論文の概要: An Automated Pipeline for Character and Relationship Extraction from Readers' Literary Book Reviews on Goodreads.com

• arxiv url: http://arxiv.org/abs/2004.09601v1
• Date: Mon, 20 Apr 2020 19:57:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 18:37:47.824333
• Title: An Automated Pipeline for Character and Relationship Extraction from Readers' Literary Book Reviews on Goodreads.com
• Title（参考訳）: goodreads.comにおける読者の文学書評からの性格・関係抽出のための自動化パイプライン
• Authors: Shadi Shahsavari, Ehsan Ebrahimzadeh, Behnam Shahbazi, Misagh Falahi, Pavan Holur, Roja Bandari, Timothy R. Tangherlini, Vwani Roychowdhury
• Abstract要約: 我々は、アクタント・リレーション・ストーリーグラフという形で物語の枠組みを表現している。 ポストとレビューは、隠れた物語フレームワークのサブグラフ/ネットワークのサンプルと見なされる。 我々は、重要なアクトとその関係を抽出するインターロック自動手法のパイプラインを開発する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reader reviews of literary fiction on social media, especially those in persistent, dedicated forums, create and are in turn driven by underlying narrative frameworks. In their comments about a novel, readers generally include only a subset of characters and their relationships, thus offering a limited perspective on that work. Yet in aggregate, these reviews capture an underlying narrative framework comprised of different actants (people, places, things), their roles, and interactions that we label the "consensus narrative framework". We represent this framework in the form of an actant-relationship story graph. Extracting this graph is a challenging computational problem, which we pose as a latent graphical model estimation problem. Posts and reviews are viewed as samples of sub graphs/networks of the hidden narrative framework. Inspired by the qualitative narrative theory of Greimas, we formulate a graphical generative Machine Learning (ML) model where nodes represent actants, and multi-edges and self-loops among nodes capture context-specific relationships. We develop a pipeline of interlocking automated methods to extract key actants and their relationships, and apply it to thousands of reviews and comments posted on Goodreads.com. We manually derive the ground truth narrative framework from SparkNotes, and then use word embedding tools to compare relationships in ground truth networks with our extracted networks. We find that our automated methodology generates highly accurate consensus narrative frameworks: for our four target novels, with approximately 2900 reviews per novel, we report average coverage/recall of important relationships of > 80% and an average edge detection rate of >89\%. These extracted narrative frameworks can generate insight into how people (or classes of people) read and how they recount what they have read to others.
• Abstract（参考訳）: ソーシャルメディア上の文学小説の読者レビュー、特に永続的な専用のフォーラムの読者レビューは、基礎となる物語の枠組みによって作成され、駆動される。 小説に関する彼らのコメントでは、読者は通常、登場人物とその関係のサブセットしか含まないため、その仕事について限定的な視点を提供する。 まとめると、これらのレビューは、異なる行動者(人、場所、物)、それらの役割、そして私たちが"合意の物語の枠組み"とラベル付けする相互作用からなる下層の物語の枠組みを捉えます。 私たちはこのフレームワークをアクタント関連ストーリーグラフの形で表現します。 このグラフの抽出は難解な計算問題であり,この問題を潜在的なグラフィカルモデル推定問題として捉える。 ポストとレビューは、隠れた物語フレームワークのサブグラフ/ネットワークのサンプルと見なされる。 グリマの定性的物語理論に触発されて,ノードがアクタントを表すグラフィカル生成機械学習(ml)モデルを定式化し,ノード間のマルチエッジと自己ループがコンテキスト固有の関係を捉える。 キーアクトとその関係を抽出し、goodreads.comに投稿された何千ものレビューやコメントに適用するための自動メソッドをインターロックするパイプラインを開発した。 SparkNotesから手動で真実の物語の枠組みを導き、単語埋め込みツールを使って、真実のネットワークと抽出したネットワークの関係を比較します。 私たちの4つのターゲット小説では、1小説あたり約2900レビューがあり、80%以上の重要な関係のカバレッジ/リコールと平均89\%のエッジ検出率を報告します。 抽出されたナラティブフレームワークは、人々(あるいは人のクラス)の読み方と、彼らが読んだことを他の人に再記述する方法に関する洞察を生み出すことができる。

関連論文リスト

• BookWorm: A Dataset for Character Description and Analysis [59.186325346763184]
  本稿では,短い事実プロファイルを生成する文字記述と,詳細な解釈を提供する文字解析という2つのタスクを定義する。 本稿では,Gutenbergプロジェクトからの書籍と,人間による記述と分析のペアリングを行うBookWormデータセットを紹介する。 その結果,検索に基づくアプローチは両タスクにおいて階層的アプローチよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-14T10:55:58Z)
• Agents' Room: Narrative Generation through Multi-step Collaboration [54.98886593802834]
  本稿では,物語の執筆を特殊エージェントが取り組んだサブタスクに分解する,物語理論に触発された世代フレームワークを提案する。 エージェントの部屋は,専門的評価者が好むストーリーをベースラインシステムより生成することを示す。
  論文  参考訳（メタデータ） (2024-10-03T15:44:42Z)
• Generating Visual Stories with Grounded and Coreferent Characters [63.07511918366848]
  本稿では,一貫した接地的・中核的な特徴を持つ視覚的ストーリーを予測できる最初のモデルを提案する。 我々のモデルは、広く使われているVISTベンチマークの上に構築された新しいデータセットに基づいて微調整されています。 また、物語における文字の豊かさとコア参照を測定するための新しい評価指標を提案する。
  論文  参考訳（メタデータ） (2024-09-20T14:56:33Z)
• Fine-Grained Modeling of Narrative Context: A Coherence Perspective via Retrospective Questions [48.18584733906447]
  この研究は、物語の中の個々の通路が孤立するよりも密接な関係にある傾向があるという特徴から生まれた、物語理解のためのオリジナルで実践的なパラダイムを取り入れたものである。 本稿では,タスク非依存のコヒーレンス依存を明示的に表現したNarCoというグラフを定式化することにより,物語コンテキストのきめ細かいモデリングを提案する。
  論文  参考訳（メタデータ） (2024-02-21T06:14:04Z)
• Panel Transitions for Genre Analysis in Visual Narratives [1.320904960556043]
  本稿では,漫画や漫画風のビジュアル・ナラティブに基づくジャンルのマルチモーダル分析を行うための新しいアプローチを提案する。 我々は、主観的ラベルをモデル化する際の既存の計算手法の限界と課題を強調した。
  論文  参考訳（メタデータ） (2023-12-14T08:05:09Z)
• An Analysis of Reader Engagement in Literary Fiction through Eye Tracking and Linguistic Features [11.805980147608178]
  本研究は,読み手がいかに興味を抱くかを予測する上で,テキストの様々な性質の重要性について分析した。 フィクションで読者を魅了するものの理解を深めることによって、創造的な物語生成に使用されるモデルにより良い情報を与えることができる。
  論文  参考訳（メタデータ） (2023-06-06T22:14:59Z)
• Summarization with Graphical Elements [55.5913491389047]
  本稿では,グラフィカル要素による要約という新しい課題を提案する。 タスクの研究を支援するために,高品質なラベル付きデータセットを収集する。
  論文  参考訳（メタデータ） (2022-04-15T17:16:41Z)
• Guiding Neural Story Generation with Reader Models [5.935317028008691]
  本稿では、読者モデルを用いてストーリーを推論するフレームワークであるReader Models(StoRM)によるストーリー生成について紹介する。 実験により、我々のモデルは、プロットの可視性やトピックの継続など、次元のベースラインをはるかに上回り、コヒーレントでオントピー的なストーリーを生み出すことが示された。
  論文  参考訳（メタデータ） (2021-12-16T03:44:01Z)
• Modeling Social Readers: Novel Tools for Addressing Reception from Online Book Reviews [0.0]
  5つの人気小説のレビューのコーパスを使用して、小説のメインストーリーラインの読者の蒸留を研究します。 無限語彙ネットワークの研究に3つの重要な貢献をしている。 本稿では、レビューから集約された部分軌跡に基づいてイベントのコンセンサスシーケンスを生成する新しいシーケンシングアルゴリズムREV2SEQを提案する。
  論文  参考訳（メタデータ） (2021-05-03T20:10:14Z)
• Relation Clustering in Narrative Knowledge Graphs [71.98234178455398]
  原文内の関係文は(SBERTと)埋め込み、意味論的に類似した関係をまとめるためにクラスタ化される。 予備的なテストでは、そのようなクラスタリングが類似した関係を検知し、半教師付きアプローチのための貴重な前処理を提供することが示されている。
  論文  参考訳（メタデータ） (2020-11-27T10:43:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。