新媒体时代影视剧的数据化推荐探究论文
如今，以Netfl ix为代表的新兴互联网视频平台正迅速崛起，其最大的特色就是个性化推荐系统，是通过数据挖掘技术为每位用户量身打造符合自身偏好的视频服务。然而，对于观众来说，相比于通过传统媒介观看影视剧的感受，在数据挖掘下的视频服务是一种人们既熟悉又陌生的过程。
一、对话机制的转变：从类型默契到数据标签
影视剧是现代工业社会产生的艺术，它的创作采用了工业化生产的组织方式，为了维系生产与消费的循环，影视剧与观众之间建立起了一种对话机制，这就是影视剧类型。早在电影发展初期，电影制作者就逐渐发现，在电影的制作和放映的实践过程中，女性往往偏爱爱情片的情感缠绵，男性则偏重战争片的枪林弹雨，不同群体对于电影的需求显然不尽相同，由此很快形成了西部片、喜剧片、音乐片等带有鲜明类型风格的早期电影。这些电影均按照某一类型，将人物形象、主题对象、叙事结构、社会观念以程式化的形式展现出来，能够有效地激发电影观众某一方面的情感宣泄，并在创作和欣赏中形成再生产循环。之后的美国电视剧制作也是遵循了这一规律，比如，肥皂剧就是针对白天在家的家庭主妇而形成的一种电视剧类型，将家长里短的琐碎故事演绎到极致，成为家庭主妇打发无聊时光的首选。不难看出，类型是影视剧制作者和观众之间相互沟通的介质，是他们不断共同参与、相互作用下形成的形态，制作者依据类型把握各式艺术元素在影视作品中的心理架构，而观众也会根据影视作品的类型，判断其中的类型元素是否符合自身的心理需求，从而在制作者和观众之间建立起了一种共同认知的默契关系。影视剧类型就如同一个中介标签，连接着制作者和观众的内心，然而，这一类型机制却并不稳定。在制作影视剧的过程中，如果某一类型的影视剧从视觉、心理以及社会文化上建立起相对成熟的表达模式的时候，也就是生产流水线式的固化复制致使观众厌倦的开始，制作者需要寻求变化才能满足观众的新鲜感，这种变化既可以是各种类型元素在原有的基础上尝试新的组合，也可以尝试适度采纳和补充一些新的类型元素和形式。与此同时，社会文化层面的价值表达和审美取向的变化又使得影视剧必须导向现实层面，为社会实践服务，不断展示和思考新环境中具有普遍启示意义的人生状态和社会生态。然而，尽管类型元素的不断杂糅和社会文化的持续浸润已经使得影视剧的制作生产更加趋于多元和丰富，但是观众在影视剧类型的选择上除了寻求新鲜快感和文化共鸣之外，还很大程度上受到个人情绪因素的影响。这使得影视剧类型承受着来自生产与消费两个层面共时性与历时性的双重挤压，且始终处于持续动态变化之中，无法实时实现生产与消费的精准契合。更多的时候，制作者与观众彼此揣度着各自的心意，在模糊与微妙中共同维系和诠释着影视剧生产与消费共同区域的相对平衡。
在这个互联网高速发展的时期，特别是在移动互联网环境下媒介的全面融合，使制作者和观众之间微妙的类型认知平衡被打破了。观众迎来了一个信息过剩的时代，海量的影视作品正从传统的播出平台被搬运到互联网上，观众的确可以随时随地地自由享受这无限的资源，但是当观众面对如此巨大体量的影视作品的时候，迷茫往往大于兴奋，他们曾经所熟悉的通过类型判断决定是否观影的方式正使得他们变得无助，因为心理默契式的类型选择是有限资源下“可以看什么”的被动选择，而在面对海量影视资源的时候，无限的资源选择激发着观众无限选择的欲望，却并不能有效帮助观众实现他们“最想看什么”的判断。
推荐系统正是基于互联网海量信息的一个有效工具，是“把用户模型中兴趣需求信息和推荐对象模型中的特征信息匹配，同时使用相应的推荐算法进行计算筛选，找到用户可能感兴趣的推荐对象，然后推荐给用户”。
亚马逊最早使用这一方式向读者推荐书籍，通过归纳购买同一本书的读者购买记录，将读者甲买的相近书籍推荐给读者乙，从而改变了之前主要以书评参考推荐书籍的方式。尽管推荐系统的算法在不断改进，甚至Netflix还拿出100万美元奖励将它的推荐算法提升超过10%的团队。
用户与推荐对象的匹配过程就是一个数据化的过程，这其中可以同时运行多种数据算法，甚至可达十几种。通过一系列的数据挖掘和计算，将用户信息、推荐内容、信息采集方式、数据分析等各环节的一般与特殊的情况进行归纳，达成相对精准的定位。尽管有这么多种数据计算方法配合推荐，但是用户端和推荐对象端又该以什么形式实施建构，以匹配数据挖掘的方式呢?答案是数据化，并且首要是推荐对象的数据化。一般而言，无论是电影还是电视剧，它们任何一部的信息量都是非常巨大的，这既包括剧情、演职人员以及获奖或收视的基本信息，也涵盖了情节、场景、人物等多种元素的影视剧结构信息。从基本信息中，数据挖掘可以判断观众的兴趣、偏好的范围，而结构信息可以细致地体察到观众心理的微妙变化。在影视剧中，“结构是对人物生活故事中一系列事件的选择，这种选择将事件组合成一个具有战略意义的序列，以激发特定而具体的情感，并表达一种特定而具体的人生观”。
影视剧是由各式结构元素组成的，不同的类型所运用的结构元素组合形式和比例不同，形成一系列观众所熟悉的视听语言风格，从中可以激发起他们相应的情感和价值判断。因此，对于影片信息的全面挖掘应从影视剧结构切入，把握影视剧的细节转变，深度完善推荐对象的数据模型，同时，也可以掌握观众的情感需求和价值判断。
影视剧推荐模型的建立就是一个影视剧数据化的过程，将自然语言信息转化为形式化的结构。影视剧的内容被拆解为一系列的结构元素，包括主题、情节、场景、人物，以及视觉图谱中的各式影视语言等，再将这些元素数据化形成最为原始的数据。数据化的方式是给影视剧内容信息贴标签，以标签的形式呈现内容的每一个细节。以主题为例，将尽可能多的类型主题归纳于列表之中，形成分类标签系列，再以数字0和1表示某一部影视剧中是否包含这些标签。
与此同时，再给这些主题设置一个量化的层次，可以是1至5或者1至10的层次分级，从而对主题有一个更深层的挖掘。以此类推，场景的分类类别有动作场景、感官场景、自然场景、心理活动等;人物可以分为主角和非主角，再给影视剧的每一个人物标注上分类标签，有美丽、冷漠、郁闷、同情、乐观、风趣等，将地点、情节、构图、结局……所有影视剧的内容组合可以信息数据化，甚至细化到每一次主角的出场、每一次地点的转变，将所有可以确定和变化的信息转变成微观层面的信息数据。可以说，这是一个将情感影像主观分割成客观数据的过程，流变的不可名状的情感表达被转化为信息，构建出一个庞大的信息网络。这种影视剧形式数据化的信息体量之巨大是超乎想象的，并且这些信息的录入显然计算机还无法完成，必须由人工操作完成，Netfl ix为此制定了长达24页的标准指导，并雇佣了四十多人的团队专门录入，甚至还发布过网络兼职招聘，号召更多的人加入到这一信息录入的队伍中来。然而，这一浩大的工程一旦完成，未来的一切将变得一劳永逸，这将是一个巨大而长久的数据优势。这些数据可以从多个角度理解影视剧所有信息的关联程度，以此对影视剧的内容数据进行计算机算法的数据集合和推理，结合用户在用户端的具体操作，可以对观众的具体情况进行实时分析和跟踪，重新导入新的数据对已经建立的用户模型进行一定的补充和修正，这对于判读用户观赏影视剧喜好的变化能够有一个持续的跟踪和认识，从而建立起每一个用户观看影视剧的偏好模型。
从类型默契到数据推荐，对于观众心理的守望与理解就是影视剧制作与消费的一个逻辑起点，科技语境下的数据挖掘正打开一个影视剧的微观世界。曾经不可名状的默契感觉，如今正被解构成最小单位值，尝试着以0和1的形式重新构筑起观众与影视剧之间新的对话机制，实现类型宏观视野下无法明晰的流变。
二、双重流变的'明晰：从“组”合推荐到个性服务
借助数据挖掘，影视剧被打开了一个全新的视野，现代技术可以从微观视角梳理影视剧类型化在生产和消费中难以明晰的区域，从更深的层次将推荐对象和用户(观众)更加有效地联接起来。首先，影视剧杂糅是将原有不同的影视剧类型的各式元素不断进行组合的一种方式。由于影视剧类型生产与消费的发展需要，杂糅呈现出一种不断加速的趋势，它是一个历时性的表现形式。持续的杂糅却使得原有的类型特征日趋模糊，并将影视剧分类推向了悖论，即在杂糅促使类型泛化成为常态的同时，类型的逻辑分类考量却还只停留在约定俗成的维度。逻辑分类是对影视剧类型进行归纳的重要步骤，以共时性的形式构建起影视剧类型体系，形式的划分却很难跟上类型杂糅加速的趋势，反而造成类型分类在观众心中的混乱与困惑，也就是说，如果观众选择某一喜爱类型的电影或电视剧的时候，其中很可能也会包含着他十分排斥的类型元素，他很难仅仅通过影视剧的类型完成自己的判断。然而，影视剧推荐模式通过数据挖掘直接跨过宏观层面的命名或定义，以推送的形式直接与用户达成默契。这种模式是以“量子式”维度收集影视剧构建的各式元素，运用应用数据的形式将这些元素归纳于不同的集合之中，形成内容元素“组”的形式，这其中可以包容更多在这部影视剧中呈现出来却又比重并不是很大的那一部分元素，从而更为准确地体现出影视剧组成的复杂和多元。可以说，影视剧数据化推荐从微观层面梳理了类型杂糅中的各式组合，以更为贴合影视剧构成规律的内容“组”合的方式提供推荐，回避了观众以往只能以大致类型判断影视剧内容和效果的模糊方式。
其次，影视剧的生产与消费伴随着社会文化的发展而发展，可以反映出这个时期的价值观和文化认同，起到一定的文化传播作用。尽管人们也受到当下社会文化以及主流价值观的影响，但是作为社会个体的观众，其道德价值观中不光包含着当下社会文化发展的因子，也囊括了个体成长发展中的一个历时性脉络流变，这是一种文化传承的积淀。在一部电影或电视剧播映的过程中，它是对当下某一社会文化现象的展示，这可能会引发观众对于某一价值观的认同，但这一认同体验不一定是观众当时最想实现的某一情感的宣泄，顺畅的情感体验成为了观影中的偶然现象。观众需要一种更加贴合自身当下心情，又能吻合自身思想情感脉络的观影体验。在影视剧数据化推荐的系统中，对于用户需求的关注已经可以实现同步实时了，通过对用户在客户端对于已推荐影视剧的操作来判读用户可能的进一步需求。比如，用户对于之前所推荐影视剧是否满意是可以通过用户对这部电影或电视剧的快进或结束的操作来体现的，一系列操作的数据可以通过计算对应于用户的某一情感反应，以此解读他们接下来的需求，并以新的数据化判断提供新的影视剧推荐。这一系统不仅实现了对于用户实时关注，同时实现了为每一位用户建立一个影视文化习惯的行为档案，即用户心理需求和价值观认同的一个历时性脉络的理解，达成了为每一个用户提供个性化服务的可能性。
在数据挖掘的技术背景下，影视剧本身以及观众个体被前所未有地精准勾勒成一组组数据，形成可以有效操作的微观视角，清晰地记录下两者多维度流变的轨迹，实现影视剧与观众“历史”与“逻辑”的统一。
三、系统运作的趋势：从平台定制到影视合流
在数据推荐模式的运转下，影视剧的生态系统正悄然发生变化。制作者与观众逐渐明晰的关系将逐步改变原本单一的影视剧生产与消费的模式，媒介环境的非线性化将促进影视剧资源的进一步整合，全面高效地提升制作水准和传播效果。
以往的影视剧生产与消费方式是以某一影视剧类型为基点进行各式影视剧类型元素的组合生产，既要遵从这个类型的演绎模式又要寻求一定的新鲜度，以此达成喜爱这一类型的观众的最大化消费。这是以影视剧类型为参照，以票房和收视率为衡量的生产、消费、再生产的工业模式。然而，在影视剧数据化推荐的模式下，海量的影视剧存量使得这一模式的基点不在于如何再生产更多的影视剧，而是如何使观众更持久地黏合在这个平台之中。通过人性化和差异化的用户体验促使影视剧与观众之间能够达成更加良好的匹配关系，促使用户能够持续观看这个平台中的影视剧作品，寻求达成用户的固定化和长期化，以消费激发进一步的消费，由此逐渐形成一个以用户为核心的影视剧消费模式。由于具有了相对固定的用户群，这种消费模式能够直接作用于影视剧的生产环节。通过对用户偏好的数据化追踪，推荐平台可以极其精准地挖掘出用户对影视剧偏好的各式数据，包括类型、主题、人物特点、影像风格等，并以群分的方式对用户进行分类，从而在影视剧内容生产中更有针对性地创作生产。比如，Netflix的第一部自制剧《纸牌屋》的导演大卫芬奇、演员凯文史派西以及剧集风格的选定都是通过对用户数据进行挖掘分析的结果，因此才取得了意想不到的轰动效果，之后，Netflix以此方式推出了一系列自制剧和几部低成本电影。其实，无论这些电视剧或电影能否在推出之时就取得人们的关注，它们都将进入到数据化的推荐系统中去，以类似于定制的形式去博得对其有偏好的当前和未来用户群。这些影视剧被生产的目标不是即刻就产生消费的最大化，而是尽可能地实现消费时间的长期化，能够持续地在相同偏好的用户群中发挥效应，从而在巩固平台的黏合效果的同时，实现平台用户的最大化。
另一方面，影视剧数据化推荐的形式不同于电影院的集体仪式和电视的家庭娱乐，它为用户提供的是一种个人定制式的服务，这将用户的主体地位推向了一个以往影视媒介从未企及的高度。无论已经存在于影视剧推荐平台的电影或电视剧，还是正在为平台定制的影视剧作品，它们都将是在同一个平台播出，并且这一平台所形成的黏合效果正将观众从原本的电影院和电视机前慢慢地剥离开来，将观众带入到一个既熟悉又陌生的观赏环境中，以推荐的形式将一部部影视剧送至各类用户的情感宣泄点，以此牢牢黏合住他们的心理。那么，对于这个平台所承载的所有影视剧来说，无论是电影还是电视剧，其影像品质和制作水准就必须尽可能达到一个相对统一的标准，特别是在平台形成之后所生产的影视剧内容，要使得观众在平台的观影感受可以始终保持在一个相似度较高的水平上。从技术层面上来看，特别是在美国的影视制作环境中，电影与电视剧的制作早已不再具有太多的隔阂，制作人员、设备、技术都已经互通，更多的时候，它们的区别是在于消费方式的差异。因此，如果电影或电视剧生产与消费皆是在推荐平台完成的话，它们之间的差异将在同一标准下日趋消失，最大的差异可能就在于播出的时长了。可以说，作为消费对象的影视剧本身也因悄然变化的外部环境而发生着改变，它们正在数据推荐的模式下逐步将生产与消费合并到一个维度，只以视频影像承载一个个触发用户情感的故事。
在影视剧推荐模式逐渐深入日常生活的过程中，从时间维度上来看，播映将不再被限制于相应的时间之内，影视剧的生产与消费更注重长效性，这更有助于影视剧质量的提升。从空间维度上来看，由于生产和消费的方式趋同，电影与电视剧两种原本不尽相同的视听表达形式正趋近于融合。
从《纸牌屋》到《女子监狱》，再到《毒枭》，以Netflix为代表的新兴影视剧平台一再以高品质的影视剧成为众人瞩目的话题，甚至美国影视行业也在讨论接下来的剧集播放是继续周播还是一次性投放。在新媒体全面推进之际，数据挖掘下的全新影视剧平台以“组”合推荐实现个性化服务，精确对接消费对象和用户，达成用户群式的影视剧定制，从而将影视剧生产与消费推向了更为精准、高效、持久的层面，以实现影视剧与用户(观众)之间新维度的沟通与交流。
【新媒体时代影视剧的数据化推荐探究论文】相关文章：
新媒体营销论文参考文献02-13
新媒体运营自我描述11-23
新媒体编辑简历范文06-12
新媒体运营面试技巧04-21
医院医疗保险规范化管理探究论文08-03
应用文写作网络化教学探究论文07-27
新媒体文案个人简历表格06-28
创业公司需要做新媒体营销吗？09-06