論文の概要: Tragic and Comical Networks. Clustering Dramatic Genres According to
Structural Properties
- arxiv url: http://arxiv.org/abs/2302.08258v1
- Date: Thu, 16 Feb 2023 12:36:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-17 13:59:04.063414
- Title: Tragic and Comical Networks. Clustering Dramatic Genres According to
Structural Properties
- Title（参考訳）: Tragic and Comical Networks の略。
構造的性質によるドラマジャンルのクラスタリング
- Authors: Szemes Botond and Vida Bence
- Abstract要約: ネットワーク研究とドラマ史の合同分野における伝統は、劇のキャラクターネットワークからの解釈を生み出している。
我々の目的は、プレイのよく解釈可能なシンプルな特性に基づいて、類似した構造を持つテキストをクラスタリングできる方法を作ることである。
これらの特徴の発見は,本研究の最も重要な部分であるとともに,テキスト間の類似性を計算するための適切な統計的手順を確立する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is a growing tradition in the joint field of network studies and drama
history that produces interpretations from the character networks of the
plays.The potential of such an interpretation is that the diagrams provide a
different representation of the relationships between characters as compared to
reading the text or watching the performance. Our aim is to create a method
that is able to cluster texts with similar structures on the basis of the
play's well-interpretable and simple properties, independent from the number of
characters in the drama, or in other words, the size of the network. Finding
these features is the most important part of our research, as well as
establishing the appropriate statistical procedure to calculate the
similarities between the texts. Our data was downloaded from the DraCor
database and analyzed in R (we use the GerDracor and the ShakeDraCor
sub-collection). We want to propose a robust method based on the distribution
of words among characters; distribution of characters in scenes, average length
of speech acts, or character-specific and macro-level network properties such
as clusterization coefficient and network density. Based on these metrics a
supervised classification procedure is applied to the sub-collections to
classify comedies and tragedies using the Support Vector Machine (SVM) method.
Our research shows that this approach can also produce reliable results on a
small sample size.
- Abstract（参考訳）: 劇のキャラクタネットワークから解釈を生み出すネットワーク研究と演劇史の合同での伝統が高まりつつあるが、この解釈の可能性が秘められているのは、この図式が登場人物間の関係の表現を、テキストの読み方や演技の視聴と異なる形で提供することである。
本研究の目的は,劇中の登場人物数や言い換えればネットワークの大きさとは無関係に,劇の解釈可能で単純な性質に基づいて,類似した構造を持つテキストをクラスタ化できる方法を作ることである。
これらの特徴の発見は,本研究の最も重要な部分であり,テキスト間の類似性を計算するための適切な統計的手順を確立する。
我々のデータはDraCorデータベースからダウンロードされ、Rで解析されました(GerDracorとShakeDraCorサブコレクションを使用します)。
キャラクタ間の単語の分布,シーン内の文字の分布,音声行為の平均長,クラスタ化係数やネットワーク密度などの文字固有およびマクロレベルのネットワーク特性などに基づいて,ロバストな手法を提案する。
これらの指標に基づいて,SVM(Support Vector Machine)法を用いたコメディや悲劇を分類するために,サブコレクションに教師付き分類手順を適用する。
本研究は,本手法が小さいサンプルサイズで信頼性の高い結果をもたらすことを示す。
関連論文リスト
- BookWorm: A Dataset for Character Description and Analysis [59.186325346763184]
本稿では,短い事実プロファイルを生成する文字記述と,詳細な解釈を提供する文字解析という2つのタスクを定義する。
本稿では,Gutenbergプロジェクトからの書籍と,人間による記述と分析のペアリングを行うBookWormデータセットを紹介する。
その結果,検索に基づくアプローチは両タスクにおいて階層的アプローチよりも優れていた。
論文 参考訳（メタデータ） (2024-10-14T10:55:58Z) - Branching Narratives: Character Decision Points Detection [13.615681132633561]
本稿では,CYOAライクなゲームグラフをベースとした新しいデータセットを提案する。
このようなモデルを既存のテキストに適用して,潜在的分岐点で分割した線形セグメントを生成する方法を示す。
論文 参考訳（メタデータ） (2024-05-12T13:36:07Z) - Are we describing the same sound? An analysis of word embedding spaces
of expressive piano performance [4.867952721052875]
表現力のあるピアノ演奏の特徴の領域における不確実性について検討する。
5つの埋め込みモデルとその類似性構造を基礎的真理に対応するために検証する。
埋め込みモデルの品質は、このタスクに対して大きなばらつきを示している。
論文 参考訳（メタデータ） (2023-12-31T12:20:03Z) - One Graph to Rule them All: Using NLP and Graph Neural Networks to
analyse Tolkien's Legendarium [3.0448872422956432]
J.R.R.トールキンのレジェンダリウムのテキストコーパスから抽出した文字ネットワークについて検討した。
この視点は、トールキンの作品を特徴づける物語のスタイルを分析し、視覚化するのに役立ちます。
論文 参考訳（メタデータ） (2022-10-14T14:47:56Z) - Accessibility and Trajectory-Based Text Characterization [0.6912244027050454]
特に、テキストは階層構造によって特徴づけられ、マルチスケールの概念や手法を用いてアプローチすることができる。
テキスト・ナラティブを表現するためのメソスコピック・アプローチを拡張し,発話のタグ付け部分間の反復関係のみを考慮した。
テキストのキャラクタリゼーションは、アクセシビリティ、対称性、繰り返しシグネチャといったスケール依存の相補的手法を考慮することで達成された。
論文 参考訳（メタデータ） (2022-01-17T23:33:11Z) - Exploring Set Similarity for Dense Self-supervised Representation
Learning [96.35286140203407]
本研究では,高密度自己教師型表現学習のためのtextbfset textbfsimilarity (SetSim) を提案する。
ピクセルワイドの類似性学習をセットワイドに一般化し,よりセマンティックな情報や構造的な情報を含むため,ロバスト性を向上させる。
具体的には、ビューの注意的特徴に頼って対応する集合を定め、不適切な対応を引き起こす可能性のあるノイズの多い背景をフィルタリングする。
論文 参考訳（メタデータ） (2021-07-19T09:38:27Z) - Sentiment analysis in tweets: an assessment study from classical to
modern text representation models [59.107260266206445]
Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。
非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。
本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
論文 参考訳（メタデータ） (2021-05-29T21:05:28Z) - Relation Clustering in Narrative Knowledge Graphs [71.98234178455398]
原文内の関係文は(SBERTと)埋め込み、意味論的に類似した関係をまとめるためにクラスタ化される。
予備的なテストでは、そのようなクラスタリングが類似した関係を検知し、半教師付きアプローチのための貴重な前処理を提供することが示されている。
論文 参考訳（メタデータ） (2020-11-27T10:43:04Z) - Region Comparison Network for Interpretable Few-shot Image
Classification [97.97902360117368]
新しいクラスのモデルをトレーニングするために、ラベル付きサンプルの限られた数だけを効果的に活用するための画像分類が提案されている。
本研究では,領域比較ネットワーク (RCN) と呼ばれる距離学習に基づく手法を提案する。
また,タスクのレベルからカテゴリへの解釈可能性の一般化も提案する。
論文 参考訳（メタデータ） (2020-09-08T07:29:05Z) - Unsupervised Cross-Modal Audio Representation Learning from Unstructured
Multilingual Text [69.55642178336953]
教師なし音声表現学習へのアプローチを提案する。
3重項ニューラルネットワークアーキテクチャに基づいて、意味論的に関連付けられたクロスモーダル情報を用いて、音声トラック関連性を推定する。
我々のアプローチは、様々なアノテーションスタイルと、このコレクションの異なる言語に不変であることを示す。
論文 参考訳（メタデータ） (2020-03-27T07:37:15Z)
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。