論文の概要: Affective and Dynamic Beam Search for Story Generation

• arxiv url: http://arxiv.org/abs/2310.15079v1
• Date: Mon, 23 Oct 2023 16:37:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 18:45:13.632586
• Title: Affective and Dynamic Beam Search for Story Generation
• Title（参考訳）: ストーリー生成のための影響と動的ビーム探索
• Authors: Tenghao Huang, Ehsan Qasemi, Bangzheng Li, He Wang, Faeze Brahman, Muhao Chen, Snigdha Chaturvedi
• Abstract要約: 面白い物語を生成するために、AffGen(Affective Story Generator)を提案する。 AffGenはDynamic Beam SizeとAffective Re rankという2つの新しいテクニックを採用している。
• 参考スコア（独自算出の注目度）: 50.3130767805383
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Storytelling's captivating potential makes it a fascinating research area, with implications for entertainment, education, therapy, and cognitive studies. In this paper, we propose Affective Story Generator (AffGen) for generating interesting narratives. AffGen introduces "intriguing twists" in narratives by employing two novel techniques-Dynamic Beam Sizing and Affective Reranking. Dynamic Beam Sizing encourages less predictable, more captivating word choices using a contextual multi-arm bandit model. Affective Reranking prioritizes sentence candidates based on affect intensity. Our empirical evaluations, both automatic and human, demonstrate AffGen's superior performance over existing baselines in generating affectively charged and interesting narratives. Our ablation study and analysis provide insights into the strengths and weaknesses of AffGen.
• Abstract（参考訳）: ストーリーテリングの潜在能力はエンターテイメント、教育、セラピー、認知研究に影響を与え、魅力的な研究分野となっている。 本稿では、興味深い物語を生成するために、AffGen(Affective Story Generator)を提案する。 AffGenは、Dynamic Beam SizeとAffective Re rankという2つの新しいテクニックを使って、物語に「興味深いツイスト」を導入している。 動的ビームサイズは、文脈的マルチアームバンディットモデルを用いて予測しにくく、より捕食的な単語選択を促進する。 Affective Re rankは、感情強度に基づいて文候補を優先順位付けする。 私たちの経験的評価は、自動と人の両方で、感情的に充電された興味深い物語を生成する上で、既存のベースラインよりもAffGenの優れたパフォーマンスを示します。 我々のアブレーション研究と分析は、AffGenの強みと弱みに関する洞察を提供する。

関連論文リスト

• Are Large Language Models Capable of Generating Human-Level Narratives? [114.34140090869175]
  本稿ではストーリーテリングにおけるLLMの能力について考察し,物語の展開とプロットの進行に着目した。 本稿では,3つの談話レベルの側面から物語を分析するための新しい計算フレームワークを提案する。 談話機能の明示的な統合は、ニューラルストーリーテリングの40%以上の改善によって示されるように、ストーリーテリングを促進することができることを示す。
  論文  参考訳（メタデータ） (2024-07-18T08:02:49Z)
• Modeling Emotional Trajectories in Written Stories Utilizing Transformers and Weakly-Supervised Learning [47.02027575768659]
  本研究では,個別の感情カテゴリーで注釈付けされた子どもの物語の既存のデータセットに対して,連続的原子価と覚醒ラベルを導入する。 得られた感情信号を予測するために,DeBERTaモデルを微調整し,弱教師付き学習手法を用いてベースラインを改善する。 詳細な分析では、著者、個々の物語、物語内のセクションなどの要因によって結果がどの程度異なるかが示される。
  論文  参考訳（メタデータ） (2024-06-04T12:17:16Z)
• SciMON: Scientific Inspiration Machines Optimized for Novelty [68.46036589035539]
  文献に基づく新たな科学的方向を生成するために,ニューラルランゲージモデルを探索し,拡張する。 モデルが入力背景コンテキストとして使用される新しい設定で、劇的な出発をとっています。 本稿では,過去の科学的論文から「吸入」を抽出するモデリングフレームワークであるSciMONを紹介する。
  論文  参考訳（メタデータ） (2023-05-23T17:12:08Z)
• DeltaScore: Fine-Grained Story Evaluation with Perturbations [69.33536214124878]
  DELTASCOREは,ニュアンスストーリーの側面の評価に摂動技術を用いた新しい手法である。 私たちの中心的な命題は、物語が特定の側面(例えば、流感)で興奮する程度は、特定の摂動に対するその感受性の大きさと相関している、と仮定している。 事前学習言語モデルを用いて,前摂動状態と後摂動状態の確率差を計算することにより,アスペクトの品質を測定する。
  論文  参考訳（メタデータ） (2023-03-15T23:45:54Z)
• ViNTER: Image Narrative Generation with Emotion-Arc-Aware Transformer [59.05857591535986]
  様々な感情を「感情弧」として表現する時系列に焦点をあてた画像物語を生成するモデルViNTERを提案する。 手動評価と自動評価の両方の実験結果を示す。
  論文  参考訳（メタデータ） (2022-02-15T10:53:08Z)
• A guided journey through non-interactive automatic story generation [0.0]
  この記事では,創造的システムに対する要件,創造性の3種類のモデル(計算的,社会文化的,個人的),人間の創造的記述のモデルについて述べる。 この記事は、伝達すべき主要なアイデアの自律的生成と採用、創造性を保証する基準の自律的設計が、おそらく将来の研究において最も重要なトピックの2つである、と結論付けている。
  論文  参考訳（メタデータ） (2021-10-08T10:01:36Z)
• Stylized Story Generation with Style-Guided Planning [38.791298336259146]
  そこで本稿では,先行する文脈を条件として,新たなタスク,スタイル化されたストーリージェネレーション,すなわちスペクティフィドスタイルでストーリーを生成することを提案する。 我々のモデルは、ROCStoriesデータセットに基づいて、エモオプション駆動またはイベント駆動のストーリーを制御できる。
  論文  参考訳（メタデータ） (2021-05-18T15:55:38Z)
• Adapting a Language Model for Controlled Affective Text Generation [2.9267797650223653]
  我々は、感情的な(感情的な)テキストを生成するために、最先端の言語生成モデルを適用する。 我々は,GPT-2のような確率論的テキスト生成モデルにおいて,感情を先行として組み込むことを提案する。 このモデルは、ユーザが生成したテキストのトピックだけでなく、感情のカテゴリや強度を制御する柔軟性を提供する。
  論文  参考訳（メタデータ） (2020-11-08T15:24:39Z)
• Noisy Agents: Self-supervised Exploration by Predicting Auditory Events [127.82594819117753]
  本稿では, エージェントが行動の因果的影響を理解することを奨励する, 強化学習(Reinforcement Learning, RL)の本質的なモチベーションを提案する。 ニューラルネットワークを用いて聴覚事象を予測し、予測誤差を本質的な報奨として利用し、RL探索を誘導する。 Atariゲームの実験結果から、我々の新しい本質的な動機は、最先端のベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2020-07-27T17:59:08Z)

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。