海馬輕帆對於敘事性文學文字內容有其自己定義的結構化資料標準。在對數百萬本海量網路小說進行特徵驗證後，歸納推演出對敘事性文學作品進行早期文字質量評估的機器學習演算法。在此演算法基礎上，進行全網的早期優質IP挖掘。
目前，海馬輕帆已應用此技術從全網篩選出了三百多本優質小說，放在了去年九月份上線的線上閱讀平臺上進行付費閱讀。
在計劃中，海馬輕帆還將開放一個前端平臺，運用此係統為多家影視公司、製作方及平臺發行公司提供IP分析評測報告和後續的影視作品改編開發方案，實現IP的工業化孵化。
2017年初，海馬輕帆獲得光源創投的天使投資800萬元。
劉笑逸: 目前市場的發展態勢依舊是文學與影視的加速結合，尤其是與網路影視的結合，越來越多特徵鮮明的文學作品需要無縫過渡到影視作品，融為一體的網路文學和影視文學價值也會變得最大。
我們解決行業痛點是如何精準找到IP。一個行業的現狀是 IP越來越貴。因為這些大價錢的IP其實是前十年的網際網路紅利的結果，它積累了十年的流量，自然價格高漲，現在的內容公司購買起來會相當吃力。
其次，就算買下了這個IP，但很多都是無法進行影視改編的。我自己做編劇的時候就經常會遇到這樣的案例：除了保留原IP裡主要人物的名字外，其餘基本都是編劇原創。製作方本來購買IP是為了縮短生產週期，結果花那麼多的錢買了這個IP，還要找編劇重寫，這樣的IP就沒有價值。可以說影視公司和平臺吃夠了這樣的苦頭。
我們將篩選的這個流程交給演算法來做的話，有更高的效率和命中率。另外，相對於人工篩選，機器是沒有主觀情緒的，一切都是根據爆款模板推算出的資料進行篩選，因此也更加客觀，偏差概率減少到最小，出爆款的機率就更高。
所以，通過這個技術，我們可以迅速地在全網範圍內抓到好的內容，保證了優質IP持續產出性，相當於降低了開發劇本的人工成本以及時間成本開支。
海馬簽約小說《一世專寵：凍齡男友已上線》、《重生王妃好難追》等一批精品多是以AI為基礎篩選、簽約以及創作，最終成品的理想狀態是以“文學驅動影視”，同時“生態賦能文學”。結合AI的挖掘和分析，並通過與市場需求變化相印證。
三聲：這套模型怎樣被研發出來的？
劉笑逸：這和我之前跨界的工作經歷有很大關係。我本科是中國戲曲學院文學學士，後來又讀了北京電影學院的研究生，師從於知名編劇、導演薛曉路老師。由於我一直在編劇行業裡，對行業非常瞭解。2017年湖南衛視《不一樣的男子2》，中央八套播的張紀中版的《俠客行》也是我寫的。我還在創新工場和百度分別有一年和三年的產品運營工作經驗，所以我一直想要做一個以技術為驅動力加上內容為核心的公司。
在這個基礎上，我們確定做IP開發的工業化這個切入口之後，遇到的一個很大的技術難題就是確定文字判斷的那幾個變數。到底什麼特徵可以抽象出來評判一個文字的質量呢？
我、產品及技術的負責人、文學總監關起來討論了一個月，試過想過情節、人物、主題等變數，最後確定推動故事發展的核心關鍵就是事件的衝突，因為你把其他的元素剝離了，（小說）還可以（發展），衝突是實質上在推動小說進展的。伴隨衝突情節的出場，一定涉及到文字情緒總量的變化，而技術原理中剛好可以計算文字情緒，因而就對衝突情節完成了結構化資料定義。
我們用《盜墓筆記》做了個試驗，繪製劇情曲線，並通過驗證高度還原劇情發展。於是就跑了數百萬本（大概量級是220萬本左右）網路小說，有大量的這個資料來做機器學習演算法，並繼續完善更多的維度特診，用於初步的作品篩選。
海馬輕帆產品報告
你說經驗是不是我們做出這個產品的必要元素的呢？肯定是。這個事情光靠技術不行，再厲害的技術在12到16個月內都會被追上。但我們正因為具有很多年的編劇經驗，很瞭解一個劇本的核心要素和特徵到底是什麼，才能知道你應該抽什麼樣的特徵出來，這是最核心的東西，所以這是一個天然的跨界結合改變行業固態的技術創新。
所有的創作都是有規律的，例如創作劇本肯定會有規則。你可以看出情節的節奏，劇情拖沓程度。一個現實的案例是，在影視工業化程度較高的國外，他們都遵循這些創作的規律，因此作品就算再爛，也是有底線，有邏輯可循的，但國內就會有特別多敘事邏輯都不成立的作品，令人堪憂。
當然隨著演算法技術不斷的快速迭代跟演進，我相信在很快的時間內，我們的產品可以實現90%全自動化資料演算法模式來替代人工篩選與重構，可以最有效地減少人工成本以及時間成本，這將是一個改變整個行業的變革性的創新企業，也符合我們“精準，高效，專業創作”的願景核心。
三聲：怎麼保證演算法挑出來好作品的準確率？
劉笑逸：我們的資深編輯團隊和演算法一直在不停地磨合，修正這個資料模型。從去年2月繪製劇情曲線切入後，我們逐步實現了角色識別、劇情繪製、角色命運走勢識別、甚至是關鍵性劇情搜尋等更多的演算法。
更新到今年1月份的時候，我們已經研究出了人物關係網路演算法，可以計算人物命運走勢以及情感物件輸出，繪製複雜人物關係網。
我們做了一個測試，在付費榜上找了213本書，又抓了903本4個月以上沒有被簽約的書，一共一千本左右的書扔給演算法自己選。我們預設的是被簽約的書在質量上是更被肯定的。然後演算法挑出來了132書，其中114本是榜單中的作品。所以它的命中率非常高，可以達到90%。我們現在也跟許多家頭部影視公司及視訊平臺達成合作，他們就是通過我們這套演算法在一週內快速挖掘出好IP並快速決策購買。