基于情感分析和隨機森林的中國電視劇產(chǎn)業(yè)研究

李坤琪，李曉峰，袁 杰，楊 鑫，趙 凱，宋卓遠，楊秀璋，羅子江

（貴州財經(jīng)大學(xué)信息學(xué)院，貴陽 550025）

0 引言

隨著人們物質(zhì)生活質(zhì)量的提高，大眾精神文化上的需求也在日益增加，觀看電視劇已成為人們?nèi)粘Ｉ钪幸环N不可或缺的娛樂休閑方式。近年來，中國電視劇產(chǎn)業(yè)發(fā)展良好，電視劇收視比重由2017年的30.9%提升至2018年的32%；2018年中國網(wǎng)絡(luò)視頻用戶規(guī)模達6.12億，較上一年增長5.8%。同時，隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，人們更愿意從網(wǎng)絡(luò)渠道搜尋優(yōu)質(zhì)電視劇，并在觀看后參與對其的評論和打分，進而表達自己的態(tài)度和情感。在這些電視劇數(shù)據(jù)中蘊藏著影響制片方?jīng)Q策和用戶觀看的價值信息，因此，對電視劇的相關(guān)信息進行有效挖掘十分必要。

然而，國內(nèi)外對電視劇等影視作品進行數(shù)據(jù)挖掘等深層次的研究相對較少，如王曉東等基于文獻資料和對比研究的方法，對中國電視劇市場的現(xiàn)狀進行研究，并針對存在的問題提出對策和建議。Pang等首次通過機器學(xué)習(xí)實現(xiàn)對電影評論的情感分類，并證明SVM模型的分類效果最佳。但這些研究方法較為單一，難以發(fā)現(xiàn)數(shù)據(jù)中更多的潛在規(guī)律，并且沒有將用戶情緒進行多維度的細致甄別和應(yīng)用。

針對以上問題，本文提出一種基于情感分析和隨機森林的研究方法，并結(jié)合共詞和可視化技術(shù)對中、韓、美、英、日5國的電視劇數(shù)據(jù)進行詳盡分析。通過構(gòu)建電視劇領(lǐng)域情感詞典，實現(xiàn)從劇評中有效提取觀眾的情緒訴求和分布狀態(tài)；借助共詞分析來計算各演員間的合作關(guān)聯(lián)度，明確不同演員陣營；利用隨機森林分類算法預(yù)測電視劇口碑好壞，進而實現(xiàn)優(yōu)質(zhì)電視劇的智能推薦。

1 中國電視劇產(chǎn)業(yè)相關(guān)研究進展

電視劇作為一種文化產(chǎn)品，早已緊密融入到人們的生活中，并發(fā)揮著寓教于樂、以文化人的作用。目前，在互聯(lián)網(wǎng)的推動下，電視劇的傳播和收看方式均發(fā)生改變，網(wǎng)絡(luò)劇逐漸被大眾所青睞。據(jù)藝恩咨詢數(shù)據(jù)顯示，2018年上線網(wǎng)絡(luò)劇286部，較2017年的225部增加了27%，播放量呈現(xiàn)增長態(tài)勢。2016年6月國家廣電總局發(fā)布《關(guān)于進一步加快廣播電視媒體與新興媒體融合發(fā)展的意見》，提出加強網(wǎng)絡(luò)劇的創(chuàng)作。網(wǎng)絡(luò)劇的崛起拓寬了市場需求，并為電視劇產(chǎn)業(yè)注入新鮮力量。

與此同時，隨著云計算、互聯(lián)網(wǎng)的蓬勃發(fā)展，網(wǎng)絡(luò)數(shù)據(jù)呈爆炸式增長，大數(shù)據(jù)及人工智能等技術(shù)迅速興起并廣泛應(yīng)用于各個領(lǐng)域，改變了人們以往的生活方式，其中電視劇的評論、主演及口碑等因素極大影響著觀眾們的擇劇意愿，因此通過數(shù)據(jù)挖掘等技術(shù)來優(yōu)化中國電視劇產(chǎn)業(yè)，進而打造出符合大眾需求的優(yōu)質(zhì)電視劇顯得尤為重要。

當前國內(nèi)外關(guān)于電視劇研究的方法主要有統(tǒng)計分析、機器學(xué)習(xí)、情感分析和口碑挖掘等。在電視劇數(shù)據(jù)分析上，梁文鳳以網(wǎng)絡(luò)改編劇的觀眾為研究對象，借助SPSS統(tǒng)計工具對觀眾的收視行為、忠誠度、滿意度及產(chǎn)品涉入度之間的關(guān)系進行深入分析。朱寒婷等提出一種在首播前預(yù)測電視劇流行度的方法，通過時間序列和多元線性回歸模型對搜索數(shù)據(jù)展開預(yù)測，并取得良好效果。

在劇評情感分析上，馮悅悅利用doc2vec詞嵌入技術(shù)對已標記評論進行詞向量訓(xùn)練，并在此基礎(chǔ)上實現(xiàn)未標記評論的情感預(yù)測。陳浩然等通過情感詞典和節(jié)目要素詞典對綜藝彈幕進行挖掘，證明觀眾情感值和對節(jié)目的認可度之間具有一定相關(guān)性。

在口碑挖掘上，朱琳等從口碑主體、交流介質(zhì)、討論內(nèi)容三個方面對中國電視劇網(wǎng)絡(luò)口碑形成的影響因素進行深入挖掘。苑清敏等基于口碑營銷理論和實證分析，構(gòu)建了網(wǎng)絡(luò)口碑對消費者觀看選擇的結(jié)構(gòu)模型。

因此，本文在已有方法的基礎(chǔ)上，將情感分析、隨機森林和共詞分析等技術(shù)進行結(jié)合并加以創(chuàng)新，從多個維度去挖掘電視劇的風(fēng)格類型、文化差異、觀眾情緒、參演人員和質(zhì)量口碑之間的關(guān)聯(lián)及內(nèi)在規(guī)律，以期能更好地推動中國電視劇產(chǎn)業(yè)的健康發(fā)展。

2 中國電視劇產(chǎn)業(yè)的研究思路及方法

2.1 整體思路

本文研究的整體思路框架如圖1所示。

圖1 電視劇數(shù)據(jù)分析整體思路

2.2 數(shù)據(jù)獲取

本文數(shù)據(jù)源自豆瓣網(wǎng)，借助八爪魚數(shù)據(jù)采集器實現(xiàn)中、韓、美、英、日五國熱度前10部電視劇評論和前100部劇集詳細信息的獲取。其中，共采集評論11000條，剔除無效及重復(fù)評論，得到有效評論10768條，和五國的500條劇集信息一同存儲至Excel中。

2.3 數(shù)據(jù)預(yù)處理

為使實驗結(jié)果最佳，分析前還需對數(shù)據(jù)進行預(yù)處理操作，以保證數(shù)據(jù)質(zhì)量，具體操作如下：

2.3.1 數(shù)據(jù)清洗

旨在使數(shù)據(jù)更加規(guī)范、詳細和可靠。針對數(shù)據(jù)缺失問題，文中參照百度百科進行手動填充，此外，對極個別異常值數(shù)據(jù)進行剔除處理。

2.3.2 剔除停用詞

評論內(nèi)容中常常包含大量無意義的詞語和符號，如“的”“等”“…”“/”等，會給分析帶來影響，因此，本文構(gòu)建停用詞表對其進行過濾去除。

2.3.3 中文分詞

實驗調(diào)用Python內(nèi)的中文分詞庫來完成此項操作。同時，分詞中會出現(xiàn)詞語誤判現(xiàn)象，如“不忍直視”可能在分詞后會變?yōu)椤安蝗獭焙汀爸币暋眱蓚€詞語。為避免此類情況，文中增加了自定義詞典，進而提升分詞精度。

2.4 情感分析

情感分析是對文本內(nèi)容中的情緒進行識別、抽取、分析及推理的研究。本文采用詞典匹配模式來辨別、提煉用戶評論中的情感詞，并據(jù)其所在詞典內(nèi)的情感類別進行統(tǒng)計分析。實驗中情感詞典選用的是大連理工大學(xué)情感詞匯庫，該詞典將情感細致劃分成“樂”“好”“驚”“怒”“哀”“懼”“惡”7類，能夠較好滿足實驗需求。此外，運用Word2vec模型來實現(xiàn)情感詞典的擴充。

2.5 隨機森林算法

隨機森林是在多個決策樹的基礎(chǔ)上進階而成的集成學(xué)習(xí)算法，屬于監(jiān)督學(xué)習(xí)，其內(nèi)每棵決策樹為一個弱分類器。匯集多棵決策樹的隨機森林可以并行化運算，進而提升整體的分類性能。本研究將從Sklearn機器學(xué)習(xí)包中調(diào)用隨機森林算法對各國電視劇口碑好壞進行預(yù)測。

3 實驗分析及結(jié)果評估

3.1 電視劇領(lǐng)域詞典構(gòu)建

近年來，隨著影視網(wǎng)絡(luò)的不斷發(fā)展，各種網(wǎng)絡(luò)新詞層出不窮，這類詞語往往包含獨特的情感內(nèi)涵，不能被忽略，然而基礎(chǔ)情感詞典中并沒有更新此類詞語，因此，本文采用Word2vec模型進行電視劇專屬領(lǐng)域的詞典構(gòu)建，基本步驟如下。

（1）對各國電視劇評論數(shù)據(jù)進行結(jié)巴分詞、停用詞剔除、詞性標注和訓(xùn)練詞向量等操作；

（2）將分詞后的情感詞按詞頻降序排列，從中挑選前50個詞語作為情感種子詞；

（3）通過Word2vec模型尋找與情感種子詞相關(guān)聯(lián)的候選詞，并于基礎(chǔ)詞典中完成重復(fù)值篩選，進而擴充、完善情感詞典。

為使電視劇評論的情感分析效果最佳，實驗中由3名相關(guān)專業(yè)研究生對候選詞進行情感類別標注，并從結(jié)果中挑選兩次及以上的相同結(jié)果作為詞最終的情感類別，標注不同的，以3人商討后的結(jié)果為準。最后將93個候選詞和相應(yīng)的情感類別加入情感詞典，完成電視劇領(lǐng)域?qū)偾楦性~典的構(gòu)造。

經(jīng)擴展后的領(lǐng)域詞典在性能上得到較大提升。以《慶余年》為例，圖2是擴展前后兩種詞典對其評論的情感分析對比圖，從中發(fā)現(xiàn)，在7個維度上領(lǐng)域詞典的情感詞識別度均有不同程度的提高，尤其在“樂”“好”“惡”3個維度上效果更為顯著，為后續(xù)分析奠定了基礎(chǔ)。

圖2 《慶余年》評論中兩種詞典的性能比較

3.2 電視劇評論情感分析

對劇評進行細粒度情感研究，可以使投資方和制片人更好地獲悉廣大觀眾的確切需求，從而站在觀眾的視角描述電視劇，進而實現(xiàn)觀眾情緒分析、劇集風(fēng)格對比、文化差異比較等實際應(yīng)用。

3.2.1 觀眾情緒分析

在基于領(lǐng)域詞典的劇評情感分析方面，同樣以詼諧幽默的《慶余年》為例，劇評內(nèi)容情感分布如圖2所示。由圖2可知，該劇以正向歡快的情緒（樂、好）為主，同時亦伴隨著一定的負面情緒（惡、怒）和些許悲傷情緒（哀），觀眾評論中情緒和劇集內(nèi)容所呈現(xiàn)情感狀態(tài)十分吻合。但具體到單條評論，文中隨機抽取兩條個例，并將其情感分布用餅圖形式加以展現(xiàn)（見圖3），顯然圖3（a）的該觀眾感受到的更多是美好和溫暖，而圖3（b）的觀眾感受卻是厭惡、悲傷和恐懼。借助可視化，能夠清晰地洞悉觀眾在情緒感知上的差異。

圖3 《慶余年》個例評論情感分布

3.2.2 劇集風(fēng)格對比

電視劇風(fēng)格類型的不同，帶給觀眾們的情緒感知亦有差異。圖4為熱度前10部國劇的評論細粒度情緒分布對比圖，細致地呈現(xiàn)出觀眾在不同電視劇上的感受。圖4顯示，《三生三世枕上書》《下一站是幸福》《錦衣之下》的“樂”“好”情緒占比較高，其中《下一站是幸?！肪邮祝f明觀眾較于偏愛這類愛情、青春偶像等題材電視劇，究其原因，是該類型劇情較為迎合觀眾的審美期待，呼應(yīng)了人們的情感生活；此外，《大明風(fēng)華》《鶴唳華亭》《慶余年》中“惡”的情緒占比較大；《鶴唳華亭》《錦衣之下》《將夜2》的“哀”的情緒占比較多；而《大明風(fēng)華》《鶴唳華亭》《唐人街探案》的“怒”的情緒占比較高，表明觀眾對《大明風(fēng)華》《鶴唳華亭》等歷史古裝劇持消極態(tài)度較多；同時還可以發(fā)現(xiàn)觀眾對《錦衣之下》的感知呈現(xiàn)兩極分化，對《鶴唳華亭》的情緒豐富，各占比均較高，說明觀眾對其爭議較大，而《唐人街探案》的“懼”情緒占比最高，這與其懸疑推理劇的風(fēng)格十分符合。

圖4 10部國劇的用戶評論情感分布

3.2.3 國度間劇集差異比較

圖5為五國電視劇評論的用戶情緒分布圖，由圖5可知，用戶對各國劇評的情緒感知在整體上呈現(xiàn)為正面情感，這說明國內(nèi)大多觀眾對于英、美、日、韓4國電視劇的內(nèi)容較為認可，亦表明我國的影視市場包容性強，對差異性文化接受度高等特點。然而在多維度的情緒分布中，5國劇集又有明顯區(qū)別，如美劇和英劇中“哀”“懼”情緒都占比較多，但美劇更偏向于“怒”，英劇更偏向于“驚”，符合實際中美劇、英劇的劇情編排。日劇中“驚”和“懼”的情感較為明顯。韓劇中“樂”“好”“哀”居多，與生活中觀眾喜愛其唯美浪漫、催人淚下情節(jié)的普遍現(xiàn)象基本一致，這是韓劇劇情與人們內(nèi)心情感產(chǎn)生共鳴的緣故。通過對不同國家的影視評論進行情感挖掘，有助于把握各國的影視編制特色，進一步了解其各自的文化差異，從而打造出極具自身魅力的精品電視劇。

圖5 五國劇評各類情緒分布

3.3 共詞分析演員關(guān)系圖譜

演員是觀眾與劇集角色情智交流的橋梁，一部優(yōu)秀電視劇的產(chǎn)生需要合適演員來將特定角色形象演繹到位，因此演員人選不僅是電視劇成敗的關(guān)鍵還是觀眾擇劇時考慮的重要因素。為了深入探究各演員間合作關(guān)系及其潛在規(guī)律，本文采用共詞分析法計算豆瓣電視劇中各國熱度前100部的所有演員共現(xiàn)情況，計算規(guī)則是：兩位演員同時出演一部電視劇就視為共現(xiàn)，并存在一條關(guān)系邊，反之則沒有。

以國劇為例，運用Gephi軟件繪制演員關(guān)系知識圖譜，結(jié)果如圖6所示，共挖掘出核心演員200名和關(guān)系邊4864條。圖中節(jié)點代表演員，其顏色為相似類別，大小表示演員的重要程度，這可以更好展現(xiàn)演員間的關(guān)聯(lián)情況。圖6顯示，該圖譜中演員分成不同陣營，各陣營相對獨立但彼此又間互相聯(lián)系，其中“楊紫”“迪麗熱巴”“易烊千璽”“李現(xiàn)”等新生代演員和“王勁松”“王永泉”“靳東”“王凱”等實力派演員活躍于熒屏，深受廣大觀眾喜愛。同時，推薦制劇方和這些演員合作，以提高劇集收視率。

圖6 豆瓣國劇演員關(guān)系圖譜

3.4 隨機森林分類算法

本文將對豆瓣網(wǎng)中各國熱度前100部的電視劇（共500部）進行隨機森林分類實驗，并根據(jù)電視劇的豆瓣評分對其劃分成三類，即口碑較差、口碑中等和口碑較好，進而實現(xiàn)電視劇質(zhì)量的預(yù)測。其中將豆瓣評分位于區(qū)間［0，6）、［6，8）、［8,10］的電視劇分別定義為口碑較差、中等、較好3個等級（滿分10分）。該數(shù)據(jù)集共包含9個特征，如表1所示。

表1 數(shù)據(jù)集特征

為保證實驗公平有效，文中將數(shù)據(jù)集按4∶1進行隨機劃分，以400部電視劇作為訓(xùn)練集，100電視劇作為測試集。并基于隨機森林進行口碑等級預(yù)測，最后選取準確率、召回率、特征值三個指標評估算法的分類性能。實驗結(jié)果如表2所示。

表2 隨機森林分類結(jié)果

從表2可知，口碑較好的電視劇實驗結(jié)果最佳，準確率為0.982，召回率為0.947，值為0.946。

4 結(jié)語

本文以豆瓣網(wǎng)電視劇數(shù)據(jù)為研究對象，借助情感詞典、共詞分析和隨機森林等方法實現(xiàn)觀眾細粒度情緒分析、演員間關(guān)系挖掘以及電視劇口碑好壞預(yù)測，通過可視化技術(shù)將結(jié)果多維度呈現(xiàn)。得出以下結(jié)論。

（1）構(gòu)建的領(lǐng)域詞典在性能上得到較大提升，可以從電視劇評論中有效提取出觀眾的情緒訴求和分布狀態(tài)，并加以可視化展現(xiàn)，能夠為影視業(yè)提供一種新的分析視角。

（2）通過對電視劇評論的情感分析得出：觀眾評論中蘊含的情緒和劇集內(nèi)容所呈現(xiàn)的情感狀態(tài)具有一致性。同時，觀眾的情感感知亦存在差異，需更更深入地獲悉觀眾在評論中的情感需求。

（3）我國電視劇市場呈現(xiàn)兼容并包的良好局面，韓、英、美、日等國劇集的加入，極大豐富了廣大觀眾的文化娛樂生活。五國劇集風(fēng)格不盡相同、各有所長，與觀眾的情緒分布具有一定的相關(guān)性。同時，我國也需吸取各國劇集的優(yōu)點，并加強自身的創(chuàng)新能力。

（4）共詞分析的演員合作關(guān)系圖譜共發(fā)掘出200名核心演員與4864條關(guān)系，其中相似度較高的演員被聚類為同一陣營，各陣營相對獨立但彼此間又互相關(guān)聯(lián)，直觀地展現(xiàn)出演員們的合作現(xiàn)狀，這可以為制劇方在選擇合適演員方面提供一定的參考價值。

（5）隨機森林算法對豆瓣網(wǎng)各國共500部的電視劇進行口碑預(yù)測分析，并將結(jié)果分為口碑較差、中等、較好三類。經(jīng)驗證，整體預(yù)測效果良好，是向觀眾推薦優(yōu)秀劇集的有效方法。

總之，本文研究方法能夠有效挖掘出我國電視劇數(shù)據(jù)中蘊藏的價值信息，對于打造出更符合大眾口味的優(yōu)秀電視劇具有重要的理論意義和實際價值。