Fugu-MT 論文翻訳(概要): Heroes, Villains, and Victims, and GPT-3: Automated Extraction of Character Roles Without Training Data

論文の概要: Heroes, Villains, and Victims, and GPT-3: Automated Extraction of Character Roles Without Training Data

arxiv url: http://arxiv.org/abs/2205.07557v2
Date: Tue, 17 May 2022 08:09:51 GMT
ステータス: 処理完了
システム内更新日: 2022-05-18 11:24:20.290869
Title: Heroes, Villains, and Victims, and GPT-3: Automated Extraction of Character Roles Without Training Data
Title（参考訳）: Heroes, Villains, Victims, GPT-3: トレーニングデータなしのキャラクタロールの自動抽出
Authors: Dominik Stammbach, Maria Antoniak, Elliott Ash
Abstract要約: GPT-3は、新聞記事、映画のサマリー、政治演説など、様々な領域の英雄、悪役、犠牲者を特定できる。本稿では、大規模事前学習言語モデルを用いて、学習データなしで物語テキストからキャラクターロールを抽出する方法を示す。
参考スコア（独自算出の注目度）: 4.718182951842264
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper shows how to use large-scale pre-trained language models to extract character roles from narrative texts without training data. Queried with a zero-shot question-answering prompt, GPT-3 can identify the hero, villain, and victim in diverse domains: newspaper articles, movie plot summaries, and political speeches.
Abstract（参考訳）: 本稿では,事前学習された大規模言語モデルを用いて,物語テキストから文字の役割を訓練データなしで抽出する方法を示す。ゼロショットの質問回答プロンプトで検索すると、GPT-3は、新聞記事、映画の要約、政治演説など、様々な領域の英雄、悪役、犠牲者を識別できる。

関連論文リスト

GPT4SGG: Synthesizing Scene Graphs from Holistic and Region-specific Narratives [69.36723767339001]
GPT4SGGを導入し、全体像と地域固有の物語からシーングラフを合成する。このような画像データの表現とタスク固有のプロンプトにより、LCM、特にGPT-4はシーングラフを直接「擬似ラベル」として合成する。 GPT4SGGは画像キャプチャデータに基づいて訓練されたSGGモデルの性能を大幅に向上させる。
論文参考訳（メタデータ） (2023-12-07T14:11:00Z)
NarrativePlay: Interactive Narrative Understanding [27.440721435864194]
本研究では,ユーザが架空のキャラクターをロールプレイし,没入感のある環境で他のキャラクターと対話できる新しいシステムであるNarrativePlayを紹介する。我々はLarge Language Models(LLMs)を利用して、物語から抽出された性格特性によって導かれる人間的な応答を生成する。ナラティブプレイは2種類の物語、探偵と冒険の物語で評価されており、ユーザーは世界を探索したり、会話を通じて物語のキャラクターと親しみやすくしたりすることができる。
論文参考訳（メタデータ） (2023-10-02T13:24:00Z)
Large Language Models Meet Harry Potter: A Bilingual Dataset for Aligning Dialogue Agents with Characters [70.84938803753062]
本稿では,対話エージェントと文字アライメントの研究を進めるために設計されたHarry Potter Dialogueデータセットを紹介する。このデータセットはハリー・ポッターシリーズのすべての対話セッション(英語と中国語の両方)を含んでいる。対話シーン、話者、人物関係、属性など、重要な背景情報とともに注釈付けされている。
論文参考訳（メタデータ） (2022-11-13T10:16:39Z)
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)
TVShowGuess: Character Comprehension in Stories as Speaker Guessing [23.21452223968301]
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。
論文参考訳（メタデータ） (2022-04-16T05:15:04Z)
"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)
Fine-tuning GPT-3 for Russian Text Summarization [77.34726150561087]
本稿では,テキストを要約するruGPT3(ruGPT3)機能について紹介し,それに対応する人文要約を用いてロシア語ニュースのコーパスを微調整する。得られたテキストを一連のメトリクスで評価し、アーキテクチャや損失関数に付加的な変更を加えることなく、我々のソリューションが最先端のモデルの性能を上回ることができることを示す。
論文参考訳（メタデータ） (2021-08-07T19:01:40Z)
Extracting Training Data from Large Language Models [78.3839333127544]
本論文では,言語モデルに問い合わせることで,学習データ抽出攻撃を実行して個々のトレーニング例を回復できることを実証する。我々は,公開インターネットのスクレイプ上で訓練された言語モデルgpt-2に対する攻撃を実証し,モデルのトレーニングデータから数百の動詞のテキストシーケンスを抽出することができることを示した。
論文参考訳（メタデータ） (2020-12-14T18:39:09Z)
Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
論文参考訳（メタデータ） (2020-08-21T20:59:34Z)
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。