一种电视剧剧本量化评估系统及方法与流程

本发明实施例涉及影视行业信息服务技术领域，具体涉及一种电视剧剧本量化评估系统及方法。

背景技术：

电视剧兼容电影、戏剧、文学、音乐、舞蹈、绘画、造型等现代艺术诸元素，是一种适应电视广播特点、融合舞台和电影艺术的表现方法而形成的现代艺术样式。受到很多观众的喜爱，在一部电视剧上映前，对电视剧的剧情进行分析，评判其精彩度、观众的喜爱程度以及其点击量等，对电视剧的发展以及电影公司显得尤为重要。

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。在低品质电视剧转向高品质电视剧消费升级的时代，鉴于观众对高质量电视剧的呼声日渐高涨，广大的影视工作者需要打造更多合格的电视剧，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。现今市面上的电视剧剧本评估服务，大多以主观经验为基础，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。

技术实现要素：

为此，本发明实施例提供一种电视剧剧本量化评估系统及方法，以解决现有技术中对电视剧剧本的评估仅依靠经验进行人工评估，无法将剧本量化成客观数据来进行评估的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

根据本发明实施例的第一方面，公开了一种电视剧剧本量化评估系统，所述电视剧剧本量化评估系统对电视剧剧本进行自动识别拆解，拆解完成后对剧本自动添加标签，根据标签信息进行评估，评估系统包括多个一级指标，每个一级指标占比不同的权重，所述一级指标包括：情节设置、人物设计、戏剧冲突、剧情节奏、人物对白、情感体验、场景构成、项目名称、题材类型、故事主体、剧作手法和核心价值，每个一级指标包括多个二级指标，每个二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，所述一级指标中情节设置的二级指标包括：伏笔、小情节点、大拐点、小拐点、剧情悬念、片尾悬念、情节逻辑、事件进展和线索结构，人物设计的二级指标包括：人物结构、角色配置、命运轨迹、互动时长、互动组数、对抗级别、关系转变、主要人物塑造和次要人物塑造，戏剧冲突的二级指标包括：一级冲突、二级冲突、三级冲突和意外冲突，人物对白的二级指标包括：简洁化、生活化、个性化、幽默化、内涵化、流行化和博弈度，情感体验的二级指标包括：情感进展和情感共鸣点，场景构建的二级指标包括：矛盾场景、情感场景、特殊场景和其它场景，项目名称的二级指标包括：冲击力、传播力、独特性、联想性和吸引力，题材类型的二级指标包括：市场竞争力、功能准确度、类型主流化、突破创新性、观众关注度，故事主体的二级指标包括：话题性、影响力、独特性、纯净性、接地气，剧作手法的二级指标包括：元素创新性、视角独特性、人物独特性、情节新颖性、结构合理性，核心价值的二级指标包括：符合主流意识形态、符合国家政策形势、与现实时事相符合、纯净正面的价值观和具有深刻的思想性。

进一步地，所述系统包括：

评估数据库，用于存储剧本文本内容以及评估报告；

内容拆解模块，用于根据内容要素对剧本进行自动拆解；

评估要素标注模块，对剧本中待评估的内容要素进行识别，构成评估要素，并对所述评估要素进行标注；

权重分配模块，用于为所述剧本内的每个评估指标进行权重设置；

统计分析模块，用于根据评估指标的权重对标注的评估要素的权重进行统计计算，量化剧本内的所有评估要素的评估指标，得出统计结果，并将所述统计结果导入评估模型对剧本的各项指标进行评估分析，得出评估报告；

人机交互模块，用于对所述统计结果和评估报告进行展示。

进一步地，所述系统还包括：

人工校对模块，用于校对评估要素是否标注正确；

评估数据处理模块，用于利用数据组装与图表生成机制将统计结果和评估报告以多种图表样式呈现；

历史数据分析模块，用于定时汇总统计剧本已评估完成的各项评估指标得分，从而确定指标得分的高中低分界点，作为调整评分标准的参照依据。

根据本发明实施例的第二方面，公开了一种电视剧剧本量化评估方法，所述方法包括：

创建评估数据库，并上传剧本至所述评估数据库；

对所述剧本进行自动解析，提取剧本所有内容要素；

构建评估指标，并为每个评估指标进行权重设置；

对剧本中待评估的内容要素进行识别和特征提取，构成评估要素，并对所述评估要素进行自动标注；

根据评估指标的权重对剧本内标注的评估要素的权重进行统计计算，量化剧本内的所有评估要素的评估指标，得出统计结果；

将所述统计结果导入评估模型对剧本的各项指标进行评估分析，得出评估报告，并通过人机交互模块对所述统计结果和评估报告进行展示。

进一步地，所述方法还包括：对待评估的剧本进行格式化处理，所述格式化处理包括：为剧本的每一场内容设置标题样式表达式，所述标题样式表达式包括分隔符和按照剧本内容定义的标题要素，所述标题要素包括集号、场号、场景、氛围、内外景或人物，对所述剧本进行自动解析，提取剧本所有内容要素的方法包括：根据所述标题样式表达式对剧本自动解析，将整体剧本拆分成单场，并区分出每场的标题和内容，且从标题中识别出每场所包含的要素信息；且基于固定格式的文本扫描匹配和人工误差修正分析出人物和对白。

进一步地，所述方法还包括：根据剧本所属类型，进行评估指标的设置，并结合市场数据对评估指标的权重进行设置；提取与所述评估指标相关的内容要素，构成评估要素，对所述评估要素进行自动标注；根据评估指标的权重对标注的评估要素的权重进行统计计算，依据指标运算逻辑计算出剧本的各项指标得分、平均值以及总分，所述指标运算逻辑包括：对评估指标进行分级，包括一级指标和二级指标，分别对一级指标和二级指标进行运算，其中，对二级指标的运算方法包括：

对与二级指标相关的评估要素进行标注，统计标注的标签数量，作为初始数值；对初始数值进行衍生运算得到指标聚合值；对所述指标聚合值进行归一化处理，即得到二级指标的分值；

对一级指标的运算方法包括：根据评估指标的权重，对二级指标进行加权计算得出一级指标的分值。

进一步地，所述人机交互模块采用分屏装置对评估结果进行显示，所述分屏装置包括父窗口和子窗口，所述父窗口用于显示剧本内容，所述子窗口用于显示评估记录，且父窗口和子窗口的内容采用双向联动模式。

进一步地，所述方法还包括定时任务与实时查询相结合的数据分析方法，所述数据分析方法包括：

定时统计评估完成的各个评估要素的指标得分，且对统计结果进行动态排序，操作者实时查询剧本各个评估要素的评估指标得分的高低，并根据各个评估要素的评估指标实时得分对评估指标的权重进行调整。

进一步地，所述评估要素包括情节设置、戏剧冲突、剧情节奏和场景构成，所述情节设置包括伏笔、情节点、拐点、剧情悬念、片尾悬念、情节逻辑、事件进展和线索结构。

本发明实施例具有如下优点：

本发明通过通对设定评估指标，自动对剧本进行拆解、识别、分析，对剧本内容添加一级指标和二级指标，实现剧本的评估指标量化处理，将每一个剧本对应的剧情以清晰的图表形式展现，客观形象的反映出剧本的剧情状况，不依赖与人工评估，并通过评估模型提供一定的完善意见与市场建议，可以直观地帮助国产电视剧剖析创作规律，改进剧本内容，更加符合市场规律。

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1提供的一种电视剧剧本量化评估系统结构示意图；

图2为本发明实施例2提供的一种电视剧剧本量化评估方法的流程图；

图3为本发明实施例提供的一种电视剧剧本量化评估系统的伏笔柱状图；

图4为本发明实施例提供的一种电视剧剧本量化评估系统的小情节点柱状图；

图5为本发明实施例提供的一种电视剧剧本量化评估系统的大拐点折线图；

图6为本发明实施例提供的一种电视剧剧本量化评估系统的小拐点折线图；

图7为本发明实施例提供的一种电视剧剧本量化评估系统的剧情悬念折线图；

图8为本发明实施例提供的一种电视剧剧本量化评估系统的片尾悬念柱状图；

图9为本发明实施例提供的一种电视剧剧本量化评估系统的情节逻辑柱状图；

图10为本发明实施例提供的一种电视剧剧本量化评估系统的事件进展折线图；

图11为本发明实施例提供的一种电视剧剧本量化评估系统的人物结构关系图；

图12为本发明实施例提供的一种电视剧剧本量化评估系统的命运轨迹折线图；

图13为本发明实施例提供的一种电视剧剧本量化评估系统的互动时长饼图；

图14为本发明实施例提供的一种电视剧剧本量化评估系统的互动组数折线图；

图15为本发明实施例提供的一种电视剧剧本量化评估系统的对抗级别柱状图；

图16为本发明实施例提供的一种电视剧剧本量化评估系统的关系转变折线图；

图17为本发明实施例提供的一种电视剧剧本量化评估系统的主要人物塑造柱状图；

图18为本发明实施例提供的一种电视剧剧本量化评估系统的次要人物塑造柱状图；

图19为本发明实施例提供的一种电视剧剧本量化评估系统的戏剧冲突饼图；

图20为本发明实施例提供的一种电视剧剧本量化评估系统的剧情节奏柱状图；

图21为本发明实施例提供的一种电视剧剧本量化评估系统的人物对白雷达图；

图22为本发明实施例提供的一种电视剧剧本量化评估系统的情感进展折线图；

图23为本发明实施例提供的一种电视剧剧本量化评估系统的情感共鸣点折线图；

图24为本发明实施例提供的一种电视剧剧本量化评估系统的场景构成饼图；

图25为本发明实施例提供的一种电视剧剧本量化评估系统的单向指标优劣对比柱状图。

图中：1-评估数据库、2-内容拆解模块、3-评估要素标注模块、4-权重分配模块、5-统计分析模块、6-人机交互模块、7-历史数据分析模块、8-人工校对模块、9-评估数据处理模块。

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1

本实施例公开了一种电视剧剧本量化评估系统，利用人工智能引擎和大数据处理技术，从全集、单集、单场逐级进行细分和解读，对剧本进行细致入微、权重分明的信息提炼与剖析，最后统计出剧本情节的各个指标分值，并根据分值进行评估，出具图文并茂的评估报告，全面呈现评估结果，便于提供一定的完善意见与市场建议，可以直观地帮助国产电视剧剖析创作规律，抓住剧本创作的灵魂，为电视剧制作、投资提供依据。

具体地，参考图1，一种剧本情节量化评估系统主要包括：依次相连的评估数据库1、内容拆解模块2、评估要素标注模块3、权重分配模块4、统计分析模块5和人机交互模块6。

上述评估数据库1用于存储剧本文本内容以及评估报告，将甲方提供的待评估剧本上传到本评估数据库1中进行存储，本实施例中的剧本包括但不限于影视剧的剧本、大纲、梗概和人物小传等文本内容。且本评估数据库1还用于对评估结果进行存储，以便于以后查询和调取数据。

内容拆解模块2，用于根据内容要素对剧本进行自动拆解，其中，内容要素包括情节、人物、精彩度、场景等组成剧本的元素，内容拆解模块2利用机器识别技术对剧本进行自动拆解，自动提取作品的核心要素，包括集场号、场景名称、内外景、气氛、主要人物以及人物的对白等。其中，可以通过神经网络对对若干剧本先进行拆解训练，得到拆解模型，创建拆解模型的过程为现有技术，在此不再叙述，其中，通过对拆解模型的多次训练能够非常精准的提取到剧本等文本内容的核心要素。

评估要素标注模块3，用于对剧本中待评估的内容要素进行识别，构成评估要素，并对评估要素进行标注；评估要素包括但不限于剧本内容中的情节设置、戏剧冲突、剧情节奏和场景构成等，情节设置包括伏笔、情节点、拐点、剧情悬念、片尾悬念、情节逻辑、事件进展和线索结构。然后人工或自动对评估要素中的评估指标进行标注计算，评估指标为判断一个评估要素是否达到某一艺术水平的指标，如片尾悬念的评估指标可以是：紧迫感、有创意、延宕性、期待感、突发式等，情节逻辑的评估指标可以是：核心线索逻辑不通、事件进展前后矛盾、情感进展前后矛盾、人物行动前后矛盾、细节矛盾等。可以采用人工对上述评估指标进行打分，计算机统计总分值的方式对各个评估因素的评估指标进行统计，算出其总分值以及平均值。

权重分配模块4，用于为所述剧本内的每个评估指标进行权重设置，参考表1，所述一级指标包括：情节设置、人物设计、戏剧冲突、剧情节奏、人物对白、情感体验、场景构成、项目名称、题材类型、故事主体、剧作手法和核心价值，情节设置的权重范围为10％—20％，人物设计的权重范围为10％—20％，戏剧冲突的权重范围为10％—20％，剧情节奏的权重范围为5％—15％，人物对白的权重范围为5％—15％，情感体验的权重范围为5％—15％，场景构成的权重范围为5％—15％，项目名称的权重范围为1％—10％，题材类型的权重范围为1％—10％，故事主题的权重范围为1％—10％，剧作手法的权重范围为1％—10％，核心价值的权重范围为1％—10％。

每个一级指标包括多个二级指标，每个二级指标占比不同的权重，一级指标中情节设置的二级指标包括：伏笔、小情节点、大拐点、小拐点、剧情悬念、片尾悬念、情节逻辑、事件进展和线索结构，人物设计的二级指标包括：人物结构、角色配置、命运轨迹、互动时长、互动组数、对抗级别、关系转变、主要人物塑造和次要人物塑造，戏剧冲突的二级指标包括：一级冲突、二级冲突、三级冲突和意外冲突，人物对白的二级指标包括：简洁化、生活化、个性化、幽默化、内涵化、流行化和博弈度，情感体验的二级指标包括：情感进展和情感共鸣点，场景构建的二级指标包括：矛盾场景、情感场景、特殊场景和其它场景，项目名称的二级指标包括：冲击力、传播力、独特性、联想性和吸引力，题材类型的二级指标包括：市场竞争力、功能准确度、类型主流化、突破创新性、观众关注度，故事主体的二级指标包括：话题性、影响力、独特性、纯净性、接地气，剧作手法的二级指标包括：元素创新性、视角独特性、人物独特性、情节新颖性、结构合理性，核心价值的二级指标包括：符合主流意识形态、符合国家政策形势、与现实时事相符合、纯净正面的价值观和具有深刻的思想性。

表1

一级指标情节设置的权重范围为10％—20％，其中二级指标伏笔，参考图3，系统在单场标注伏笔标签并人工校对以后，系统统计所有集数的伏笔总数，并除以集数得出伏笔数量平均值；

小情节点，参考图4，系统在单场标注小情节点标签并人工校对以后，系统统计所有集数的小情节点总数，并除以集数得出小情节点数量平均值；

大拐点，参考图5，系统在单场标注大拐点标签并人工校对以后，系统统计所有集数的大拐点总数，并除以集数得出大拐点数量平均值；

小拐点，参考图6，系统在单场标注小拐点标签并人工校对以后，系统统计所有集数的小拐点总数，并除以集数得出小拐点数量平均值；

剧情悬疑，参考图7，系统对每集剧情悬念各阶段精彩度评星评分，共5个阶段，每阶段3星，并人工校对以后，系统统计所有集数剧情悬念得分，并除以所有集数得出剧情悬念得分平均值，评估指标为：设置、维持、悬置、加剧、解除；

片尾悬念，参考图8，系统对每集剧本片尾悬念评分，并人工校对后，系统统计所有集数的片尾悬念得分，并除以集数得出片尾悬念得分平均值，评估指标为：紧迫感、有创意、延宕性、期待感、突发式；

情节逻辑，参考图9，系统对每集情节逻辑进行评分，并人工校对后，系统统计所有集数的情节逻辑得分，并除以集数得出情节逻辑得分平均值，评估指标为：核心线索逻辑不通、事件进展前后矛盾、情感进展前后矛盾、人物行动前后矛盾、细节矛盾；

事件进展，参考图10，系统对每集事件进展各阶段精彩度评星评分，共五个阶段，每阶段三星，并人工校对后，系统统计所有集数事件进展得分，并除以所有集数得出事件进展得分平均值，评估指标为：产生、持续、悬置、加剧、消除；

线索结构，系统对全剧剧本的线索结构评分并人工校对，评估指标为：与题材类型相符合、完整度高、持续性强、主副线相得益彰、新颖独特有创意、符合目标观众欣赏水平、承载艺术弧光、表达主题、充满正能量。

一级指标人物设计的权重范围为10％—20％，其中二级指标人物结构，参考图11，系统根据识别的角色和角色关系绘制人物关系图，人工进行校对和修正，统计点射成网人数，点射成网是指从一个人物出发，能够有3条或4条以上与其他人物有关联的线条，点射成网人数除以重要人物总数得出关系网络密度，据此在全剧评价评星，共5星；

角色配置，系统对配置的角色进行评分，人工进行校对，共5项，评估指标为：人物配置与剧情线索相辅相成，主线上的人物配置强于副线上的人物配置、阵营中的人物配置能够有效将自身的作用发挥到极致、角色配置帮助刻画人物形象，尤其是帮助烘托主要人物、角色配置帮助建构戏剧冲突，推进剧情发展、角色配置符合剧的类型，满足观众欣赏心理；

命运轨迹，参考图12，系统绘制人物的命运轨迹，人工进行校对，共5项，评估指标为：主要人物的命运轨迹基本完整，无过多集数缺失、主要人物的命运轨迹有明显的曲折波动，而非一平如水的直线、主要人物的命运轨迹承载人物弧光，符合人物设定、非主要人物的命运轨迹也有明显的曲折波动、非主要人物的命运轨迹也基本完整，有成长趋势；

互动时长，参考图13，系统计算主次人物之间的互动场次数及占比，并根据占比数值评星，共5星。人工进行数据的校对；

互动组数，参考图14，系统计算每集人物的互动组数，并除以集数得出互动组数平均值；

对抗级别，参考图15，系统设置每集人物对抗的级别，人工进行校对，计算机统计所有集数的对抗级别得分，并除以集数得出对抗级别得分平均值，评估指标为：主要人物和主要人物间的主要对抗、主要人物和主要人物间的次要对抗、主要人物和次要人物间的主要对抗、主要人物和次要人物间的次要对抗、次要人物间的对抗；

关系转变，参考图16，系统在单场评价添加人物关系转变标签，人工进行校对，系统统计所有集数的关系转变总数，并除以集数得出关系转变数量平均值；

主要人物塑造，参考图17，系统在全剧评价添加主要人物，勾选主要人物塑造评分指标，共10项，人工进行校对，系统统计所有主要人物塑造得分，并除以主要人物总数得出主要人物得分平均值，评估指标为：性格鲜明/独特、身份/职业特殊、拥有绝技/职业技能、明确的戏剧任务/需求、移情(爱/憎)作用、处境艰难、情感关系/社会维度丰富、复杂/丰满的圆形人物、主动性或成长性、令人印象深刻；

次要人物塑造，参考图18，系统在全剧评价添加次要人物，勾选次要人物塑造评分指标，共10项，人工进行校对，系统统计所有次要人物塑造得分，并除以次要人物总数得出次要人物得分平均值，评估指标为：帮助刻画主要人物、有耳目一新的特征、助推动剧情发展、与主角有精彩的对手戏、令人印象深刻、调节气氛、烘托主题、移情(爱/憎)作用、具有一定成长转变、结局安排合理。

一级指标戏剧冲突的权重范围为10％—20％，参考图19，其中二级指标包括：一级冲突、二级冲突、三级冲突和意外冲突，系统在单场评价标注各级戏剧冲突标签，人工校对后，系统统计所有集数的各级冲突占比，评估指标包括：一级冲突、二级冲突、三级冲突和意外冲突。

一级指标剧情节奏的权重范围为5％—15％，其二级指标为剧情节奏，参考图20，系统对每集剧本的剧情节奏进行评分，并人工校对后，系统统计所有集数的剧情节奏得分，并除以集数得出剧情节奏得分平均值，评估指标为：强情节、悬念丛生、情节丰富、人物出场或人物关系变化、时空压力。

一级指标人物对白的权重范围为5％—15％，参考图21，二级指标包括：简洁化、生活化、个性化、幽默化、内涵化、流行化、博弈度，系统在每集评价对人物对白评分指标评星，共7项，每项5星，人工进行校对，系统统计所有集数每项指标得分，并除以所有集数得出人物对白每项指标得分平均值，评估指标为：简洁化、生活化、个性化、幽默化、内涵化、流行化、博弈度。

一级指标情感体验的权重范围为5％—15％，其中二级指标情感进展，参考图22，系统在每集评价对情感进展各阶段精彩度评星评分，共5个阶段，每阶段3星，人工进行校对，系统统计所有集数情感进展得分，并除以所有集数得出情感进展得分平均值，评估指标为：产生、持续、悬置、加剧、消除；

参考图23，情感共鸣点，系统在单场评价添加情感共鸣点标签，并由人工进行校对，系统统计所有集数的情感共鸣点总数，并除以集数得出情感共鸣点数量平均值。

一级指标场景构成的权重范围为5％—15％，参考图24，其中二级指标包括：矛盾场景、情感场景、特殊场景、其他场景，系统智能标注各类场景标签，并人工校对后，由系统统计所有集数的各类场景占比，评估指标为：矛盾场景，训骂、斗嘴、打斗、爆发动作、枪战、炮火、血腥、暴力、情色、追逐、飙车、智斗、威胁、嘲讽、暗算、禁闭、捆绑、跟踪、自虐、手术；情感场景，温情、感动、痛苦、隐忍爆发、纠结、担忧、打情骂俏、激动、喜悦、愤怒、悲伤、紧张、幸福；特殊场景，闪回、喜剧、悬疑、玄幻、黑色幽默、梦境、闪前、恐怖、荒诞、惊悚、幻觉、特效；其他场景，空镜、过场、仪式、解说、独白、空白。

参考图25，一级指标项目名称的权重范围为1％—10％，其中二级指标为：冲击力、传播力、独特性、联想性、吸引力，系统对全剧剧本的项目名称评分并人工校对，评估指标为：冲击力、传播力、独特性、联想性、吸引力。

一级指标题材类型的权重范围为1％—10％，其中二级指标为：市场竞争力、功能准确度、类型主流化、突破创新性、观众关注度，系统对全剧剧本的题材类型评分并人工校对，评估指标为：市场竞争力、功能准确度、类型主流化、突破创新性、观众关注度。

一级指标故事主题的权重范围为1％—10％，其中二级指标为：话题性、影响力、独特性、纯净性、接地气，系统对全剧剧本的故事主题评分并人工校对，评估指标为：话题性、影响力、独特性、纯净性、接地气。

一级指标剧作手法的权重范围为1％—10％，其中二级指标为：元素创新性、视角独特性、人物独特性、情节新颖性、结构合理性，系统对全剧剧本的剧作手法评分并人工校对，评估指标为：元素创新性、视角独特性、人物独特性、情节新颖性、结构合理性。

一级指标核心价值的权重范围为1％—10％，其中二级指标为：符合主流意识形态、符合国家政策形势、与现实时事相符合、纯净正面的价值观、具有深刻的思想性，系统对全剧剧本的核心价值评分并人工校对，评估指标为：符合主流意识形态、符合国家政策形势、与现实时事相符合、纯净正面的价值观、具有深刻的思想性。

统计分析模块5，用于根据评估指标的权重对标注的评估要素的权重进行统计计算，量化剧本内的所有评估要素的评估指标，得出统计结果，并将统计结果导入评估模型，对剧本的各项指标进行评估分析，得出评估报告。上述评估模型可以通过机器学习和大数据统计方法多次学习训练得到。评估报告的内容包括剧本的整体评分、可能的受欢迎程度、修改建议等。

人机交互模块6，用于对所述统计结果和评估报告进行展示，可以将计算机的统计结果转换成可显示的信息，通过显示屏页面展现给查询者，能够直观的了解剧本的各个评估指标的分值。

本实施例的一种剧本情节量化评估系统还包括：人工校对模块8、评估数据处理模块9和历史数据分析模块7，人工校对模块8与评估要素标注模块3相连，用于校对评估要素是否标注正确，即通过人工检验机器标注的准确性，检验标注的行动、情感、冲突、空镜等等场景类别是否正确，笑点、泪点、兴奋点、共鸣点等情感体验是否到位等等，从而提高量化数据的准确度。

评估数据处理模块9与统计分析模块5和人机交互模块6相连，用于利用数据组装与图表生成机制将统计结果和评估报告以多种图表样式呈现，包括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，从而便于扩展；采用开源的echarts插件统一进行图表展示与渲染，常用图表类型包括折线图、柱形图、饼图、雷达图等，特殊图表类型包括结构图、旭日图、层叠散点图等，增加呈现方式的多样性。

历史数据分析模块7与评估数据库1相连，用于定时汇总统计剧本已评估完成的各项评估指标得分，从而确定指标得分的高中低分界点，作为调整评分标准的参照依据。工作者可通过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，并支持统计结果动态排序，便于查看。该模块可以查询相同剧本类型与题材条件下，各指标的历史数据高中低分界值，从而及时确定正在评估的剧本指标值得分在历史数据中的水平，并以此作为调整评分标准的参照依据。

本实施例的一种剧本情节量化评估系统，能够将剧本的评价指标量化处理，形成直观的数据，对剧本进行全方位、多角度、深层次的评估，形成完整的评估报告，可以直观地帮助电视工作者找到问题症结，为优质内容的筛选提供科学决策依据。这对策划、发行等多个环节的专业人员都有直接帮助，在推动行业工业化进程、构建“互联网+影视”生态圈等方面成绩卓越。

实施例2

本实施例基于实施例1的一种剧本情节量化评估系统，提供一种剧本情节量化评估方法，参考图2，该方法的主要步骤包括：

首先，创建评估数据库1，并上传剧本至评估数据库1；其中，为了便于后续计算机对剧本的自动识别，本发明在上传剧本之前需对待评估的剧本进行格式化处理，格式化处理包括：为剧本的每一场内容设置标题样式表达式，标题样式表达式包括分隔符和按照剧本内容定义的标题要素，标题要素包括集号、场号、场景、氛围、内外景或人物，常见的分隔符为空格和换行符，集号、场号大多数为数字或汉字。

进一步地，对剧本进行自动解析，提取剧本所有内容要素；根据标题样式表达式对剧本自动解析，将整体剧本拆分成单场，并区分出每场的标题和内容，且从标题中识别出每场所包含的要素信息，如识别出集号、场号、场景、氛围、内外景、人物等要素，并依据上述要素信息直接统计出集场数、日夜戏比例、内外景比例、各场字数、场景等主要的评价项，并对上述评价项的项目进行统计排列。其中，基于固定格式的文本扫描匹配和人工误差修正分析出人物和对白，剧本中的对白固定格式一般为：人物+特殊符号+对白内容、人物+os+特殊符号+对白内容、人物+无效文字+特殊符号+对白内容，基于上述固定格式可以利用文本扫描匹配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，对剧本的主角和配角进行识别，对各个人物的对白量等进程统计，统计出人物对白词性占比、人物对白常用词语等，从而实现深度挖掘剧本人物，有利于对剧本进行客观评估。

更进一步地，构建评估指标，并为每个评估指标进行权重设置；根据剧本所属类型，进行评估指标的设置，包括情节设置、人物设计、戏剧冲突、剧情节奏、人物对白、情感体验、场景构成、项目名称、题材类型、故事主体、剧作手法和核心价值，并结合市场数据对评估指标的权重进行设置。

提取与评估指标相关的内容要素，构成评估要素，对评估要素进行自动标注，以便于计算机进行自动统计，并根据评估指标的权重对标注的评估要素的权重进行统计计算，依据指标运算逻辑计算出剧本的各项指标得分、平均值以及总分。评估要素包括情节设置、戏剧冲突、剧情节奏和场景构成，所述情节设置包括伏笔、情节点、拐点、剧情悬念、片尾悬念、情节逻辑、事件进展和线索结构。

其中，指标运算逻辑包括：对评估指标进行分级，包括一级指标和二级指标，分别对一级指标和二级指标进行运算。对二级指标的运算方法包括：对与二级指标相关的评估要素进行标注，统计标注的标签数量，作为初始数值，如在剧本的若干场中标注了打斗标签，则通过统计得到的打斗标签数量即该评估要素对应的打斗标签的初始数值；为了提高准确率，在运算过程中需要对初始数值进行衍生运算得到指标聚合值，即利用初始数值的平均值和方差对该二级指标的分值进行运算，最终得到指标聚合值；最后由于不同的评估指标其评分标准不尽相同，为了便于比较，对指标聚合值进行归一化处理，如将不同数值的指标统一转化为百分制的数值，即为二级指标的分值。

由于二级指标为一级指标的附属指标，因此，对一级指标的运算方法包括：根据预设的评估指标的权重，对二级指标进行加权计算得出一级指标的分值分，具体地加权计算包括：将二级指标得分乘以权重再求和，即为一级指标的指标得分。然后通过对所有一级指标进行加权运算，即可得出整个剧本的指标得分。

最终，将上述按照指标运算逻辑计算出剧本的各项指标得分进行统计，将统计结果导入评估模型对剧本的各项指标进行评估分析，得出评估报告，并通过人机交互模块6对所述统计结果和评估报告进行展示。上述评估模型可以通过机器学习和大数据统计方法多次学习训练得到。评估报告的内容包括剧本的整体评分、可能的受欢迎程度、修改建议等。其中，在使用评估模型时，还需要对评估模型进行优化，如通过“多元回归”等算法修订评估模型中的权重，不定期迭代优化，形成人工智能自优化体系；以及通过自然语言处理与遗传算法、神经网络、贝叶斯推理等机器学习方法，不断提升剧本评估要素的识别精度，从人手工标注转化到计算机自动标注，并不断提升算法精度与效率。

人机交互模块6采用分屏装置对评估结果进行显示，所述分屏装置包括父窗口和子窗口，所述父窗口用于显示剧本内容，所述子窗口用于显示评估记录，且父窗口和子窗口的内容采用双向联动模式。如：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，在父窗口点击某一场剧本内容时，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。

需要说明的是本实施例还包括定时任务与实时查询相结合的数据分析方法，所述数据分析方法包括：

定时统计评估完成的各个评估要素的指标得分，且对统计结果进行动态排序，操作者实时查询剧本各个评估要素的评估指标得分的高低，并根据各个评估要素的评估指标实时得分对评估指标的权重进行调整。具体地：通过定时汇总统计剧本已评估完成的各项评估指标得分，从而确定指标得分的高中低分界点，作为调整评分标准的参照依据。工作者可通过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，并支持统计结果动态排序，便于查看。该模块可以查询相同剧本类型与题材条件下，各指标的历史数据高中低分界值，从而及时确定正在评估的剧本指标值得分在历史数据中的水平，并以此作为调整评分标准的参照依据。

本发明通过通对设定评估指标，对剧本进行拆解、识别、分析，对剧本的评估指标进行量化处理，将每一个剧本对应的剧情以清晰的图表形式展现，客观形象的反映出剧本的剧情状况，并通过评估模型提供一定的完善意见与市场建议，可以直观地帮助国产电视剧剖析创作规律，抓住剧本创作的灵魂，为电视剧制作、投资提供依据。

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。