論文の概要: Network visualization techniques for story charting

• arxiv url: http://arxiv.org/abs/2406.14734v1
• Date: Thu, 20 Jun 2024 21:00:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-24 17:31:15.450394
• Title: Network visualization techniques for story charting
• Title（参考訳）: ストーリーチャート作成のためのネットワーク可視化技術
• Authors: Joao T. Aparicio, Andreas Karatsoli, Carlos J. Costa,
• Abstract要約: 本稿では,ポルトガル語の議論を呼んでいるテキストを,グラフ可視化技術を用いて分析する手法を提案する。 私たちは、テキストをグラフに変換するストーリーチャート技術を使用します。 また、ストーリーの構造、キャラクター間の関係、最も重要な出来事、そして本の中で重要な用語がどのように使われているかを理解するための可視化技術をいくつか紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visualization techniques have been widely used to analyze various data types, including text. This paper proposes an approach to analyze a controversial text in Portuguese by applying graph visualization techniques. Specifically, we use a story charting technique that transforms the text into a graph. Each node represents a character or main entities, and each edge represents the interactions between characters. We also present several visualization techniques to gain insights into the story's structure, relationships between the characters, the most important events, and how some key terms are used throughout the book. By using this approach, we can effectively reveal complex patterns and relationships that may not be easily discernible from reading the text. Finally, we discuss the potential applications of our technique in Literary Studies and other fields.
• Abstract（参考訳）: テキストを含む様々なデータ型を分析するために、可視化技術が広く使われてきた。 本稿では,ポルトガル語における議論を呼んでいるテキストを,グラフ可視化技術を用いて分析する手法を提案する。 具体的には、テキストをグラフに変換するストーリーチャート技術を用いる。 各ノードは文字または主エンティティを表し、各エッジは文字間の相互作用を表す。 また、ストーリーの構造、キャラクター間の関係、最も重要な出来事、そして本の中で重要な用語がどのように使われているかを理解するための可視化技術をいくつか紹介する。 このアプローチを用いることで、テキストを読むことで容易に識別できないような複雑なパターンや関係を効果的に明らかにすることができる。 最後に,文学研究や他の分野における本手法の応用の可能性について論じる。

関連論文リスト

• Visual Text Meets Low-level Vision: A Comprehensive Survey on Visual Text Processing [4.057550183467041]
  視覚テキスト処理の分野は、基本的な生成モデルの出現によって、研究の急増を経験してきた。 この分野での最近の進歩を包括的かつ多面的に分析する。
  論文  参考訳（メタデータ） (2024-02-05T15:13:20Z)
• Leveraging Open-Vocabulary Diffusion to Camouflaged Instance Segmentation [59.78520153338878]
  テキスト・ツー・イメージ拡散技術は、テキスト記述から高品質な画像を生成する素晴らしい能力を示している。 そこで本研究では,オープン語彙を応用した最先端拡散モデルを用いて,多スケールのテキスト・視覚的特徴を学習する手法を提案する。
  論文  参考訳（メタデータ） (2023-12-29T07:59:07Z)
• Text-Only Training for Visual Storytelling [107.19873669536523]
  視覚条件付きストーリー生成問題として視覚的ストーリーテリングを定式化する。 本稿では,モダリティ間のアライメントとストーリー生成の学習を分離するテキストのみのトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2023-08-17T09:32:17Z)
• The Learnable Typewriter: A Generative Approach to Text Analysis [17.355857281085164]
  テキスト行中の文字解析と認識に対する生成文書固有のアプローチを提案する。 同様のフォントや手書きのテキスト行を入力として、我々のアプローチは多数の異なる文字を学習することができる。
  論文  参考訳（メタデータ） (2023-02-03T11:17:59Z)
• Holistic Visual-Textual Sentiment Analysis with Prior Models [64.48229009396186]
  本稿では,頑健な視覚・テキスト感情分析を実現するための総合的手法を提案する。 提案手法は,(1)感情分析のためのデータから特徴を直接学習する視覚テキストブランチ,(2)選択された意味的特徴を抽出する事前学習された「専門家」エンコーダを備えた視覚専門家ブランチ,(3)暗黙的に視覚テキスト対応をモデル化するCLIPブランチ,(4)多モード特徴を融合して感情予測を行うBERTに基づくマルチモーダル特徴融合ネットワークの4つの部分から構成される。
  論文  参考訳（メタデータ） (2022-11-23T14:40:51Z)
• Toward Understanding WordArt: Corner-Guided Transformer for Scene Text Recognition [63.6608759501803]
  我々は芸術的テキストを3つのレベルで認識することを提案する。 コーナーポイントは、文字内の局所的な特徴の抽出を誘導するために用いられる。 第二に、文字レベルの特徴をモデル化するために文字の対照的な損失を設計し、文字分類のための特徴表現を改善する。 第3に,Transformerを用いて画像レベルのグローバルな特徴を学習し,コーナーポイントのグローバルな関係をモデル化する。
  論文  参考訳（メタデータ） (2022-07-31T14:11:05Z)
• SGEITL: Scene Graph Enhanced Image-Text Learning for Visual Commonsense Reasoning [61.57887011165744]
  マルチモーダルトランスフォーマーはVisual Commonsense Reasoningのタスクにおいて大きな進歩を遂げた。 視覚的なシーングラフを常識的推論に組み込むためのScene Graph Enhanced Image-Text Learningフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-16T03:16:30Z)
• From Show to Tell: A Survey on Image Captioning [48.98681267347662]
  視覚と言語を結びつけることは、ジェネレーティブ・インテリジェンスにおいて重要な役割を担っている。 画像キャプションの研究はまだ結論に達していない。 本研究の目的は,画像キャプション手法の包括的概要と分類を提供することである。
  論文  参考訳（メタデータ） (2021-07-14T18:00:54Z)
• Multi-Modal Reasoning Graph for Scene-Text Based Fine-Grained Image Classification and Retrieval [8.317191999275536]
  本稿では,視覚的・テキスト的手がかりの形でマルチモーダルコンテンツを活用することで,微細な画像分類と検索の課題に取り組むことに焦点を当てる。 画像中の有意なオブジェクトとテキスト間の共通意味空間を学習することにより、マルチモーダル推論を行い、関係強化された特徴を得るためにグラフ畳み込みネットワークを用いる。
  論文  参考訳（メタデータ） (2020-09-21T12:31:42Z)
• A Picture for the Words! Textual Visualization in Big Data Analytics [0.0]
  テキスト情報を用いたデータ可視化のための分析フレームワークの必要性を明らかにする。 テキストデータの可視化を一意に行うための説明的分類フレームワークを構築した。
  論文  参考訳（メタデータ） (2020-05-16T02:53:58Z)

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。