論文の概要: Whose story is it? Personalizing story generation by inferring author styles
- arxiv url: http://arxiv.org/abs/2502.13028v2
- Date: Wed, 21 May 2025 18:56:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-23 17:12:47.730057
- Title: Whose story is it? Personalizing story generation by inferring author styles
- Title（参考訳）: 誰の物語か?作者のスタイルを推定して物語生成をパーソナライズする
- Authors: Nischal Ashok Kumar, Chau Minh Pham, Mohit Iyyer, Andrew Lan,
- Abstract要約: パーソナライゼーションはインタラクティブな書き込みや教育アプリケーションにおけるユーザエクスペリエンス向上に不可欠である。
著者の執筆スタイルを模倣することを目的とした,物語生成のパーソナライズ作業について検討する。
112人の著者から3.6kストーリーのデータセットであるMythosを収集し、1人の著者の平均16ストーリーを収集する。
- 参考スコア（独自算出の注目度）: 30.264355446431363
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Personalization is critical for improving user experience in interactive writing and educational applications, yet remains understudied in story generation. We study the task of personalizing story generation, where our goal is to mimic an author's writing style, given other stories written by them. We collect Mythos, a dataset of 3.6k stories from 112 authors, with an average of 16 stories per author, across five distinct sources reflecting diverse story-writing settings. We propose a two-stage pipeline for personalized story generation: first, we infer authors' implicit writing characteristics and organize them into an Author Writing Sheet, which is validated by humans to be of high quality; second, we simulate the author's persona using tailored persona descriptions and personalized story rules. We find that stories personalized using the Author Writing Sheet outperform a non-personalized baseline, achieving a 78% win-rate in capturing authors' past style and 59% in similarity to ground-truth author stories. Human evaluation supports these findings and further highlights trends, such as Reddit stories being easier to personalize, and the Creativity and Language Use aspects of stories being easier to personalize than the Plot.
- Abstract（参考訳）: パーソナライゼーションはインタラクティブな文章や教育アプリケーションにおけるユーザエクスペリエンスを改善するために重要であるが、ストーリー生成では未検討である。
我々は,著者の執筆スタイルを模倣することを目的として,物語生成のパーソナライズ作業について検討する。
112人の著者による3.6kストーリーのデータセットであるMythosは、著者1人あたり平均16ストーリーで、5つの異なるソースにまたがって、多様なストーリーライティング設定を反映している。
まず、著者の暗黙の筆跡特性を推測し、それを高品質の著者筆跡シートに整理し、著者のペルソナをパーソナライズしたペルソナ記述とパーソナライズされたストーリールールを用いてシミュレートする。
著者論文のパーソナライズされたストーリーは、個人化されていないベースラインよりも優れており、著者の過去のスタイルを捉えて78%の勝利率と、地味な著者物語と59%の類似性を達成している。
例えば、Redditのストーリーはパーソナライズしやすくなり、Creative and Language UseのストーリーはPlotよりもパーソナライズしやすくなっている。
関連論文リスト
- Learning to Reason for Long-Form Story Generation [98.273323001781]
一般的なストーリー生成タスク(Next-Chapter Prediction)と報酬定式化(Completion Likelihood Improvementによる検証リワード)を提案する。
私たちは、物語の凝縮した情報を推論し、次の章の詳細な計画を作成することを学びます。
私たちの推論は、ストーリージェネレータ作成を支援する章を通じて評価され、トレーニングされていない、教師なしの微調整(SFT)ベースラインと比較されます。
論文 参考訳（メタデータ） (2025-03-28T18:48:26Z) - Pastiche Novel Generation Creating: Fan Fiction You Love in Your Favorite Author's Style [48.08453439104245]
文芸パスティッシュの中核的な側面を習得する新しい世代システムであるWriterAgentを提案する。
WriterAgentは、低レベルのスタイリスティックな熟達から高レベルの物語コヒーレンスまで、カリキュラム学習パラダイムを通じて訓練されている。
我々は、ハリー・ポッターやドリーム・オブ・ザ・レッドチェンバーといった多言語古典のWriterAgentを評価し、ベースラインよりも優れていることを示した。
論文 参考訳（メタデータ） (2025-02-21T17:40:42Z) - "It was 80% me, 20% AI": Seeking Authenticity in Co-Writing with Large Language Models [97.22914355737676]
我々は、AIツールと共同で書き込む際に、著者が自分の真正な声を保存したいかどうか、どのように検討する。
本研究は,人間とAIの共創における真正性の概念を解明するものである。
読者の反応は、人間とAIの共著に対する関心が低かった。
論文 参考訳（メタデータ） (2024-11-20T04:42:32Z) - 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) - The GPT-WritingPrompts Dataset: A Comparative Analysis of Character Portrayal in Short Stories [17.184517720465404]
本研究では,人間と機械の両方の生成過程から,ストーリーテリングの感情的特徴と記述的特徴を6次元で定量化し比較する。
生成した物語は6次元すべてで人間ストーリーと大きく異なり、主主人公の物語的視点やジェンダーに応じてグループ化された場合、人間世代と機械世代は同様のバイアスを呈することがわかった。
論文 参考訳（メタデータ） (2024-06-24T16:24:18Z) - Conveying the Predicted Future to Users: A Case Study of Story Plot
Prediction [14.036772394560238]
予測されたプロットをナレーションする短い記述を生成するシステムを作成する。
私たちのゴールは、作家が一貫した説得力のあるストーリーアークを作るのを支援することです。
論文 参考訳（メタデータ） (2023-02-17T20:10:55Z) - Computational Storytelling and Emotions: A Survey [56.95572957863576]
本研究は,物語と感情の関係に関する研究を要約し,その発展に寄与することを目的としている。
創造性の研究は人間をコンピューターに置き換えることではなく、創造性を高めるために人間とコンピューターのコラボレーション方法を見つけることであると私たちは信じています。
論文 参考訳（メタデータ） (2022-05-23T00:21:59Z) - Persona-Guided Planning for Controlling the Protagonist's Persona in
Story Generation [71.24817035071176]
本研究では,ペルソナとイベントの関係を明示的にモデル化する計画ベース生成モデルCONPERを提案する。
自動評価と手動評価の両方の結果から、CONPERはより一貫性のあるペルソナ制御可能なストーリーを生成するために最先端のベースラインより優れていることが示されている。
論文 参考訳（メタデータ） (2022-04-22T13:45:02Z) - Stylized Story Generation with Style-Guided Planning [38.791298336259146]
そこで本稿では,先行する文脈を条件として,新たなタスク,スタイル化されたストーリージェネレーション,すなわちスペクティフィドスタイルでストーリーを生成することを提案する。
我々のモデルは、ROCStoriesデータセットに基づいて、エモオプション駆動またはイベント駆動のストーリーを制御できる。
論文 参考訳（メタデータ） (2021-05-18T15:55:38Z) - 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)
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。