論文の概要: Tecnologica cosa: Modeling Storyteller Personalities in Boccaccio's
Decameron
- arxiv url: http://arxiv.org/abs/2109.10506v1
- Date: Wed, 22 Sep 2021 03:42:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-23 21:05:24.527779
- Title: Tecnologica cosa: Modeling Storyteller Personalities in Boccaccio's
Decameron
- Title(参考訳): tecnologica cosa:boccaccioのdecameronにおけるストーリーテラーのパーソナリティのモデル化
- Authors: A. Feder Cooper, Maria Antoniak, Christopher De Sa, Marilyn Migiel and
David Mimno
- Abstract要約: テキスト内の異なるストーリーテラーは、異なる個性を示すか?
教師付き分類手法を用いてストーリーテラーが語るストーリーに基づいてストーリーテラーを予測し、課題の難しさを確認するとともに、トピックモデリングがテーマ型ストーリーテラーの「注目」を抽出できることを実証する。
- 参考スコア(独自算出の注目度): 30.234630356729227
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We explore Boccaccio's Decameron to see how digital humanities tools can be
used for tasks that have limited data in a language no longer in contemporary
use: medieval Italian. We focus our analysis on the question: Do the different
storytellers in the text exhibit distinct personalities? To answer this
question, we curate and release a dataset based on the authoritative edition of
the text. We use supervised classification methods to predict storytellers
based on the stories they tell, confirming the difficulty of the task, and
demonstrate that topic modeling can extract thematic storyteller "profiles."
- Abstract(参考訳): 我々は、boccaccioのdecameronを探求し、デジタルヒューマニティクスツールが、現在使われていない言語で限られたデータを持つタスク、すなわち中世イタリア語にどのように使えるかを調べます。
テキスト内の異なるストーリーテラーは、異なる個性を示すか?
この質問に答えるために、テキストの権威版に基づいてデータセットをキュレートし、リリースする。
我々は教師付き分類法を用いてストーリーテラーを予測し,タスクの難易度を確認し,トピック・モデリングがテーマ・ストーリーテラーの「プロファイル」を抽出できることを実証する。
関連論文リスト
- Where Do People Tell Stories Online? Story Detection Across Online
Communities [21.58825867770526]
オンラインコミュニティにおけるストーリーの検出は、ストーリーがコミュニティに散らばっていて、1つのテキスト内でノンストーリーテリングスパンと織り交ぜられるため、難しい作業である。
Redditの投稿とコメント502件のデータセット、ソーシャルメディアのコンテキストに適合したコードブック、ドキュメントとスパンレベルでのストーリーテリングを予測するモデルを含むStorySeekerツールキットをリリースしました。
論文 参考訳(メタデータ) (2023-11-16T08:42:26Z) - Visual Storytelling with Question-Answer Plans [70.89011289754863]
本稿では、事前訓練された言語モデルと計画に視覚表現を統合する新しいフレームワークを提案する。
我々のモデルは、画像列を視覚的な接頭辞、つまり言語モデルで解釈できる連続的な埋め込みの列に変換する。
また、一連の質問と回答のペアを青写真プランとして利用して、健全な視覚概念を選択し、物語にどのように組み立てるべきかを決定する。
論文 参考訳(メタデータ) (2023-10-08T21:45:34Z) - Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。
モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。
このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
論文 参考訳(メタデータ) (2023-07-25T17:59:18Z) - DeltaScore: Fine-Grained Story Evaluation with Perturbations [69.33536214124878]
DELTASCOREは,ニュアンスストーリーの側面の評価に摂動技術を用いた新しい手法である。
私たちの中心的な命題は、物語が特定の側面(例えば、流感)で興奮する程度は、特定の摂動に対するその感受性の大きさと相関している、と仮定している。
事前学習言語モデルを用いて,前摂動状態と後摂動状態の確率差を計算することにより,アスペクトの品質を測定する。
論文 参考訳(メタデータ) (2023-03-15T23:45:54Z) - Estimating the Personality of White-Box Language Models [0.589889361990138]
大規模なテキストコーパスで訓練された大規模言語モデルは、至る所で広範囲のアプリケーションで使用されている。
既存の研究は、これらのモデルが人間の偏見を捉え、捉えていることを示している。
これらのバイアス、特に害を引き起こす可能性のあるバイアスの多くは、十分に調査されている。
しかし、これらのモデルによって受け継がれた人間の性格特性を推測し、変化させる研究は、ほとんど、あるいは存在しない。
論文 参考訳(メタデータ) (2022-04-25T23:53:53Z) - 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) - "Let Your Characters Tell Their Story": A Dataset for Character-Centric
Narrative Understanding [31.803481510886378]
文芸作品の新しいデータセットLiSCUとその要約を、それらに現れる文字の記述と組み合わせて紹介する。
また、LiSCUにおける文字識別と文字記述生成という2つの新しいタスクについても紹介する。
これらの課題に適応した事前学習型言語モデルを用いた実験により,より優れた物語理解モデルの必要性が示された。
論文 参考訳(メタデータ) (2021-09-12T06:12:55Z) - Topic Adaptation and Prototype Encoding for Few-Shot Visual Storytelling [81.33107307509718]
トピック間一般化の能力をモデル化するためのトピック適応型ストーリーテラを提案する。
また,アトピー内導出能力のモデル化を目的とした符号化手法の試作も提案する。
実験結果から,トピック適応とプロトタイプ符号化構造が相互に利益をもたらすことが明らかとなった。
論文 参考訳(メタデータ) (2020-08-11T03:55:11Z) - Hide-and-Tell: Learning to Bridge Photo Streams for Visual Storytelling [86.42719129731907]
視覚的ギャップを埋めるストーリーラインを明示的に学習することを提案する。
私たちは、欠落した写真であっても、ネットワークをトレーニングして、完全なプラウティブルなストーリーを作り出す。
実験では,本手法とネットワーク設計がストーリーテリングに有効であることを示す。
論文 参考訳(メタデータ) (2020-02-03T14:22:18Z)
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。