Fugu-MT 論文翻訳(概要): The Detection and Understanding of Fictional Discourse

論文の概要: The Detection and Understanding of Fictional Discourse

arxiv url: http://arxiv.org/abs/2401.16678v1
Date: Tue, 30 Jan 2024 01:57:17 GMT
ステータス: 処理完了
システム内更新日: 2024-01-31 16:30:31.285492
Title: The Detection and Understanding of Fictional Discourse
Title（参考訳）: 架空の談話の検出と理解
Authors: Andrew Piper, Haiqi Zhou
Abstract要約: 本稿では,架空の談話検出の課題に関連する様々な分類実験について述べる。我々は,現代出版のフィクション,ハトヒ・トラストの歴史的フィクション,ファンフィクション,Redditの物語,民話,GPT生成の物語,およびアングロフォン世界文学など,さまざまなデータセットを活用している。
参考スコア（独自算出の注目度）: 0.2900810893770134
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we present a variety of classification experiments related to the task of fictional discourse detection. We utilize a diverse array of datasets, including contemporary professionally published fiction, historical fiction from the Hathi Trust, fanfiction, stories from Reddit, folk tales, GPT-generated stories, and anglophone world literature. Additionally, we introduce a new feature set of word "supersenses" that facilitate the goal of semantic generalization. The detection of fictional discourse can help enrich our knowledge of large cultural heritage archives and assist with the process of understanding the distinctive qualities of fictional storytelling more broadly.
Abstract（参考訳）: 本稿では,架空の談話検出の課題に関連する様々な分類実験について述べる。我々は,現代出版のフィクション,ハトヒ・トラストの歴史的フィクション,ファンフィクション,Redditの物語,民話,GPT生成の物語,およびアングロフォン世界文学など,さまざまなデータセットを活用している。さらに,セマンティック・ジェネリゼーションの目標を実現するために,単語"supersenses"という機能セットを導入する。フィクションの言説の検出は、我々の大きな文化遺産の知識を豊かにし、フィクションの物語の特質をより広く理解する過程を支援するのに役立つ。

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)
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)
LFED: A Literary Fiction Evaluation Dataset for Large Language Models [58.85989777743013]
元々は中国語で書かれたか、中国語に翻訳された95の文学小説を収集し、数世紀にわたって幅広い話題を扱っている。質問分類を8つのカテゴリーで定義し,1,304の質問の作成を導く。我々は、小説の特定の属性(小説の種類、文字番号、出版年など)がLLMのパフォーマンスに与える影響を詳細に分析する。
論文参考訳（メタデータ） (2024-05-16T15:02:24Z)
Where Do People Tell Stories Online? Story Detection Across Online Communities [20.122421671938433]
オンラインコミュニティにおけるストーリーの検出は、ストーリーがコミュニティに散らばっていて、1つのテキスト内でノンストーリーテリングスパンと織り交ぜられるため、難しい作業である。我々はStorySeekerツールキットをリリースし、Redditの投稿とコメント502件のデータセット、ソーシャルメディアのコンテキストに適合したコードブック、ドキュメントとスパンのレベルでのストーリーテリングを予測するモデルを含む。
論文参考訳（メタデータ） (2023-11-16T08:42:26Z)
Understanding Social Structures from Contemporary Literary Fiction using Character Interaction Graph -- Half Century Chronology of Influential Bengali Writers [2.103087897983347]
社会構造や現実世界の出来事は、しばしば現代文学に影響を及ぼす。文字相互作用グラフを用いて、現代文化が文学の風景に与える影響について、社会的問いかけを探索する。
論文参考訳（メタデータ） (2023-10-25T20:09:14Z)
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)
TVShowGuess: Character Comprehension in Stories as Speaker Guessing [23.21452223968301]
物語における架空のキャラクターを理解するための機械のスキルを評価するための新しいタスクを提案する。タスクであるTVShowGuessは、TVシリーズのスクリプトをベースとして、シーンの背景や対話に基づいて匿名のメインキャラクターを推測する形式をとっている。我々の人間による研究は、キャラクターの個性、事実、個性体験の記憶など、複数の種類の人格の理解をカバーしている。
論文参考訳（メタデータ） (2022-04-16T05:15:04Z)
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)
Paragraph-level Commonsense Transformers with Recurrent Memory [77.4133779538797]
物語からコヒーレントなコモンセンス推論を生成するために,段落レベルの情報を含む談話認識モデルを訓練する。以上の結果から,PARA-COMETは文レベルのベースライン,特にコヒーレントかつ新規な推論に優れていた。
論文参考訳（メタデータ） (2020-10-04T05:24:12Z)

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。