丰满性情况，并加以权重得出平均分，再乘以系数得到最后分数。

8、人物关系的量化类别为列表，其权重范围系数为×1—5

参考图8，系统提取主要角色及主要角色的关系，待人工校对后，系统据此自动生成人物关系图，以反映人物关系的辐射网络。关系总条数除以核心人物数得到人物关系密度，再加以权重得出总分。

9、人物互动和人物关系转变的量化类别为单场标签，其权重范围系数为×1—5

参考图9，系统识别单场的两两核心人物互动，人工进行审核校对。如出现关系转变，则在人物互动基础上进行勾选，计算机统计所有核心人物的互动总次数、关系转变总次数，并除以影片时长得出人物互动和关系转变密度，再加以权重计算总分，再加以权重得出总分。

10、片名的量化类别为评星，其权重范围为5分—15分

参考图10，系统将片名的市场号召力分为5种特性，每种后设五星评分，待系统标注及人工审核后，加以权重计算总分。

在剧本的量化评估过程中，发现剧本存在逻辑问题和审查风险，则会对剧本的综合评分进行减分，并对逻辑问题和审查风险进行罗列，提出修改建议。

步骤6，系统定时统计评估完成项目的指标得分，复用指标运算逻辑，保证运算结果一致，将各项目指标得分存入中间表，人工实时查询指标汇总统计和明细统计结果，分项目类型与题材进行查询，当选定项目类型后，页面自动提供对应的指标复选框供勾选，统计结果支持动态排序。指标汇总统计可以查询对应项目类型与题材条件下，历史数据各指标的高中低分界值，可用于在评估时确定目标剧本指标值得分处于历史数据的何种水平，同时可以作为调整评分标准的参照依据，指标明细统计可以查询对应项目类型与题材条件下，具体项目具体指标的分值。

在评估中计算机通过人工智能读取所提供的影视剧文本，采用量化标准和模型的多项指标监测、权重分析、大数据深度挖掘等方法，结合资深专业人力从全剧本、单场逐级进行细分和解读，对作品进行全方位、多角度、深层次的分析并形成评估报告，给出专业精准的剧本修改意见。相较于传统的专家式项目评估，数据量化评估拥有客观的评价指标，避免了个人主观因素的影响，在评估结果中能够对项目进行风险预警，指出不足并给出优化意见。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.一种电影剧本精彩度量化评估系统，其特征在于，所述电影剧本完成度量化评估系统将电影剧本进行自动识别拆解，拆解完成后添加标签，根据不同标签划分多个一级指标，所述一级指标包括：节拍点精彩度、情节拐点、伏笔、悬念点、情感体验、商业元素、形象塑造、人物关系、人物互动、人物关系转变和片名，不同的一级指标占比不同的权重，对不同的指标权重占比进行统计计算，量化所有评估要素的评估指标，利用评估模型进行评估分析，输出评估报告。

2.如权利要求1所述的一种电影剧本精彩度量化评估系统，其特征在于，所述评估系统包括以下操作步骤：

步骤1，将电影剧本、大纲、梗概和人物小传导入系统，对剧本进行拆解，提取剧本要素；

步骤2，系统以场为单位，通过自然语言处理与机器学习算法，智能识别剧本内容中的场景类别、标签和情节点，基于采集的影视大数据，利用专业的统计、分析与算法技术，实现对影视作品的定性与定量评估、多维分析和规律发现；

步骤3，进行人机交互，人工校对场景类别、标签和情节点，以多种形式输入各项指标的评估记录；

步骤4，进行多维指标的统计与分析，按照电影剧本完成度量化评估的指标和权重进行计算，判断电影剧本的完成度，在评估模型的基础上，通过人工智能方法对评估模型进行优化；

步骤5，系统面向评估人员提供人机交互的操作界面，实时统计评估结果，采用并通过丰富多样的图表对评估结果进行渲染和展示；

步骤6，对历史数据进行分析，系统定时统计评估完成项目的指标得分，复用指标运算逻辑，保证运算结果一致，将各项目指标得分存入中间表。

3.如权利要求1所述的一种电影剧本精彩度量化评估系统，其特征在于，所述步骤1中将电影剧本、大纲、梗概和人物小传导入系统，对电影剧本进行自动解析和人物对白识别分析，电影剧本的自动解析基于提前进行多个剧本的拆解训练，总结共性规律，以要素和分隔符的常用排列组合定义出预设的标题样式表达式，通过算法循环匹配目标剧本和预设的标题样式表达式，找出最符合目标剧本的标题样式表达式，经过剧本自动解析后，将整体剧本拆分成单场，并区分出每场的标题和内容，从标题中识别出场号、场景、氛围、内外景、人物等要素，依据要素信息直接统计出场数、日夜戏比例、内外景比例、各场字数、最佳场景的综合统计量。

4.如权利要求3所述的一种电影剧本精彩度量化评估系统，其特征在于，所述人物对白识别分析基于固定格式的文本扫描匹配和误差修正分析出人物和对白，统计出前十位最佳人物，人物对白字数占比，对人物对白进行文本分词和误差修正，分析计算出分词后词频与词性，统计出了人物对白词性占比、人物对白常用词云。

5.如权利要求1所述的一种电影剧本精彩度量化评估系统，其特征在于，所述步骤2中，对拆分后的剧本进行智能分析与统计，实现对影视作品的定性与定量评估、多维分析和规律发现，智能分析包括：

场景标签设定，利用贝叶斯定理计算场景在各标签的概率分布，完成标签分类任务；

评估要点标注，用分词和SVM实现情节点、伏笔、悬念等评估要点的自动标注；

角色提取，利用命名实体、句法依存等算法，对剧本、大纲等文学内容的主要角色进行提取；

角色关系提取，利用人工构建的决策树划定角色对的关系范围，应用随机森林模型在关系范围内进行精准预测；

文本摘要生成，利用卷积神经网络对文本内容进行摘要生成，并添加复制机制完成人名的复写；

平台推荐，对平台和剧目的受众、题材等方面进行关联分析，为预播剧目推荐契合度最高的平台。

6.如权利要求1所述的一种电影剧本精彩度量化评估系统，其特征在于，所述步骤3中，进行人工校对场景类别、标签和情节点，剧本内容页面为父窗口，评估页面为子窗口，在人工评估操作过程中，父子窗口分屏展示，对照操作，当父窗口关闭时，子窗口操作被阻止，防止误操作产生错误数据，同时，父子窗口存在联动关系，在父窗口点击场内容时，子窗口自动跳转到对应场的评估记录；在子窗口点击评估记录场号标签时，父窗口自动切换到对应场的剧本内容，通过双向联动，评估人员可以便捷的对具体内容进行定位与评估。

7.如权利要求1所述的一种电影剧本精彩度量化评估系统，其特征在于，所述步骤4中，将经过人工评估增加的指标评估记录经过初步聚合统计，得到指标初始数值，成为显示指标，人工评估在若干场标注了某个标签，通过统计得到的标签数量即该标签对应指标的初始数值；

显示指标并不一定是真正算分的运算指标，从显示指标到运算指标需要进行衍生运算，每场的节奏是显示指标，实际上节奏强度和节奏波动率才用于计算节奏指标的分数，从节奏值数组计算出节奏强度和节奏波动率的过程称为指标衍生，经过指标衍生过程后的运算指标值称为聚合值，有些显示指标同时也是运算指标，则指标聚合值等于指标初始数值。

8.如权利要求7所述的一种电影剧本精彩度量化评估系统，其特征在于，所述聚合值根据评分标准进行归一化，各项指标聚合值，由于指标意义差异，数值上差异很大，需要归一化为百分制，才具有横向对比判断指标得分高低的可行性，系统根据历史数据统计分析，预设各项指标的评分归一化标准，将聚合值归一化为百分制的指标得分；

指标得分加权汇总出一级指标得分和总分，指标得分对应二级指标，根据预设的指标权重，加权得出一级指标得分，一级指标得分再加权得出总分。

9.如权利要求1所述的一种电影剧本精彩度量化评估系统，其特征在于，所述步骤5中，生成评估报告，利用统一的数据组装和图表生成机制生成总分构成和单向指标的数据与图表，系统采用统一的接口算法计算指标数据，接口算法在接口名、参数、结果集数据结构方面风格统一，便于扩展，利用开源的ECharts插件统一进行图表展示与渲染。

10.如权利要求1所述的一种电影剧本精彩度量化评估系统，其特征在于，所述步骤6中，系统定时统计评估完成项目的指标得分，复用指标运算逻辑，保证运算结果一致，将各项目指标得分存入中间表，人工实时查询指标汇总统计和明细统计结果，分项目类型与题材进行查询，当选定项目类型后，页面自动提供对应的指标复选框供勾选，统计结果支持动态排序。指标汇总统计可以查询对应项目类型与题材条件下，历史数据各指标的高中低分界值，可用于在评估时确定目标剧本指标值得分处于历史数据的何种水平，同时可以作为调整评分标准的参照依据，指标明细统计可以查询对应项目类型与题材条件下，具体项目具体指标的分值。