論文の概要: Where Do People Tell Stories Online? Story Detection Across Online Communities

• arxiv url: http://arxiv.org/abs/2311.09675v1
• Date: Thu, 16 Nov 2023 08:42:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-17 15:49:07.419763
• Title: Where Do People Tell Stories Online? Story Detection Across Online Communities
• Title（参考訳）: オンラインでどこで物語を語るのか? オンラインコミュニティ全体でのストーリー検出
• Authors: Maria Antoniak, Joel Mire, Maarten Sap, Elliott Ash, Andrew Piper
• Abstract要約: 本稿では,502の英語投稿と,ラベル付きストーリーとイベントスパンによるコメントのコードブックとデータセットを紹介する。 我々は、異なる社会的文脈におけるストーリーテリングの役割を調べるために、オンラインストーリーの検出モデルを訓練し、評価する。 我々は,オンラインストーリーテリングの特徴,異なるコミュニティ間のストーリーテリングの頻度,およびストーリーテリングの会話パターンを識別する。
• 参考スコア（独自算出の注目度）: 21.58825867770526
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: People share stories online for a myriad of purposes, whether as a means of self-disclosure, processing difficult personal experiences, providing needed information or entertainment, or persuading others to share their beliefs. Better understanding of online storytelling can illuminate the dynamics of social movements, sensemaking practices, persuasion strategies, and more. However, unlike other media such as books and visual content where the narrative nature of the content is often overtly signaled at the document level, studying storytelling in online communities is challenging due to the mixture of storytelling and non-storytelling behavior, which can be interspersed within documents and across diverse topics and settings. We introduce a codebook and create the Storytelling in Online Communities Corpus, an expert-annotated dataset of 502 English-language posts and comments with labeled story and event spans. Using our corpus, we train and evaluate an online story detection model, which we use to investigate the role storytelling of in different social contexts. We identify distinctive features of online storytelling, the prevalence of storytelling among different communities, and the conversational patterns of storytelling.
• Abstract（参考訳）: 人々は、自己開示、困難な個人的な経験の処理、必要な情報やエンターテイメントの提供、あるいは他人に信念を共有するよう説得するなど、無数の目的のためにオンラインでストーリーを共有する。 オンラインストーリーテリングの理解を深めることで、社会運動、センスメイキングプラクティス、説得戦略などのダイナミクスを照らすことができます。 しかし、書籍やビジュアルコンテンツなどの他のメディアとは異なり、オンラインコミュニティにおけるストーリーテリングの研究は、文書内や様々なトピックや設定にまたがるストーリーテリングと非ストーリーテリングの振る舞いが混在していることから困難である。 オンライン・コミュニティ・コーパス(オンライン・コミュニティ・コーパス)は、502の英語投稿と、ラベル付きストーリーとイベントスパンを持つコメントのエキスパート・アノテートされたデータセットである。 このコーパスを用いて,オンラインストーリー検出モデルを訓練し,評価し,異なるソーシャルコンテキストにおけるストーリーテリングの役割について検討する。 我々は,オンラインストーリーテリングの特徴,異なるコミュニティ間のストーリーテリングの頻度,およびストーリーテリングの会話パターンを識別する。

関連論文リスト

• Agents' Room: Narrative Generation through Multi-step Collaboration [54.98886593802834]
  本稿では,物語の執筆を特殊エージェントが取り組んだサブタスクに分解する,物語理論に触発された世代フレームワークを提案する。 エージェントの部屋は,専門的評価者が好むストーリーをベースラインシステムより生成することを示す。
  論文  参考訳（メタデータ） (2024-10-03T15:44:42Z)
• 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)
• DataNarrative: Automated Data-Driven Storytelling with Visualizations and Texts [27.218934418961197]
  データストーリ生成のための新しいタスクと,さまざまなソースから1,449のストーリを含むベンチマークを導入する。 2つのLLMエージェントを用いたマルチエージェントフレームワークを提案する。 我々のエージェント・フレームワークは一般的にモデルベースと人的評価の両方において非エージェント・フレームワークよりも優れていますが、結果はデータ・ストーリー・ジェネレーションにおけるユニークな課題を明らかにします。
  論文  参考訳（メタデータ） (2024-08-09T21:31:33Z)
• Panel Transitions for Genre Analysis in Visual Narratives [1.320904960556043]
  本稿では,漫画や漫画風のビジュアル・ナラティブに基づくジャンルのマルチモーダル分析を行うための新しいアプローチを提案する。 我々は、主観的ラベルをモデル化する際の既存の計算手法の限界と課題を強調した。
  論文  参考訳（メタデータ） (2023-12-14T08:05:09Z)
• How learners produce data from text in classifying clickbait [0.0]
  本研究は,テキストデータを用いた学習者がドメインの特定の側面を抽出するシナリオにおける理性について考察する。 私たちのゴールは、見出しを「クリックベイト」または「ニュース」と分類する動機づけタスクを用いて、学生がテキストをデータとして理解することについて光を当てることでした。
  論文  参考訳（メタデータ） (2023-01-28T20:23:39Z)
• Collaborative Storytelling with Large-scale Neural Language Models [6.0794985566317425]
  我々は、人工知能エージェントと人が協力して、交代で追加することでユニークなストーリーを作るという、協調的なストーリーテリングのタスクを紹介します。 本稿では,人間ストーリーテラーと協調して物語を創り出す共同ストーリーテリングシステムについて述べる。
  論文  参考訳（メタデータ） (2020-11-20T04:36:54Z)
• 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)
• STORIUM: A Dataset and Evaluation Platform for Machine-in-the-Loop Story Generation [48.56586847883825]
  我々は、オンラインのコラボレーティブなストーリーテリングコミュニティであるSTORiumから構築されたデータセットと評価プラットフォームを紹介した。 データセットには6Kの長編記事と、各物語に散在する詳細な自然言語アノテーションが含まれています。 我々は、STORiumにそれらを統合することで、データセット上で微調整された言語モデルを評価し、実際の著者は提案されたストーリーの継続をモデルに問い合わせ、編集することができる。
  論文  参考訳（メタデータ） (2020-10-04T23:26:09Z)
• Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
  本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。 我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。 我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
  論文  参考訳（メタデータ） (2020-08-21T20:59:34Z)
• Hide-and-Tell: Learning to Bridge Photo Streams for Visual Storytelling [86.42719129731907]
  視覚的ギャップを埋めるストーリーラインを明示的に学習することを提案する。 私たちは、欠落した写真であっても、ネットワークをトレーニングして、完全なプラウティブルなストーリーを作り出す。 実験では,本手法とネットワーク設計がストーリーテリングに有効であることを示す。
  論文  参考訳（メタデータ） (2020-02-03T14:22:18Z)

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。