論文の概要: EtriCA: Event-Triggered Context-Aware Story Generation Augmented by Cross Attention

• arxiv url: http://arxiv.org/abs/2210.12463v1
• Date: Sat, 22 Oct 2022 14:51:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 13:27:16.461112
• Title: EtriCA: Event-Triggered Context-Aware Story Generation Augmented by Cross Attention
• Title（参考訳）: EtriCA: クロスアテンションによるイベントトリガーコンテキスト対応ストーリ生成
• Authors: Chen Tang, Chenghua Lin, Henglin Huang, Frank Guerin and Zhihao Zhang
• Abstract要約: 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。
• 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: One of the key challenges of automatic story generation is how to generate a long narrative that can maintain fluency, relevance, and coherence. Despite recent progress, current story generation systems still face the challenge of how to effectively capture contextual and event features, which has a profound impact on a model's generation performance. To address these challenges, we present EtriCA, a novel neural generation model, which improves the relevance and coherence of the generated stories through residually mapping context features to event sequences with a cross-attention mechanism. Such a feature capturing mechanism allows our model to better exploit the logical relatedness between events when generating stories. Extensive experiments based on both automatic and human evaluations show that our model significantly outperforms state-of-the-art baselines, demonstrating the effectiveness of our model in leveraging context and event features.
• Abstract（参考訳）: 自動ストーリー生成の重要な課題の1つは、フルエンシー、関連性、一貫性を維持できる長い物語をいかに生成するかである。 最近の進歩にもかかわらず、現在のストーリー生成システムは、モデル生成のパフォーマンスに大きな影響を与えるコンテキストやイベントの特徴を効果的にキャプチャする方法という課題に直面している。 これらの課題に対処するため,我々は,コンテキスト特徴とイベントシーケンスを相互接続機構でマッピングすることで,生成したストーリの関連性と一貫性を向上させる,新しいニューラルジェネレーションモデルetricaを提案する。 このような機能キャプチャ機構により、ストーリ生成時のイベント間の論理的関連性をよりよく活用することができます。 自動評価と人的評価の両方に基づく大規模な実験により、我々のモデルは最先端のベースラインを著しく上回り、文脈や事象の特徴を活用する上での有効性を示す。

関連論文リスト

• A Cross-Attention Augmented Model for Event-Triggered Context-Aware Story Generation [28.046803293933213]
  生成したストーリーの関連性とコヒーレンスを高める新しいニューラルジェネレーションモデルであるEtriCAを導入する。 我々は、大規模書籍コーパスに知識向上のためのポストトレーニングフレームワーク(KeEtriCA)を採用。 その結果、自動測定では約5%が改善され、人間の評価では10%以上が改善された。
  論文  参考訳（メタデータ） (2023-11-19T08:54:47Z)
• Controllable Topic-Focused Abstractive Summarization [57.8015120583044]
  制御された抽象的な要約は、特定の側面をカバーするために、ソース記事の凝縮したバージョンを作成することに焦点を当てる。 本稿では,トピックに着目した要約を生成可能なトランスフォーマーアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-11-12T03:51:38Z)
• Exploring the Limits of Historical Information for Temporal Knowledge Graph Extrapolation [59.417443739208146]
  本稿では,歴史的コントラスト学習の新しい学習枠組みに基づくイベント予測モデルを提案する。 CENETは、最も潜在的なエンティティを識別するために、歴史的および非歴史的依存関係の両方を学ぶ。 提案したモデルを5つのベンチマークグラフで評価する。
  論文  参考訳（メタデータ） (2023-08-29T03:26:38Z)
• Automated Action Model Acquisition from Narrative Texts [13.449750550301992]
  物語テキストから構造化イベントを抽出し,計画言語スタイルのアクションモデルを生成するシステムであるNaRutoについて述べる。 古典的物語計画領域における実験結果は、NaRutoが既存の完全自動化手法よりもはるかに優れた品質のアクションモデルを生成することができることを示している。
  論文  参考訳（メタデータ） (2023-07-17T07:04:31Z)
• Conditional Generative Modeling for High-dimensional Marked Temporal Point Processes [9.141687745550481]
  本稿では,高次元マークを用いたポイントプロセスモデリングのための新しいイベント生成フレームワークを提案する。 我々は、イベントの履歴を入力として取り、高品質な後続イベントを生成する条件付きジェネレータを使用する。 この数値結果は,他の最先端のベースラインと比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2023-05-21T21:13:10Z)
• NGEP: A Graph-based Event Planning Framework for Story Generation [17.049035309926637]
  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。
  論文  参考訳（メタデータ） (2022-10-19T14:49:27Z)
• Event Data Association via Robust Model Fitting for Event-based Object Tracking [66.05728523166755]
  本稿では,イベントアソシエーションと融合問題に明示的に対処する新しいイベントデータアソシエーション(EDA)手法を提案する。 提案するEDAは、統合データアソシエーションと情報融合を行うために、イベントデータに最も適したイベントトラジェクトリを求める。 実験結果から,高速,運動のぼやけ,高ダイナミックレンジ条件といった難易度シナリオ下でのEDAの有効性が示された。
  論文  参考訳（メタデータ） (2021-10-25T13:56:00Z)
• Improving Generation and Evaluation of Visual Stories via Semantic Consistency [72.00815192668193]
  一連の自然言語キャプションが与えられた場合、エージェントはキャプションに対応する一連の画像を生成する必要がある。 それまでの作業では、このタスクで合成テキスト・画像モデルより優れた繰り返し生成モデルを導入してきた。 従来のモデリング手法には、デュアルラーニングフレームワークの追加など、いくつかの改善点を提示する。
  論文  参考訳（メタデータ） (2021-05-20T20:42:42Z)
• Generative Counterfactuals for Neural Networks via Attribute-Informed Perturbation [51.29486247405601]
  AIP(Attribute-Informed Perturbation)の提案により,生データインスタンスの反事実を生成するフレームワークを設計する。 異なる属性を条件とした生成モデルを利用することで、所望のラベルとの反事実を効果的かつ効率的に得ることができる。 実世界のテキストや画像に対する実験結果から, 設計したフレームワークの有効性, サンプル品質, および効率が示された。
  論文  参考訳（メタデータ） (2021-01-18T08:37:13Z)
• Cue Me In: Content-Inducing Approaches to Interactive Story Generation [74.09575609958743]
  本研究では,対話型物語生成の課題に焦点をあてる。 本稿では、この追加情報を効果的に活用するための2つのコンテンツ誘導手法を提案する。 自動評価と人的評価の両方による実験結果から,これらの手法がよりトポロジ的な一貫性とパーソナライズされたストーリーを生み出すことが示された。
  論文  参考訳（メタデータ） (2020-10-20T00:36:15Z)

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。