論文の概要: TVShowGuess: Character Comprehension in Stories as Speaker Guessing
- arxiv url: http://arxiv.org/abs/2204.07721v1
- Date: Sat, 16 Apr 2022 05:15:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-19 13:01:59.102235
- Title: TVShowGuess: Character Comprehension in Stories as Speaker Guessing
- Title（参考訳）: TVShowGuess:物語におけるキャラクターの理解
- Authors: Yisi Sang, Xiangyang Mou, Mo Yu, Shunyu Yao, Jing Li, Jeffrey Stanton
- Abstract要約: 物語における架空のキャラクターを理解するための機械のスキルを評価するための新しいタスクを提案する。
タスクであるTVShowGuessは、TVシリーズのスクリプトをベースとして、シーンの背景や対話に基づいて匿名のメインキャラクターを推測する形式をとっている。
我々の人間による研究は、キャラクターの個性、事実、個性体験の記憶など、複数の種類の人格の理解をカバーしている。
- 参考スコア（独自算出の注目度）: 23.21452223968301
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a new task for assessing machines' skills of understanding
fictional characters in narrative stories. The task, TVShowGuess, builds on the
scripts of TV series and takes the form of guessing the anonymous main
characters based on the backgrounds of the scenes and the dialogues. Our human
study supports that this form of task covers comprehension of multiple types of
character persona, including understanding characters' personalities, facts and
memories of personal experience, which are well aligned with the psychological
and literary theories about the theory of mind (ToM) of human beings on
understanding fictional characters during reading. We further propose new model
architectures to support the contextualized encoding of long scene texts.
Experiments show that our proposed approaches significantly outperform
baselines, yet still largely lag behind the (nearly perfect) human performance.
Our work serves as a first step toward the goal of narrative character
comprehension.
- Abstract（参考訳）: 物語における架空の登場人物を理解する機械の能力を評価するための新しい課題を提案する。
タスクであるTVShowGuessは、TVシリーズのスクリプトをベースとして、シーンの背景や対話に基づいて匿名のメインキャラクターを推測する形式をとっている。
本研究は,人物のパーソナリティ,事実,個人体験の記憶を理解することを含む,多種類の人物ペルソナの理解を対象とし,人間の心の理論(トム)に関する心理学的・文学的理論と連動し,読書中の架空の人物を理解することを目的としている。
さらに,長いシーンテキストの文脈化符号化を支援する新しいモデルアーキテクチャを提案する。
実験の結果,提案手法はベースラインを著しく上回っているが,(ほぼ完璧に近い)人間のパフォーマンスには及ばないことがわかった。
我々の研究は物語的性格理解のゴールに向けた第一歩となる。
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) - 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) - Are Large Language Models Capable of Generating Human-Level Narratives? [114.34140090869175]
本稿ではストーリーテリングにおけるLLMの能力について考察し,物語の展開とプロットの進行に着目した。
本稿では,3つの談話レベルの側面から物語を分析するための新しい計算フレームワークを提案する。
談話機能の明示的な統合は、ニューラルストーリーテリングの40%以上の改善によって示されるように、ストーリーテリングを促進することができることを示す。
論文 参考訳（メタデータ） (2024-07-18T08:02:49Z) - Character-LLM: A Trainable Agent for Role-Playing [67.35139167985008]
大規模言語モデル(LLM)は、人間の振る舞いをシミュレートするエージェントとして用いられる。
本稿では, ベートーヴェン, クレオパトラ女王, ユリウス・カエサルなど, LLM に特定の人物として行動するように教えるキャラクタ-LLMを紹介する。
論文 参考訳（メタデータ） (2023-10-16T07:58:56Z) - Personality Understanding of Fictional Characters during Book Reading [81.68515671674301]
この問題に対する最初のラベル付きデータセットPersoNetを提示する。
当社の新たなアノテーション戦略では,オリジナル書籍のプロキシとして,オンライン読書アプリからユーザノートを注釈付けします。
実験と人間の研究は、データセットの構築が効率的かつ正確であることを示している。
論文 参考訳（メタデータ） (2023-05-17T12:19:11Z) - M-SENSE: Modeling Narrative Structure in Short Personal Narratives Using
Protagonist's Mental Representations [14.64546899992196]
本研究では,登場人物の心的状態の推測を解析し,物語構造の顕著な要素を自動的に検出するタスクを提案する。
本稿では,物語構造の主要な要素,特にクライマックスと解像度のマニュアルアノテーションを含む,短い個人物語のSTORIESデータセットを紹介する。
我々のモデルは、クライマックスと解像度を識別するタスクにおいて、大幅な改善を達成できる。
論文 参考訳（メタデータ） (2023-02-18T20:48:02Z) - Few-Shot Character Understanding in Movies as an Assessment to
Meta-Learning of Theory-of-Mind [47.13015852330866]
人間は、いくつかの観察によって、新しい架空のキャラクターを素早く理解することができる。
これは、人間のキャラクターの精神状態、すなわち理論・オブ・ミンド(ToM)の推論における、数少ないショットとメタラーニングの本質を反映している。
このギャップを新しいNLPデータセットであるToM-in-AMCで埋め、現実的な物語理解シナリオにおける機械によるToMのメタラーニングを初めて評価する。
論文 参考訳（メタデータ） (2022-11-09T05:06:12Z) - MBTI Personality Prediction for Fictional Characters Using Movie Scripts [34.24896499537589]
我々は,映画キャラクタのMBTIやビッグ5の性格タイプを予測するために,Story2Personalityというベンチマークを構築した。
実験の結果,既存のテキスト分類モデルでは作業が困難であることが確認された。
言語記述と非言語記述の両方を用いた人格予測のための多視点モデルを提案する。
論文 参考訳（メタデータ） (2022-10-20T03:41:07Z) - "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) - Learning Similarity between Movie Characters and Its Potential
Implications on Understanding Human Experiences [7.1282254016123305]
そこで本研究では,このリッチさを映画キャラクタの立場から捉えた新しい課題を提案する。
コミュニティで2万のテーマに格上げされた映画キャラクター間のテーマレベルの類似性を捉えようとした。
論文 参考訳（メタデータ） (2020-10-23T06:28:25Z)
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。