論文の概要: A guided journey through non-interactive automatic story generation
- arxiv url: http://arxiv.org/abs/2110.11167v1
- Date: Fri, 8 Oct 2021 10:01:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-24 14:33:26.001429
- Title: A guided journey through non-interactive automatic story generation
- Title（参考訳）: 非インタラクティブな自動ストーリー生成を通したガイド付き旅
- Authors: Luis Miguel Botelho
- Abstract要約: この記事では,創造的システムに対する要件,創造性の3種類のモデル(計算的,社会文化的,個人的),人間の創造的記述のモデルについて述べる。
この記事は、伝達すべき主要なアイデアの自律的生成と採用、創造性を保証する基準の自律的設計が、おそらく将来の研究において最も重要なトピックの2つである、と結論付けている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a literature survey on non-interactive computational story
generation. The article starts with the presentation of requirements for
creative systems, three types of models of creativity (computational,
socio-cultural, and individual), and models of human creative writing. Then it
reviews each class of story generation approach depending on the used
technology: story-schemas, analogy, rules, planning, evolutionary algorithms,
implicit knowledge learning, and explicit knowledge learning. Before the
concluding section, the article analyses the contributions of the reviewed work
to improve the quality of the generated stories. This analysis addresses the
description of the story characters, the use of narrative knowledge including
about character believability, and the possible lack of more comprehensive or
more detailed knowledge or creativity models. Finally, the article presents
concluding remarks in the form of suggestions of research topics that might
have a significant impact on the advancement of the state of the art on
autonomous non-interactive story generation systems. The article concludes that
the autonomous generation and adoption of the main idea to be conveyed and the
autonomous design of the creativity ensuring criteria are possibly two of most
important topics for future research.
- Abstract（参考訳）: 本稿では,非インタラクティブな計算ストーリー生成に関する文献調査を行う。
この記事は、創造的なシステムに対する要求の提示、創造性の3種類のモデル(計算、社会文化、個人)、人間の創造的な文章のモデルから始まります。
そして、使用する技術(ストーリースキーマ、アナロジー、ルール、計画、進化アルゴリズム、暗黙の知識学習、明示的な知識学習)に応じて、ストーリー生成アプローチの各クラスをレビューする。
結論のセクションの前に、レビューされた仕事の貢献を分析して、生成したストーリーの品質を改善する。
この分析は、物語のキャラクターの記述、キャラクターの信頼性を含む物語的知識の使用、より包括的でより詳細な知識や創造的モデルが欠如している可能性について論じる。
最後に、この論文は、自律的な非インタラクティブなストーリー生成システムにおける最先端技術に重大な影響を与える可能性のある研究トピックの提案の形で、論評をまとめる。
この記事は、伝達すべき主要なアイデアの自律的生成と採用、創造性を保証する基準の自律的設計は、将来の研究において最も重要なトピックの2つだ、と結論付けている。
関連論文リスト
- What Makes a Good Story and How Can We Measure It? A Comprehensive Survey of Story Evaluation [57.550045763103334]
ストーリーを評価することは、他の世代の評価タスクよりも難しい場合があります。
まず、テキスト・トゥ・テキスト、ビジュアル・トゥ・テキスト、テキスト・トゥ・ビジュアルといった既存のストーリーテリングタスクを要約する。
本研究では,これまで開発されてきた,あるいはストーリー評価に応用可能な評価指標を整理する分類法を提案する。
論文 参考訳（メタデータ） (2024-08-26T20:35:42Z) - SARD: A Human-AI Collaborative Story Generation [0.0]
本研究では,大規模言語モデルを用いたマルチチャプタストーリ生成のためのドラッグアンドドロップ型ビジュアルインタフェースであるSARDを提案する。
SARDのユーザビリティとその創造性に対する評価は、物語のノードベースの可視化は、著者がメンタルモデルを構築するのに役立つかもしれないが、著者にとって不必要な精神的オーバーヘッドを生じさせることを示している。
また、AIはストーリーの複雑さに関係なく、語彙的に多様性の低いストーリーを生成することもわかりました。
論文 参考訳（メタデータ） (2024-03-03T17:48:42Z) - Envisioning Narrative Intelligence: A Creative Visual Storytelling
Anthology [7.962160810367763]
この創造的なビジュアルなストーリーテリングプロセスで見られるバリエーションを特徴付ける5つのテーマを提示する。
我々は、計算的なビジュアルストーリーテリングのための物語知能基準を、創造的で、信頼性があり、表現力があり、基礎があり、責任があるものとして想定する。
論文 参考訳（メタデータ） (2023-10-06T18:47:20Z) - The Next Chapter: A Study of Large Language Models in Storytelling [51.338324023617034]
大規模言語モデル(LLM)を用いたプロンプトベース学習の適用は,自然言語処理(NLP)タスクにおいて顕著な性能を示した。
本稿では,LLMのストーリー生成能力と最近のモデルを比較するために,自動評価と人的評価の両方を利用した総合的な調査を行う。
その結果、LLMは他のストーリー生成モデルと比較して、非常に高い品質のストーリーを生成することがわかった。
論文 参考訳（メタデータ） (2023-01-24T02:44:02Z) - Open-world Story Generation with Structured Knowledge Enhancement: A
Comprehensive Survey [38.56791838401675]
本稿では,既存の手法が構造的知識をストーリー生成にどのように統合するかについて,体系的な分類法を提案する。
知識に富んだストーリー生成の課題について多次元的な洞察を与える。
論文 参考訳（メタデータ） (2022-12-09T02:19:07Z) - Computational Storytelling and Emotions: A Survey [56.95572957863576]
本研究は,物語と感情の関係に関する研究を要約し,その発展に寄与することを目的としている。
創造性の研究は人間をコンピューターに置き換えることではなく、創造性を高めるために人間とコンピューターのコラボレーション方法を見つけることであると私たちは信じています。
論文 参考訳（メタデータ） (2022-05-23T00:21:59Z) - A Corpus for Understanding and Generating Moral Stories [84.62366141696901]
機械のこれらの能力を評価するために,2つの理解タスクと2つの世代タスクを提案する。
我々は、中国語と英語で書かれた道徳的物語の新しいデータセットであるSTORALを提示する。
論文 参考訳（メタデータ） (2022-04-20T13:12:36Z) - 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) - Collaborative Storytelling with Large-scale Neural Language Models [6.0794985566317425]
我々は、人工知能エージェントと人が協力して、交代で追加することでユニークなストーリーを作るという、協調的なストーリーテリングのタスクを紹介します。
本稿では,人間ストーリーテラーと協調して物語を創り出す共同ストーリーテリングシステムについて述べる。
論文 参考訳（メタデータ） (2020-11-20T04:36:54Z) - Cue Me In: Content-Inducing Approaches to Interactive Story Generation [74.09575609958743]
本研究では,対話型物語生成の課題に焦点をあてる。
本稿では、この追加情報を効果的に活用するための2つのコンテンツ誘導手法を提案する。
自動評価と人的評価の両方による実験結果から,これらの手法がよりトポロジ的な一貫性とパーソナライズされた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） (2020-10-20T00:36:15Z) - A Knowledge-Enhanced Pretraining Model for Commonsense Story Generation [98.25464306634758]
本稿では,外部知識ベースからのコモンセンス知識を利用して,合理的なストーリーを生成することを提案する。
我々は,真と偽のストーリーを識別するための差別的目的を組み合わせたマルチタスク学習を採用している。
我々のモデルは、特に論理学とグローバルコヒーレンスの観点から、最先端のベースラインよりも合理的なストーリーを生成することができる。
論文 参考訳（メタデータ） (2020-01-15T05:42:27Z)
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。