نوع مقاله : مقاله پژوهشی

نویسندگان

• زهره جعفربگلو
• محمد علی افشار کاظمی ¹
• سهیلا جوکار ²

¹ گروه مدیریت صنعتی،دانشکده مدیریت،دانشگاه آزاد اسلامی، تهران،ایران

² استادیار گروه ریاضی و آمار، واحد قشم، دانشگاه آزاد اسلامی، قشم، ایران

چکیده

چکیده
این پژوهش مدلی هوشمند مبتنی بر BERT چندزبانه برای تشخیص و تحلیل الگوهای احساسی و رفتاری در فیلمنامه‌های پارسی و چندزبانه طراحی و پیاده‌سازی کرد. روش پژوهش تجربی بود و از مجموعه داده‌ای شامل ۳۵,۸۰۰ نمونه متنی از ۱,۷۰۰ فیلمنامه پارسی و انگلیسی، با نمونه‌گیری هدفمند برای هر کلاس احساسی، استفاده شد. داده‌ها توسط متخصصان زبان‌شناسی و روان‌شناسی در هشت کلاس احساسی بر پایه مدل پلاتچیک (۱۹۸۰) حاشیه‌نویسی شدند. فرآیند شامل گردآوری داده‌ها از آرشیوهای سینمایی، پیش‌پردازش با پاک‌سازی، نرمال‌سازی، و توکن‌بندی، تبدیل به دیتاست و آموزش با یادگیری نظارت‌شده و ریز تنظیم پارامترهای مدل بود یافته‌ها توانایی بالای مدل را در شناسایی احساسات و رفتارهای شخصیت‌ها با دقت کلی 98.22%و میانگین F1-score حدود ۹۸٪ نشان داد. نوآوری پژوهش در ارائه دستیار هوشمندی برای نویسندگان بود که با بازخورد بلادرنگ، انسجام احساسی و کیفیت روایی را بهبود بخشید و هزینه‌های بازنویسی و تولید را در صنعت سینمایی کاهش داد. این مدل با بهبود انسجام احساسی و کاهش هزینه‌های بازنویسی، ابزار مؤثری برای ارتقای کیفیت فیلمنامه‌ها ارائه می‌دهد. با وجود چالش در تشخیص برخی احساسات هم‌پوشان، این پژوهش زمینه‌ای کاربردی برای توسعه‌های آینده در تحلیل هوشمند روایت فراهم می‌سازد.

کلیدواژه‌ها

• کلیدواژه‌ها: BERT چندزبانه
• تحلیل احساسات
• دستیار هوشمند
• رفتارشخصیت‌ها
• فیلمنامه‌های پارسی

موضوعات

• مدیریت داده، اطلاعات و دانش در حوزه کسب‌وکار هوشمند

عنوان مقاله [English]

A BERT-Based Approach for Intelligent Screenplay Analysis: Emotion Detection Based on Character Behavior in Scripts

نویسندگان [English]

• Zohreh Jafarbeglou
• MohammadAli AfsharKazemi ¹
• soheila jokar ²

¹ Department of Industrial Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran

² Department of Mathematics, Islamic Azad University, Qeshm Branch, Qeshm, Iran

چکیده [English]

Abstract
This research designed and implemented an intelligent multilingual BERT-based model for detecting and analyzing emotional and behavioral patterns in Persian and multilingual screenplays. The study employed an experimental method, utilizing a dataset comprising 35,800 text samples from 1,700 Persian and English screenplays, with targeted sampling for each emotional class. Linguistics and psychology experts annotated the data into eight emotional classes based on Plutchik's (1980) model. The process involved data collection from cinematic archives, preprocessing (including cleaning, normalization, and tokenization), dataset preparation, and supervised learning with fine-tuning of the model. The findings demonstrated the model's high capability in accurately identifying characters' emotions and behaviors, achieving an overall accuracy of over 98.22% and an average F1-score of approximately 98%. The model provides a practical tool for improving emotional coherence and reducing rewriting costs in screenwriting. While challenges remain in distinguishing semantically overlapping emotions, this study offers a solid foundation for future advancements in intelligent narrative analysis.

کلیدواژه‌ها [English]

• Keywords: Emotional analysis
• Intelligent assistant
• Multilingual BERT
• Persian screenplays
• Character behavior