一年一度的奧斯卡(Oacar, The Academy Awards)頒獎典禮已經近在眼前，你看過哪部提名電影呢？有否在心中猜測哪部電影會成為當晚最大贏家？
今年1月，Luminoso Technologies，一家熱衷於人工智能（artificial intelligence）和自然語言處理(natural language processing)領域的科技初創公司，就介紹了一種文本挖掘（text mining）的方法，來預測奧斯卡趨勢。
該公司分析了IMDb上2013-2015年每年前50名最受歡迎的影片的用戶影評，試圖觀測出用戶評價語言中的一些概念和該年最終的奧斯卡（Oscar）獲獎名單之間是否存在著相關性（correlation）。
Luninoso的軟件發現某些概念，例如「cinematography」（攝像藝術）、「masterpiece」（傑作）、「stunning」（驚歎的）、「visuals」（視覺）、「experience」（體驗），與受到提名的影片（nominated films）有著高相關性。
而像「narrative」（敘述）這類的概念則與提名影片低相關。一些概念，例如「CGI」（Common Gateway Interface通用網關接口）、「horror」（恐怖），則有著負相關。
Luninoso於是繼續用它建立的數學模型，挖掘了2016年許多影片的84,058個影評，得到了一個高可能的提名名單：
- Jackie
- Moonlight
- La La Land
- Fences
- Sully
- Hell or High Water
- Silence
- Snowden
- Hacksaw Ridge
- The Jungle Book
- Arrival
- Nocturnal Animals
- Manchester by the Sea
從發佈的奧斯卡提名（Oscar Nominations）名單來看，這個預測對趨勢的把握還是有一定準確度的。“Moonlight”、“La La Land”、“Manchester by the Sea”、“Jackie”等都榜上有名，機具熱度。
“Moonlight”已經獲得了金球獎（Golden Globes）的喜劇類的最佳影片，“La La Land”則獲得喜劇/音樂劇上的最佳影片。
Eric Pendleton，Luninoso的產品培訓經理，聲稱他對本公司的預測有80%的信心。該文本挖掘（text mining）的算法用於2013-2015年的電影時，只有在三部影片上失算：“Begin Again”、“The Great Gatsby”和“The Danish Girl”。
這個人工智能軟件是基於概念開發的，而不是關鍵字（keywords），也就說，它挖掘的不僅是例如“masterpiece”這個詞，而是與之內涵相似的詞彙，及與之相關的所有話題。
同時，該算法嚴格避免馬後炮的嫌疑，只分析奧斯卡提名前的影評，每年如此；也排除了“奧斯卡”相關的概念。
和解決方案工程師Dan Mitus一起做出此研究的Eric Pendleton表示, 「在開始的時候,我們並不知道我們會挖掘出什麼規律」。
這就是一個自然語言處理（natural language processing）系統和文本挖掘（text mining）模型能夠處理大量非結構化數據的案例。
當然，奧斯卡究竟花落誰家，此時此刻我們不得而知，主觀性的審美體驗難以用數據分析的方式一言概之。然而，數據分析（文本分析也是一種數據分析）依然為我們提供了一個巧妙的視角，得以對許多問題管窺一二。
（資料參考自http://variety.com/2017/digital/news/oscars-data-forecast-jackie-best-picture-1201957187/）
如果你對大數據分析有興趣，請於下方訂閱我們的博客，或者關注我們的Facebook：/bigdataism; Instagram: @bdanews，或者發送郵件至info@bigdatarchitect.com與我們預約見面時間