論文の概要: Towards a Computational Analysis of Suspense: Detecting Dangerous Situations

• arxiv url: http://arxiv.org/abs/2305.06818v1
• Date: Thu, 11 May 2023 14:12:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-12 14:42:50.954357
• Title: Towards a Computational Analysis of Suspense: Detecting Dangerous Situations
• Title（参考訳）: サスペンスの計算解析に向けて:危険状況の検出
• Authors: Albin Zehe, Julian Schr\"oter, Andreas Hotho
• Abstract要約: 私たちは、著者がサスペンスを構築するために使える要素の1つに焦点を当てます。 危険状況に注意を喚起したテキストのコーパスを導入し、7種類の危険を区別する。 本研究では,これらの状況を自動的に検出する実験を行い,教師なしベースライン法が検出に有用な信号を提供することを示した。
• 参考スコア（独自算出の注目度）: 2.449329947677678
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Suspense is an important tool in storytelling to keep readers engaged and wanting to read more. However, it has so far not been studied extensively in Computational Literary Studies. In this paper, we focus on one of the elements authors can use to build up suspense: dangerous situations. We introduce a corpus of texts annotated with dangerous situations, distinguishing between 7 types of danger. Additionally, we annotate parts of the text that describe fear experienced by a character, regardless of the actual presence of danger. We present experiments towards the automatic detection of these situations, finding that unsupervised baseline methods can provide valuable signals for the detection, but more complex methods are necessary for further analysis. Not unexpectedly, the description of danger and fear often relies heavily on the context, both local (e.g., situations where danger is only mentioned, but not actually present) and global (e.g., "storm" being used in a literal sense in an adventure novel, but metaphorically in a romance novel).
• Abstract（参考訳）: Suspenseはストーリーテリングにおいて、読者がもっと読みたいと思うようにするための重要なツールである。 しかし、現在まで計算文学研究において広く研究されていない。 本稿では,著者がサスペンスを構築するのに使用可能な要素の1つ,すなわち危険な状況に焦点を当てる。 7種類の危険を区別した危険な状況に注釈付きテキストのコーパスを導入する。 さらに、危険の有無にかかわらず、キャラクターが経験した恐怖を記述したテキストの一部に注釈を付ける。 そこで本研究では,これらの状況を自動的に検出する実験を行い,教師なしのベースライン手法が検出に有用な信号を提供できることを発見した。 意外なことではないが、危険と恐怖の記述は、しばしばローカルな状況(例えば、危険は言及されていないが実際には存在しない状況)とグローバルな状況(例えば、冒険小説では文字通りの意味で使用されるが、ロマンス小説では比喩的に)に大きく依存している。

関連論文リスト

• Towards More Realistic Extraction Attacks: An Adversarial Perspective [4.932130498861987]
  本稿では,敵の視点からの抽出攻撃を再考する。 抽出の傾向、すなわちプロンプトの直感的変化に顕著な変化が見られる。 データ重複のような緩和戦略であっても、現実世界の敵に対する抽出リスクのエスカレーションは同じです。
  論文  参考訳（メタデータ） (2024-07-02T18:33:49Z)
• Towards Probing Speech-Specific Risks in Large Multimodal Models: A Taxonomy, Benchmark, and Insights [50.89022445197919]
  本研究は,8つのリスクカテゴリーを敵意(悪意的皮肉と脅し),悪意的模倣(年齢,性別,民族),ステレオタイプ的バイアス(年齢,性別,民族)を対象とする音声特異的リスク分類法を提案する。 分類に基づいて,これらのリスクのカテゴリを検出するために,現在のLMM能力を評価するための小規模データセットを作成する。
  論文  参考訳（メタデータ） (2024-06-25T10:08:45Z)
• Trust and Terror: Hazards in Text Reveal Negatively Biased Credulity and Partisan Negativity Bias [1.6730580224210851]
  我々は,注釈付きXポストの新たなコレクションに基づいて,ハザードに関する情報を検出する新しいモデルを開発した。 GPT-4のようなゼロショットのアノテータプロキシの性能は良好であるだけでなく、抽出したハザード情報が他の指標と強く相関していないことを示す。
  論文  参考訳（メタデータ） (2024-05-28T05:28:49Z)
• Assaying on the Robustness of Zero-Shot Machine-Generated Text Detectors [57.7003399760813]
  先進的なLarge Language Models (LLMs) とその特殊な変種を探索し、いくつかの方法でこの分野に寄与する。 トピックと検出性能の間に有意な相関関係が発見された。 これらの調査は、様々なトピックにまたがるこれらの検出手法の適応性と堅牢性に光を当てた。
  論文  参考訳（メタデータ） (2023-12-20T10:53:53Z)
• Towards Possibilities & Impossibilities of AI-generated Text Detection: A Survey [97.33926242130732]
  大規模言語モデル(LLM)は、自然言語処理(NLP)の領域に革命をもたらし、人間のようなテキスト応答を生成する能力を持つ。 これらの進歩にもかかわらず、既存の文献のいくつかは、LLMの潜在的な誤用について深刻な懸念を提起している。 これらの懸念に対処するために、研究コミュニティのコンセンサスは、AI生成テキストを検出するアルゴリズムソリューションを開発することである。
  論文  参考訳（メタデータ） (2023-10-23T18:11:32Z)
• An Analysis of Reader Engagement in Literary Fiction through Eye Tracking and Linguistic Features [11.805980147608178]
  本研究は,読み手がいかに興味を抱くかを予測する上で,テキストの様々な性質の重要性について分析した。 フィクションで読者を魅了するものの理解を深めることによって、創造的な物語生成に使用されるモデルにより良い情報を与えることができる。
  論文  参考訳（メタデータ） (2023-06-06T22:14:59Z)
• Unsupervised Extractive Summarization of Emotion Triggers [56.50078267340738]
  我々は、感情を共同で検出し、トリガーを要約できる新しい教師なし学習モデルを開発した。 Emotion-Aware Pagerankと題された私たちのベストアプローチは、外部ソースからの感情情報と言語理解モジュールを組み合わせたものです。
  論文  参考訳（メタデータ） (2023-06-02T11:07:13Z)
• SafeText: A Benchmark for Exploring Physical Safety in Language Models [62.810902375154136]
  テキスト生成およびコモンセンス推論タスク用に設計された各種モデルのコモンセンス物理安全性について検討する。 最先端の大規模言語モデルは、安全でないテキストの生成に影響を受けやすく、安全でないアドバイスを拒否するのが困難であることがわかった。
  論文  参考訳（メタデータ） (2022-10-18T17:59:31Z)
• Mitigating Covertly Unsafe Text within Natural Language Systems [55.26364166702625]
  制御されていないシステムは、怪我や致命的な結果につながるレコメンデーションを生成する。 本稿では,身体的危害につながる可能性のあるテキストのタイプを識別し,特に未発見のカテゴリを確立する。
  論文  参考訳（メタデータ） (2022-10-17T17:59:49Z)
• Rethinking Offensive Text Detection as a Multi-Hop Reasoning Problem [15.476899850339395]
  対話における暗黙的な攻撃的テキスト検出の課題について紹介する。 我々は、このより広い種類の攻撃的発話を理解するためには、推論が不可欠であると主張する。 このタスクの研究を支援するデータセットであるSLIGHTをリリースする。
  論文  参考訳（メタデータ） (2022-04-22T06:20:15Z)
• Modelling Suspense in Short Stories as Uncertainty Reduction over Neural Representation [17.683705809784453]
  サスペンスは物語小説の重要な要素であり、読者を惹きつけ、説得力のある物語を作る。 サスペンスをモデル化する2つの方法を比較する。サプライズ、現在の状況がどれだけ予期せぬものであるかの逆向きの尺度、不確実性低減、ストーリーの継続がどれだけ予期せぬかの前方方向の尺度である。 本稿では,物語を符号化し,サプライズと不確実性を低減する階層型言語モデルを提案する。
  論文  参考訳（メタデータ） (2020-04-30T16:03:06Z)

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。