영화 성공-지수의 예측

요 약

영화의 성공-지수의 예측을 위한 정보 처리 디바이스 및 방법이 제공된다. 정보 처리 디바이스는, 제작을 위한 영화에 대한 영화 대본을 수신하고, 영화 대본의 텍스트 분석에 기반하여 영화 대본의 복수의 장면들을 식별하고, 복수의 장면들에 대한 장르 정보에 기반하여 영화 대본의 각각의 장면에 대한 제1 점수를 계산한다. 정보 처리 디바이스는 추가로, 영화 대본의 등장인물들의 목록을 식별하고, 등장인물들의 목록의 각각의 등장인 물의 역할 연기에 대한 배우를 선택하고, 역할 연기에 대한 선택된 배우의 적합성을 표시하는 제2 점수를 계산한 다. 제2 점수는, 이력적 영화 데이터베이스의 데이터포인트들에 대해 훈련되는 기계 학습 모델에 기반하여 계산 된다. 정보 처리 디바이스는, 계산된 제1 점수 및 계산된 제2 점수에 기반하여 영화에 대한 성공-지수를 예측한 다.

 

기 술 분 야

2019년 5월 20일자로 출원된 미국 가특허 출원 일련번호 제62/850,075호를 우선권으로 주장하며, 이 로써 상기 출원의 전체 내용은 인용에 의해 본원에 포함된다. 본 개시내용의 다양한 실시예들은, 텍스트 처리, 자연 언어 처리(NLP), 및 기계 학습(ML) 방법들에 관한 것이다. 더 상세하게는, 본 개시내용의 다양한 실시예들은, 영화에 대한 성공-지수(success-quotient)의 예측 을 위한 정보 처리 디바이스 및 방법에 관한 것이다.

 

 

배 경 기 술

영화 제작사는 전형적으로, 영화에 대한 잠재적 후보들로서 많은 영화 대본들을 수신한다. 이러한 영화 제작사 들은 영화의 잠재적 성공 요인들에 대해 수신된 영화 대본을 각각 읽고, 이해하고, 분석하는 전담 팀을 갖는다. 일단 그러한 분석이 수행되면, 영화에서의 상이한 역할들에 대해 어느 배우들이 최상일 것인지를 결정하는 다른 팀들이 존재한다. 그러한 분석은 대부분 수작업으로 수행되기 때문에, 따라서, 적절한 배역 및 잠재적 성공 요 인들의 선택은 인적 오류들의 영향을 받고, 주관적 의견들/성향들로 인해 최적이 아니다. 제작 전의 영화 대본 의 불량한 분석 또는 불량한 배역 선택은 흥행에 있어서의 영화의 성공에 영향을 미칠 수 있다. 

 

종래의 통상적인 접근법들의 추가적인 제한들 및 단점들은, 본 출원의 나머지 부분에서 도면들을 참조하여 기재 된 바와 같은 본 개시내용의 일부 양상들에 따른 설명된 시스템들과의 비교를 통해 관련 기술분야의 통상의 기 술자에게 명백해질 것이다. 

 

 

발명의 내용 

영화 성공-지수의 예측을 위한 정보 처리 디바이스 및 방법은 실질적으로, 청구항들에서 더 완전히 기재되는 바 로서, 도면들 중 적어도 하나에 도시되고/거나 그와 관련하여 설명된 바와 같이 제공된다.

 

본 개시내용의 이들 및 다른 특징들 및 장점들은, 전반에 걸쳐 동일한 참조 번호들이 동일한 부분들을 지칭하는 첨부된 도면들과 함께, 본 개시내용의 다음의 상세한 설명을 검토하는 것으로부터 인식될 수 있다.

 

 

구체적 내역

영화의 성공-지수의 예측을 위한 개시된 정보 처리 디바이스 및 방법에서 찾을 수 있 다. 본 개시내용의 예시적인 양상들은 정보 처리 디바이스를 제공한다. 정보 처리 디바이스는, 영화 제작사가 흥행에 있어서의 더 나은 성공 가능성들을 갖는 영화 대본들를 선택하고, 영화에 적합한 배우들/제작진(crew)을 선택하고, 흥행에 있어서의 영화의 성공의 지표일 수 있는 성공-지수를 예측하는 데 도움을 줄 수 있다. 영화 에 대한 성공-지수는, 영화 대본에 기반하여 생성된 영화가 흥행에 있어서(예컨대, 영화 평점(rating)들 또는 수입들의 관점에서) 어떻게 성과를 거둘 것인지 또는 특정 그룹 또는 인구의 인구통계학적 계층 내에서의 그 영 화의 잠재적 인기의 척도를 표시할 수 있다. 

 

개시된 정보 처리 디바이스는, 등장인물들, 장면들, 장면들의 장르 가중치, 주연 등장인물들 등을 식별하기 위 해 자연 언어 처리(NLP) 알고리즘들을 사용하여 영화 대본을 텍스트적으로 분석할 수 있다. 이는, 대본 수준에 서 영화의 제작에 대한 통찰을 제공할 수 있다. 기능적 데이터 부분에 대해, 과거 영화 데이터가 분석될 수 있 고, 각각의 장르에 대해 각각의 배우, 감독, 지역, 계절에 점수가 책정된다. 또한, 영화 대본의 각각의 등장인 물이 배우와 맵핑될 수 있다. 등장인물 맵핑은 상이한 장르들에서 각각의 배우에 대해 점수가 가중될 수 있다. 유사하게, 감독 또는 다른 제작진 구성원들이 맵핑되고 가중치가 부여될 수 있다. 성공-지수는, 위에 언급된 데이터에 대한 가중 조합 공식에 기반하여 획득될 수 있다. 정보 처리 디바이스는, 영화 대본의 통찰을 배우들, 감독들, 계절, 장르, 및 배우들 및 감독들에 대한 소셜 미디어 가중치에 관한 기능적 데이터와 고유하 게 조합하여 영화 대본 그 자체로부터 예측 성공 점수를 제공할 수 있다. 또한, 정보 처리 디바이스는, 이력적 영화 데이터베이스(예컨대, 흥행 데이터)에 기반하여 영화에 대한 성공-지수를 예측할 수 있다.

 

다양한 제작사들이 수신하는 수백 개의 영화 대본들이 존재하며, 이들은 전형적으로 수작업으로 분석된다. 상 이한 장면들의 분위기 또는 각각의 장면에서의 등장인물 관여 또는 장면들이 어느 장르에 분포되는지와 같은 다 양한 양상들을 찾기 위해 각각의 그리고 모든 각각의 영화 대본을 판독하는 것은 시간이 지날수록 어려워졌다. 개시된 정보 처리 디바이스는, 영화의 성공에 대한 잠재성에 관한 지표를 제공하는 성공-지수 또는 점수를 제공 하기 위해, 상이한 양상들, 이를테면, 장면들의 수, 등장인물들의 수, 상이한 장르들을 향한 각각의 장면의 양 극성, 배우들의 이력 데이터와의 결합된 통찰, 및 소셜 버즈(social buzz)에서의 영화 대본의 통찰들을 제공할 수 있다. 성공-지수는, 배우들 및/또는 감독들 사이의 상성(chemistry)을 고려하여, 성공할 최대 가능성을 갖 는 영화 대본들을 제작사들이 선택하는 것을 도울 수 있다. 

 

성공-지수는, 영화 제작사들이 콘텐츠 구매, 권리 구매, 또는 영화 제작을 위한 영화 대본의 선택에 대한 결정 을 내리는 데 도움을 줄 수 있다. 제작사들은, 더 나은 성공률을 위해 영화에 적합한 배우들 또는 제작진을 선 택할 수 있고, 영화를 제작하거나 영화에 대한 권리들을 구입하기 전에 영화의 성공 가능성을 더 잘 인지할 수 있다. 제작사들은, 영화에 대한 성공 가능성이 더 나은 콘텐츠에 대해 더 효율적인 방식으로 자금을 집중할 수 있다. 

 

 

영화 성공-지수의 예측 공개전문을 통한 특허 공부였습니다.