論文の概要: Go Back in Time: Generating Flashbacks in Stories with Event Temporal Prompts

• arxiv url: http://arxiv.org/abs/2205.01898v1
• Date: Wed, 4 May 2022 05:26:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-05 13:37:05.531265
• Title: Go Back in Time: Generating Flashbacks in Stories with Event Temporal Prompts
• Title（参考訳）: Go Back in Time: イベント一時的なプロンプトによるストーリー中のフラッシュバックの生成
• Authors: Rujun Han, Hong Chen, Yufei Tian, Nanyun Peng
• Abstract要約: イベントの時間順序をしっかり理解する必要があるため、マシンがフラッシュバックを生成するのは難しい。 イベントとそのペアの時間的関係を符号化するために,構造化されたストーリーラインを用いてこれらの問題に対処することを提案する。 我々は、強化学習によって強化されたPlan-and-Writeフレームワークを活用して、ストーリーラインとストーリーをエンドツーエンドに生成する。
• 参考スコア（独自算出の注目度）: 35.63145672346465
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Stories or narratives are comprised of a sequence of events. To compose interesting stories, professional writers often leverage a creative writing technique called flashback that inserts past events into current storylines as we commonly observe in novels and plays. However, it is challenging for machines to generate flashback as it requires a solid understanding of event temporal order (e.g. "feeling hungry" before "eat," not vice versa), and the creativity to arrange storylines so that earlier events do not always appear first in narrative order. Two major issues in existing systems that exacerbate the challenges: 1) temporal bias in pertaining and story datasets that leads to monotonic event temporal orders; 2) lack of explicit guidance that helps machines decide where to insert flashbacks. We propose to address these issues using structured storylines to encode events and their pair-wise temporal relations (before, after and vague) as temporal prompts that guide how stories should unfold temporally. We leverage a Plan-and-Write framework enhanced by reinforcement learning to generate storylines and stories end-to-end. Evaluation results show that the proposed method can generate more interesting stories with flashbacks while maintaining textual diversity, fluency, and temporal coherence.
• Abstract（参考訳）: 物語や物語は一連の出来事から成り立っている。 興味深いストーリーを構成するために、プロのライターはしばしばflashbackと呼ばれる創造的なライティング技術を利用して、過去の出来事を現在のストーリーラインに挿入します。 しかし、事象の時間順序(例えば「eat」以前の「空腹」など)をしっかり理解し、初期の出来事が常に物語順に現れるわけではないようにストーリーラインを配置する創造性が必要であるため、機械がフラッシュバックを生成するのは困難である。 課題を悪化させる既存システムの2つの大きな問題。 1) 事象の時間的秩序につながる関連性及び物語データセットの時間的バイアス 2) フラッシュバックの挿入先を決定するための明示的なガイダンスがない。 本稿では,物語の時間的展開を導く時間的プロンプトとして,構造化されたストーリーラインを用いてイベントとそのペアの時間的関係を符号化することを提案する。 我々は強化学習によって強化されたPlan-and-Writeフレームワークを利用してストーリーラインとストーリーをエンドツーエンドに生成する。 評価の結果,提案手法はテキストの多様性,フラレンシー,時間的一貫性を維持しつつ,フラッシュバックを伴うより興味深いストーリーを生成できることがわかった。

関連論文リスト

• 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)
• ContextualStory: Consistent Visual Storytelling with Spatially-Enhanced and Storyline Context [50.572907418430155]
  既存の自動回帰手法は、メモリ使用量の増加、生成速度の低下、コンテキスト統合の制限に悩まされている。 本研究では,コヒーレントなストーリーフレームの生成とストーリー継続のためのフレーム拡張を目的とした新しいフレームワークであるContextualStoryを提案する。 PororoSVとFlintstonesSVベンチマークの実験では、ContextualStoryはストーリービジュアライゼーションとストーリー継続の両方において既存のメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-07-13T05:02:42Z)
• 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)
• Re3: Generating Longer Stories With Recursive Reprompting and Revision [83.99558005056817]
  我々は,2千語以上の長文を自動生成する問題を考察する。 短いストーリーの以前の作業と比較して、長距離プロットのコヒーレンスと関連性は、ここではより中心的な課題である。 本稿では,これらの課題に対処するRecursive Reprompting and Revision framework(Re3)を提案する。
  論文  参考訳（メタデータ） (2022-10-13T06:29:57Z)
• 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)
• Consistency and Coherency Enhanced Story Generation [35.08911595854691]
  生成したストーリーの一貫性と一貫性を高めるための2段階生成フレームワークを提案する。 第1段は物語の筋書きや出来事を描いた物語の輪郭を整理し、第2段は完全な物語へと輪郭を広げることである。 さらに、コア参照監視信号は、コア参照エラーを低減し、コア参照一貫性を向上させるために組み込まれている。
  論文  参考訳（メタデータ） (2020-10-17T16:40:37Z)
• 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。