Movie Feelings ist ein Datensatz mit Filmemotionsmerkmalen, der die durch Filme hervorgerufenen feinen Emotionen systematisch charakterisiert. Er überwindet die Beschränkungen traditioneller Datensätze, die lediglich positive und negative oder Basisemotionen klassifizieren. Movie Feelings findet breite Anwendung beim Aufbau von Filmempfehlungssystemen, der Vorhersage von Publikumsbewertungen, der Emotionsmodellierungsforschung und der vergleichenden Evaluierung von NLP und großen Sprachmodellen im Hinblick auf das Verständnis von Emotionen. Darüber hinaus kann er zur Analyse der Korrelation zwischen verschiedenen Emotionsmustern und Filmrezensionen verwendet werden und liefert somit wichtige Datengrundlagen für die computergestützte Sozialwissenschaft sowie die Film- und Fernsehanalyse. Dieser Datensatz umfasst 1.500 repräsentative und kulturell einflussreiche Filme aus den Jahren 1920 bis 2024 und deckt 50 emotionale Zustände ab, darunter Zweifel, Angst, Ruhe, Ekel, Solidarität und Freude. Der Datensatz beinhaltet grundlegende Filminformationen, Bewertungsdaten, Inhaltsangaben und drei unabhängige Systeme zur Erfassung emotionaler Merkmale (F1/F2/F3): F1 ist ein kontinuierliches Merkmalssystem, das auf Filmkritiken basiert, während F2 und F3 die drei häufigsten, diskreten emotionalen Kategorien darstellen, die mithilfe von Modellinferenz generiert wurden.

System emotionaler Charakteristika

• F1 (Review-Based NLP, Emotion Features): Basierend auf 880.000 Filmrezensionstexten generiert es 50-dimensionale kontinuierliche Emotionsintensitätsmerkmale (0–1) durch Abgleich und statistische Analyse eines Emotionsthesaurus.
• F2 (Transformer, emotionale Merkmale zum Verständnis der Handlung): Nutzt BART für die Zero-Shot-Emotionsklassifizierung und kombiniert es mit RoBERTa für die semantische Neuordnung, um das Verständnis von Filminhaltszusammenfassungen zu modellieren, wobei die Top-3-Emotionen aus 50 Emotionen als binäre Merkmale ausgewählt werden.
• F3 (GPT-4o, Generative Emotion Features): Basierend auf GPT-4o leitet es Emotionen direkt aus der Filmhandlung ab, generiert Top-3-Emotionsbezeichnungen aus einem begrenzten Satz von 50 Emotionen und wandelt diese in binäre Merkmale um.