Fugu-MT 論文翻訳(概要): Branching Narratives: Character Decision Points Detection

論文の概要: Branching Narratives: Character Decision Points Detection

arxiv url: http://arxiv.org/abs/2405.07282v1
Date: Sun, 12 May 2024 13:36:07 GMT
ステータス: 処理完了
システム内更新日: 2024-05-14 17:30:59.169574
Title: Branching Narratives: Character Decision Points Detection
Title（参考訳）: ブランチナラティブ:文字決定点検出
Authors: Alexey Tikhonov,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 13.615681132633561
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: This paper presents the Character Decision Points Detection (CHADPOD) task, a task of identification of points within narratives where characters make decisions that may significantly influence the story's direction. We propose a novel dataset based on CYOA-like games graphs to be used as a benchmark for such a task. We provide a comparative analysis of different models' performance on this task, including a couple of LLMs and several MLMs as baselines, achieving up to 89% accuracy. This underscores the complexity of narrative analysis, showing the challenges associated with understanding character-driven story dynamics. Additionally, we show how such a model can be applied to the existing text to produce linear segments divided by potential branching points, demonstrating the practical application of our findings in narrative analysis.
Abstract（参考訳）: 本稿では,登場人物が物語の方向性に大きな影響を及ぼす可能性のある意思決定を行う物語内のポイントを識別するタスクであるキャラクタ決定点検出(CHADPOD)タスクを提案する。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。本稿では,2つのLLMと複数のMLMをベースラインとし,最大89%の精度で異なるモデルの性能の比較分析を行う。このことは物語分析の複雑さを浮き彫りにし、キャラクター駆動型ストーリーダイナミクスの理解に関わる課題を示している。さらに、そのようなモデルを既存のテキストに適用して、潜在的な分岐点によって分割された線形セグメントを生成する方法を示し、物語分析における我々の発見の実践的応用を実証する。

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)
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)
CHIRON: Rich Character Representations in Long-Form Narratives [98.273323001781]
文字のテキスト情報を整理・フィルタリングする新しい文字シートの表現であるCHIRONを提案する。実験の結果,CHIRONは類似の要約に基づくベースラインよりも優れ,柔軟であることが判明した。 CHIRONから派生したメトリクスは、ストーリーのキャラクター中心性を自動的に推測するために使用することができ、これらのメトリクスは人間の判断と一致している。
論文参考訳（メタデータ） (2024-06-14T17:23:57Z)
Narrative Action Evaluation with Prompt-Guided Multimodal Interaction [60.281405999483]
ナラティブ・アクション・アセスメント(NAE)は、行動の実行を評価する専門家のコメントを作成することを目的としている。 NAEは、物語の柔軟性と評価の厳格さの両方を必要とするため、より困難なタスクです。本稿では,様々な情報モダリティ間のインタラクションを容易にするための,プロンプト誘導型マルチモーダルインタラクションフレームワークを提案する。
論文参考訳（メタデータ） (2024-04-22T17:55:07Z)
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)
Tragic and Comical Networks. Clustering Dramatic Genres According to Structural Properties [0.0]
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。
論文参考訳（メタデータ） (2023-02-16T12:36:16Z)
ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive Summarization with Argument Mining [61.82562838486632]
我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
論文参考訳（メタデータ） (2021-06-01T22:17:13Z)
Modeling Human Mental States with an Entity-based Narrative Graph [31.275150336289578]
本稿では,物語中の文字の内部状態をモデル化するEntity-based Narrative Graph (ENG)を提案する。私たちは、エンティティ、それらの相互作用、それらが現れるコンテキストを明示的にモデル化し、それらのための豊富な表現を学びます。性格的精神状態の予測と欲求充足の2つの物語的理解タスクに基づいてモデルを評価し,質的分析を行う。
論文参考訳（メタデータ） (2021-04-14T19:05:19Z)
Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文参考訳（メタデータ） (2020-11-13T10:53:27Z)

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。