論文の概要: Pastiche Novel Generation Creating: Fan Fiction You Love in Your Favorite Author's Style

• arxiv url: http://arxiv.org/abs/2502.15616v1
• Date: Fri, 21 Feb 2025 17:40:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-24 16:11:05.051818
• Title: Pastiche Novel Generation Creating: Fan Fiction You Love in Your Favorite Author's Style
• Title（参考訳）: 好きな作家のスタイルで愛されるファンフィクション
• Authors: Xueran Han, Yuhan Liu, Mingzhe Li, Wei Liu, Sen Hu, Rui Yan, Zhiqiang Xu, Xiuying Chen,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 48.08453439104245
• License:
• Abstract: Great novels create immersive worlds with rich character arcs, well-structured plots, and nuanced writing styles. However, current novel generation methods often rely on brief, simplistic story outlines and generate details using plain, generic language. To bridge this gap, we introduce the task of Pastiche Novel Generation, which requires the generated novels to imitate the distinctive features of the original work, including understanding character profiles, predicting plausible plot developments, and writing concrete details using vivid, expressive language. To achieve this, we propose WriterAgent, a novel generation system designed to master the core aspects of literary pastiche. WriterAgent is trained through a curriculum learning paradigm, progressing from low-level stylistic mastery to high-level narrative coherence. Its key tasks include language style learning, character modeling, plot planning, and stylish writing, ensuring comprehensive narrative control. To support this, WriterAgent leverages the WriterLoRA framework, an extension of LoRA with hierarchical and cumulative task-specific modules, each specializing in a different narrative aspect. We evaluate WriterAgent on multilingual classics like Harry Potter and Dream of the Red Chamber, demonstrating its superiority over baselines in capturing the target author's settings, character dynamics, and writing style to produce coherent, faithful narratives.
• Abstract（参考訳）: 偉大な小説は、豊かなキャラクターの弧、よく構造化されたプロット、ニュアンスな文体を持つ没入的な世界を生み出している。 しかし、現在の新しい生成方法は、しばしば簡潔で単純化されたストーリー概要に頼り、平易で汎用的な言語を使って詳細を生成する。 このギャップを埋めるために、私たちは、キャラクタープロファイルの理解、もっともらしいプロット展開の予測、鮮明で表現力豊かな言語を用いた具体的な詳細記述を含む、オリジナル作品の特色を模倣するために生成された小説を要求されるパスティッシュ小説生成の課題を紹介した。 そこで本研究では,文芸パスティッシュの中核的な側面を習得する新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。 その主なタスクは、言語スタイルの学習、キャラクターモデリング、プロット計画、スタイリッシュな執筆、包括的な物語制御の確保である。 これをサポートするためにWriterAgentはWriterLoRAフレームワークを活用している。これは、階層的で累積的なタスク固有のモジュールを備えたLoRAの拡張で、それぞれ異なる物語的側面を特化している。 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,ターゲットの作者の設定,キャラクターのダイナミクス,文章スタイルを捉える上で,ベースラインよりも優れていることを示す。

関連論文リスト

• Whose story is it? Personalizing story generation by inferring author styles [30.264355446431363]
  パーソナライズされたストーリー生成のための新しい2段階パイプラインを提案する。 我々のアプローチは、著者の過去の作品から暗黙的なストーリーライティングの特徴を推測し、それらを著者の筆記シートに整理する。 第2段では、パーソナライズされたペルソナ記述とパーソナライズされたストーリーライティングルールを通じて、著者のペルソナをシミュレートする。
  論文  参考訳（メタデータ） (2025-02-18T16:45:41Z)
• 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)
• 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)
• StoryTrans: Non-Parallel Story Author-Style Transfer with Discourse Representations and Content Enhancing [73.81778485157234]
  長文は通常、文よりも談話構造のような複雑な著者の言語的嗜好を含んでいる。 我々は、入力されたストーリーを特定の著者スタイルに転送する必要があるノン並列ストーリー作者スタイル転送のタスクを定式化する。 モデルが自動エンコーダに退化することを防ぐために,学習した談話表現からスタイル的特徴を引き離すための追加の学習目標を用いる。
  論文  参考訳（メタデータ） (2022-08-29T08:47:49Z)
• Letter-level Online Writer Identification [86.13203975836556]
  我々は文字レベルのオンラインライタIDという新たな問題に焦点をあてる。 主な課題は、しばしば異なるスタイルで手紙を書くことである。 我々はこの問題をオンライン書記スタイルのばらつき(Var-O-Styles)と呼ぶ。
  論文  参考訳（メタデータ） (2021-12-06T07:21:53Z)
• 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)
• 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)
• 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。