論文の概要: Sentiment Dynamics of Success: Fractal Scaling of Story Arcs Predicts
Reader Preferences
- arxiv url: http://arxiv.org/abs/2112.07497v1
- Date: Tue, 14 Dec 2021 16:00:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-15 20:15:39.578631
- Title: Sentiment Dynamics of Success: Fractal Scaling of Story Arcs Predicts
Reader Preferences
- Title(参考訳): 成功の知覚ダイナミクス: ストーリーアークのフラクタルスケーリングは読者の嗜好を予測する
- Authors: Yuri Bizzoni, Telma Peura, Mads R. Thomsen, Kristoffer Nielbo
- Abstract要約: 我々は、物語の全体的感情傾向を予測的テクスタイパーとして考えていないが、アークのハースト指数で表されるように、時間とともにその一貫性と予測可能性に焦点を当てている。
ハースト値の劣化は品質スコアの劣化を示唆する傾向にあり, ハースト指数の55~65は文学的評価の「スイートスポット」を示す可能性がある。
- 参考スコア(独自算出の注目度): 0.02294014185517203
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We explore the correlation between the sentiment arcs of H. C. Andersen's
fairy tales and their popularity, measured as their average score on the
platform GoodReads. Specifically, we do not conceive a story's overall
sentimental trend as predictive \textit{per se}, but we focus on its coherence
and predictability over time as represented by the arc's Hurst exponent. We
find that degrading Hurst values tend to imply degrading quality scores, while
a Hurst exponent between .55 and .65 might indicate a "sweet spot" for literary
appreciation.
- Abstract(参考訳): 我々は,H.C.アンデルセンの妖精物語の感情圏と,プラットフォームGoodReadsの平均スコアとして評価される人気との相関について検討した。
具体的には、ストーリーの全体的な感情傾向を予測する \textit{per se} とは考えていないが、その一貫性と予測可能性に焦点を当てている。
劣化するハースト値が品質スコアを劣化させる傾向にあるのに対し、.55から.65の間のハースト指数は文学的評価の「スイートスポット」を示す可能性がある。
関連論文リスト
- How are Prompts Different in Terms of Sensitivity? [56.951525287167065]
本稿では,関数の感度に基づく包括的即時解析を提案する。
出力に対する入力トークンの関連性に異なるプロンプトがどう影響するかを実証的に示すために、勾配に基づく唾液度スコアを使用する。
本稿では, 感度推定をペナルティ項として組み込んだ感度認識復号法を標準グリーディ復号法で導入する。
論文 参考訳(メタデータ) (2023-11-13T10:52:01Z) - The Dynamical Principles of Storytelling [0.0]
段落の順序が下がった場合、平均はもはやこの性質を示さない。
その結果、物語を始める際に意味空間に優先的な方向があることが示され、おそらくは西洋の一般的なストーリーテリングの伝統に関連している。
論文 参考訳(メタデータ) (2023-09-14T15:36:10Z) - The Inner Sentiments of a Thought [21.168667497287547]
トランスフォーマーベースの大規模言語モデル(LLM)は、非常にリアルなテキストを生成することができる。
分布の尾に感情のある文を生成するために分布予測を利用する方法を示す。
論文 参考訳(メタデータ) (2023-07-04T15:44:37Z) - 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) - A Moral- and Event- Centric Inspection of Gender Bias in Fairy Tales at
A Large Scale [50.92540580640479]
7つの文化から得られた624個の妖精物語を含む妖精物語データセットにおいて,ジェンダーバイアスを計算的に解析した。
その結果,男性キャラクターの数は女性キャラクターの2倍であり,男女表現が不均等であることが判明した。
女性キャラクターは、注意、忠誠、尊厳に関する道徳的な言葉とより関連しているのに対し、男性キャラクターは、公正、権威に関する道徳的な単語とより関連している。
論文 参考訳(メタデータ) (2022-11-25T19:38:09Z) - SNaC: Coherence Error Detection for Narrative Summarization [73.48220043216087]
SNaCは長文の微粒化アノテーションに根ざした物語コヒーレンス評価フレームワークである。
本稿では,生成した物語要約におけるコヒーレンスエラーの分類法を開発し,150冊の本や映画の脚本要約にまたがる6.6k文のスパンレベルアノテーションを収集する。
我々の研究は、最先端の要約モデルによって生成されるコヒーレンスエラーの最初の特徴と、群衆アノテータからコヒーレンス判断を引き出すためのプロトコルを提供する。
論文 参考訳(メタデータ) (2022-05-19T16:01:47Z) - Textual Stylistic Variation: Choices, Genres and Individuals [0.8057441774248633]
この章では、テキストコレクションのスタイリスティックな変動の統計処理のためのより情報的なターゲットメトリクスを論じている。
本章ではジャンルごとの変奏について論じ、個々の選択による変奏と対比する。
論文 参考訳(メタデータ) (2022-05-01T16:39:49Z) - Measuring Fairness of Text Classifiers via Prediction Sensitivity [63.56554964580627]
加速度予測感度は、入力特徴の摂動に対するモデルの予測感度に基づいて、機械学習モデルの公正度を測定する。
この計量は、群フェアネス(統計パリティ)と個人フェアネスという特定の概念と理論的に関連付けられることを示す。
論文 参考訳(メタデータ) (2022-03-16T15:00:33Z) - Sentiment Progression based Searching and Indexing of Literary Textual
Artefacts [0.0]
本稿では,本を検索・推薦するためのセンチメント・プログレクションに基づく索引付けを提案する。
1076の英語タイトル+20のマラティー語タイトルのデータベースを作成し、データベース http://www.cs.cmu.edu/dbamman/booksummaries.html に16559のタイトルとそれらの要約を追加した。
論文 参考訳(メタデータ) (2021-06-16T20:49:51Z) - Results of a Single Blind Literary Taste Test with Short Anonymized
Novel Fragments [4.695687634290403]
文学的品質の認識が、文章本質と社会的要因からどの程度引き起こされるかは、明らかな疑問である。
オランダ語小説の文体的特徴が文学的評価に及ぼす影響を評価するためのパイロット研究の結果を報告する。
調査評価と調査評価の相関は中程度から強いが, 予測は調査評価に近づいた。
論文 参考訳(メタデータ) (2020-11-03T11:10:17Z) - A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。
文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
論文 参考訳(メタデータ) (2020-01-28T05:03:15Z)
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。