論文の概要: Multi-Agent System for AI-Assisted Extraction of Narrative Arcs in TV Series

• arxiv url: http://arxiv.org/abs/2503.04817v1
• Date: Tue, 04 Mar 2025 20:27:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 15:56:58.429708
• Title: Multi-Agent System for AI-Assisted Extraction of Narrative Arcs in TV Series
• Title（参考訳）: テレビシリーズにおけるAIによるナラティブアーク抽出のためのマルチエージェントシステム
• Authors: Roberto Balestri, Guglielmo Pescatore,
• Abstract要約: シリアライズされたテレビ番組は複雑なストーリーラインの上に構築されており、簡単に分析できない方法で追跡と進化が難しい。 本稿では,これらのナラティブアークの抽出と解析を目的としたマルチエージェントシステムを提案する。 このシステムは、Grey's Anatomy(ABC 2005-)の第1シーズンにテストされ、アンソロジー(自己完結)、ソープ(関連性重視)、ジェンレ・スペクティフィック(Genre-Specific)の3種類のアークを識別する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Serialized TV shows are built on complex storylines that can be hard to track and evolve in ways that defy straightforward analysis. This paper introduces a multi-agent system designed to extract and analyze these narrative arcs. Tested on the first season of Grey's Anatomy (ABC 2005-), the system identifies three types of arcs: Anthology (self-contained), Soap (relationship-focused), and Genre-Specific (strictly related to the series' genre). Episodic progressions of these arcs are stored in both relational and semantic (vectorial) databases, enabling structured analysis and comparison. To bridge the gap between automation and critical interpretation, the system is paired with a graphical interface that allows for human refinement using tools to enhance and visualize the data. The system performed strongly in identifying Anthology Arcs and character entities, but its reliance on textual paratexts (such as episode summaries) revealed limitations in recognizing overlapping arcs and subtler dynamics. This approach highlights the potential of combining computational and human expertise in narrative analysis. Beyond television, it offers promise for serialized written formats, where the narrative resides entirely in the text. Future work will explore the integration of multimodal inputs, such as dialogue and visuals, and expand testing across a wider range of genres to refine the system further.
• Abstract（参考訳）: シリアライズされたテレビ番組は複雑なストーリーラインの上に構築されており、簡単に分析できない方法で追跡と進化が難しい。 本稿では,これらのナラティブアークの抽出と解析を目的としたマルチエージェントシステムを提案する。 このシステムは、Grey's Anatomy(ABC 2005-)の第1シーズンにテストされ、アンソロジー(自己完結)、ソープ(関係性重視)、ジェンレ・スペクティフィック(シリーズのジャンルに厳密に関係している)の3種類のアークを識別する。 これらのアークのエピソディックな進行は、リレーショナルおよびセマンティック(ベクター)データベースの両方に格納され、構造化された解析と比較を可能にする。 自動化と批判的解釈のギャップを埋めるために、システムはグラフィカルなインターフェースと組み合わせられ、ツールを使ってデータの強化と視覚化を行うことができる。 このシステムはアンソロジー・アークとキャラクター・エンティティの識別に強く貢献したが、テキスト・パラテキスト(エピソード・サマリーなど)への依存は、重複するアークと微妙なダイナミクスを認識する際の限界を明らかにした。 このアプローチは、物語分析において、計算と人間の専門知識を組み合わせる可能性を強調している。 テレビ以外では、物語が完全にテキストに収まるシリアライズされた書式を約束する。 今後の研究は、対話や視覚といったマルチモーダルなインプットの統合を探求し、幅広いジャンルにわたるテストを拡張して、システムをさらに洗練する予定である。

関連論文リスト

• BookWorm: A Dataset for Character Description and Analysis [59.186325346763184]
  本稿では,短い事実プロファイルを生成する文字記述と,詳細な解釈を提供する文字解析という2つのタスクを定義する。 本稿では,Gutenbergプロジェクトからの書籍と,人間による記述と分析のペアリングを行うBookWormデータセットを紹介する。 その結果,検索に基づくアプローチは両タスクにおいて階層的アプローチよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-14T10:55:58Z)
• 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)
• DataNarrative: Automated Data-Driven Storytelling with Visualizations and Texts [27.218934418961197]
  データストーリ生成のための新しいタスクと,さまざまなソースから1,449のストーリを含むベンチマークを導入する。 2つのLLMエージェントを用いたマルチエージェントフレームワークを提案する。 我々のエージェント・フレームワークは一般的にモデルベースと人的評価の両方において非エージェント・フレームワークよりも優れていますが、結果はデータ・ストーリー・ジェネレーションにおけるユニークな課題を明らかにします。
  論文  参考訳（メタデータ） (2024-08-09T21:31:33Z)
• A Comprehensive Survey of 3D Dense Captioning: Localizing and Describing Objects in 3D Scenes [80.20670062509723]
  3Dシークエンスキャプションは、3Dシーンの詳細な説明を作成することを目的とした、視覚言語によるブリッジングタスクである。 2次元の視覚的キャプションと比較して、現実世界の表現が密接なため、大きな可能性と課題が提示される。 既存手法の人気と成功にもかかわらず、この分野の進歩を要約した総合的な調査は乏しい。
  論文  参考訳（メタデータ） (2024-03-12T10:04:08Z)
• Panel Transitions for Genre Analysis in Visual Narratives [1.320904960556043]
  本稿では,漫画や漫画風のビジュアル・ナラティブに基づくジャンルのマルチモーダル分析を行うための新しいアプローチを提案する。 我々は、主観的ラベルをモデル化する際の既存の計算手法の限界と課題を強調した。
  論文  参考訳（メタデータ） (2023-12-14T08:05:09Z)
• Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
  本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。 対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。 また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T11:03:55Z)
• Unsupervised Abstractive Dialogue Summarization with Word Graphs and POV Conversion [1.2691047660244335]
  多文圧縮グラフを用いた教師なし抽象対話要約における最先端技術について述べる。 本手法は,会議,インタビュー,映画脚本,日々の会話など,複数の領域にまたがるデータセット上で実証される。
  論文  参考訳（メタデータ） (2022-05-26T02:18:12Z)
• Integrating Visuospatial, Linguistic and Commonsense Structure into Story Visualization [81.26077816854449]
  まず、構造的入力を符号化するための選挙区解析木の利用について検討する。 第二に、構造化されたインプットをコモンセンス情報で強化し、この外部知識が視覚的ストーリーの生成に与える影響について検討する。 第3に、境界ボックスと高密度キャプションによって視覚構造を組み込んで、生成された画像の文字やオブジェクトに関するフィードバックを提供する。
  論文  参考訳（メタデータ） (2021-10-21T00:16:02Z)
• Multi-View Sequence-to-Sequence Models with Conversational Structure for Abstractive Dialogue Summarization [72.54873655114844]
  テキスト要約は、NLPにおいて最も困難で興味深い問題の1つである。 本研究では、まず、異なる視点から構造化されていない日々のチャットの会話構造を抽出し、会話を表現するマルチビューシーケンス・ツー・シーケンスモデルを提案する。 大規模対話要約コーパスの実験により,本手法は,自動評価と人的判断の両面から,従来の最先端モデルよりも有意に優れた性能を示した。
  論文  参考訳（メタデータ） (2020-10-04T20:12:44Z)

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。