一种应用于电影剧本中情感曲线分析的方法

摘要

本申请公开了一种应用于电影剧本中情感曲线分析的方法，包括：1)构建情感词典，包括积极词典、消极词典和中性词典；2)对电影剧本按照场景进行场景划分和语句提取，得到场景语句和人物语句；3)对场景语句和人物语句进行分词得到场景词汇和人物词汇；4)对场景词汇和人物词汇进行词性划分、词频统计和权重确定；5)将词频和权重值导入计算公式，得到场景情感指数和人物情感指数；6)绘制电影剧本的场景情感曲线和人物情感曲线。本发明提供了一种对工作经验无要求、计算方便快捷的应用于电影剧本中情感曲线分析的方法。

说明书

技术领域

本发明涉及电影剧本分析领域，更具体地，涉及一种应用于电影剧本中情感曲线分析的方法。

背景技术

观看电影是人们主要的休闲娱乐方式之一，随着物质生活的逐渐改善，人们对于电影的要求也随之增高，一部电影的优异程度与电影剧本的水平高低密切相关，所以，电影投资人在考察一部电影是否值得投资时，必然会对电影剧本进行相应的评价，而电影剧本整体的情感变化和剧本中每个人物的情感变化是评价一部电影剧本质量的重要指标，然而这种情感变化是隐藏在电影剧本字里行间无形的感情起伏，人们无法直接看到这种情感变化，目前，获取一部电影剧本中的情感变化仍旧较为困难，主要通过有经验的电影从业人员阅读电影剧本进行情感分析，并对该剧本中的情感变化做出归纳和评价，这种分析方法对于工作人员的电影从业经验要求较高，而且耗时较长，如何快速有效的分析一部电影剧本中的情感曲线，降低对工作人员的电影从业经验要求，减少评价过程用时，是本领域亟待解决的问题。

因此有必要提供一种应用于电影剧本中情感曲线分析的方法，解决上述问题。

发明内容

有鉴于此，本发明提供了一种应用于电影剧本中情感曲线分析的方法，以解决现有电影剧本情感分析过程对工作人员电影从业经验要求较高，而且耗时较长的问题。

为了解决上述技术问题，本申请有如下技术方案：

一种应用于电影剧本中情感曲线分析的方法，包括：

构建所述电影剧本的情感词典，包括：积极词典、消极词典和中性词典，对所述情感词典中每个词语赋予权重值；

对所述电影剧本，按照场景进行划分，对划分后的每个所述场景，进行语句提取，得到每个所述场景的场景语句；

从每个所述场景语句中，提取主语为人物的语句，并按照所述人物进行分类，得到每个所述场景内，每个所述人物的人物语句；

对所述场景语句进行分词，得到每个所述场景的场景词汇，

对所述人物语句进行分词，得到每个所述场景内每个所述人物的人物词汇；

将所述场景词汇和所述人物词汇，依照所述情感词典，分为：积极词、消极词和中性词，并统计每个所述词语的词频和所述权重值；

将所述场景词汇的所述词频和所述权重值导入计算公式，得到每个所述场景的场景情感指数，

将所述人物词汇的所述词频和所述权重值导入所述计算公式，得到每个人物的人物情感指数，其中，

所述计算公式为：

其中：n为所述积极词的总个数，m为所述消极词的总个数， P_i为第i个所述积极词的所述词频，W_i为第i个所述积极词的所述权重，N_j为第j个所述消极词的所述词频，W_j为第j个所述消极词的所述权重，L为所述积极词、所述消极词和所述中性词的个数总和，x为不小于1的正数；

以场景编号为自变量，所述场景情感指数为因变量，绘制所述电影剧本的场景情感曲线，

以场景编号为所述自变量，所述人物情感指数为所述因变量，绘制每个所述人物的人物情感曲线。

可选的，所述情感词典，包括：台湾地区中文情感极性词典、知网的情感分析用词语集以及自主开发的情感词典。

可选的，所述场景语句中，还包含：主语不是人物的氛围语句。

可选的，所述分词，采用汉语言处理包或汉语词法分析系统。

可选的，所述积极词和所述消极词的所述权重值大于0，且不大于1，所述中性词的所述权重值等于0。

可选的，所述场景情感曲线和所述人物情感曲线，绘制成折线图、柱状图、散点图和扇形图。

与现有技术相比，本发明提供的一种应用于电影剧本中情感曲线分析的方法，实现了如下的有益效果：

1)本发明所提供的一种应用于电影剧本中情感曲线分析的方法，整个方法中没有任何步骤对于人员有电影从业经验的要求，计算过程方便快捷，解决了以往对于人员经验要求高、耗时长的问题；

2)本发明所提供的一种应用于电影剧本中情感曲线分析的方法，可以分析每个人物的人物情感曲线，方便电影剧本作者判断每个人物的剧情安排是否合适，并根据该情感变化选取最匹配的演员；

3)本发明所提供的一种应用于电影剧本中情感曲线分析的方法，将不可视的情感变化绘制成了可视的情感曲线，为投资方判断电影剧本的整体水平提供了依据，降低了投资风险。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1为本发明“一种应用于电影剧本中情感曲线分析的方法”流程图

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。应注意到：一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

实施例1：

图1为本发明“一种应用于电影剧本中情感曲线分析的方法”流程图。

一种应用于电影剧本中情感曲线分析的方法，如图1所示，包括如下步骤：

步骤S101:构建所述电影剧本的情感词典，包括：积极词典、消极词典和中性词典，对所述情感词典中每个词语赋予权重值。

具体的，积极词典、消极词典和中性词典没有交集、一个词语只能属于其中一个词典，一个词语的权重与该词表示的感情强烈程度有关，表示的程度越深，权重值越大。

步骤S102：对电影剧本，按照场景进行划分，对划分后的每个场景，进行语句提取，得到每个场景的场景语句；从每个场景语句中，提取主语为人物的语句，并按照人物进行分类，得到每个场景内，每个人物的人物语句。

具体的，对电影剧本进行场景划分时，以电影剧本中标注的场景编号为依据，电影剧本中的所有内容都应被包含在场景语句内。

步骤S103：对场景语句进行分词，得到每个场景的场景词汇，对人物语句进行分词，得到每个场景内每个人物的人物词汇。

具体的，对于人物语句的个数设定有阈值，如果某一个人物的人物语句个数小于该阈值，则不统计该人物的人物语句，对于场景语句的个数不设定阈值。

步骤104：对场景语句进行分词，得到每个场景的场景词汇，对人物语句进行分词，得到每个场景内每个人物的人物词汇。

具体的对于人物词汇的个数设定有阈值，如果某一个人物的人物词汇个数小于该阈值，则不统计该人物的人物词汇，对于场景词汇的个数不设定阈值。

步骤105：将场景词汇和人物词汇，依照情感词典，分为：积极词、消极词和中性词，并统计每个词语的词频和权重值；

具体的，词频是指一个词语出现的次数，对于任一电影剧本，任一词语的权重值为定值，对于两部不同的电影剧本，同一个词语的权重值可以相同或不同。

步骤106：将场景词汇的词频和权重值导入计算公式，得到每个场景的场景情感指数，将人物词汇的词频和权重值导入计算公式，得到每个人物的人物情感指数。

计算公式为：

其中：n为积极词的总个数，m为消极词的总个数，P_i为第i>i为第i个积极词的权重，N_j为第j个消极词的词频，W_j为第j个消极词的权重，L为积极词、消极词和中性词的个数总和，x为大于等于1的正数。

具体的，计算所得的场景情感指数如果大于0，表示该场景的情感是积极地，场景情感指数如果小于0，表示该场景的情感是消极的，场景情感指数如果等于0，表示该场景的情感是中性的。

计算所得的人物情感指数如果大于0，表示该人物在该场景的情感是积极地，人物情感指数如果小于0，表示该人物在该场景的情感是消极的，场景情感指数如果等于0，表示该人物在该场景的情感是中性的。

步骤S107：以场景编号为自变量，场景情感指数为因变量，绘制所述电影剧本的场景情感曲线，以场景编号为自变量，所述人物情感指数为因变量，绘制每个人物的人物情感曲线。

具体的，所绘制的场景情感曲线表明整部电影剧本的情感变化走势，人物情感曲线表明某个特定人物的情感变化走势，任一人物的情感变化走势与电影剧本的情感变化走势无关。

实施例2

图1为本发明“一种应用于电影剧本中情感曲线分析的方法”流程图。

一种应用于电影剧本中情感曲线分析的方法，如图1所示，包括如下步骤：

步骤S101:构建所述电影剧本的情感词典，包括：积极词典、消极词典和中性词典，对所述情感词典中每个词语赋予权重值。

具体的，积极词典、消极词典和中性词典没有交集、一个词语只能属于其中一个词典，一个词语的权重与该词表示的感情强烈程度有关，表示的程度越深，权重值越大。

步骤S102：对电影剧本，按照场景进行划分，对划分后的每个场景，进行语句提取，得到每个场景的场景语句；从每个场景语句中，提取主语为人物的语句，并按照人物进行分类，得到每个场景内，每个人物的人物语句。

具体的，对电影剧本进行场景划分时，以电影剧本中标注的场景编号为依据，电影剧本中的所有内容都应被包含在场景语句内。

步骤S103：对场景语句进行分词，得到每个场景的场景词汇，对人物语句进行分词，得到每个场景内每个人物的人物词汇。

具体的，对于人物语句的个数设定有阈值，如果某一个人物的人物语句个数小于该阈值，则不统计该人物的人物语句，对于场景语句的个数不设定阈值。

步骤104：对场景语句进行分词，得到每个场景的场景词汇，对人物语句进行分词，得到每个场景内每个人物的人物词汇。

具体的对于人物词汇的个数设定有阈值，如果某一个人物的人物词汇个数小于该阈值，则不统计该人物的人物词汇，对于场景词汇的个数不设定阈值。

步骤105：将场景词汇和人物词汇，依照情感词典，分为：积极词、消极词和中性词，并统计每个词语的词频和权重值；

具体的，词频是指一个词语出现的次数，对于任一电影剧本，任一词语的权重值为定值，对于两部不同的电影剧本，同一个词语的权重值可以相同或不同。

步骤106：将场景词汇的词频和权重值导入计算公式，得到每个场景的场景情感指数，将人物词汇的词频和权重值导入计算公式，得到每个人物的人物情感指数。

计算公式为：

其中：n为积极词的总个数，m为消极词的总个数，P_i为第i>i为第i个积极词的权重，N_j为第j个消极词的词频，W_j为第j个消极词的权重，L为积极词、消极词和中性词的个数总和，x为大于等于1的正数。

具体的，计算所得的场景情感指数如果大于0，表示该场景的情感是积极地，场景情感指数如果小于0，表示该场景的情感是消极的，场景情感指数如果等于0，表示该场景的情感是中性的。

计算所得的人物情感指数如果大于0，表示该人物在该场景的情感是积极地，人物情感指数如果小于0，表示该人物在该场景的情感是消极的，场景情感指数如果等于0，表示该人物在该场景的情感是中性的。

步骤S107：以场景编号为自变量，场景情感指数为因变量，绘制所述电影剧本的场景情感曲线，以场景编号为自变量，所述人物情感指数为因变量，绘制每个人物的人物情感曲线。

具体的，所绘制的场景情感曲线表明整部电影剧本的情感变化走势，人物情感曲线表明某个特定人物的情感变化走势，任一人物的情感变化走势与电影剧本的情感变化走势无关。

进一步的，情感词典包括台湾地区中文情感极性词典、知网的情感分析用词语集以及自主开发的情感词典。

具体的，自主开发的情感词典包括积极词典、消极词典和中性词典，对于其中的积极词典和消极词典，根据词语表达的感情强烈程度，还会做出进一步细分。

进一步的，场景语句中场景语句中，还包含：主语不是人物的氛围语句。

具体的，可对氛围语句进行计算，绘制气氛情感曲线，如果场景语句中气氛语句的个数小于阈值，此时无法绘制气氛情感曲线。

进一步的，分词采用汉语言处理包或汉语词法分析系统。

具体的，分词过程采用计算软件，确保分词的准确性和完整性。

进一步的，积极词和消极词的权重值大于0，且不大于1，中性词的权重值等于0。

具体的，权重值是预先设定在情感词典中的数值，对任一电影剧本进行计算时，权重值是固定值，但对不同电影剧本进行计算时，权重值可以相同或不同，积极词和消极词的权重值根据不同的电影剧本会做出相应的调整，这种调整的依据，包括：词语表达的含义和情感强烈程度随时代变化而发生的改变。

进一步的，场景情感曲线和人物情感曲线，绘制成折线图、柱状图、散点图和扇形图。

具体的，可以绘制全部的场景情感曲线和人物情感曲线，也可以只绘制其中一部分。所绘制的场景情感曲线和人物情感曲线包括：二维曲线和三维曲线。二维曲线和三维曲线的表现形式包括：静态和动态。

通过上述实施例可知，本发明的，达到了如下的有益效果：

1)本发明所提供的一种应用于电影剧本中情感曲线分析的方法，整个方法中没有任何步骤对于人员有电影从业经验的要求，计算过程方便快捷，解决了以往对于人员经验要求高、耗时长的问题；

2)本发明所提供的一种应用于电影剧本中情感曲线分析的方法，可以分析每个人物的人物情感曲线，方便电影剧本作者判断每个人物的剧情安排是否合适，并根据该情感变化选取最匹配的演员；

3)本发明所提供的一种应用于电影剧本中情感曲线分析的方法，将不可视的情感变化绘制成了可视的情感曲线，为投资方判断电影剧本的整体水平提供了依据，降低了投资风险。

虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。