論文の概要: Persona-Guided Planning for Controlling the Protagonist's Persona in
Story Generation
- arxiv url: http://arxiv.org/abs/2204.10703v1
- Date: Fri, 22 Apr 2022 13:45:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-25 13:20:31.089875
- Title: Persona-Guided Planning for Controlling the Protagonist's Persona in
Story Generation
- Title(参考訳): 物語生成における主人公のペルソナ制御のためのペルソナ誘導計画
- Authors: Zhexin Zhang, Jiaxin Wen, Jian Guan, Minlie Huang
- Abstract要約: 本研究では,ペルソナとイベントの関係を明示的にモデル化する計画ベース生成モデルCONPERを提案する。
自動評価と手動評価の両方の結果から、CONPERはより一貫性のあるペルソナ制御可能なストーリーを生成するために最先端のベースラインより優れていることが示されている。
- 参考スコア(独自算出の注目度): 71.24817035071176
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Endowing the protagonist with a specific personality is essential for writing
an engaging story. In this paper, we aim to control the protagonist's persona
in story generation, i.e., generating a story from a leading context and a
persona description, where the protagonist should exhibit the specified
personality through a coherent event sequence. Considering that personas are
usually embodied implicitly and sparsely in stories, we propose a
planning-based generation model named CONPER to explicitly model the
relationship between personas and events. CONPER first plans events of the
protagonist's behavior which are motivated by the specified persona through
predicting one target sentence, then plans the plot as a sequence of keywords
with the guidance of the predicted persona-related events and commonsense
knowledge, and finally generates the whole story. Both automatic and manual
evaluation results demonstrate that CONPER outperforms state-of-the-art
baselines for generating more coherent and persona-controllable stories.
- Abstract(参考訳): 主人公に特定の個性を持たせることは、係わる物語を書くのに不可欠である。
本稿では、主人公がコヒーレントなイベントシーケンスを通じて特定のパーソナリティを提示すべき主文脈とペルソナ記述から物語を生成するストーリー生成における主人公のパーソナリティを制御することを目的としている。
そこで我々は,ペルソナとイベントの関係を明示的にモデル化するために,計画に基づく生成モデルconperを提案する。
コンペルはまず、1つの目標文を予測し、特定のペルソナに動機づけられた主人公の行動のイベントを計画し、予測されたペルソナ関連事象と常識知識のガイダンスを用いて一連のキーワードとしてプロットを計画し、最終的に全体を生成する。
自動評価と手動評価の両方の結果から、CONPERはより一貫性のあるペルソナ制御可能なストーリーを生成するために最先端のベースラインよりも優れていた。
関連論文リスト
- 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) - Multigenre AI-powered Story Composition [0.27309692684728604]
コメディ、ロマンス、悲劇、風刺、ミステリーという5つの基本的なジャンルの存在を論じる。
パターンを構成するには、まずジャンルの特徴と一致する例を検索し、次に例のグループに最も具体的な一般化の形式を適用する。
どちらの段階でも、AIエージェントは道具であり、私たちのPatternTellerプロトタイプはストーリーコンポジションプロセスを操作するために呼び出されます。
論文 参考訳(メタデータ) (2024-05-06T12:54:41Z) - Neural Story Planning [8.600049807193413]
本稿では,ニューラル言語モデルと因果計画を統合したストーリープロット生成手法を提案する。
我々のシステムは、物語における出来事の前提条件を推測し、その条件が真実になるイベントを推定する。
その結果,提案手法は複数の強基線よりもコヒーレントなプロットラインを生成することがわかった。
論文 参考訳(メタデータ) (2022-12-16T21:29:41Z) - 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) - Computational Lens on Cognition: Study Of Autobiographical Versus
Imagined Stories With Large-Scale Language Models [95.88620740809004]
GPT-3を用いた自伝的物語と想像的物語における出来事の物語の流れの相違について検討した。
想像された物語は自伝的物語よりも逐次性が高いことがわかった。
想像された物語と比較すると、自伝的な物語は、最初の人物に関連するより具体的な言葉と単語を含んでいる。
論文 参考訳(メタデータ) (2022-01-07T20:10:47Z) - Telling Stories through Multi-User Dialogue by Modeling Character
Relations [14.117921448623342]
本稿では,登場人物の1対2のナレーションと対話を通して物語が現れるキャラクター主導の物語継続について考察する。
文字対話と文字関係情報を訓練するマルチタスクモデルにより,トランスフォーマーによる物語の継続性が向上する,という仮説を立てる。
文字関係を用いたマルチタスクモデルでは,強いベースラインよりもストーリー継続精度が向上することが示唆された。
論文 参考訳(メタデータ) (2021-05-31T15:39:41Z) - Narrative Interpolation for Generating and Understanding Stories [52.463747140762145]
そこで本研究では,ユーザが特定した目的語を含むコヒーレントな物語を生成するために,モデルをガイドできる物語・物語生成制御手法を提案する。
本手法の中核はGPT-2に基づく漸進的モデルであり,前文と次文を物語の中で条件付けし,そのギャップを埋める。
終末誘導世代は、与えられた終末ガイドに忠実で忠実であり、過去のアプローチよりも手作業の少ない物語を生み出すことを示す。
論文 参考訳(メタデータ) (2020-08-17T16:45:50Z) - PlotMachines: Outline-Conditioned Generation with Dynamic Plot State
Tracking [128.76063992147016]
PlotMachinesは、動的プロット状態を追跡することによってアウトラインをコヒーレントなストーリーに変換することを学習する、ニューラルな物語モデルである。
さらに,PlotMachinesを高レベルな談話構造で強化し,モデルが物語の異なる部分に対応する筆記スタイルを学習できるようにした。
論文 参考訳(メタデータ) (2020-04-30T17:16:31Z)
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。