論文の概要: Planning Beyond Text: Graph-based Reasoning for Complex Narrative Generation

• arxiv url: http://arxiv.org/abs/2604.21253v1
• Date: Thu, 23 Apr 2026 03:45:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.28839
• Title: Planning Beyond Text: Graph-based Reasoning for Complex Narrative Generation
• Title（参考訳）: テキストを越えた計画: 複雑な物語生成のためのグラフベースの推論
• Authors: Hanwen Gu, Chao Guo, Junle Wang, Wenda Xie, Yisheng Lv,
• Abstract要約: 本稿では,構造グラフ表現の物語計画を行うフレームワークPLOTTERを紹介する。 PLOTTERは、イベントグラフと文字グラフのEvaluate-Plan-Reviseサイクルを実行する。 実験により、PLOTTERは様々な物語シナリオにおいて代表的ベースラインを大幅に上回っていることが示された。
• 参考スコア（独自算出の注目度）: 19.553521589272012
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While LLMs demonstrate remarkable fluency in narrative generation, existing methods struggle to maintain global narrative coherence, contextual logical consistency, and smooth character development, often producing monotonous scripts with structural fractures. To this end, we introduce PLOTTER, a framework that performs narrative planning on structural graph representations instead of the direct sequential text representations used in existing work. Specifically, PLOTTER executes the Evaluate-Plan-Revise cycle on the event graph and character graph. By diagnosing and repairing issues of the graph topology under rigorous logical constraints, the model optimizes the causality and narrative skeleton before complete context generation. Experiments demonstrate that PLOTTER significantly outperforms representative baselines across diverse narrative scenarios. These findings verify that planning narratives on structural graph representations-rather than directly on text-is crucial to enhance the long context reasoning of LLMs in complex narrative generation.
• Abstract（参考訳）: LLMは物語生成において顕著な流布を示すが、既存の手法はグローバルな物語コヒーレンス、文脈的論理的整合性、スムーズな文字発達の維持に苦慮し、しばしば構造的骨折を伴う単調なスクリプトを生成する。 この目的のために,既存の作業で使用される直列テキスト表現の代わりに,構造グラフ表現の物語プランニングを行うPLOTTERを紹介した。 具体的には、PLOTTERはイベントグラフと文字グラフのEvaluate-Plan-Reviseサイクルを実行する。 厳密な論理的制約の下でグラフトポロジーの問題を診断し、修復することにより、完全な文脈生成の前に因果関係と物語の骨格を最適化する。 実験により、PLOTTERは様々な物語シナリオにおいて代表的ベースラインを大幅に上回っていることが示された。 これらの結果は, 複雑な物語生成におけるLLMの長期的文脈推論を強化するために, テキスト上で直接ではなく, 構造グラフ表現上での物語の計画が不可欠であることを検証した。

関連論文リスト

• LLM as Graph Kernel: Rethinking Message Passing on Text-Rich Graphs [18.509779826302196]
  テキストリッチグラフに対するRaw-text Anchored Message PassingアプローチであるRAMPを紹介する。 RAMPは、新しい二重表現スキームを通じて、グラフのテキストリッチな性質を利用する。 大規模な実験により、RAMPはグラフ伝播と深層テキスト推論のギャップを効果的に埋めることを示した。
  論文  参考訳（メタデータ） (2026-03-16T07:40:09Z)
• Creative Convergence or Imitation? Genre-Specific Homogeneity in LLM-Generated Chinese Literature [17.985893852336865]
  本稿では,Proppian narratologyとナラトロジー関数を取り入れた分析のための新しい理論フレームワークを提案する。 我々はProppの物語理論を拡張し、現代のウェブ物語構造に適した34の物語機能を定義した。 実験の結果、生成したテキストにおける特異な物語論理と厳密な同質化の主な理由は、現在のLLMが物語関数の意味を正しく理解できないことであることがわかった。
  論文  参考訳（メタデータ） (2026-03-15T15:15:48Z)
• EvidFuse: Writing-Time Evidence Learning for Consistent Text-Chart Data Reporting [31.185433601906738]
  データ駆動型レポートのためのテキストチャートインターリーブ生成のためのトレーニング不要なマルチエージェントフレームワークである textbfEvidFuse を提案する。 EvidFuseは2つの協力的なコンポーネントを通じて、長い形式のドラフトから可視化分析を分離する。 LLM-as-a-judgeと人によるチャート品質評価、チャートテキストアライメント、レポートレベルの有用性の両方において、トップランクを獲得している。
  論文  参考訳（メタデータ） (2026-01-09T02:41:54Z)
• Disco-RAG: Discourse-Aware Retrieval-Augmented Generation [81.53888908988756]
  生成プロセスに談話信号を注入する談話認識フレームワークであるディスコRAGを提案する。 提案手法は,チャンク内談話木を構築し,局所階層を捕捉し,クロスパスコヒーレンスをモデル化するためのチャンク間修辞グラフを構築する。 質問応答と長期文書要約ベンチマークの実験から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2026-01-07T20:32:50Z)
• Graph-O1 : Monte Carlo Tree Search with Reinforcement Learning for Text-Attributed Graph Reasoning [7.792321858331646]
  Graph-O1はエージェント的なGraphRAGフレームワークで、LCMがグラフ上で段階的にインタラクティブな推論を実行できる。 提案手法はモンテカルロ木探索(MCTS)とエンドツーエンドの強化学習を統合し,最も情報に富む部分グラフの探索と検索を可能にする。
  論文  参考訳（メタデータ） (2025-11-26T21:32:04Z)
• CREFT: Sequential Multi-Agent LLM for Character Relation Extraction [17.568992245453224]
  CREFTは知識蒸留を通じて基本文字グラフを構築し、その後、文字合成、関係抽出、役割識別、グループ割り当てを反復的に洗練する。 韓国のドラマデータセットをキュレートした実験では、CREFTは精度と完全性の両方でシングルエージェントLLMベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2025-05-30T13:01:36Z)
• GPT4SGG: Synthesizing Scene Graphs from Holistic and Region-specific Narratives [69.36723767339001]
  我々は,より正確で包括的なシーングラフ信号を得るために,textitGPT4SGという新しいフレームワークを提案する。 textitGPT4SGGは、画像キャプチャーデータに基づいて訓練されたSGGモデルの性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-12-07T14:11:00Z)
• Visual Storytelling with Question-Answer Plans [70.89011289754863]
  本稿では、事前訓練された言語モデルと計画に視覚表現を統合する新しいフレームワークを提案する。 我々のモデルは、画像列を視覚的な接頭辞、つまり言語モデルで解釈できる連続的な埋め込みの列に変換する。 また、一連の質問と回答のペアを青写真プランとして利用して、健全な視覚概念を選択し、物語にどのように組み立てるべきかを決定する。
  論文  参考訳（メタデータ） (2023-10-08T21:45:34Z)
• Screenplay Summarization Using Latent Narrative Structure [78.45316339164133]
  本稿では,物語の基盤となる構造を一般教師なし・教師付き抽出要約モデルに明示的に組み込むことを提案する。 重要な物語イベント(転回点)の観点で物語構造を定式化し、脚本を要約するために潜伏状態として扱う。 シーンレベルの要約ラベルを付加したテレビ画面のCSIコーパスの実験結果から,潜角点がCSIエピソードの重要な側面と相関していることが判明した。
  論文  参考訳（メタデータ） (2020-04-27T11:54:19Z)

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。