論文の概要: NGEP: A Graph-based Event Planning Framework for Story Generation

• arxiv url: http://arxiv.org/abs/2210.10602v1
• Date: Wed, 19 Oct 2022 14:49:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 12:50:04.942702
• Title: NGEP: A Graph-based Event Planning Framework for Story Generation
• Title（参考訳）: NGEP: ストーリー生成のためのグラフベースのイベントプランニングフレームワーク
• Authors: Chen Tang, Zhihao Zhang, Tyler Loakman, Chenghua Lin and Frank Guerin
• Abstract要約: 本稿では,自動構築されたイベントグラフ上で推論を行い,イベントシーケンスを生成する新しいイベント計画フレームワークNGEPを提案する。 我々は、複数の基準で様々な実験を行い、その結果、グラフベースのニューラルネットワークは、最先端(SOTA)イベント計画アプローチよりも優れていることを示した。
• 参考スコア（独自算出の注目度）: 17.049035309926637
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To improve the performance of long text generation, recent studies have leveraged automatically planned event structures (i.e. storylines) to guide story generation. Such prior works mostly employ end-to-end neural generation models to predict event sequences for a story. However, such generation models struggle to guarantee the narrative coherence of separate events due to the hallucination problem, and additionally the generated event sequences are often hard to control due to the end-to-end nature of the models. To address these challenges, we propose NGEP, an novel event planning framework which generates an event sequence by performing inference on an automatically constructed event graph and enhances generalisation ability through a neural event advisor. We conduct a range of experiments on multiple criteria, and the results demonstrate that our graph-based neural framework outperforms the state-of-the-art (SOTA) event planning approaches, considering both the performance of event sequence generation and the effectiveness on the downstream task of story generation.
• Abstract（参考訳）: 長いテキスト生成のパフォーマンスを向上させるために、最近の研究は自動的に計画されたイベント構造(ストーリーライン)を活用してストーリー生成を導く。 このような先行研究は主に、ストーリーのイベントシーケンスを予測するためにエンドツーエンドのニューラル生成モデルを使用している。 しかし、このような生成モデルでは幻覚問題による別の事象の物語的コヒーレンスを保証するのに苦労しており、またモデルのエンドツーエンドの性質から生成したイベントシーケンスを制御するのもしばしば困難である。 これらの課題に対処するために,自動構築されたイベントグラフ上で推論を行い,ニューラルイベントアドバイザによる一般化能力を高めることでイベントシーケンスを生成する新しいイベント計画フレームワークNGEPを提案する。 我々は,複数の基準について様々な実験を行い,その結果から,我々のグラフベースのニューラルフレームワークは,イベントシーケンス生成の性能とストーリー生成の下流タスクの有効性の両方を考慮して,最先端(SOTA)イベント計画手法よりも優れていることを示した。

関連論文リスト

• Improving Event Definition Following For Zero-Shot Event Detection [66.27883872707523]
  ゼロショットイベント検出に対する既存のアプローチは通常、既知のイベントタイプをアノテートしたデータセット上でモデルをトレーニングする。 イベント定義に従うためのトレーニングモデルによるゼロショットイベント検出の改善を目指しています。
  論文  参考訳（メタデータ） (2024-03-05T01:46:50Z)
• Distilling Event Sequence Knowledge From Large Language Models [17.105913216452738]
  イベントシーケンスモデルは、イベントの分析と予測に非常に効果的であることが判明した。 我々は大規模言語モデルを用いて、確率的イベントモデル構築に効果的に使用できるイベントシーケンスを生成する。 提案手法は,入力KGの知識ギャップを埋めて,高品質なイベントシーケンスを生成することができることを示す。
  論文  参考訳（メタデータ） (2024-01-14T09:34:42Z)
• Modeling Complex Event Scenarios via Simple Entity-focused Questions [58.16787028844743]
  複雑なシナリオにおけるイベントを参加者に関する質問に対する回答としてモデル化する質問誘導生成フレームワークを提案する。 生成プロセスの任意のステップでは、フレームワークは以前に生成されたイベントをコンテキストとして使用するが、3つの質問の1つに対する回答として次のイベントを生成する。 私たちの経験的評価は、この質問誘導世代が、参加者のより優れたカバレッジ、ドメイン内の多様なイベント、イベントシーケンスのモデリングにおける同等の難易度を提供することを示している。
  論文  参考訳（メタデータ） (2023-02-14T15:48:56Z)
• Towards Out-of-Distribution Sequential Event Prediction: A Causal Treatment [72.50906475214457]
  シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。 実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。 文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-24T07:54:13Z)
• EtriCA: Event-Triggered Context-Aware Story Generation Augmented by Cross Attention [17.049035309926637]
  本稿では、生成したストーリーの関連性とコヒーレンスを改善する新しいニューラルジェネレーションモデルであるEtriCAを提案する。 我々のモデルは最先端のベースラインを著しく上回ります。
  論文  参考訳（メタデータ） (2022-10-22T14:51:12Z)
• CEP3: Community Event Prediction with Neural Point Process on Graph [59.434777403325604]
  グラフニューラルネットワークとマーク付き時間点プロセス(MTPP)を組み合わせた新しいモデルを提案する。 実験では,モデルの精度と訓練効率の両面から,モデルの優れた性能を実証した。
  論文  参考訳（メタデータ） (2022-05-21T15:30:25Z)
• Event Transition Planning for Open-ended Text Generation [55.729259805477376]
  オープンエンドテキスト生成タスクは、事前コンテキストに制限されたコヒーレントな継続を生成するためにモデルを必要とする。 オープンエンドテキスト生成におけるイベントを明示的にアレンジする新しい2段階手法を提案する。 我々のアプローチは、特別に訓練された粗大なアルゴリズムとして理解することができる。
  論文  参考訳（メタデータ） (2022-04-20T13:37:51Z)
• GraphPlan: Story Generation by Planning with Event Graph [31.29515089313627]
  イベントグラフを補助する一連のイベントを計画することに集中し、イベントを使用してジェネレータをガイドします。 本稿では,シーケンス・ツー・シーケンス・モデルを用いてストーリーラインを出力する代わりに,イベントグラフ上を歩くことでイベントシーケンスを生成することを提案する。
  論文  参考訳（メタデータ） (2021-02-05T03:18:55Z)
• Conditional Generation of Temporally-ordered Event Sequences [29.44608199294757]
  本稿では,イベントシーケンスの時間性だけでなく,イベント共起を捉えることができる条件生成モデルを提案する。 この単一モデルは、時間的順序付け、与えられたイベント列をそれらが発生した順序にソートすること、イベントを埋め込むことの両方に対処でき、既存のイベントの時間的順序付けシーケンスに適合する新しいイベントを予測できる。
  論文  参考訳（メタデータ） (2020-12-31T18:10:18Z)
• Team RUC_AIM3 Technical Report at Activitynet 2020 Task 2: Exploring Sequential Events Detection for Dense Video Captioning [63.91369308085091]
  本稿では、イベントシーケンス生成のための新規でシンプルなモデルを提案し、ビデオ中のイベントシーケンスの時間的関係を探索する。 提案モデルでは,非効率な2段階提案生成を省略し,双方向時間依存性を条件としたイベント境界を直接生成する。 総合システムは、チャレンジテストセットの9.894 METEORスコアで、ビデオタスクにおける密封イベントの最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-06-14T13:21:37Z)

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。