論文の概要: Narrative Consolidation: Formulating a New Task for Unifying Multi-Perspective Accounts

• arxiv url: http://arxiv.org/abs/2512.18041v1
• Date: Fri, 19 Dec 2025 20:14:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.164681
• Title: Narrative Consolidation: Formulating a New Task for Unifying Multi-Perspective Accounts
• Title（参考訳）: ナラティブ・コンソリデーション:マルチパースペクティブ・アカウントを統一するための新しいタスクを定式化する
• Authors: Roger A. Finger, Eduardo G. Cortes, Sandro J. Rigo, Gabriel de O. Ramos,
• Abstract要約: 本稿では,この課題を新たなNLPタスクであるナラティブ・コンソリデーション(Narrative Consolidation)として公式に定義する。 中心的な目的は、時系列の完全性、完全性、補完的な詳細の融合である。 TAEGに標準アルゴリズムを適用することにより,提案手法はバージョン選択機構として機能し,各事象の最も中心的な表現を適切な時間的位置で選択する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Processing overlapping narrative documents, such as legal testimonies or historical accounts, often aims not for compression but for a unified, coherent, and chronologically sound text. Standard Multi-Document Summarization (MDS), with its focus on conciseness, fails to preserve narrative flow. This paper formally defines this challenge as a new NLP task: Narrative Consolidation, where the central objectives are chronological integrity, completeness, and the fusion of complementary details. To demonstrate the critical role of temporal structure in this task, we introduce Temporal Alignment Event Graph (TAEG), a graph structure that explicitly models chronology and event alignment. By applying a standard centrality algorithm to TAEG, our method functions as a version selection mechanism, choosing the most central representation of each event in its correct temporal position. In a study on the four Biblical Gospels, this structure-focused approach guarantees perfect temporal ordering (Kendall's Tau of 1.000) by design and dramatically improves content metrics (e.g., +357.2% in ROUGE-L F1). The success of this baseline method validates the formulation of Narrative Consolidation as a relevant task and establishes that an explicit temporal backbone is a fundamental component for its resolution.
• Abstract（参考訳）: 法的証言や史料などの重複する物語文書の処理は、しばしば圧縮ではなく、統一的で一貫性があり、年代学的に健全なテキストを目的としている。 簡潔さを重視した標準多文書要約(MDS)は,物語の流れの保存に失敗する。 本稿では,この課題を新たなNLPタスクとして定義する。 ナラティブ・コンソリデーション(Narrative Consolidation)。 この課題における時間構造の重要な役割を示すために,時系列とイベントアライメントを明示的にモデル化したグラフ構造であるTAEG(Temporal Alignment Event Graph)を導入する。 TAEGに標準集中度アルゴリズムを適用することにより、本手法はバージョン選択機構として機能し、各事象の最も中心的な表現を正しい時間的位置で選択する。 4つの聖書福音書の研究において、この構造中心のアプローチは、設計によって完全な時間的順序付け(Kendall's Tau of 1.000)を保証し、コンテンツメトリクス(ROUGE-L F1では+357.2%)を劇的に改善する。 このベースライン法の成功は、ナラティブ・コンソリデーション(Narrative Consolidation)の定式化を関連するタスクとして検証し、明示的な時間的バックボーンがその解決の基本的な構成要素であることを示す。

関連論文リスト

• Chronological Passage Assembling in RAG framework for Temporal Question Answering [12.583700669377803]
  物語テキストに特化した新しいRAGフレームワークであるChronoRAGを提案する。 このアプローチは、分散文書情報をコヒーレントかつ構造化されたパスに精製する、2つの重要な側面に焦点を当てる。 我々はNarrativeQAとGutenQAdatasetの実験を通してChronoRAGの有効性を実証的に実証した。
  論文  参考訳（メタデータ） (2025-08-26T07:23:23Z)
• Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
  我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。 次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
  論文  参考訳（メタデータ） (2025-06-06T10:07:21Z)
• NexusSum: Hierarchical LLM Agents for Long-Form Narrative Summarization [0.0]
  物語要約のための多エージェントLLMフレームワークであるNexusSumを紹介する。 物語固有の事前処理方法は、文字対話と記述テキストを統一されたフォーマットに標準化する。 本手法は物語要約における新たな最先端技術を確立し,書籍,映画,テレビ脚本間でBERTScore(F1)を最大30.0%向上させる。
  論文  参考訳（メタデータ） (2025-05-30T13:26:23Z)
• Beyond Pairwise: Global Zero-shot Temporal Graph Generation [13.362845039358584]
  時間関係抽出(TRE)は自然言語処理(NLP)の基本課題である 本稿では,文書の完全時間グラフを1ステップで生成するTREのゼロショット手法を提案する。 また、ドキュメント内のターゲットイベントのすべてのペアに対する完全なアノテーションを備えた新しいデータセットであるOmniTempも導入しています。
  論文  参考訳（メタデータ） (2025-02-16T13:06:50Z)
• Write Summary Step-by-Step: A Pilot Study of Stepwise Summarization [48.57273563299046]
  本稿では,新たな文書が提案されるたびに追加の要約を生成するステップワイド要約の課題を提案する。 追加された要約は、新たに追加されたコンテンツを要約するだけでなく、以前の要約と一貫性を持たなければならない。 SSGは,自動計測と人的評価の両面から,最先端のパフォーマンスを実現していることを示す。
  論文  参考訳（メタデータ） (2024-06-08T05:37:26Z)
• The Power of Summary-Source Alignments [62.76959473193149]
  多文書要約(MDS)は難しい課題であり、しばしばサリエンスと冗長性検出のサブタスクに分解される。 参照要約とそのソース文書間の対応する文のアライメントを利用して、トレーニングデータを生成する。 本稿では,よりきめ細かな提案スパンレベルで適用することで,要約ソースアライメントフレームワークを拡張することを提案する。
  論文  参考訳（メタデータ） (2024-06-02T19:35:19Z)
• Follow the Timeline! Generating Abstractive and Extractive Timeline Summary in Chronological Order [78.46986998674181]
  時間順で抽象的かつ抽出的な時系列を生成できる統一タイムライン要約器(UTS)を提案する。 我々は、以前の中国の大規模タイムライン要約データセットを拡張し、新しい英語タイムラインデータセットを収集する。 UTSは、自動評価と人的評価の両方の観点から最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-01-02T20:29:40Z)
• SNaC: Coherence Error Detection for Narrative Summarization [73.48220043216087]
  SNaCは長文の微粒化アノテーションに根ざした物語コヒーレンス評価フレームワークである。 本稿では,生成した物語要約におけるコヒーレンスエラーの分類法を開発し,150冊の本や映画の脚本要約にまたがる6.6k文のスパンレベルアノテーションを収集する。 我々の研究は、最先端の要約モデルによって生成されるコヒーレンスエラーの最初の特徴と、群衆アノテータからコヒーレンス判断を引き出すためのプロトコルを提供する。
  論文  参考訳（メタデータ） (2022-05-19T16:01:47Z)
• The Shmoop Corpus: A Dataset of Stories with Loosely Aligned Summaries [72.48439126769627]
  個々の章ごとに詳細なマルチパラグラフの要約と組み合わせた231ストーリーのデータセットであるShmoop Corpusを紹介します。 コーパスから、クローズ形式の質問応答や抽象的要約の簡易な形式を含む共通のNLPタスクのセットを構築する。 このコーパスのユニークな構造は、マシンストーリーの理解をより親しみやすいものにするための重要な基盤となると信じている。
  論文  参考訳（メタデータ） (2019-12-30T21:03:59Z)

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。