姚振軒

大數(shù)據(jù)作為數(shù)據(jù)革命的先行者，使得生產(chǎn)、教育、思維方式等方面均產(chǎn)生了變革性的反思，這意味著人類在探索數(shù)字化認知世界的道路上邁進了一大步。面對大數(shù)據(jù)，影視藝術(shù)在不斷嘗試“技術(shù)+藝術(shù)”的探索。作為大眾文化的消費品，較為先行地主動應(yīng)對機遇與挑戰(zhàn)。陳旭光在《試論“大數(shù)據(jù)”“微時代”的電影批評》一文中提到，大數(shù)據(jù)時代的到來，對電影文化批評和本體批評都產(chǎn)生了一定的負面影響，造成了其淡出和失語。而產(chǎn)業(yè)批評卻更為順應(yīng)時代發(fā)展，因而網(wǎng)絡(luò)“微批評”迅速崛起。但是網(wǎng)絡(luò)“微批評”也存在情緒化、謾罵化等現(xiàn)實問題，學院化、專業(yè)化的電影批評也可能是引領(lǐng)大數(shù)據(jù)流向的一個因素。厲震林在其《論微電影與微表演的文化姿態(tài)》一文中指出，微電影必須與時代的內(nèi)在情緒保持一致，不要為微而微；微表演的“低姿態(tài)”不等于“無底線”，“大容量”也并不等同于“沒取舍”；產(chǎn)業(yè)與文化應(yīng)成為微電影及其微表演的兩個驅(qū)輪。影視藝術(shù)生態(tài)在大數(shù)據(jù)時代的推動下實現(xiàn)了翻新，在這種向微發(fā)展的方向下，包含了大數(shù)據(jù)對影視藝術(shù)創(chuàng)作、傳播、產(chǎn)業(yè)等方面的影響，在此做一梳理。

一、影視藝術(shù)在大數(shù)據(jù)時代下的新發(fā)展

最早提出“大數(shù)據(jù)”時代到來的是麥肯錫，其認為數(shù)據(jù)已經(jīng)滲透當今每一個行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。人類對于海量數(shù)據(jù)統(tǒng)計和運用技術(shù)的掌握，預(yù)示了新一輪生產(chǎn)率的增長和消費者盈余浪潮即將到來?？偨Y(jié)而言，“大數(shù)據(jù)時代”即大數(shù)據(jù)技術(shù)已經(jīng)較為成熟地運用于社會的各個領(lǐng)域且經(jīng)過時間的檢驗，各行各業(yè)都充分肯定大數(shù)據(jù)的能力與作用，從廣域的概念到精準的應(yīng)用，從結(jié)構(gòu)化的數(shù)據(jù)分析到非結(jié)構(gòu)化數(shù)據(jù)分析及半結(jié)構(gòu)化數(shù)據(jù)分析，大數(shù)據(jù)技術(shù)正逐步完善并廣泛應(yīng)用。

在影視藝術(shù)領(lǐng)域，大數(shù)據(jù)的初步應(yīng)用多集中在對受眾的分析和畫像上。通過對受眾收視的數(shù)據(jù)分析，發(fā)現(xiàn)受眾的興趣點，以此指導影視藝術(shù)創(chuàng)作的手法近來引起了關(guān)注。2013年美國視頻網(wǎng)站Netflix投拍的《紙牌屋》首次將大數(shù)據(jù)用于影視創(chuàng)作中，贏得了滿意的市場反饋。大數(shù)據(jù)首先深入影視的創(chuàng)作環(huán)節(jié)，這對影視藝術(shù)創(chuàng)作從選本到選角再到拍攝和后期制作乃至產(chǎn)業(yè)及市場營銷都將產(chǎn)生不同程度的影響。大數(shù)據(jù)通過高新科技技術(shù)產(chǎn)業(yè)，對大數(shù)據(jù)進行全面的搜集、挖掘、整理、歸納、提精，為影視創(chuàng)作提供新的思路、新的風格、新的傳播模式。隨著社交網(wǎng)絡(luò)和聚合類影視網(wǎng)站的快速發(fā)展，大數(shù)據(jù)可以獲得人們對影視作品的偏好或者是對選本、選角的偏好，類似的分析往往通過語義分析來實現(xiàn)，這種分析獲得的結(jié)果對影視創(chuàng)作所能夠起到的指導性作用是不言而喻的。

在延伸產(chǎn)業(yè)方面，大數(shù)據(jù)可以作用于影視產(chǎn)業(yè)的各環(huán)節(jié)，通過對受眾行為習慣的分析可以建立用戶興趣模型，從而為我國電影的規(guī)模、精度等提供指導意見，從情節(jié)、內(nèi)容等方面來填補技術(shù)、效果等方面的暫時不足。

二、影視藝術(shù)在大數(shù)據(jù)時代的新熱點

大數(shù)據(jù)與影視藝術(shù)的交叉研究肇始于20世紀90年代，多在用戶興趣模型研究、運營研究、創(chuàng)作研究等方面。與之前相比，影視藝術(shù)研究在廣度上尚未有明顯的延展，但在深度上卻有了拔高。大數(shù)據(jù)為影視傳播提供了智能的導向手段，使得受眾定位更明確，類型細分更精確，廣告投放更準確。從經(jīng)濟的層面而言，大數(shù)據(jù)為影視文化產(chǎn)品的市場化提供了更具科學性的指導。

（一）大數(shù)據(jù)時代影視藝術(shù)受眾興趣模型研究

受眾興趣模型是基于個性化系統(tǒng)所提出的用戶興趣建模。個性化系統(tǒng)，就是能夠針對不同用戶的信息需求表現(xiàn)出不同運行效果的軟件，而此類軟件提供的服務(wù)即個性化服務(wù)。個性化系統(tǒng)的核心是用戶建模，即對用戶信息需求的模型表示。用戶興趣建模是一個復雜的過程，既包括用戶相關(guān)信息的收集與挖掘，還包括用戶興趣的提取和表示，以及長期興趣、近期興趣、即時興趣的組織與維護等，各個方面相互聯(lián)系構(gòu)成完整的建模體系。

1.國外模型研究的啟蒙。2004年，Epagogix通過對電影文本語義分析，建構(gòu)模型來預(yù)測票房，啟蒙了用戶興趣模型研究。主要的研究方向，一是基于規(guī)則，如關(guān)聯(lián)關(guān)系規(guī)則，但應(yīng)用效果差強人意；另一種是基于信息篩選，后來又細分為基于內(nèi)容篩選的和基于協(xié)同篩選的，進而演化出綜合模型。2009年，Susan Gauch和Alexander Pretschner建立了個性化搜索的空間向量模型，該模型由用戶瀏覽的頁面和時間兩個維度所構(gòu)成，并不斷進行修正。然后將搜索結(jié)果和該空間向量模型進行擬合，擬合度最好的結(jié)果即為輸出的搜索結(jié)果。

2.國內(nèi)模型研究的發(fā)展。2011年，路海明提出了基于多Agent混合智能興趣模型，該系統(tǒng)屬于基于內(nèi)容過濾和協(xié)同過濾的混合系統(tǒng)，通過多個Agent來收集用戶行為。2012年，馮翱等人研發(fā)的Open Bookmark系統(tǒng)也是基于內(nèi)容過濾和協(xié)同過濾的混合系統(tǒng)。2013年，潘金貴研發(fā)的基于信息可視化與數(shù)據(jù)挖掘的電影網(wǎng)站分析系統(tǒng)，該系統(tǒng)在python提供的框架下實現(xiàn)，整體框架采用Django，頁面表現(xiàn)采用D3.js可視化庫，分詞工具采用jieba等，實現(xiàn)了電影的觀眾興趣挖掘。2014年，姜文實現(xiàn)了基于混合模型的個性化電影推薦管理系統(tǒng)，該系統(tǒng)以用戶興趣標簽和用戶瀏覽記錄為原始數(shù)據(jù)，通過混合模型向消費者推薦一些比較有興趣的電影。同年，李愛華實現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)的分層混合興趣模型，并將該模型應(yīng)用于電影的大數(shù)據(jù)分析上，該系統(tǒng)將用戶行為原始數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，經(jīng)過不斷的學習訓練，輸出用戶可能最感興趣的電影。2015年，王潤華實現(xiàn)了基于Hadoop的實時電影推薦和基于Storm的趨勢推薦，該系統(tǒng)基于分布式批處理計算框架Hadoop和分布式實時流處理框架Storm，是近年來該領(lǐng)域最新的研究成果。

（二）大數(shù)據(jù)時代影視藝術(shù)傳播模式研究

《紙牌屋》的成功在很大程度上與Netflix網(wǎng)站的大數(shù)據(jù)分析創(chuàng)作有著密切的關(guān)系，Netflix網(wǎng)站的大數(shù)據(jù)分析方法也引來學界的研究，《紙牌屋》為大數(shù)據(jù)在影視創(chuàng)作啟發(fā)了新的意識。對其大數(shù)據(jù)分析方法研究，建立了多個數(shù)學模型，得出了以下結(jié)論：在喜歡看1990年版《紙牌屋》的觀眾中，有24%的觀眾偏愛導演大衛(wèi)·芬奇的作品，而其他導演的占比不足10%，有38%的觀眾偏好凱文·斯派西的作品，還有多類型的數(shù)學模型綜合反映了《紙牌屋》的成功。

吳衛(wèi)華在其關(guān)于“大數(shù)據(jù)視閾下廣電產(chǎn)業(yè)發(fā)展戰(zhàn)略研究”的相關(guān)文獻中，對大數(shù)據(jù)影視藝術(shù)傳播的創(chuàng)新模式做了較為全面的表述。他認為傳統(tǒng)的影視傳播模式是自上而下的單一且單向的，網(wǎng)絡(luò)時代下，傳播模式體現(xiàn)雙向互動性，而在大數(shù)據(jù)時代，則是自下而上的逆向模式。這一過程中起主導作用的不是內(nèi)容制作商或是運營商，而是分散的但規(guī)模龐大的用戶群體，內(nèi)容制作商和運營商只能依據(jù)用戶的媒介消費行為數(shù)據(jù)，找到符合用戶興趣的產(chǎn)品和服務(wù)，反向指導生產(chǎn)和實踐。CBS從2013年就開始利用大數(shù)據(jù)進行內(nèi)容生產(chǎn)，通過記錄用戶的臉部表情、心情波動甚至是腦電波變化來尋求用戶興趣所在，通過數(shù)據(jù)分析優(yōu)化自己的傳播內(nèi)容。

三、大數(shù)據(jù)背景下影視藝術(shù)產(chǎn)業(yè)的發(fā)展路徑

2017年以來，影視產(chǎn)業(yè)進一步加速升級，特別是在電影產(chǎn)業(yè)中的表現(xiàn)尤為明顯。論及大數(shù)據(jù)背景之下的影視產(chǎn)業(yè)發(fā)展，往往以“內(nèi)容為王”和“管理為上”為主要的研究模塊，本文將其梳理為內(nèi)容生產(chǎn)與產(chǎn)業(yè)管理兩個方面。

（一）內(nèi)容生產(chǎn)路徑

大數(shù)據(jù)給影視產(chǎn)業(yè)發(fā)展帶來的不僅是生產(chǎn)方式的變化，更重要的是思維方式的變化，影視產(chǎn)業(yè)將改變以往以制作商和生產(chǎn)商為主的生產(chǎn)模式，轉(zhuǎn)而以用戶為導向制作產(chǎn)品、提供服務(wù)。如何處理好“大”與“微”的關(guān)系是內(nèi)容生產(chǎn)的關(guān)鍵點。

在當下的影視劇生產(chǎn)過程中已經(jīng)出現(xiàn)通過對視頻用戶深度挖掘的產(chǎn)品，美國Netflix的《紙牌屋》是經(jīng)典案例；在電視節(jié)目編排上，依據(jù)不同時段的目標用戶媒介消費特征設(shè)定不同欄目；在廣告推送上，采用大數(shù)據(jù)分析，對不同地區(qū)的不同用戶在同一時段展現(xiàn)不同的廣告內(nèi)容，采用大數(shù)據(jù)細分推送法；在移動終端，集合電視網(wǎng)、互聯(lián)網(wǎng)和電信網(wǎng)推出新的類似“社交電視”之類的社交產(chǎn)品，進行個性化定制和智能化推薦。如亞馬遜已經(jīng)開始把大數(shù)據(jù)運用到影視作品的制作當中，通過網(wǎng)絡(luò)篩選劇本，然后制作成樣片，投放到網(wǎng)絡(luò)上，并利用數(shù)據(jù)分析觀察用戶反應(yīng)，最終決定投資的作品。通過這種方式，影視劇的受眾基礎(chǔ)已經(jīng)得到優(yōu)化，輿論與口碑效應(yīng)得以形成。

（二）產(chǎn)業(yè)管理路徑

2011年美國就有參議員提出《網(wǎng)絡(luò)不跟蹤法案》，2012年奧巴馬政府公布《消費者隱私權(quán)利法案》，目的在于限制網(wǎng)絡(luò)運營企業(yè)對用戶數(shù)據(jù)的使用與傳播，并且有很多影視企業(yè)和廣告公司自發(fā)發(fā)起“不跟蹤機制”。因此，完善的法律基礎(chǔ)與管理方式的緊跟是影視產(chǎn)業(yè)大數(shù)據(jù)運用的“有形手”。

無論是中宣部外掛電影局，還是國家廣電總局的職能優(yōu)化，都顯示了大數(shù)據(jù)時代國家對于影視行業(yè)的重視程度?！峨娪肮芾項l例》《廣播電視管理條例》等規(guī)范著影視行業(yè)的發(fā)展，而網(wǎng)絡(luò)視頻節(jié)目的管理尚相對空白。我國在今年推出機構(gòu)改革之后，對大數(shù)據(jù)影視的管控政策與規(guī)范是值得關(guān)注的。

【參考文獻】

[1]黃欣榮.大數(shù)據(jù)哲學研究的背景、現(xiàn)狀與路徑[J].哲學動態(tài)，2015.

[2]吳彤.大數(shù)據(jù)對影視創(chuàng)作的影響研究[D].哈爾濱：哈爾濱師范大學，2016.

[3]巴里·利特曼.大電影產(chǎn)業(yè)[M].尹鴻譯.北京：清華大學出版社，2005.

[4]潘金貴，胡學聯(lián)，李俊等.一個個性化的信息搜集Agent的設(shè)計與實現(xiàn)[J].軟件學報，2013.

[5]王潤華.基于Hadoop集群的分布式日志分析系統(tǒng)研究[D].北京：北京政法職業(yè)學院計算機系，2015.

[6]張秀珍，馮曉玉.網(wǎng)絡(luò)傳播受眾與傳統(tǒng)大眾傳播受眾的心理特征比較[J].白城師范院學報，2014.

[7]吳衛(wèi)華.大數(shù)據(jù)背景下影視產(chǎn)業(yè)創(chuàng)新發(fā)展[J].當代傳播，2015.