論文の概要: Narrative-Driven Travel Planning: Geoculturally-Grounded Script Generation with Evolutionary Itinerary Optimization

• arxiv url: http://arxiv.org/abs/2502.14456v1
• Date: Thu, 20 Feb 2025 11:15:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 22:18:11.634922
• Title: Narrative-Driven Travel Planning: Geoculturally-Grounded Script Generation with Evolutionary Itinerary Optimization
• Title（参考訳）: ナラティブ駆動旅行計画: 進化的反復最適化による地理的に取り巻くスクリプト生成
• Authors: Ran Ding, Ziyu Zhang, Ying Zhu, Ziqian Kong, Peilan Xu,
• Abstract要約: 本稿では,ナラティブガイドと呼ばれる物語駆動型旅行計画フレームワークを提案する。 旅行者にはジオカルチャー的な物語の脚本を制作し、旅に新しいロールプレイング体験を提供する。 中国では南京と揚州、フランスではパリ、ドイツのベルリンの4都市での実験的な成果は、物語の一貫性と文化的適合性を著しく改善したことを示している。
• 参考スコア（独自算出の注目度）: 3.739657762473404
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To enhance tourists' experiences and immersion, this paper proposes a narrative-driven travel planning framework called NarrativeGuide, which generates a geoculturally-grounded narrative script for travelers, offering a novel, role-playing experience for their journey. In the initial stage, NarrativeGuide constructs a knowledge graph for attractions within a city, then configures the worldview, character setting, and exposition based on the knowledge graph. Using this foundation, the knowledge graph is combined to generate an independent scene unit for each attraction. During the itinerary planning stage, NarrativeGuide models narrative-driven travel planning as an optimization problem, utilizing a genetic algorithm (GA) to refine the itinerary. Before evaluating the candidate itinerary, transition scripts are generated for each pair of adjacent attractions, which, along with the scene units, form a complete script. The weighted sum of script coherence, travel time, and attraction scores is then used as the fitness value to update the candidate solution set. Experimental results across four cities, i.e., Nanjing and Yangzhou in China, Paris in France, and Berlin in Germany, demonstrate significant improvements in narrative coherence and cultural fit, alongside a notable reduction in travel time and an increase in the quality of visited attractions. Our study highlights that incorporating external evolutionary optimization effectively addresses the limitations of large language models in travel planning.Our codes are available at https://github.com/Evan01225/Narrative-Driven-Travel-Planning.
• Abstract（参考訳）: 本稿では,旅行者の体験と没入性を高めるために,旅行者のためのジオカルチャー的な語り書きを生成するナラティブガイドと呼ばれる物語駆動型旅行計画フレームワークを提案する。 最初の段階で、NarrativeGuideは、都市内のアトラクションのためのナレッジグラフを構築し、そのナレッジグラフに基づいてワールドビュー、キャラクタ設定、展示を構成する。 この基礎を用いて、知識グラフを結合して、アトラクション毎に独立したシーンユニットを生成する。 反復計画段階において、NarrativeGuideは、物語駆動旅行計画を最適化問題としてモデル化し、遺伝的アルゴリズム(GA)を用いてイテレーションを洗練させる。 候補の繰り返しを評価する前に、隣接するアトラクションのペアごとに遷移スクリプトを生成し、シーンユニットとともに完全なスクリプトを形成する。 次に、スクリプトコヒーレンス、旅行時間、アトラクションスコアの重み付け和をフィットネス値として使用して、候補ソリューションセットを更新する。 中国、南京、揚州、フランスのパリ、ドイツのベルリンの4都市での実験的な成果は、旅行時間の大幅な短縮と訪問アトラクションの質の向上とともに、物語の一貫性と文化的適合性を大幅に改善したことを示している。 我々のコードはhttps://github.com/Evan01225/Narrative-Driven-Travel-Planningで公開されている。

関連論文リスト

• TripTailor: A Real-World Benchmark for Personalized Travel Planning [28.965273870656446]
  TripTailorは、現実世界のシナリオでパーソナライズされた旅行計画のためのベンチマークである。 このデータセットには、50,000以上の現実世界の関心点(POI)と4000近い多様な旅行イテナリーが含まれている。 旅行計画において、実現可能性、合理性、パーソナライズされたカスタマイズなど、いくつかの重要な課題を特定します。
  論文  参考訳（メタデータ） (2025-08-02T16:44:02Z)
• Plan Your Travel and Travel with Your Plan: Wide-Horizon Planning and Evaluation via LLM [58.50687282180444]
  旅行計画は、多様な現実世界の情報とユーザの好みを統合する必要がある複雑な作業である。 我々はこれをL3$プランニング問題として定式化し、長いコンテキスト、長い命令、長い出力を強調する。 計画の多面的側面 (MAoP) を導入し, LLM が複雑な計画問題の解決のために広義の思考を行えるようにした。
  論文  参考訳（メタデータ） (2025-06-14T09:37:59Z)
• TripCraft: A Benchmark for Spatio-Temporally Fine Grained Travel Planning [7.841787597078323]
  TripCraft は LLM によるパーソナライズされた旅行計画のための,新たなベンチマークを確立している。 パラメータ情報設定は食事スケジューリングを著しく向上させ、7日間のシナリオでは時間的食事スコアが61%から80%に向上する。
  論文  参考訳（メタデータ） (2025-02-27T20:33:28Z)
• To the Globe (TTG): Towards Language-Driven Guaranteed Travel Planning [54.9340658451129]
  To the Globe(TTG)は、ユーザから自然言語要求を受け取り、それをシンボリックフォームに変換するリアルタイムのデモシステムである。 システム全体の応答に5秒を要し、保証されたイテナリでユーザ要求に応答する。 ユーザによる評価では、TTGは生成した繰り返しで35-40%のネットプロモータースコア(NPS)を一貫して達成する。
  論文  参考訳（メタデータ） (2024-10-21T19:30:05Z)
• 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)
• StoryVerse: Towards Co-authoring Dynamic Plot with LLM-based Character Simulation via Narrative Planning [8.851718319632973]
  大きな言語モデル(LLM)は仮想文字の振る舞いを駆動し、プロットは文字と環境間の相互作用から現れる。 著者の著作意図と LLM によるキャラクタシミュレーションの創発的行動とを仲介するプロット作成ワークフローを提案する。 このプロセスは「生きた物語」を作り、様々なゲーム世界の状態に動的に適応し、著者、キャラクターシミュレーション、プレイヤーが共同で物語を作る。
  論文  参考訳（メタデータ） (2024-05-17T23:04:51Z)
• Movie101v2: Improved Movie Narration Benchmark [53.54176725112229]
  映像の自動ナレーションは、視覚障害者を支援するために、映像に合わせたプロット記述を生成することを目的としている。 映画ナレーションに特化して設計されたデータ品質を向上した大規模バイリンガルデータセットであるMovie101v2を紹介する。 新しいベンチマークに基づいて,GPT-4Vを含む多数の視覚言語モデルをベースライン化し,ナレーション生成における課題の詳細な分析を行う。
  論文  参考訳（メタデータ） (2024-04-20T13:15:27Z)
• EIPE-text: Evaluation-Guided Iterative Plan Extraction for Long-Form Narrative Text Generation [114.50719922069261]
  長文物語テキスト生成のための評価誘導反復計画抽出法(EIPE-text)を提案する。 EIPEテキストには、計画抽出、学習、推論の3段階がある。 小説やストーリーテリングの分野におけるEIPEテキストの有効性を評価する。
  論文  参考訳（メタデータ） (2023-10-12T10:21:37Z)
• Visual Storytelling with Question-Answer Plans [70.89011289754863]
  本稿では、事前訓練された言語モデルと計画に視覚表現を統合する新しいフレームワークを提案する。 我々のモデルは、画像列を視覚的な接頭辞、つまり言語モデルで解釈できる連続的な埋め込みの列に変換する。 また、一連の質問と回答のペアを青写真プランとして利用して、健全な視覚概念を選択し、物語にどのように組み立てるべきかを決定する。
  論文  参考訳（メタデータ） (2023-10-08T21:45:34Z)
• Little Red Riding Hood Goes Around the Globe:Crosslingual Story Planning and Generation with Large Language Models [69.60579227637399]
  以前の研究は、主に英語に焦点を当てた単言語設定でのみストーリー生成の計画の有効性を実証してきた。 本稿では,言語横断型ストーリ生成の新たな課題を提案する。
  論文  参考訳（メタデータ） (2022-12-20T17:42:16Z)
• Neural Story Planning [8.600049807193413]
  本稿では,ニューラル言語モデルと因果計画を統合したストーリープロット生成手法を提案する。 我々のシステムは、物語における出来事の前提条件を推測し、その条件が真実になるイベントを推定する。 その結果,提案手法は複数の強基線よりもコヒーレントなプロットラインを生成することがわかった。
  論文  参考訳（メタデータ） (2022-12-16T21:29:41Z)
• Content Planning for Neural Story Generation with Aristotelian Rescoring [39.07607377794395]
  長文の物語テキストは、人間の文章の流動的な偽造を管理するが、局所的な文レベルでのみ行われ、構造や大域的な結束が欠如している。 本稿では,高品質なコンテンツプランニングによってストーリー生成の問題の多くに対処できると仮定し,ストーリー生成をガイドする優れたプロット構造を学習する方法に焦点を当てたシステムを提案する。
  論文  参考訳（メタデータ） (2020-09-21T13:41:32Z)
• Narrative Maps: An Algorithmic Approach to Represent and Extract Information Narratives [6.85316573653194]
  本稿では、物語表現の理論と現代のオンラインシステムのデータを組み合わせる。 物語地図の表現は、物語の中の出来事と物語を、地図上のランドマークとルートのシリーズとして描いている。 我々の発見は、情報アナリスト、計算ジャーナリスト、誤情報研究者に影響を及ぼす。
  論文  参考訳（メタデータ） (2020-09-09T18:30:44Z)
• Narrative Interpolation for Generating and Understanding Stories [52.463747140762145]
  そこで本研究では,ユーザが特定した目的語を含むコヒーレントな物語を生成するために,モデルをガイドできる物語・物語生成制御手法を提案する。 本手法の中核はGPT-2に基づく漸進的モデルであり,前文と次文を物語の中で条件付けし,そのギャップを埋める。 終末誘導世代は、与えられた終末ガイドに忠実で忠実であり、過去のアプローチよりも手作業の少ない物語を生み出すことを示す。
  論文  参考訳（メタデータ） (2020-08-17T16:45:50Z)
• PlotMachines: Outline-Conditioned Generation with Dynamic Plot State Tracking [128.76063992147016]
  PlotMachinesは、動的プロット状態を追跡することによってアウトラインをコヒーレントなストーリーに変換することを学習する、ニューラルな物語モデルである。 さらに,PlotMachinesを高レベルな談話構造で強化し,モデルが物語の異なる部分に対応する筆記スタイルを学習できるようにした。
  論文  参考訳（メタデータ） (2020-04-30T17:16:31Z)

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。