Fugu-MT 論文翻訳(概要): A Structured Clustering Approach for Inducing Media Narratives

論文の概要: A Structured Clustering Approach for Inducing Media Narratives

arxiv url: http://arxiv.org/abs/2604.10368v1
Date: Sat, 11 Apr 2026 22:35:18 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-14 20:13:15.97979
Title: A Structured Clustering Approach for Inducing Media Narratives
Title（参考訳）: メディアナラティブの誘導のための構造化クラスタリング手法
Abstract要約: 本稿では,構造化クラスタリングによってイベントと文字を共同でモデル化することで,リッチな物語スキーマを創出するフレームワークを提案する。提案手法は,従来のフレーミング理論と一致した説明可能な物語スキーマを作成した上で,手作業による注釈を伴わずに大規模コーパスに拡張する。
参考スコア（独自算出の注目度）: 40.76906161147266
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Media narratives wield tremendous power in shaping public opinion, yet computational approaches struggle to capture the nuanced storytelling structures that communication theory emphasizes as central to how meaning is constructed. Existing approaches either miss subtle narrative patterns through coarse-grained analysis or require domain-specific taxonomies that limit scalability. To bridge this gap, we present a framework for inducing rich narrative schemas by jointly modeling events and characters via structured clustering. Our approach produces explainable narrative schemas that align with established framing theory while scaling to large corpora without exhaustive manual annotation.
Abstract（参考訳）: メディアの物語は世論の形成に大きな力を行使したが、計算的なアプローチは、コミュニケーション理論がいかに意味が構築されているかの中心として強調するニュアンスな物語の物語構造を捉えるのに苦労した。既存のアプローチは、粗い粒度の分析を通じて微妙な物語パターンを見逃すか、スケーラビリティを制限するドメイン固有の分類を必要とする。このギャップを埋めるために、構造化クラスタリングによりイベントと文字を共同でモデル化することでリッチな物語スキーマを誘導するフレームワークを提案する。提案手法は,従来のフレーミング理論と一致した説明可能な物語スキーマを作成した上で,手作業による注釈を伴わずに大規模コーパスに拡張する。

関連論文リスト

Patch-Level Kernel Alignment for Dense Self-Supervised Learning [7.5866326278176075]
Patch-level Kernel Alignment (PaKA) は、非パラメトリックなカーネルベースのアプローチで、事前学習した視覚エンコーダの高密度表現をポスト(pre)トレーニングで改善する。本フレームワークは,事前学習モデル上に軽量な後学習段階を施すことにより,高密度表現を改善する。 1つのGPUで14時間追加のトレーニングを行うだけで、この手法は様々な高密度ビジョンベンチマークで最先端のパフォーマンスを達成することができる。
論文参考訳（メタデータ） (2025-09-06T05:42:32Z)
Robust Symbolic Reasoning for Visual Narratives via Hierarchical and Semantically Normalized Knowledge Graphs [1.320904960556043]
本稿では,階層的物語知識グラフのための意味正規化フレームワークを提案する。本稿では,語彙的類似性と埋め込みに基づくクラスタリングを用いて,意味的関連行動と事象を統合化する手法を提案する。 Manga109データセットからの注釈付きマンガストーリーのフレームワークを実演する。
論文参考訳（メタデータ） (2025-08-20T03:43:13Z)
Re:Verse -- Can Your VLM Read a Manga? [14.057881684215047]
現在の視覚言語モデル(VLM)は、表面レベルの認識と深い物語的推論の間に重要なギャップを示す。本稿では,細粒度マルチモーダルアノテーション,クロスモーダル埋め込み解析,検索強化評価を組み合わせた新しい評価フレームワークを提案する。本稿では,VLMにおける長期的物語理解に関する最初の体系的研究を,生成的ストーリーテリング,文脈的対話グラウンドニング,時間的推論という3つのコア評価軸を通じて行った。
論文参考訳（メタデータ） (2025-08-11T22:40:05Z)
DiscoSum: Discourse-aware News Summarization [79.4884227574627]
本稿では,談話構造を要約プロセスに統合するための新しいアプローチを提案する。本稿では,ソーシャルメディアプラットフォーム間で,ニュース記事が複数回,異なる方法で要約される新しい要約データセットを提案する。本研究では、要約構造を記述するための新しいニュース談話スキーマと、構造認識要約にビームサーチ技術を用いる新しいアルゴリズムであるディスコサムを開発する。
論文参考訳（メタデータ） (2025-06-07T22:00:30Z)
Information Structure in Mappings: An Approach to Learning, Representation, and Generalisation [3.8073142980733]
この論文では、空間間の写像における体系的構造を特定するための定量的手法を紹介している。マッピングに存在する構造的プリミティブと、それぞれの情報理論を識別します。また、ベクトル空間のエントロピーを推定する新しい高性能なアプローチを導入し、この分析を100万から1200億のパラメータのモデルに適用する。
論文参考訳（メタデータ） (2025-05-29T19:27:50Z)
Distributional Associations vs In-Context Reasoning: A Study of Feed-forward and Attention Layers [49.80959223722325]
本研究では,大規模言語モデルにおけるフィードフォワード層とアテンション層との区別について検討する。フィードフォワード層はビッグラムのような単純な分布関係を学習する傾向があり、注意層は文脈内推論にフォーカスする。
論文参考訳（メタデータ） (2024-06-05T08:51:08Z)
Incorporating Distributions of Discourse Structure for Long Document Abstractive Summarization [18.149030451893314]
本稿では,修辞関係のタイプと不確実性を包括的に組み込んだ新しい要約モデルであるRSTformerを紹介する。文書レベルの修辞構造に根ざしたRTTアテンション機構は,最近開発されたLongformerフレームワークの拡張である。
論文参考訳（メタデータ） (2023-05-26T09:51:47Z)
Variational Cross-Graph Reasoning and Adaptive Structured Semantics Learning for Compositional Temporal Grounding [143.5927158318524]
テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
論文参考訳（メタデータ） (2023-01-22T08:02:23Z)
HyperMiner: Topic Taxonomy Mining with Hyperbolic Embedding [54.52651110749165]
本稿では,単語や話題を表現するために,メタボリック埋め込みを導入した新しいフレームワークを提案する。双曲空間のツリー様性により、下層のセマンティック階層はより解釈可能なトピックをマイニングするためによりうまく利用することができる。
論文参考訳（メタデータ） (2022-10-16T02:54:17Z)
Knowledge-enriched Attention Network with Group-wise Semantic for Visual Storytelling [39.59158974352266]
視覚的なストーリーテリングは、関連した画像のグループから物語の多文を含む想像的で一貫性のあるストーリーを生成することを目的としている。既存の手法では、画像以外の暗黙的な情報を探索することができないため、画像に基づくコンテンツの直接的および厳密な記述を生成することが多い。これらの問題に対処するために,グループワイド・セマンティック・モデルを用いた新しい知識強化型アテンション・ネットワークを提案する。
論文参考訳（メタデータ） (2022-03-10T12:55:47Z)
Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
論文参考訳（メタデータ） (2021-06-15T20:55:55Z)
Ontology-based Interpretable Machine Learning for Textual Data [35.01650633374998]
本稿では,予測モデルを説明するためのサンプリング手法に基づいて,解釈可能なモデルを学習する新しい解釈フレームワークを提案する。説明のために探索空間を狭めるために,学習可能なアンカーアルゴリズムを設計する。さらに、学習された解釈可能な表現とアンカーを組み合わせることで、理解可能な説明を生成する一連の規則が導入された。
論文参考訳（メタデータ） (2020-04-01T02:51:57Z)

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。