CN116308214B - 一种影视全流程制作管理系统 - Google Patents
一种影视全流程制作管理系统 Download PDFInfo
- Publication number
- CN116308214B CN116308214B CN202310548473.4A CN202310548473A CN116308214B CN 116308214 B CN116308214 B CN 116308214B CN 202310548473 A CN202310548473 A CN 202310548473A CN 116308214 B CN116308214 B CN 116308214B
- Authority
- CN
- China
- Prior art keywords
- film
- data
- historical
- television
- attribute data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 52
- 238000013450 outlier detection Methods 0.000 claims abstract description 27
- 238000007726 management method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000009826 distribution Methods 0.000 claims description 28
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 9
- 238000005315 distribution function Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 10
- 239000004973 liquid crystal related substance Substances 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明涉及影视制作技术领域,具体涉及一种影视全流程制作管理系统,该系统包括:数据获取模块,用于获取待制作影视与历史影视的主属性数据和剧本数据,以及历史影视的次属性数据和评分数据;数据筛选模块,用于获得任意两个影视之间的距离度量参数;进而获得待制作影视与任意一个历史影视之间的优选度量参数;对所有影视进行分类,将待制作影视所在类别记为借鉴影视集;数据处理模块,用于根据借鉴影视集中每个历史影视的次属性数据得到邻域范围值,对借鉴影视集中每个历史影视的次属性数据进行离群检测,最终获得待制作影视的全流程制作结果。本发明解决了影视的全流程制作结果较差的问题,使得全流程制作的计划书效果更优。
Description
技术领域
本发明涉及影视制作技术领域,具体涉及一种影视全流程制作管理系统。
背景技术
制片管理是影视行业的一个重要概念。不同的剧组中的工作人员数量不等,涉及的工作领域非常宽泛,工作纷繁复杂。影视全流程制作管理是需要协调和管理影视制作的整个过程。整个制作流程的初始方案计划书需要初步敲定每个制作环节的完成节点,对于选角演员档期、上映宣传活动、剧情节奏设计、资金回报预测等规划具有重要的参考意义,尤其关系到后续各部门工作安排的顺利开展。
但由于不确定因素较多,因此预测制作时长往往比较粗糙,一份贴合剧组实际情况的初始方案计划书不易制定。现有利用历史大数据智能化规划初始方案计划书的方式,但由于参考的历史数据规划模型不够完善,导致制定的计划书与实际制作流程存在较大的差异,进而使得影视的全流程制作结果较差。
发明内容
为了解决影视的全流程制作结果较差的技术问题,本发明的目的在于提供一种影视全流程制作管理系统,所采用的技术方案具体如下:
数据获取模块,用于获取待制作影视与历史影视的主属性数据和剧本数据,以及历史影视的次属性数据和评分数据;
数据筛选模块,用于根据任意两个影视之间的主属性数据的差异情况和剧本数据的差异情况,得到任意两个影视之间的距离度量参数;根据待制作影视与任意一个历史影视之间的度量距离参数和历史影视的评分数据,得到待制作影视与任意一个历史影视之间的优选度量参数;根据距离度量参数和优选度量参数对所有影视进行分类;将待制作影视所在类别记为借鉴影视集;
数据处理模块,用于根据借鉴影视集中每个历史影视的次属性数据得到邻域范围值,根据邻域范围值对借鉴影视集中每个历史影视的次属性数据进行离群检测,根据离群检测结果和借鉴影视集中历史影视的次属性数据得到待制作影视的全流程制作结果。
优选地,所述根据任意两个影视之间的主属性数据的差异情况和剧本数据的差异情况,得到任意两个影视之间的距离度量参数,具体包括:
将任意两个影视分别记为第一影视和第二影视,计算第一影视和第二影视同一类型的主属性数据之间的差值的绝对值,对第一影视和第二影视对应的所有差值的绝对值进行归一化处理,将归一化后的所有差值绝对值的均值作为第一差异系数;
根据第一影视和第二影视的剧本数据中的关键词得到第一影视和第二影视之间的相关性指标,以第一预设值与归一化后的相关性指标之间的差值作为第二差异系数;
计算第一差异系数和第二差异系数的L2范数得到第一影视和第二影视之间的距离度量参数。
优选地,所述根据第一影视和第二影视的剧本数据中的关键词得到第一影视和第二影视之间的相关性指标具体为:
将第一影视的剧本数据中所有关键词构成第一关键词序列,将第二影视的剧本数据中所有关键词构成第二关键词序列,获取第一关键词序列和第二关键词序列对应位置处相同的关键词数量,对相同的关键词数量进行归一化处理得到第一影视和第二影视之间的相关性指标。
优选地,所述根据待制作影视与任意一个历史影视之间的度量距离参数和历史影视的评分数据,得到待制作影视与任意一个历史影视之间的优选度量参数,具体包括:
将任意一个历史影视数据记为选定历史影视,根据选定历史影视的评分数据得到选定历史影视的权值因子,选定历史影视的评分数据与所述权值因子之间呈负相关关系;
将待制作影视与选定历史影视之间的度量距离参数与权值因子的乘积作为待制作影视与选定历史影视之间的优选度量参数。
优选地,所述根据选定历史影视的评分数据得到选定历史影视的权值因子具体为:
获取所有历史影视的评分数据的最大值,计算最大值与第二预设值的和值,并计算选定历史影视的评分数据与所述和值之间的比值,将第三预设值与该比值之间的差值作为选定历史影视的权值因子。
优选地,所述根据借鉴影视集中每个历史影视的次属性数据得到邻域范围值具体为:
将借鉴影视集中任意一个历史影视制作流程的任意一种类型的次属性数据记为目标影视制作流程的目标种类的次属性数据,计算目标种类的所有次属性数据的均值和方差,构建目标种类的次属性数据的高斯分布模型;
计算目标种类的所有次属性数据的极差,基于极差和高斯分布模型得到目标种类的次属性数据的邻域范围值。
优选地,所述邻域范围值的计算公式具体为:
其中,表示目标影视的制作流程α的第w类次属性数据进行LOF离群检测的邻域范围值,/>表示目标影视的制作流程α的第w类次属性数据中的最大值,/>表示目标影视的制作流程α的第w类次属性数据中的最小值,/>表示目标影视的制作流程α的第w类次属性数据的高斯分布函数,lg和rg分别表示高斯分布模型对应的高斯曲线的左谷点和右谷点对应的横坐标,-2σ和2σ分别表示高斯曲线的横坐标取值,σ表示高斯分布函数中的方差。
优选地,所述根据离群检测结果和借鉴影视集中历史影视的次属性数据得到待制作影视的全流程制作结果具体为:
获取目标影视制作流程的目标种类的所有次属性数据中异常数据的数量记为第一数量,获取目标影视的目标种类的所有次属性数据的总数量记为第二数量,将第一数量和第二数量的比值记为目标影视的目标种类的特征比值;
计算目标影视制作流程的所有种类的特征比值的和值的欧氏范数,将目标影视对应的欧氏范数的归一化数值与目标影视对应的制作周期之间的乘积作为目标影视的周期系数指标;
将借鉴影视集中除待制作影视外其他所有影视对应的归一化后的周期系数指标的和值作为待制作影视制作流程的制作完成周期,根据待制作影视制作流程的制作完成周期得到全流程制作结果。
优选地,所述获取待制作影视与历史影视的主属性数据和剧本数据,以及历史影视的次属性数据和评分数据具体为:
将历史影视的影视类型数据、影视资金数据和影视规模数据作为历史影视的主属性数据,将历史影视的日完成率和日耗资量作为历史影视的次属性数据,将历史影视的剧本文本记为历史影视的剧本数据,将历史影视的票房数据或者影视评分作为历史影视的评分数据;
将待制作影视的影视类型数据、影视资金数据和影视规模数据作为待制作影视的主属性数据,将待制作影视的剧本文本记为历史影视的剧本数据。
本发明实施例至少具有如下有益效果:
本发明通过比较两个影视的主属性数据之间的差异情况以及剧本数据之间的差异情况,获得影视之间的距离度量参数,即在对影视数据进行分类时,能够考虑待制作影视与历史影视之间的主要数据差异,同时剧本数据作为影视的核心数据,分析剧本数据之间的差异情况,能够在分类时获得更加准确的借鉴影视数据。进一步的,在获取待制作影视与历史影视之间的优选度量参数时,考虑了历史影视的评分数据,在避免粗制滥造的前提下,使得借鉴影视尽可能为评分较高、评价较好的影视;根据距离度量参数和优选度量参数对所有影视进行分类,获得的借鉴影视集中的历史影视具有较优的借鉴效果。最后,根据借鉴影视集中每个历史影视的次属性数据得到邻域范围值,通过对借鉴影视集中历史影视的次属性数据进行分析,自适应的获取邻域范围,使得对次属性数据进行离群检测的结果更加准确,根据离群检测结果和借鉴影视集中历史影视的次属性数据得到待制作影视的全流程制作结果,本发明使得全流程制作的计划书完成周期节点规划更加贴合实际,效果更优。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据这些附图获得其它附图。
图1是本发明的一种影视全流程制作管理系统的系统框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种影视全流程制作管理系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种影视全流程制作管理系统的具体方案。
实施例:
本发明所针对的具体场景为:整个制作流程的初案计划书需要初步敲定每个制作环节的完成节点,对于选角演员档期、上映宣传活动、剧情节奏设计、资金回报预测等规划具有重要的参考意义,尤其关系到后续各部门工作安排的顺利开展。
本发明的主要目的是:影视全流程制作管理系统是一种可以协调和管理影视制作的整个过程的软件系统。该系统主要集成了影视制作所需的各项资源、资料、人员和技术等要素,依据影视制作工作流程的特点,提供了从计划、拍摄、编导、剪辑、特效、制作等方面的各项功能,能够帮助影视制作人员高效率地完成影视制作流程。进一步的,利用影视全流程制作管理系统通过同类型影视的历史大数据,对本剧组的影视制作过程中各个完成节点的时间周期进行规划。
请参阅图1,其示出了本发明一个实施例提供的一种影视全流程制作管理系统的系统框图,该系统包括:数据获取模块,数据筛选模块和数据处理模块。
数据获取模块,用于获取待制作影视与历史影视的主属性数据和剧本数据,以及历史影视的次属性数据和评分数据。
需要说明的是,影视商业计划书存在保密协议,未上映之前不得泄露制作细节,而已经上映的部分影视在上映一段时间后会公开制作细节,例如某一部电影的耗资、拍摄计划、拍摄周期以及剧组记录日志等等。对于一个待制作的影视,可以首先根据需求拟定流程规划,即规划完成一个影视制作需要哪些步骤,可以通过系统建模或者人工经验敲定。
将一个已经敲定制作流程的待制作的影视记为待制作影视,然后需要尽可能多的搜集业内影视制作具有相同制作流程的历史大数据,例如,待制作影视需要特效嵌入,则搜集历史数据中其他影视特效制作的记录数据;待制作影视需要后期配音,则搜集历史数据中其他影视后期配音工作的记录数据。
需要说明的是,尽管不是所有影视都会在网络上公开制作过程,但仍可以获取足量的大数据,包括每个影视的类型、资金投入、剧本、参演规模、各个完成节点的实际完成时长和计划时长差异、上映票房、评分等。这些数据均为常规渠道可获取的公开信息,如通过线上线下调研、网络爬虫搜集等方式获取其他影视制作过程中的相关数据,也可以通过商业类型的SaaS应用中获取,其主要提供商是各类影视数据公司,他们为影片的前期策划、剧本、选角,后期营销、发行策略的制定提供数据和智库参考。同时,票房数据、评分数据获取途径较多,不多赘述。
在本实施例中,将所有搜集到的数据整理为以每一个影视ID为主单位,即将历史大数据中的每个影视记为历史影视,将历史影视的影视类型数据、影视资金数据和影视规模数据作为历史影视的主属性数据,将历史影视的日完成率和日耗资量作为历史影视的次属性数据,将历史影视的剧本文本记为历史影视的剧本数据,将历史影视的票房数据或者影视评分作为历史影视的评分数据。
同理,需要获取待制作影视的剧本、类型、资金投入和参演规模等预备工作信息数据,即将待制作影视的影视类型数据、影视资金数据和影视规模数据作为待制作影视的主属性数据,将待制作影视的剧本文本记为历史影视的剧本数据。
此外,为了后续方便获取待制作影视每个制作流程的制作周期,还需要获取历史影视的每个制作流程的制作周期数据。
其中,主属性数据还可以包括参演规模、剧组工作人员数量等其他信息,且主属性数据属于影视制作前期需要进行规划的数据信息,即待制作影视也可以获得的数据。而次属性数据还可以包括日损耗率等其他时序统计数据,即次属性数据属于影视制作完成以及经过上映后能够获得的数据信息,只有历史影视具有次属性数据,实施者可根据具体实施场景进行设置。同时,需要说明的是,每个影视的主属性数据的数量均相等,即每个影视的主属性数据包含的数据类型均相同,每个影视的次属性数据的数量也均相等,每个影视的次属性数据包含的数据类型也均相同。
数据筛选模块,用于根据任意两个影视之间的主属性数据的差异情况和剧本数据的差异情况,得到任意两个影视之间的距离度量参数;根据待制作影视与任意一个历史影视之间的度量距离参数和历史影视的评分数据,得到待制作影视与任意一个历史影视之间的优选度量参数;根据距离度量参数和优选度量参数对所有影视进行分类;将待制作影视所在类别记为借鉴影视集。
由于同类型剧本和同等规模的影视的制作过程对待制作影视的制作周期的预测具有借鉴作用,因此可以对历史数据进行筛选,获得可以借鉴的历史影视,基于此,可以将待制作影视与所有历史影视一起进行聚类操作。
影视的剧本数据为影视的核心数据,而影视的元素较为丰富,类型界定较多,安捷秀的AI人工智能自动分解剧本技术,利用人工智能与自然语言处理技术对影视剧情进行拆解,结合关键词检测检测算法可以提取影视剧本数据的核心剧情的关键词信息,利用自然语言处理技术中语义向量,将剧情关键词数字化。由于语义向量相似度的度量不同于数字类,且影视的剧本数据为影视的核心数据,故需要单独进行分析。进一步结合影视的主属性数据对影视大数据进行多源数据聚类,同时由于主属性数据之间的量纲差异较大,传统的欧氏距离或者曼哈顿距离作为分类度量参数时,分类的误差较大,因此,在本实施例中构建新的距离参数。
基于此,根据任意两个影视之间的主属性数据的差异情况和剧本数据的差异情况,得到任意两个影视之间的距离度量参数,具体地,将任意两个影视分别记为第一影视和第二影视,计算第一影视和第二影视同一类型的主属性数据之间的差值的绝对值,对第一影视和第二影视对应的所有差值的绝对值进行归一化处理,将归一化后的差值绝对值的平方的均值作为第一差异系数;根据第一影视和第二影视的剧本数据中的关键词得到第一影视和第二影视之间的相关性指标,以第一预设值与归一化后的相关性指标之间的差值作为第二差异系数;计算第一差异系数和第二差异系数的L2范数得到第一影视和第二影视之间的距离度量参数。
其中,在本实施例中,第一影视和第二影视的之间的相关性指标的获取方法具体为:将第一影视的剧本数据中所有关键词构成第一关键词序列,将第二影视的剧本数据中所有关键词构成第二关键词序列,获取第一关键词序列和第二关键词序列对应位置处相同的关键词数量,对相同的关键词数量进行归一化处理得到第一影视和第二影视之间的相关性指标。
在其他实施方式中,实施者可以通过第一影视和第二影视的剧本数据之间的相似性获得第一影视和第二影视之间的相关性指标。
在本实施例中,将影视a作为第一影视,将影视b作为第二影视,进而影视a和影视b之间的距离度量参数的计算公式可以表示为:
其中,表示影视a和影视b之间的距离度量参数,/>表示影视a或者影视b的主属性数据的总数量,/>表示影视a的第r个主属性数据,/>表示影视b的第r个主属性数据,/>表示影视a和影视b之间的相关性指标,/>表示求L2范数,Norm( )表示归一化函数,在本实施例中采用最大值最小值归一化,同时第一预设值的取值为1,实施者可根据具体实施场景进行设置。
表示影视a和影视b同一类型的主属性数据之间的差异,该差异越大,说明影视a和影视b之间的距离越远,对应的距离度量参数的取值越大。利用归一化函数使得主属性数据的差异数据的量纲消除。
为第一差异系数,表示影视a和影视b之间的主属性数据的均方误差,该取值越小,说明影视a和影视b之间的所有主属性数据差异越小,进而说明影视a和影视b之间的距离越近。
为第二差异系数,相关性指标/>反映了影视a和影视b之间的剧本数据的相似程度,该取值越大,说明影视a和影视b之间越相似,进而说明影视a和影视b之间的距离越近,对应的距离度量参数的取值小。最终利用欧氏范数将第一差异系数和第二差异系数进行整合。
在本实施例中,采用K-means聚类算法对待制作影视和历史影视进行聚类,同时利用手肘法确定聚类簇的数量,即k的取值。
需要说明的是,在对待制作影视与其他历史影视之间的相关程度进行分析时,仅获取距离度量指标进行聚类,可能获取的与待制作影视较为相似的历史影视对应的评价不高,故对于待制作影视,在获取待制作影视与其他历史影视之间的分类度量指标时,还需要考虑历史影视的评分数据,即在避免粗制滥造的前提下,使得借鉴影视尽可能为评分较高、评价较好的影视。
基于此,根据待制作影视与任意一个历史影视之间的度量距离参数和历史影视的评分数据,得到待制作影视与任意一个历史影视之间的优选度量参数,具体地,将任意一个历史影视数据记为选定历史影视,根据选定历史影视的评分数据得到选定历史影视的权值因子,选定历史影视的评分数据与所述权值因子之间呈负相关关系;将待制作影视与选定历史影视之间的度量距离参数与权值因子的乘积作为待制作影视与选定历史影视之间的优选度量参数。
其中,权值因子的获取方法具体为:获取所有历史影视的评分数据的最大值,计算最大值与第二预设值的和值,并计算选定历史影视的评分数据与所述和值之间的比值,将第三预设值与该比值之间的差值作为选定历史影视的权值因子。
在本实施例中,将历史影视b作为选定历史影视,以待制作影视o和影视b为例进行说明,则待制作影视o和历史影视b之间的优选度量参数的计算公式可以表示为:
其中,表示待制作影视o和历史影视b之间的优选度量参数,/>表示待制作影视o和历史影视b之间的距离度量参数,/>表示历史影视b的评分数据,/>表示所有历史影视的评分数据的最大值,/>为权值因子,/>为第二预设值,在本实施例中的取值为0.01,是为了防止权值因子的取值为0,而影响度量参数的取值,同时,第三预设值的取值为1,实施者可根据具体实施场景进行设置。
反映了历史影视的评价数据与整体影视行业评价的占比情况,该占比越大,说明历史影视的评价越好、评分越高,对应的权值因子的取值越小,利用权值因子与距离度量参数相乘,能够使得待制作影视与评价较好的历史影视之间的距离更小,使待制作影视的聚类结果趋向于评价较好的影视数据。
最后,根据距离度量参数和优选度量参数对所有影视进行分类,即历史影视之间的度量参数为距离度量参数,待制作影视与其他历史影视之间的度量参数为优选度量参数,进而对所有影视进行聚类,得到多个聚类类别,将待制作影视所在类别记为借鉴影视集。
数据处理模块,用于根据借鉴影视集中每个历史影视的次属性数据得到邻域范围值,根据邻域范围值对借鉴影视集中每个历史影视的次属性数据进行离群检测,根据离群检测结果和借鉴影视集中历史影视的次属性数据得到待制作影视的全流程制作结果。
影视的每个制作流程的环节都会存在各种意外状况,在对待制作影视规划完成节点时,需要对不确定因素进行预测,借鉴影视集中历史影视的各个制作流程的环节中的异常数据可以表示不确定因素,而人工智能检测异常值常采用LOF离群检测算法,通过比较每个数据点和其邻域数据点的密度来判断数据点是否为异常数据点,如果数据点的密度越低,可能被认定为异常数据点。密度是通过数据点之间的距离进行计算的,数据点之间的距离越远,密度越低。因此LOF离群检测算法的核心在于邻域范围大小的设置。
由于借鉴影视集中历史影视的次属性数据为时序数据,例如,某个历史数据的在某一个制作流程每日的记录数据,故次属性数据在时序轴上分布较广,利用历史影视的次属性数据对历史影视进行LOF离群检测时,以各个次属性一维数据作为数据集进行离群检测。常规的LOF离群检测的邻域范围是由人工经验进行设定,容易受主观影响,进而影响离群检测结果的准确度,故本实施例根据借鉴影视集中每个历史影视的次属性数据得到邻域范围值。
需要说明的是,在本实施例中,历史影视的次属性数据是以日为单位的统计数据,并且次属性数据是通过不同的制作流程分别界定的,例如,后期剪辑制作流程完成周期为一个月,统计一个月的制作周期内每天的工作完成情况和物品消耗情况,进而在该影视的后期剪辑制作流程下的次属性数据为每日完成率和每日耗资量等。
对于借鉴影视集中每个历史影视的任意一个制作流程,对应了多种类型的次属性数据,每种类型的次属性数据包含了多个数据值,例如,一个月的制作周期内,后期剪辑制作流程下的日完成率包含了30个数据值,同理,日耗资量也包含了30个数据值。
进一步的,将借鉴影视集中任意一个历史影视制作流程的任意一种类型的次属性数据记为目标影视制作流程的目标种类的次属性数据,计算目标种类的所有次属性数据的均值和方差,构建目标种类的次属性数据的高斯分布模型。例如,将日完成率作为目标种类,对于目标影视,计算后期剪辑制作流程下的30天的日完成率的均值和方差,基于均值和方差能够获得日完成率的高斯分布模型,即为目标种类的次属性数据的高斯分布模型。高斯分布模型的构建方法为公知技术,在此不再过多介绍。
在高斯分布中离群数据一般集中在高斯曲线的两侧部分,由公知技术可知,某一数值区间在高斯分布函数上的定积分为其分布概率,因此,计算高斯峰的左侧谷点至-2σ区间的定积分,以及2σ至右侧谷点之间的定积分之和,既可以获得估测离群值的分布概率,利用离群值的分布概率与所有数据的整体长度,能够获得离群值的分布长度,进而将离群值的分布长度作为邻域范围值,能够更加准确的进行离群检测,获得的异常数据的结果也更加准确。其中,σ表示高斯分布函数中的方差。
具体地,计算目标种类的所有次属性数据的极差,基于极差和高斯分布模型得到目标种类的次属性数据的邻域范围值。在本实施例中,以目标影视的制作流程α为例进行说明,将第w类次属性数据作为目标种类的次属性数据,邻域范围值的计算公式可以表示为:
其中,表示目标影视的制作流程α的第w类次属性数据进行LOF离群检测的邻域范围值,/>表示目标影视的制作流程α的第w类次属性数据中的最大值,/>表示目标影视的制作流程α的第w类次属性数据中的最小值,/>表示目标影视的制作流程α的第w类次属性数据的高斯分布函数,lg和rg分别表示高斯分布模型对应的高斯曲线的左谷点和右谷点对应的横坐标,-2σ和2σ分别表示高斯曲线的横坐标取值,σ表示高斯分布函数中的方差。
表示目标影视的制作流程α的所有第w类次属性数据的极差,由于异常点在高斯概率分布中基本集中在两个标准差至三个标准差处,故本实施例中,通过计算次属性的高斯分布在[lg,-2σ]区间的定积分,以及[2σ,rg]区间的定积分之和,表示高斯分布在[lg,-2σ]区间的定积分,/>表示高斯分布在[2σ,rg]区间的定积分。
利用表示了次属性数据的离群值的分布概率,进而计算离群值的分布概率与次属性数据的极值乘积,可以表征在极值范围内随机搜索,落在离群值范围内的期望概率,通过各个阶段的次属性数据的实际概率密度分布对其极值分布范围内的数据进行搜索范围优化。
进一步的,能够获得每个历史影视的每个制作流程的每种类型的次属性数据的邻域范围值,基于邻域范围值,分别对其进行LOF离群检测,得到的离群检测结果更加准确。利用历史影视中的次属性数据的离群值表征实际制作流程中可能存在的不确定因素,进而导致待制作影视的次属性数据存在波动变化,故利用历史影视的次属性数据的离群值分布情况,对其进行加权,获得每个制作流程的数据分布情况。
基于此,根据离群检测结果和借鉴影视集中历史影视的次属性数据得到待制作影视的全流程制作结果,具体地,获取目标影视制作流程的目标种类的所有次属性数据中异常数据的数量记为第一数量,获取目标影视的目标种类的所有次属性数据的总数量记为第二数量,将第一数量和第二数量的比值记为目标影视的目标种类的特征比值;计算目标影视制作流程的所有种类的特征比值的和值的欧氏范数,将目标影视对应的欧氏范数的归一化数值与目标影视对应的制作周期之间的乘积作为目标影视的周期系数指标;将借鉴影视集中除待制作影视外其他所有影视对应的周期系数指标的和值作为待制作影视制作流程的制作完成周期,根据待制作影视制作流程的制作完成周期得到全流程制作结果。
在本实施例中,以目标影视的制作流程α为例进行说明,将第w类次属性数据作为目标种类的次属性数据,待制作影视制作流程的制作完成周期的计算公式可以表示为:
其中,表示待制作影视o的制作流程α的制作完成周期,/>表示借鉴影视集中除待制作影视o之外的其他所有历史影视的总数量;/>表示借鉴影视集中第i个历史影视的制作流程α的第w类次属性数据的异常数据的数量,即为第一数量;/>表示借鉴影视集中第i个历史影视的制作流程α的第w类次属性数据的总数量,即为第二数量;/>表示求L2范数,/>表示借鉴影视集中第i个历史影视的制作流程α的制作周期,/>表示借鉴影视集中第i个历史影视的制作流程α的次属性数据的总类型数量。
表示特征比值,/>表示借鉴影视集中第i个历史影视的周期系数指标,Norm( )表示归一化函数,在本实施例中,采用最大值最小值归一化,实施者可根据具体实施场景进行设置。
表示目标种类的次属性数据的异常数据的占比情况,该取值越大,说明目标种类的次属性数据异常数据越多,/>表示借鉴影视集中第i个历史影视的制作流程α所有种类型的次属性数据的整体异常率,将归一化后的整体异常率作为第i个历史影视的权重,对借鉴影视集中所有历史影视的制作流程α的实际完成周期进行加权得到最终待制作影视o的制作流程α的计划完成时间。
按照待制作影视o的制作流程α的制作完成周期的计算方法,可以获得待制作影视o的所有制作流程的制作完成周期,记录所有制作流程的计划的制作完成周期,能够获得待制作影视的全流程计划书,即获得了待制作影视的全流程制作结果。
综上所述,本发明通过筛选与待制作影视同类型、同规模的影视制作行业大数据获得借鉴影视集,利用借鉴影视集中影视的各个制作流程的完成周期来规划待制作影视的各个制作流程的计划书。其中,通过待制作影视和历史影视的主属性数据构建距离度量参数,优化由于主属性量纲跨度较大,多源数据聚类过程中度量误差较大的问题。在聚类过程中,同时考虑到获取的借鉴影视的评分高、评价好的问题,获得优选度量参数,能够获得较为准确的借鉴影视集。然后对借鉴影视集中历史影视的各个制作流程中不同类型的次属性数据进行LOF离群检测,针对人工设定误差较大的问题,优化离群检测的核心参数即邻域范围值,优化参数后的LOF离群检测效果更加出色,准确度更高。进而基于次属性数据的异常情况获得每个影视制作流程完成周期的权重系数,加权获得待制作影视的各个制作流程的计划完成周期,相较于传统主观预测的方式更加准确,使得计划书的完成周期节点规划更加贴合实际,有利于后续工作的顺利开展。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (4)
1.一种影视全流程制作管理系统,其特征在于,该系统包括:
数据获取模块,用于获取待制作影视与历史影视的主属性数据和剧本数据,以及历史影视的次属性数据和评分数据;
数据筛选模块,用于根据任意两个影视之间的主属性数据的差异情况和剧本数据的差异情况,得到任意两个影视之间的距离度量参数;根据待制作影视与任意一个历史影视之间的度量距离参数和历史影视的评分数据,得到待制作影视与任意一个历史影视之间的优选度量参数;根据距离度量参数和优选度量参数对所有影视进行分类;将待制作影视所在类别记为借鉴影视集;
数据处理模块,用于根据借鉴影视集中每个历史影视的次属性数据得到邻域范围值,根据邻域范围值对借鉴影视集中每个历史影视的次属性数据进行离群检测,根据离群检测结果和借鉴影视集中历史影视的次属性数据得到待制作影视的全流程制作结果;
所述根据任意两个影视之间的主属性数据的差异情况和剧本数据的差异情况,得到任意两个影视之间的距离度量参数,具体包括:
将任意两个影视分别记为第一影视和第二影视,计算第一影视和第二影视同一类型的主属性数据之间的差值的绝对值,对第一影视和第二影视对应的所有差值的绝对值进行归一化处理,将归一化后的所有差值绝对值的均值作为第一差异系数;
根据第一影视和第二影视的剧本数据中的关键词得到第一影视和第二影视之间的相关性指标,以第一预设值与归一化后的相关性指标之间的差值作为第二差异系数;
计算第一差异系数和第二差异系数的L2范数得到第一影视和第二影视之间的距离度量参数;
所述根据待制作影视与任意一个历史影视之间的度量距离参数和历史影视的评分数据,得到待制作影视与任意一个历史影视之间的优选度量参数,具体包括:
将任意一个历史影视数据记为选定历史影视,根据选定历史影视的评分数据得到选定历史影视的权值因子,选定历史影视的评分数据与所述权值因子之间呈负相关关系;
将待制作影视与选定历史影视之间的度量距离参数与权值因子的乘积作为待制作影视与选定历史影视之间的优选度量参数;
所述根据借鉴影视集中每个历史影视的次属性数据得到邻域范围值具体为:
将借鉴影视集中任意一个历史影视制作流程的任意一种类型的次属性数据记为目标影视制作流程的目标种类的次属性数据,计算目标种类的所有次属性数据的均值和方差,构建目标种类的次属性数据的高斯分布模型;
计算目标种类的所有次属性数据的极差,基于极差和高斯分布模型得到目标种类的次属性数据的邻域范围值;
所述邻域范围值的计算公式具体为:
其中,/>表示目标影视的制作流程α的第w类次属性数据进行LOF离群检测的邻域范围值,/>表示目标影视的制作流程α的第w类次属性数据中的最大值,/>表示目标影视的制作流程α的第w类次属性数据中的最小值,/>表示目标影视的制作流程α的第w类次属性数据的高斯分布函数,lg和rg分别表示高斯分布模型对应的高斯曲线的左谷点和右谷点对应的横坐标,-2σ和2σ分别表示高斯曲线的横坐标取值,σ表示高斯分布函数中的方差;
所述根据离群检测结果和借鉴影视集中历史影视的次属性数据得到待制作影视的全流程制作结果具体为:
获取目标影视制作流程的目标种类的所有次属性数据中异常数据的数量记为第一数量,获取目标影视的目标种类的所有次属性数据的总数量记为第二数量,将第一数量和第二数量的比值记为目标影视的目标种类的特征比值;
计算目标影视制作流程的所有种类的特征比值的和值的欧氏范数,将目标影视对应的欧氏范数的归一化数值与目标影视对应的制作周期之间的乘积作为目标影视的周期系数指标;
将借鉴影视集中除待制作影视外其他所有影视对应的归一化后的周期系数指标的和值作为待制作影视制作流程的制作完成周期,根据待制作影视制作流程的制作完成周期得到全流程制作结果。
2.根据权利要求1所述的一种影视全流程制作管理系统,其特征在于,所述根据第一影视和第二影视的剧本数据中的关键词得到第一影视和第二影视之间的相关性指标具体为:
将第一影视的剧本数据中所有关键词构成第一关键词序列,将第二影视的剧本数据中所有关键词构成第二关键词序列,获取第一关键词序列和第二关键词序列对应位置处相同的关键词数量,对相同的关键词数量进行归一化处理得到第一影视和第二影视之间的相关性指标。
3.根据权利要求1所述的一种影视全流程制作管理系统,其特征在于,所述根据选定历史影视的评分数据得到选定历史影视的权值因子具体为:
获取所有历史影视的评分数据的最大值,计算最大值与第二预设值的和值,并计算选定历史影视的评分数据与所述和值之间的比值,将第三预设值与该比值之间的差值作为选定历史影视的权值因子。
4.根据权利要求1所述的一种影视全流程制作管理系统,其特征在于,所述获取待制作影视与历史影视的主属性数据和剧本数据,以及历史影视的次属性数据和评分数据具体为:
将历史影视的影视类型数据、影视资金数据和影视规模数据作为历史影视的主属性数据,将历史影视的日完成率和日耗资量作为历史影视的次属性数据,将历史影视的剧本文本记为历史影视的剧本数据,将历史影视的票房数据或者影视评分作为历史影视的评分数据;
将待制作影视的影视类型数据、影视资金数据和影视规模数据作为待制作影视的主属性数据,将待制作影视的剧本文本记为历史影视的剧本数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310548473.4A CN116308214B (zh) | 2023-05-16 | 2023-05-16 | 一种影视全流程制作管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310548473.4A CN116308214B (zh) | 2023-05-16 | 2023-05-16 | 一种影视全流程制作管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116308214A CN116308214A (zh) | 2023-06-23 |
CN116308214B true CN116308214B (zh) | 2023-08-15 |
Family
ID=86834429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310548473.4A Active CN116308214B (zh) | 2023-05-16 | 2023-05-16 | 一种影视全流程制作管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308214B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8285719B1 (en) * | 2008-08-08 | 2012-10-09 | The Research Foundation Of State University Of New York | System and method for probabilistic relational clustering |
KR20140120230A (ko) * | 2013-04-01 | 2014-10-13 | 김준범 | 시나리오 기반 컨텐츠 제작 관리 방법 및 시스템 |
EP2884405A1 (en) * | 2013-12-12 | 2015-06-17 | Thomson Licensing | Method and apparatus for classifying a multimedia file |
WO2015097176A1 (en) * | 2013-12-26 | 2015-07-02 | Thomson Licensing | Method and apparatus for providing movie script |
JP2017027480A (ja) * | 2015-07-24 | 2017-02-02 | 大学共同利用機関法人情報・システム研究機構 | アイテム推薦システム及びアイテム推薦方法 |
CN108352025A (zh) * | 2015-07-24 | 2018-07-31 | 安普视频有限公司 | 基于消费者在线行为的电视广告时段定位 |
CN114781845A (zh) * | 2022-04-13 | 2022-07-22 | 何圣捷 | 一种电影电视剧完片保险风险评估系统与方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160292324A1 (en) * | 2008-02-25 | 2016-10-06 | Sas Institute Inc. | Systems and methods for predicting performance |
US10872322B2 (en) * | 2008-03-21 | 2020-12-22 | Dressbot, Inc. | System and method for collaborative shopping, business and entertainment |
-
2023
- 2023-05-16 CN CN202310548473.4A patent/CN116308214B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8285719B1 (en) * | 2008-08-08 | 2012-10-09 | The Research Foundation Of State University Of New York | System and method for probabilistic relational clustering |
KR20140120230A (ko) * | 2013-04-01 | 2014-10-13 | 김준범 | 시나리오 기반 컨텐츠 제작 관리 방법 및 시스템 |
EP2884405A1 (en) * | 2013-12-12 | 2015-06-17 | Thomson Licensing | Method and apparatus for classifying a multimedia file |
WO2015097176A1 (en) * | 2013-12-26 | 2015-07-02 | Thomson Licensing | Method and apparatus for providing movie script |
JP2017027480A (ja) * | 2015-07-24 | 2017-02-02 | 大学共同利用機関法人情報・システム研究機構 | アイテム推薦システム及びアイテム推薦方法 |
CN108352025A (zh) * | 2015-07-24 | 2018-07-31 | 安普视频有限公司 | 基于消费者在线行为的电视广告时段定位 |
CN114781845A (zh) * | 2022-04-13 | 2022-07-22 | 何圣捷 | 一种电影电视剧完片保险风险评估系统与方法 |
Non-Patent Citations (1)
Title |
---|
齐雅文.新科技为新媒体平台提供新可能.中国新闻出版广电报.2023,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116308214A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101315631B (zh) | 一种新闻视频故事单元关联方法 | |
CN111369016B (zh) | 一种基于图像识别的现场运维方法及系统 | |
CN110008201A (zh) | 一种面向大数据的数据质量稽核监控方法 | |
CN112232909A (zh) | 一种基于企业画像的商机挖掘方法 | |
CN110737805B (zh) | 图模型数据的处理方法、装置和终端设备 | |
US20220327398A1 (en) | Technology maturity judgment method and system based on science and technology data | |
CN110032643A (zh) | 一种建筑维修工单分析方法、装置、存储介质及客户端 | |
CN111639850A (zh) | 多源异构数据的质量评估方法与系统 | |
CN114119110A (zh) | 一种工程造价清单归集系统及其方法 | |
CN115617743A (zh) | 一种基于数据采集的科技项目档案管理系统 | |
CN112330095A (zh) | 一种基于决策树算法的质量管理方法 | |
CN115660170A (zh) | 多维指标权重协同优化的数据资产管理成效差异化评估方法和系统 | |
CN107798137B (zh) | 一种基于可加模型的多源异构数据融合架构系统 | |
CN116308214B (zh) | 一种影视全流程制作管理系统 | |
CN116894152A (zh) | 一种多源数据调研与实时分析方法 | |
CN116306807A (zh) | 一种基于元宇宙数据标记的ai模型生产方法 | |
CN111861056A (zh) | 一种技术创新水平的评价方法 | |
Si | Classification Method of Ideological and Political Resources of Broadcasting and Hosting Professional Courses Based on SOM Artificial Neural Network | |
CN113673889A (zh) | 一种智能化数据资产识别的方法 | |
Yu et al. | Data mining technology in the analysis of college students’ psychological problems | |
CN114282875A (zh) | 流程审批确定性规则和语义自学习结合判定方法及装置 | |
CN117453805B (zh) | 一种不确定性数据的可视化分析方法 | |
CN117708746B (zh) | 一种基于多模态数据融合的风险预测方法 | |
CN117764455B (zh) | 一种数据的通用指标管理方法及系统 | |
CN113836313B (zh) | 一种基于图谱的审计信息识别方法与系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |