【写作科研化】How quantifying the shape of stories predicts their success

概述

研究背景

叙事和其他形式的话语是传递信息、娱乐和社会认知的重要工具。尽管人们经常用“快速移动”“覆盖广泛内容”“绕圈”等形容叙事特征，但很少有研究量化这些特征并检验它们是否影响成功。为弥补这一空白，论文使用自然语言处理和机器学习技术，通过量化语义路径（速度、范围和迂回度）的特征，探讨这些特征与成功（如电影评分或论文引用）的关系。

研究目标

研究旨在提供一套简单的量化方法，捕捉叙事或话语的语义进展特征，探讨这些特征如何与不同领域的成功相关联（如电影、电视剧和学术论文）。

相关工作

对叙事结构的研究

• Freytag’s Dramatic Structure：经典的戏剧结构理论指出，成功的叙事通常具有清晰的起承转合。
• Vonnegut’s Story Shapes：文学作品中情感曲线和故事情节的变化能够预测叙事的受欢迎程度。

文本特征与成功的关系

• 叙事速度：Hume（2005）指出，在小说中，叙事速度越快的作品越具有吸引力。
• 情感轨迹：Reagan 等（2016）的研究表明，叙事中的情感变化轨迹（如高潮和低谷）是成功的重要预测因素。

自然语言处理和文化分析

• 自然语言处理（NLP）：研究借鉴了 Mikolov 等（2018）提出的词嵌入模型（如 word2vec），将文本片段嵌入到高维语义空间，以捕捉其语义关系​。
• 文化成功的动态：Uzzi 等（2013）发现，将不相关的知识领域连接在一起的论文往往更受欢迎，这为论文中“语义范围广的学术论文更容易获得高引用”提供了支持​。

迂回路径和认知连接

• 循环式学习：Harden（1999）的“螺旋式课程”理论指出，重复回访主题有助于学习者整合信息​。
• 叙事迂回的认知效应：Loewenstein 和 Heath（2009）提出，“重复-突破”结构能够促进听众对叙事的理解和记忆​。

实验

数据集

研究使用了以下三个主要数据集：

电影字幕：包括 4118 部电影的 IMDB 评分数据。
电视剧：包括 12401 集电视剧的 IMDB 评分数据。
学术论文：包括 29300 篇学术论文的引用数据，涵盖心理学、经济学、社会学、政治学和人类学。时间为1990-2019年。

数据预处理

文本分块： 文本被分割为长度大致相同的语义单元（窗口），每个窗口包含约 250 个词。同时考虑到语义完整性，是按照句子来进行窗口滑动，比如说前10个句子已经有240个词，第11个句子包含15个词，那么这个窗口就是11个句子，255个词。

词嵌入向量： 使用 word2vec 模型将每个词映射为 300 维向量，然后计算每个窗口的平均词向量，表示该窗口在语义空间中的位置。
对于窗口 t，其平均向量为：
$$x_t=\frac{{\sum }_{w\in c_t}{x}_w}{|c_t|}$$

速度计算

“速度”表示文本在语义空间中连续窗口之间的变化程度，反映内容的转移速率。
较快的语义变化可能更吸引人（更具刺激性），但也会增加认知负担，使理解变得困难。

欧几里得距离计算

• 对每两个连续窗口，计算其语义向量之间的欧几里得距离：
  $$\text{Distance}(t)=\Vert x_{t+1}-x_t\Vert$$
  其中：
  • $x_{t+1}$ 和 $x_t$ 分别是窗口 $t+1$ 和 $t$ 的平均向量；
  • $\Vert \cdot \Vert$ 表示欧几里得范数。

得到平均速度

• 将所有连续窗口的距离相加，并归一化得到平均速度：
  $$\text{Speed}=\frac{{\sum }_{t=1}^{T-1}\text{Distance}(t</}{T-1}$$