哪些电影最经典?数据科学告诉你

jopen 9年前

一年一度的奥斯卡颁奖典礼又要到来了。也许你还在为去年《美国骗局》惜败《地心引力》而耿耿于怀,但你的朋友们已经为《鸟人》和《少年时代》孰优孰劣、卷福和库珀谁会封王争得面红耳赤,为一个月后杜比剧院里那场星光璀璨的盛大仪式预热了吧。 

众所周知,对于电影这样的艺术作品进行价值评判往往是非常困难的。首先电影审美是一个非常主观的概念,一千个影迷心中有一千零一个哈利波特。更 何况,在这个大片如流水、明星似牛毛的娱乐时代,电影的数量、种类层出不穷,即便有金球奖、奥斯卡这样的专业奖项,依然是众口难调。

哪些电影最经典?数据科学告诉你
星球大战与星际迷航,到底谁是永恒经典?

如何才能评价一部电影的价值,成了影迷心中最难的问题。是看票房,还是看小金人?是看烂番茄、Metacritic、豆瓣上的总评分,还是看观 影人数?是看是否入选 IMDb 等各大网站的 Top 榜单,还是看有没有受到罗杰·埃伯特等知名影评人的青睐?标准太多,信息量太大,这实在让人无所适从。

不过没有关系,人搞不定的事情,那就让计算机来帮你搞定吧!最近,芝加哥西北大学复杂系统研究院联席主任路易斯·阿马拉尔(Luis Amaral)教授率领的科学团队(其他两名作者为马克斯·沃瑟曼(Max Wasserman)和我)就发表了这样一项研究。结合互联网上的众包数据,利用数据挖掘、复杂网络分析等手段,我们找出了比网友打分和专家评论更能反映 电影作品重要性的指标。这项成果已于 1 月 20 日在《美国科学院院刊》(PNAS)上发表[1]

电影是否“重要”,谁说了算?

那么你也许会问了,先不管这数据分析是个什么玩意儿,研究团队要怎么定义电影的“重要性”呢?首先票房、观影人数这一类的数字肯定是不行的。像 《复仇者联盟》、《变形金刚》这样的商业大片,虽然上映时火爆异常、吸金无数,冲击力(Impact)自然十足,但要放到整个电影发展史来看,其影响力 (Influence)就很难说了。而且,《穆赫兰道》《欢乐糖果屋》等 Cult 片的拥趸自然也会反对以票房论成败。

哪些电影最经典?数据科学告诉你
当年的票房滑铁卢,如今的不朽经典,电影的重要性究竟要如何衡量?

那么奥斯卡之类的电影奖项呢?小金人由美国电影艺术与科学学会颁发,评选的六千多名会员全部都是业内资深人士,这可够权威了吧?好是好,可惜奥 斯卡只评选当年上映的电影,提名的影片也就那么几个,最终获奖名单极易受到流行时尚、商业宣传的左右,因此在评估影片的长远影响方面,它仍是力有不逮。每 年奥斯卡都会引发诸多争议,也从侧面印证了这一点。

那么,到底该怎么办?我们的研究团队几经寻觅思索,终于发现了一个最接近理想的标准,那就是美国国会图书馆保存的国家影片登记表[2]。1988 年,美国政府成立了美国国家电影保护局,每年年底评选 25 部“文化上、历史上和艺术上具有重要性”的美国电影,收录进国家影片登记表加以保存。最为重要的是,参选电影必须上映至少十年以上,这就确保了入选的电影 必须经过时间的沉淀,最大程度地避免了潮流、商业运作的影响。

电影也有“引用”网络

找到了这个相对可靠的“重要性”评价标准之后,研究团队的下一个任务便是要找出哪些变量是预测电影能否入选国家影片登记表的最佳指标。仔细考量之后,研究团队认为电影的重要性能够从它的“品质”、在大众中的“冲击力”和对其他电影的“影响力”几个方面体现出来。

“品质”可以由“专家意见”和“大众点评”反映,埃伯特评分(Ebert’s Rating)这样的单个专家评分,Metacritic Score 这样众多专家评分的汇总,以及 IMDb 上影迷评分的数据都可以作为参考。“冲击力”则可以通过 IMDb 上的评分人数来衡量。

而衡量某一个电影对其他电影的“影响力”就不那么好办了。电影不像科学论文,它们不会在片尾字幕里打上“参考文献”列表,把对本影片产生过影响的电影一一列出。不过,万能的互联网还是不会让我们失望的。

互联网电影数据库(Internet Movie Database, IMDb.com)是亚马逊(Amazon)旗下的一个网站,拥有极为详实的电影资料,从演员表、票房收入到剧情梗概,巨细无遗。而其中最末尾也是最不被 人们注意的一栏,其实隐藏着非常丰富的信息,那就是由网友们提交的电影之间的“联系”(Connection)。 

一代代电影人都是看着上一代电影人的作品成长的,那些经典电影自然会对后来的电影产生深远的影响,其中的经典桥段也可能在之后的电影中有所体 现。而火眼金睛的网友们发现了这种联系,便会把它提交到 IMDb 网站上。根据提交原因,这些联系可分为“参考”、“恶搞”、“放映”、“续作”等等类别。

比如,1977 年上映的传世之作《星球大战:新希望》中唐僧一般唠叨的机器人 C3PO,他其实是以 1927 年科幻电影开山鼻祖之一《大都会》里的机器人为范本设计的,因此我们便可以认为《星球大战》“参考”了《大都会》。同理,我们也可以认为《北京遇上西雅 图》“参考”了《西雅图未眠夜》,《舌尖上的中国2》“参考”了《人类星球》。而《当哈利遇到莎莉》里直接出现了《卡萨布兰卡》的片段,这就算是“放 映”。《怪物史莱克》则“恶搞”了许多经典的动画角色和桥段。我们可以认为,这些“联系”其实就是电影之间的“引用”。

哪些电影最经典?数据科学告诉你

电影的引用网络。t为两部电影的年份间隔,越往下的电影越老。图片来自参考文献1

在这个数据库中,15425 部影片组成的电影引用网络里一共可以找到 42794 个联系。越重要、越经典的电影,拥有的“引用”数自然也越多,《绿野仙踪》、《惊魂记》、《教父》、《公民凯恩》等影迷们津津乐道的名作都有着成百上千的“引用”。

最佳指标:长间隔引用次数

有了这个引用网络之后,我们就可以利用复杂网络分析的手段,来计算某一部电影对其他电影的“影响力”了。研究团队从这个网络中计算生成了两个数字指标,一个是根据 PageRank 算法[3]给 出的分数,另一个则是时间跨度超过 25 年的被引用次数,我们称之为“长间隔引用次数”。为什么不直接使用总引用数呢?这是因为研究团队通过观察经验分布和与零模型对比发现,很多电影被引用都是 在大约 25 年之内,超过 25 年以后就无人问津了。而对于某些电影,不管它多老,总还会收到新的“引用”。因此我们认为,时间跨度在 25 年以内的“引用”可能更多受到潮流的影响,而长时间跨度的“引用”更能说明作品经受住了时间的考验。

接下来,研究团队使用 Probit 回归模型和随机森林两种机器学习算法,分别计算了埃伯特评分、Metacritic Score、IMDb 评分、IMDb 评分人数、PageRank 分数以及长间隔引用次数这六个指标是否能够预测电影能否入选美国国家影片登记表。

结果表明,长间隔引用次数在两个算法下的表现都是最优,它超过了总引用次数和 PageRank 分数,更是远胜于影评专家的个人意见。研究团队根据“长跨度引用”的个数,制定了一张“最具影响力”的电影榜单,排在前十位的电影分别是《绿野仙踪》 (1939)、《星球大战》、《惊魂记》、《卡萨布兰卡》、《乱世佳人》(1939)、《金刚》(1933)、《科学怪人》(1931)、《教父》、《公 民凯恩》和《2001:太空漫游》。值得一提的是,在作者提交论文的六个月后,《欢乐糖果屋》已于 2014 年年底入选国家影片登记表。这样一来,这张榜单上前 40 部电影里,除了《德州电锯杀人狂》、《七年之痒》和《罗丝玛丽的婴儿》之外,其余 37 部均已入选。另外我们的研究结果也显示,来自 Metacritic Score 和 IMDb 的网友平均打分预测力超过了单个专家意见,这也再次证实了两句老话:“人多力量大”,“三个臭皮匠,赛过诸葛亮”。

哪些电影最经典?数据科学告诉你
据“长间隔引用”次数得出的美国电影排名,最后一栏为影片入选美国国家影片登记表的时间。数据由本文作者提供

由此看来,在预测电影的重要性方面,数据科学的效果还是最好的,而大众评审的综合评分也比专家的个人意见更加可靠。虽然目前的评价方法还要依靠 网友手动提交电影之间的“联系”,计算 25 年后的“引用率”也需要相当漫长的等待,不过这依然是数据科学与复杂网络理论在文艺作品评价方面一次有趣的尝试。

“影评家在挑选重要电影时有时会过于自信,而且会有偏见。我们的方法则是尽可能客观的。” 阿马拉尔教授评价说,“一部电影的某些属性是我们无法看见的,但却有其他方面可以测量,包括评分、奖项以及受其他电影人的参考程度。这些方面都在暗示着这 部电影的隐藏属性——它的重要性。我们发现,到头来是电影的创造者自己来决定哪些电影最为重要,而非那些影评专家们。” (编辑:窗敲雨)

作者的 PS:对于中国电影,“引用网络”这样的数据还很匮乏,不知道大家有没有兴趣一起补充数据库,让咱们也看看中国电影到底哪些才是经典之作呢?

参考资料:

  1. Wasserman M, Zeng XHT, Amaral LAN (2015), Cross-evaluation of metrics to estimate the significance of creative works. Proceedings of the National Academy of Sciences, Early Edition, DOI: 10.1073/pnas.1412198112
  2. Library of Congress (2014) National Film Registry. Available at www.loc.gov/film/ filmnfr.html. Accessed
  3. Brin S, Page L (1998) The anatomy of a large-scale hypertextual Web search engine. Computer Networks and ISDN Systems 30(1-7):107–117. 26.

来自: 果壳网