論文の概要: Three Stage Narrative Analysis; Plot-Sentiment Breakdown, Structure Learning and Concept Detection

• arxiv url: http://arxiv.org/abs/2511.11857v1
• Date: Fri, 14 Nov 2025 20:30:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.344849
• Title: Three Stage Narrative Analysis; Plot-Sentiment Breakdown, Structure Learning and Concept Detection
• Title（参考訳）: 3段階ナラティブ分析 : プロット・センチメント・ブレークダウン, 構造学習, 概念検出
• Authors: Taimur Khan, Ramoza Ahsan, Mohib Hameed,
• Abstract要約: 本稿では,映画脚本の感情弧を解析し,関連するキャラクターの文脈に関する拡張分析を行うフレームワークを提案する。 辞書に基づく感情分析を用いて,LabMTsimple storylabモジュールで構築した独自の語彙を適用した。 このフレームワークは、Wards階層的クラスタリング技術を用いて、類似の感情プロットをクラスタリングすることで分析を前進させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Story understanding and analysis have long been challenging areas within Natural Language Understanding. Automated narrative analysis requires deep computational semantic representations along with syntactic processing. Moreover, the large volume of narrative data demands automated semantic analysis and computational learning rather than manual analytical approaches. In this paper, we propose a framework that analyzes the sentiment arcs of movie scripts and performs extended analysis related to the context of the characters involved. The framework enables the extraction of high-level and low-level concepts conveyed through the narrative. Using dictionary-based sentiment analysis, our approach applies a custom lexicon built with the LabMTsimple storylab module. The custom lexicon is based on the Valence, Arousal, and Dominance scores from the NRC-VAD dataset. Furthermore, the framework advances the analysis by clustering similar sentiment plots using Wards hierarchical clustering technique. Experimental evaluation on a movie dataset shows that the resulting analysis is helpful to consumers and readers when selecting a narrative or story.
• Abstract（参考訳）: 物語の理解と分析は、長い間自然言語理解における挑戦的な領域であった。 自動物語分析は、構文処理とともに深い計算意味表現を必要とする。 さらに、大量の物語データには、手作業による分析手法ではなく、意味分析と計算学習の自動化が求められている。 本稿では,映画脚本の感情弧を分析し,関連する文字の文脈に関する拡張分析を行うフレームワークを提案する。 このフレームワークは物語を通して伝達される高レベル、低レベルの概念の抽出を可能にする。 辞書に基づく感情分析を用いて,LabMTsimple storylabモジュールで構築した独自の語彙を適用した。 カスタム辞書は、NRC-VADデータセットのValence、Arousal、Dominanceのスコアに基づいている。 さらに、Wards階層的クラスタリング手法を用いて、類似の感情プロットをクラスタリングすることで分析を進めた。 映画データセットの実験的評価は、物語や物語を選択する際に、消費者や読者にとって分析結果が有用であることを示している。

関連論文リスト

• MDSF: Context-Aware Multi-Dimensional Data Storytelling Framework based on Large language Model [1.33134751838052]
  本稿では,大規模言語モデルに基づく多次元データストーリーテリングフレームワーク(MDSF)について紹介する。 このフレームワークには、高度な前処理技術、拡張分析アルゴリズム、行動可能な洞察を特定し優先順位付けするためのユニークなスコアリングメカニズムが含まれている。
  論文  参考訳（メタデータ） (2025-01-02T02:35:38Z)
• 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)
• Long-Span Question-Answering: Automatic Question Generation and QA-System Ranking via Side-by-Side Evaluation [65.16137964758612]
  大規模言語モデルにおける長文文の活用について検討し,本書全体の読解データを作成する。 我々の目的は、長いテキストの詳細な理解を必要とする問題を分析し、理解し、推論するLLMの能力をテストすることである。
  論文  参考訳（メタデータ） (2024-05-31T20:15:10Z)
• Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
  汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。 ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
  論文  参考訳（メタデータ） (2023-05-04T16:04:41Z)
• Transfer Learning for Low-Resource Sentiment Analysis [1.2891210250935146]
  本稿では,中央クルド人の感情分析のためのデータセットの収集とアノテーションについて述べる。 このタスクのために、古典的な機械学習とニューラルネットワークベースのテクニックをいくつか探求する。
  論文  参考訳（メタデータ） (2023-04-10T16:44:44Z)
• Mixed Multi-Model Semantic Interaction for Graph-based Narrative Visualizations [10.193264105560862]
  ナラティブマップは、アナリストが物語を理解するのを支援する視覚表現モデルである。 本稿では,ナラティブマップのためのセマンティックインタラクションフレームワークを提案する。 我々のSIシステムは,分析者の意図をモデル化し,物語地図の漸進的な形式化を支援することができる。
  論文  参考訳（メタデータ） (2023-02-13T15:32:10Z)
• A combined approach to the analysis of speech conversations in a contact center domain [2.575030923243061]
  本稿では, インバウンドフローやアウトバウンドフローから抽出した通話記録を扱う, イタリアのコンタクトセンターにおける音声分析プロセスの実験について述べる。 まず,Kaldi フレームワークをベースとした社内音声合成ソリューションの開発について詳述する。 そこで我々は,コールトランスクリプトのセマンティックタグ付けに対する異なるアプローチの評価と比較を行った。 最後に、タグ付け問題にJ48Sと呼ばれる決定木インデューサを適用する。
  論文  参考訳（メタデータ） (2022-03-12T10:03:20Z)
• Providing Insights for Open-Response Surveys via End-to-End Context-Aware Clustering [2.6094411360258185]
  本研究では,オープンレスポンスサーベイデータ中の組込み意味パターンを抽出し,集約し,省略する,エンド・ツー・エンドのコンテキスト認識フレームワークを提案する。 我々のフレームワークは、テキストデータを意味ベクトルにエンコードするために、事前訓練された自然言語モデルに依存している。 本フレームワークは,調査データから最も洞察に富んだ情報を抽出するプロセスを自動化することで,大規模化のコストを削減する。
  論文  参考訳（メタデータ） (2022-03-02T18:24:10Z)
• Narrative Incoherence Detection [76.43894977558811]
  本稿では,文間セマンティック理解のための新たなアリーナとして,物語不整合検出の課題を提案する。 複数文の物語を考えると、物語の流れに意味的な矛盾があるかどうかを決定します。
  論文  参考訳（メタデータ） (2020-12-21T07:18:08Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• Extractive Summarization as Text Matching [123.09816729675838]
  本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。 抽出した要約タスクを意味テキストマッチング問題として定式化する。 我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
  論文  参考訳（メタデータ） (2020-04-19T08:27:57Z)

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。