論文の概要: Neural Story Planning
- arxiv url: http://arxiv.org/abs/2212.08718v1
- Date: Fri, 16 Dec 2022 21:29:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 14:44:08.777303
- Title: Neural Story Planning
- Title（参考訳）: ニューラルストーリープランニング
- Authors: Anbang Ye, Christopher Cui, Taiwei Shi, Mark O. Riedl
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 8.600049807193413
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated plot generation is the challenge of generating a sequence of events
that will be perceived by readers as the plot of a coherent story. Traditional
symbolic planners plan a story from a goal state and guarantee logical causal
plot coherence but rely on a library of hand-crafted actions with their
preconditions and effects. This closed world setting limits the length and
diversity of what symbolic planners can generate. On the other hand,
pre-trained neural language models can generate stories with great diversity,
while being generally incapable of ending a story in a specified manner and can
have trouble maintaining coherence. In this paper, we present an approach to
story plot generation that unifies causal planning with neural language models.
We propose to use commonsense knowledge extracted from large language models to
recursively expand a story plot in a backward chaining fashion. Specifically,
our system infers the preconditions for events in the story and then events
that will cause those conditions to become true. We performed automatic
evaluation to measure narrative coherence as indicated by the ability to answer
questions about whether different events in the story are causally related to
other events. Results indicate that our proposed method produces more coherent
plotlines than several strong baselines.
- Abstract（参考訳）: 自動プロット生成は、読者によってコヒーレントな物語のプロットとして認識される一連の出来事を生成する挑戦である。
伝統的なシンボリック・プランナーは目標の状態からストーリーを計画し、論理的因果プロットの一貫性を保証するが、前提条件と効果を持つ手作りのアクションのライブラリに依存する。
この閉世界設定は、象徴的なプランナーが生成できる長さと多様性を制限する。
一方で、事前学習されたニューラルネットワークモデルは、通常特定の方法でストーリーを終わらせることができず、一貫性を維持するのに苦労しながら、非常に多様なストーリーを生成することができる。
本稿では,ニューラルランゲージ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。
本稿では,大規模言語モデルから抽出したコモンセンス知識を用いて,ストーリープロットを後方連鎖的に展開する手法を提案する。
具体的には,本システムでは,物語における事象の前提条件を推測し,その条件が真となる事象を推定する。
我々は,物語の異なる出来事が他の出来事と因果関係があるかどうかという疑問に答える能力として,物語のコヒーレンスを自動評価した。
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。
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) - StoryVerse: Towards Co-authoring Dynamic Plot with LLM-based Character Simulation via Narrative Planning [8.851718319632973]
大きな言語モデル(LLM)は仮想文字の振る舞いを駆動し、プロットは文字と環境間の相互作用から現れる。
著者の著作意図と LLM によるキャラクタシミュレーションの創発的行動とを仲介するプロット作成ワークフローを提案する。
このプロセスは「生きた物語」を作り、様々なゲーム世界の状態に動的に適応し、著者、キャラクターシミュレーション、プレイヤーが共同で物語を作る。
論文 参考訳（メタデータ） (2024-05-17T23:04:51Z) - Visual Storytelling with Question-Answer Plans [70.89011289754863]
本稿では、事前訓練された言語モデルと計画に視覚表現を統合する新しいフレームワークを提案する。
我々のモデルは、画像列を視覚的な接頭辞、つまり言語モデルで解釈できる連続的な埋め込みの列に変換する。
また、一連の質問と回答のペアを青写真プランとして利用して、健全な視覚概念を選択し、物語にどのように組み立てるべきかを決定する。
論文 参考訳（メタデータ） (2023-10-08T21:45:34Z) - 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) - 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) - Automated Story Generation as Question-Answering [5.669790037378093]
本稿では,問題を生成的質問応答の1つとして扱う,自動ストーリ生成のための新しいアプローチを提案する。
提案するストーリ生成システムは,最終イベントをカプセル化した文から始まる。
論文 参考訳（メタデータ） (2021-12-07T16:32:30Z) - 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) - Content Planning for Neural Story Generation with Aristotelian Rescoring [39.07607377794395]
長文の物語テキストは、人間の文章の流動的な偽造を管理するが、局所的な文レベルでのみ行われ、構造や大域的な結束が欠如している。
本稿では,高品質なコンテンツプランニングによってストーリー生成の問題の多くに対処できると仮定し,ストーリー生成をガイドする優れたプロット構造を学習する方法に焦点を当てたシステムを提案する。
論文 参考訳（メタデータ） (2020-09-21T13:41:32Z) - Automated Storytelling via Causal, Commonsense Plot Ordering [20.032706455801353]
プロットイベント間の因果関係は、ストーリーの認識とプロットのコヒーレンスを高めると考えられている。
我々は,コモンセンス推論から推定される因果関係として,ソフト因果関係の概念を導入する。
論文 参考訳（メタデータ） (2020-09-02T05:37:03Z) - 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) - 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。