Fugu-MT 論文翻訳(概要): What killed the cat? Towards a logical formalization of curiosity (and suspense, and surprise) in narratives

論文の概要: What killed the cat? Towards a logical formalization of curiosity (and suspense, and surprise) in narratives

arxiv url: http://arxiv.org/abs/2410.08597v1
Date: Fri, 11 Oct 2024 07:50:55 GMT
ステータス: 処理完了
システム内更新日: 2024-10-30 23:04:57.350854
Title: What killed the cat? Towards a logical formalization of curiosity (and suspense, and surprise) in narratives
Title（参考訳）: なぜ猫を殺したのか?物語における好奇心(とサスペンス、驚き)の論理的形式化に向けて
Authors: Florence Dupin de Saint-Cyr, Anne-Gwenn Bosser, Benjamin Callac, Eric Maisel,
Abstract要約: 物語の緊張の中心にある3つの感情(好奇心、サスペンス、驚き)を形式化する統一的な枠組みを提供する。このフレームワークは非単調な推論に基づいて構築され、世界のデフォルトの振る舞いをコンパクトに表現することができます。
参考スコア（独自算出の注目度）: 0.718723384367814
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We provide a unified framework in which the three emotions at the heart of narrative tension (curiosity, suspense and surprise) are formalized. This framework is built on nonmonotonic reasoning which allows us to compactly represent the default behavior of the world and to simulate the affective evolution of an agent receiving a story. After formalizing the notions of awareness, curiosity, surprise and suspense, we explore the properties induced by our definitions and study the computational complexity of detecting them. We finally propose means to evaluate these emotions' intensity for a given agent listening to a story.
Abstract（参考訳）: 物語の緊張の中心にある3つの感情(好奇心、サスペンス、驚き)を形式化する統一的な枠組みを提供する。このフレームワークは、非単調な推論に基づいて構築され、世界のデフォルトの振る舞いをコンパクトに表現し、ストーリーを受け取るエージェントの感情進化をシミュレートすることができる。認識、好奇心、驚き、サスペンスの概念を定式化した後、私たちは定義によって引き起こされる特性を探求し、それらを検出するための計算複雑性について研究する。物語を聴くエージェントに対して、最後にこれらの感情の強さを評価する手段を提案する。

関連論文リスト

Think out Loud: Emotion Deducing Explanation in Dialogues [57.90554323226896]
対話における感情推論(Emotion Deducing Explanation in Dialogues)を提案する。 EDENは感情と原因を明確な考え方で認識する。大規模言語モデル(LLM)が感情や原因をよりよく認識するのに役立ちます。
論文参考訳（メタデータ） (2024-06-07T08:58:29Z)
Affective and Dynamic Beam Search for Story Generation [50.3130767805383]
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。
論文参考訳（メタデータ） (2023-10-23T16:37:14Z)
Mimicking the Thinking Process for Emotion Recognition in Conversation with Prompts and Paraphrasing [26.043447749659478]
複雑な因子をモデル化する際の思考過程を模倣する新しい枠組みを提案する。我々はまず,会話のコンテキストを履歴指向のプロンプトで理解し,対象発話の前者からの情報を選択的に収集する。次に、話者の背景を経験指向のプロンプトでモデル化し、すべての会話から類似した発話を検索する。
論文参考訳（メタデータ） (2023-06-11T06:36:19Z)
Unsupervised Extractive Summarization of Emotion Triggers [56.50078267340738]
我々は、感情を共同で検出し、トリガーを要約できる新しい教師なし学習モデルを開発した。 Emotion-Aware Pagerankと題された私たちのベストアプローチは、外部ソースからの感情情報と言語理解モジュールを組み合わせたものです。
論文参考訳（メタデータ） (2023-06-02T11:07:13Z)
Affection: Learning Affective Explanations for Real-World Visual Data [50.28825017427716]
我々は,85,007枚の公開画像に対して,感情反応と自由形式のテキスト説明を含む大規模データセットを研究コミュニティに導入し,共有する。本研究は, 被写体集団に大きな支持を得て, 潜在的に有意な感情反応をとらえる上で, 重要な共通基盤があることを示唆する。私たちの研究は、より豊かで、より人間中心で、感情に敏感な画像分析システムへの道を開くものです。
論文参考訳（メタデータ） (2022-10-04T22:44:17Z)
Speech Synthesis with Mixed Emotions [77.05097999561298]
異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
論文参考訳（メタデータ） (2022-08-11T15:45:58Z)
Dimensional Modeling of Emotions in Text with Appraisal Theories: Corpus Creation, Annotation Reliability, and Prediction [14.555520007106656]
心理学において、評価理論として知られる感情理論のクラスは、出来事と感情の関係を説明することを目的としている。我々は,アノテータによって評価概念を確実に再構築できるかどうかを理解することを目的として,テキストにおける感情分析のための評価理論の適合性を分析した。テキスト分類法と人間のアノテータとの比較により、両者が同様の性能で感情や評価を確実に検出できることが示されている。
論文参考訳（メタデータ） (2022-06-10T17:20:17Z)
x-enVENT: A Corpus of Event Descriptions with Experiencer-specific Emotion and Appraisal Annotations [13.324006587838523]
感情分析のための分類設定は、感情のエピソードに関与する異なる意味的役割を含む統合的な方法で行うべきであると論じる。心理学における評価理論に基づいて、我々は、記述された出来事記述の英文コーパスを編纂する。この記述には感情に満ちた状況が描かれており、感情に反応した人々の言及が含まれている。
論文参考訳（メタデータ） (2022-03-21T12:02:06Z)
Modelling Suspense in Short Stories as Uncertainty Reduction over Neural Representation [17.683705809784453]
サスペンスは物語小説の重要な要素であり、読者を惹きつけ、説得力のある物語を作る。サスペンスをモデル化する2つの方法を比較する。サプライズ、現在の状況がどれだけ予期せぬものであるかの逆向きの尺度、不確実性低減、ストーリーの継続がどれだけ予期せぬかの前方方向の尺度である。本稿では,物語を符号化し,サプライズと不確実性を低減する階層型言語モデルを提案する。
論文参考訳（メタデータ） (2020-04-30T16:03:06Z)
Appraisal Theories for Emotion Classification in Text [13.743991035051714]
自動分類手法は,事象の性質を潜時変数として学習する必要があることを示す。本稿では,事象の認知的評価の理論に従って,そのような解釈を明確化することを提案する。以上の結果から,事象記述における高品質な評価次元の割り当てが,個別の感情カテゴリーの分類の改善につながることが示唆された。
論文参考訳（メタデータ） (2020-03-31T12:43:54Z)
Annotation of Emotion Carriers in Personal Narratives [69.07034604580214]
我々は、個人的物語(PN) - 話されたり書かれたり - 事実、出来事、思考の記憶 - を理解する問題に興味を持っている。 PNでは、感情担体(英: emotion carriers)は、ユーザの感情状態を最もよく説明する音声またはテキストセグメントである。本研究は,音声対話における感情担持者を特定するためのアノテーションモデルを提案し,評価する。
論文参考訳（メタデータ） (2020-02-27T15:42:39Z)

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。