論文の概要: Characterizing the Investigative Methods of Fictional Detectives with Large Language Models
- arxiv url: http://arxiv.org/abs/2505.07601v1
- Date: Mon, 12 May 2025 14:24:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-13 20:21:49.425954
- Title: Characterizing the Investigative Methods of Fictional Detectives with Large Language Models
- Title（参考訳）: 大規模言語モデルを用いた辞書検出の探索手法の特徴付け
- Authors: Edirlei Soares de Lima, Marco A. Casanova, Bruno Feijó, Antonio L. Furtado,
- Abstract要約: フィクション探偵の捜査手法を体系的に特徴付けるためのAI駆動型アプローチを提案する。
当社のマルチフェーズワークフローでは、15のLarge Language Models(LLM)の機能を調べ,その特徴を抽出し,合成し,検証する。
このアプローチは、Hercule Poirot、Sherlock Holmes、William Murdoch、Columbo、Hercule Brown、Miss Marple、Auguste Dupinという7人の象徴的な探偵の多様なセットでテストされた。
- 参考スコア（独自算出の注目度）: 0.3749861135832072
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Detective fiction, a genre defined by its complex narrative structures and character-driven storytelling, presents unique challenges for computational narratology, a research field focused on integrating literary theory into automated narrative generation. While traditional literary studies have offered deep insights into the methods and archetypes of fictional detectives, these analyses often focus on a limited number of characters and lack the scalability needed for the extraction of unique traits that can be used to guide narrative generation methods. In this paper, we present an AI-driven approach for systematically characterizing the investigative methods of fictional detectives. Our multi-phase workflow explores the capabilities of 15 Large Language Models (LLMs) to extract, synthesize, and validate distinctive investigative traits of fictional detectives. This approach was tested on a diverse set of seven iconic detectives - Hercule Poirot, Sherlock Holmes, William Murdoch, Columbo, Father Brown, Miss Marple, and Auguste Dupin - capturing the distinctive investigative styles that define each character. The identified traits were validated against existing literary analyses and further tested in a reverse identification phase, achieving an overall accuracy of 91.43%, demonstrating the method's effectiveness in capturing the distinctive investigative approaches of each detective. This work contributes to the broader field of computational narratology by providing a scalable framework for character analysis, with potential applications in AI-driven interactive storytelling and automated narrative generation.
- Abstract（参考訳）: ディテクティブ・フィクション(英: Detective fiction)は、複雑な物語構造とキャラクター駆動型ストーリーテリングによって定義されるジャンルであり、自動物語生成に文学理論を統合することに焦点を当てた研究分野である計算ナラトロジーに固有の課題を提示する。
伝統的な文学研究は、架空の探偵の手法や典型について深い洞察を与えてきたが、これらの分析はしばしば限られた数のキャラクターに焦点をあて、物語生成法を導くのに使える固有の特徴の抽出に必要なスケーラビリティを欠いている。
本稿では,架空の探偵の捜査手法を体系的に特徴付けるためのAI駆動型アプローチを提案する。
我々の多段階ワークフローは15の大規模言語モデル(LLM)の機能を探究し、架空の探偵の特徴を抽出し、合成し、検証するものである。
このアプローチは、Hercule Poirot, Sherlock Holmes, William Murdoch, Columbo, Father Brown, Miss Marple, Auguste Dupinという7人の象徴的な刑事の多様なセットでテストされた。
同定された特徴は、既存の文学的分析に対して検証され、さらに逆識別フェーズで検証され、全体的な精度は91.43%に達し、各刑事の特異な調査アプローチを捉える方法の有効性を実証した。
この研究は、AI駆動のインタラクティブなストーリーテリングと自動物語生成に潜在的に適用可能な、文字分析のためのスケーラブルなフレームワークを提供することにより、計算ナラトロジーの幅広い分野に寄与する。
関連論文リスト
- Multi-Agent System for AI-Assisted Extraction of Narrative Arcs in TV Series [0.0]
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。
論文 参考訳（メタデータ） (2025-03-04T20:27:14Z) - 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) - The Chosen One: Consistent Characters in Text-to-Image Diffusion Models [71.15152184631951]
そこで本研究では,テキストプロンプトのみを入力として,一貫した文字生成を完全自動化する手法を提案する。
本手法は, 基本手法と比較して, 即時アライメントと同一性整合性のバランスが良くなる。
論文 参考訳（メタデータ） (2023-11-16T18:59:51Z) - Understanding Social Structures from Contemporary Literary Fiction using
Character Interaction Graph -- Half Century Chronology of Influential Bengali
Writers [2.103087897983347]
社会構造や現実世界の出来事は、しばしば現代文学に影響を及ぼす。
文字相互作用グラフを用いて、現代文化が文学の風景に与える影響について、社会的問いかけを探索する。
論文 参考訳（メタデータ） (2023-10-25T20:09:14Z) - Piecing Together Clues: A Benchmark for Evaluating the Detective Skills of Large Language Models [44.42887452269389]
検出者は、様々なケースで意思決定を行う際に、情報検出と推論を同時に行うことが多い。
我々は、キー情報検出とマルチホップ推論において、モデルが協調的に機能する能力を評価するために設計された読解理解データセットであるTectBenchを紹介する。
本手法は,モデルが推論の前にコンテキスト内で可能なすべての手がかりを識別することを奨励する。
論文 参考訳（メタデータ） (2023-07-11T08:45:46Z) - M-SENSE: Modeling Narrative Structure in Short Personal Narratives Using
Protagonist's Mental Representations [14.64546899992196]
本研究では,登場人物の心的状態の推測を解析し,物語構造の顕著な要素を自動的に検出するタスクを提案する。
本稿では,物語構造の主要な要素,特にクライマックスと解像度のマニュアルアノテーションを含む,短い個人物語のSTORIESデータセットを紹介する。
我々のモデルは、クライマックスと解像度を識別するタスクにおいて、大幅な改善を達成できる。
論文 参考訳（メタデータ） (2023-02-18T20:48:02Z) - A Benchmark for Understanding and Generating Dialogue between Characters
in Stories [75.29466820496913]
本研究は,機械が物語の対話を理解・生成できるかどうかを探求する最初の研究である。
マスク付き対話生成と対話話者認識という2つの新しいタスクを提案する。
DialStoryの自動評価と手動評価で既存のモデルをテストすることで,提案課題の難しさを示す。
論文 参考訳（メタデータ） (2022-09-18T10:19:04Z) - RELIC: Retrieving Evidence for Literary Claims [29.762552250403544]
文献証拠検索の新たな課題を定式化するために,78Kの文献引用の大規模データセットを用いた。
本稿では,既存の事前学習情報検索基準よりも優れたRoBERTaを用いた高密度経路検索手法を提案する。
論文 参考訳（メタデータ） (2022-03-18T16:56:08Z) - Positioning yourself in the maze of Neural Text Generation: A
Task-Agnostic Survey [54.34370423151014]
本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。
本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
論文 参考訳（メタデータ） (2020-10-14T17:54:42Z)
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。