論文の概要: An Ion Exchange Mechanism Inspired Story Ending Generator for Different Characters

• arxiv url: http://arxiv.org/abs/2209.00200v1
• Date: Thu, 1 Sep 2022 03:32:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-02 13:21:56.721459
• Title: An Ion Exchange Mechanism Inspired Story Ending Generator for Different Characters
• Title（参考訳）: 異なるキャラクタのためのイオン交換機構によるストーリーエンドジェネレータ
• Authors: Xinyu Jiang, Qi Zhang, Chongyang Shi, Kaiying Jiang, Liang Hu and Shoujin Wang
• Abstract要約: 物語の各キャラクターのエンディングをカスタマイズするためのキャラクター指向ストーリーエンディングジェネレータ(CoSEG)を提案する。 まず、ストーリーコンテキストから抽出した記述的体験から文字の個性を学ぶための文字モデリングモジュールを提案する。 次に,各文字と対応するコンテキスト間の固有相互作用を学習するために,新しいベクトル分割・生成モジュールを設計する。
• 参考スコア（独自算出の注目度）: 19.945761111101344
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Story ending generation aims at generating reasonable endings for a given story context. Most existing studies in this area focus on generating coherent or diversified story endings, while they ignore that different characters may lead to different endings for a given story. In this paper, we propose a Character-oriented Story Ending Generator (CoSEG) to customize an ending for each character in a story. Specifically, we first propose a character modeling module to learn the personalities of characters from their descriptive experiences extracted from the story context. Then, inspired by the ion exchange mechanism in chemical reactions, we design a novel vector breaking/forming module to learn the intrinsic interactions between each character and the corresponding context through an analogical information exchange procedure. Finally, we leverage the attention mechanism to learn effective character-specific interactions and feed each interaction into a decoder to generate character-orient endings. Extensive experimental results and case studies demonstrate that CoSEG achieves significant improvements in the quality of generated endings compared with state-of-the-art methods, and it effectively customizes the endings for different characters.
• Abstract（参考訳）: ストーリーエンディング生成は、与えられたストーリーコンテキストに対して合理的なエンディングを生成することを目的としています。 この分野の既存の研究のほとんどは、コヒーレントまたは多様化したストーリーエンディングの生成に焦点を当てているが、異なるキャラクターが与えられたストーリーのエンディングに異なる結果をもたらす可能性があることを無視している。 本稿では,物語中の各キャラクターのエンディングをカスタマイズする文字指向ストーリーエンディングジェネレータ(CoSEG)を提案する。 具体的には、まず、ストーリーコンテキストから抽出した記述経験からキャラクターの個性を学ぶためのキャラクタモデリングモジュールを提案する。 そこで, 化学反応におけるイオン交換機構に着想を得て, 類似情報交換による各文字と対応するコンテキスト間の固有相互作用を学習するための新しいベクトル破れモジュールを設計した。 最後に、アテンションメカニズムを利用して、効果的な文字固有相互作用を学習し、各インタラクションをデコーダに供給し、文字指向の終端を生成する。 実験結果とケーススタディにより、CoSEGは、最先端の手法と比較して生成エンディングの品質を大幅に向上し、異なる文字に対して効果的にエンディングをカスタマイズすることを示した。

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)
• MoPS: Modular Story Premise Synthesis for Open-Ended Automatic Story Generation [50.01780173691132]
  モジュール・ストーリー・プリミゼ・シンセサイザー(MoPS)について紹介する。 MoPSはストーリーの前提をバックグラウンドやペルソナなどのモジュールに分割し、自動設計と生成を行う。 より詳細な評価は、我々の合成された施設が多様性、魅力、完全性、独創性に優れていることを示している。
  論文  参考訳（メタデータ） (2024-06-09T08:31:14Z)
• CHAE: Fine-Grained Controllable Story Generation with Characters, Actions and Emotions [10.694612203803146]
  本稿では,物語のきめ細かい制御モデルを提案する。 キャラクター、対応するアクション、感情を任意に割り当てたカスタマイズされたストーリーを生成することができる。 きめ細かいパーソナライズされたガイダンスに従ってストーリーを生成することは、強い制御性を持つ。
  論文  参考訳（メタデータ） (2022-10-11T07:37:50Z)
• A Benchmark for Understanding and Generating Dialogue between Characters in Stories [75.29466820496913]
  本研究は,機械が物語の対話を理解・生成できるかどうかを探求する最初の研究である。 マスク付き対話生成と対話話者認識という2つの新しいタスクを提案する。 DialStoryの自動評価と手動評価で既存のモデルをテストすることで,提案課題の難しさを示す。
  論文  参考訳（メタデータ） (2022-09-18T10:19:04Z)
• Persona-Guided Planning for Controlling the Protagonist's Persona in Story Generation [71.24817035071176]
  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。
  論文  参考訳（メタデータ） (2022-04-22T13:45:02Z)
• 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)
• Inferring the Reader: Guiding Automated Story Generation with Commonsense Reasoning [12.264880519328353]
  生成プロセスにコモンセンス推論を導入するフレームワークであるCommonsense-inference Augmented Neural StoryTelling (CAST)を紹介する。 我々のCAST手法は,既存のモデルよりも,一文字と二文字の両方で,一貫性があり,オントピー的,楽しむことができる。
  論文  参考訳（メタデータ） (2021-05-04T06:40:33Z)
• Controllable Multi-Character Psychology-Oriented Story Generation [28.054245616281023]
  SoCP(Storytelling of Multi-Character Psychology)と呼ばれる新しいモデルに基づく注意機構を提案する。 提案モデルでは,異なるキャラクタの心理状態の変化を考慮した物語を生成可能であることを示す。 実験により、生成したストーリーは、自動評価と人的評価の両方に従って、各キャラクターの心理的状態に従うことが示された。
  論文  参考訳（メタデータ） (2020-10-11T12:05:00Z)
• 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。