導(dǎo)讀

電影，是一種結(jié)合視覺(jué)與聽(tīng)覺(jué)的現(xiàn)代藝術(shù)。如今，電影已不單是人們娛樂(lè)消遣的生活方式，也逐漸成為國(guó)家文化軟實(shí)力的重要標(biāo)志之一。據(jù)有關(guān)數(shù)據(jù)統(tǒng)計(jì)，2021年中國(guó)影視行業(yè)市場(chǎng)規(guī)模達(dá)2349億元，同比增長(zhǎng)23.2%，預(yù)計(jì)2020年至2025年的五年期復(fù)合年均增長(zhǎng)率為5.0%，具備強(qiáng)大市場(chǎng)需求度。而國(guó)內(nèi)影視行業(yè)政策注重內(nèi)容端的輸出，影視從業(yè)人員并未針對(duì)不同客群精準(zhǔn)投放作品。

早在2014年，國(guó)外某影視平臺(tái)就運(yùn)用機(jī)器學(xué)習(xí)和個(gè)性化推薦算法技術(shù)，通過(guò)深度挖掘用戶數(shù)據(jù)，打造影視個(gè)性化推薦系統(tǒng)。舉個(gè)例子，假如有人邀請(qǐng)你看電影，那你的第一個(gè)問(wèn)題一定是：什么電影？大部分情況下，我們可能會(huì)根據(jù)朋友推薦、熱點(diǎn)票房、用戶打分、標(biāo)簽類型來(lái)選擇電影。那么這個(gè)時(shí)候出現(xiàn)一個(gè)朋友，基本在他推薦的電影里，總能命中喜好助你度過(guò)閑暇時(shí)光，即個(gè)性化推薦系統(tǒng)作用。艾媒咨詢數(shù)據(jù)顯示，在2021-2022年中國(guó)消費(fèi)者偏好的不同形式影視作品中，74.5%消費(fèi)者會(huì)選擇電視劇，71.8%消費(fèi)者會(huì)選擇電影，61.5%消費(fèi)者會(huì)選擇綜藝，47.4%消費(fèi)者會(huì)選擇動(dòng)漫，29.4%消費(fèi)者會(huì)選擇紀(jì)錄片。那么在未來(lái)，如何將大數(shù)據(jù)、人工智能技術(shù)運(yùn)用到影視產(chǎn)業(yè)，促進(jìn)產(chǎn)業(yè)智能化、智慧化升級(jí)，成為國(guó)內(nèi)發(fā)展的新態(tài)勢(shì)。

圖技術(shù)需求

讓更多人看見(jiàn)，是內(nèi)容行業(yè)不變的準(zhǔn)則。但在現(xiàn)階段，觀影人普遍存在無(wú)法第一時(shí)間找到心儀影片的痛點(diǎn)，往往將時(shí)間浪費(fèi)在菜單欄尋找或搜索框檢索上。因此，影視行業(yè)應(yīng)該將內(nèi)容直接面向用戶，根據(jù)觀眾的觀影習(xí)慣“投其所好”。基于此背景，通過(guò)圖數(shù)據(jù)庫(kù)技術(shù)，將電影參演者信息、制作方信息、觀影人信息、電影類型信息等相關(guān)的知識(shí)概念抽取出來(lái)，構(gòu)建電影知識(shí)圖譜，為影視從業(yè)人員提供全局視角，根據(jù)觀眾觀音習(xí)慣快速匹配合適內(nèi)容。

以Galaxybase圖數(shù)據(jù)庫(kù)構(gòu)建電影知識(shí)圖譜的基本原理圖如下。

圖模型構(gòu)建

構(gòu)建電影、觀眾、參影人之間的互聯(lián)關(guān)系，可根據(jù)實(shí)際情況進(jìn)行展開(kāi)，將電影、觀眾、參影人、IP、標(biāo)簽設(shè)置為點(diǎn)，參影人與電影、觀眾與電影、電影與IP、電影與標(biāo)簽間的依賴關(guān)系設(shè)置為邊。接下來(lái)使用Galaxybase圖數(shù)據(jù)庫(kù)來(lái)創(chuàng)建數(shù)據(jù)模型，點(diǎn)類型和點(diǎn)屬性如下表所示。

邊類型、起始點(diǎn)類型、終止點(diǎn)類型如下表所示。

電影知識(shí)圖譜模型如下圖所示。

更多圖模型構(gòu)建方式請(qǐng)參考圖構(gòu)建（https://www.modb.pro/db/171708）。

圖譜應(yīng)用 - 電影推薦

在電影知識(shí)圖譜中，系統(tǒng)將根據(jù)觀眾觀看過(guò)的歷史電影信息，為其推薦可能感興趣的內(nèi)容到首頁(yè)，提高電影的點(diǎn)擊率和觀眾滿意度。舉例，在上文所建圖模型中，系統(tǒng)將尋找編號(hào)為“A001”的觀眾觀看過(guò)的歷史電影，從其歷史電影的IP、標(biāo)簽出發(fā)，推測(cè)其觀影偏好，找到風(fēng)格類似的電影，自動(dòng)將這些電影推薦至首頁(yè)。

查詢語(yǔ)句

// 查詢觀眾ID為“A001”的觀眾歷史觀影數(shù)據(jù)

MATCH p1=(:觀眾{觀眾ID:"A001"})-[:觀影]->(m1:電影)

WITH p1,m1

// 找到上述電影的標(biāo)簽和IP

MATCH p2=(m1)-[:屬于|相關(guān)]-(m2)

WITH p1,p2,m2

// 找與上述電影有相同標(biāo)簽或IP的其它電影?

MATCH p3=(m2)-[:屬于|相關(guān)]-(m3:電影)?

// 返回該觀眾歷史觀影數(shù)據(jù)，相關(guān)電影推薦?

RETURN p1,p2,p3

查詢結(jié)果

如下圖所示，根據(jù)返回結(jié)果可以發(fā)現(xiàn)觀眾ID為“A001”的觀眾觀看過(guò)ID為“7873”、“M99”、“890”的三部影片，而ID為“456”的影片，與“M99”擁有一個(gè)相同IP，兩個(gè)相同標(biāo)簽；ID為“34535”、“67856”的影片與上述電影均有兩個(gè)相同標(biāo)簽，由此推測(cè)觀眾可能對(duì)這三部影片感興趣，可以建議系統(tǒng)優(yōu)先推薦。

圖譜應(yīng)用 - 智能問(wèn)答

在電影知識(shí)圖譜中，應(yīng)當(dāng)存在簡(jiǎn)單的問(wèn)答推理功能，滿足用戶對(duì)電影、演員個(gè)性化選擇的需求。舉例，觀眾觀看了吳京主演的長(zhǎng)津湖，想起來(lái)甄子丹和吳京都是我們熟知的武打影星，那他們有沒(méi)有一起參與主演的電影呢，在上文所建圖模型中，我們將進(jìn)行探查。

查詢語(yǔ)句

// 查詢有兩個(gè)人參與或主演的電影

MATCH p1=(m1:參影人)-[r1:參演|主演]-(m2:電影)-[r2:參演|主演]-(m3:參影人)

// 參影人的變量同時(shí)去匹配吳京和甄子丹兩個(gè)姓名

WHERE m1.姓名 = "甄子丹" AND m3.姓名 = "吳京"

WITH m2,p1

// 查詢這個(gè)電影的標(biāo)簽和IP

MATCH p2=(m2)-[:相關(guān)|屬于]-(m4)

// 返回兩條路徑

RETURN p1,p2

查詢結(jié)果

如下圖所示，可以看到吳京和甄子丹在標(biāo)簽內(nèi)同屬功夫巨星，他們一同參演或主演的電影是殺破狼，這部影片屬于動(dòng)作片和劇情片，系統(tǒng)將用戶搜索的結(jié)果返回，并將影片推薦至首頁(yè)。

結(jié)語(yǔ)

以上僅為電影知識(shí)圖譜的簡(jiǎn)單展示，通過(guò)上述兩個(gè)例子，可以看到相較于傳統(tǒng)的推薦算法，基于圖數(shù)據(jù)庫(kù)的知識(shí)圖譜，能夠抽取電影信息、參影人信息、觀影信息等數(shù)據(jù)，將用戶、電影、演員之間的依賴關(guān)系以全局統(tǒng)一視角進(jìn)行整合，挖掘觀眾與電影間內(nèi)在的隱性關(guān)聯(lián)，進(jìn)行精準(zhǔn)電影推薦和用戶個(gè)性化問(wèn)答，提高用戶觀影體驗(yàn)，助力影視產(chǎn)業(yè)實(shí)現(xiàn)智能化升級(jí)。

后續(xù)，我們會(huì)在創(chuàng)鄰科技微信公眾號(hào)和官網(wǎng)發(fā)布更多圖數(shù)據(jù)庫(kù)熱點(diǎn)應(yīng)用場(chǎng)景和前沿資訊，并將可復(fù)現(xiàn)的數(shù)據(jù)集、建模方法、查詢語(yǔ)句進(jìn)行公開(kāi)，歡迎對(duì)圖數(shù)據(jù)庫(kù)感興趣的同學(xué)關(guān)注。