論文の概要: SemEval-2026 Task 4: Narrative Story Similarity and Narrative Representation Learning

• arxiv url: http://arxiv.org/abs/2604.21782v1
• Date: Thu, 23 Apr 2026 15:39:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.692579
• Title: SemEval-2026 Task 4: Narrative Story Similarity and Narrative Representation Learning
• Title（参考訳）: SemEval-2026 Task 4: Narrative Story similarity and Narrative Representation Learning
• Authors: Hans Ole Hatzel, Ekaterina Artemova, Haimo Paul Stiemer, Evelyn Gius, Chris Biemann,
• Abstract要約: 本稿では,物語類似性と物語表現学習における共有課題であるNSNRLについて述べる。 本稿では,物語論と直観的判断の両面に相反する,物語的類似性の新たな定義を導入する。 この概念に基づいて収集された類似性判定に基づいて,物語の埋め込み表現も評価する。
• 参考スコア（独自算出の注目度）: 19.12375946360358
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present the shared task on narrative similarity and narrative representation learning - NSNRL (pronounced "nass-na-rel"). The task operationalizes narrative similarity as a binary classification problem: determining which of two stories is more similar to an anchor story. We introduce a novel definition of narrative similarity, compatible with both narrative theory and intuitive judgment. Based on the similarity judgments collected under this concept, we also evaluate narrative embedding representations. We collected at least two annotations each for more than 1,000 story summary triples, with each annotation being backed by at least two annotators in agreement. This paper describes the sampling and annotation process for the dataset; further, we give an overview of the submitted systems and the techniques they employ. We received a total of 71 final submissions from 46 teams across our two tracks. In our triple-based classification setup, LLM ensembles make up many of the top-scoring systems, while in the embedding setup, systems with pre- and post-processing on pretrained embedding models perform about on par with custom fine-tuned solutions. Our analysis identifies potential headroom for improvement of automated systems in both tracks. The task website includes visualizations of embeddings alongside instance-level classification results for all teams.
• Abstract（参考訳）: 本稿では,物語類似性と物語表現学習に関する共通課題であるNSNRL(nass-na-rel)について述べる。 このタスクは、物語の類似性を二項分類問題として運用し、2つのストーリーのどちらがアンカーストーリーによく似ているかを決定する。 本稿では,物語論と直観的判断の両面に相反する,物語的類似性の新たな定義を導入する。 この概念に基づいて収集された類似性判定に基づいて,物語の埋め込み表現も評価する。 私たちは少なくとも2つのアノテーションを1000以上のストーリーサマリトリプルに対して収集し、それぞれのアノテーションは少なくとも2つのアノテータによって合意されています。 本稿では,データセットのサンプリングとアノテーションのプロセスについて述べる。さらに,提案したシステムの概要と,それらが採用する技術について述べる。 2つのトラックの46チームから、合計71のファイナリストを受け取りました。 組込み設定では、事前および後処理を事前訓練した組込みモデルで行うシステムは、カスタムの微調整されたソリューションとほぼ同等の性能を発揮する。 本分析では,両トラックの自動化システム改善のためのヘッドルームについて検討した。 タスクWebサイトには、すべてのチームのインスタンスレベルの分類結果とともに、埋め込みの視覚化が含まれている。

関連論文リスト

• 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)
• Contextualize-then-Aggregate: Circuits for In-Context Learning in Gemma-2 2B [51.74607395697567]
  In-Context Learning (ICL)は、大規模言語モデル(LLM)の興味深い能力である。 我々は5つの自然主義ICLタスクに対してGemma-2 2Bにおける情報フローを因果介入を用いて同定する。 このモデルでは,2段階戦略を用いてタスク情報を推論し,コンテキスト化-then-aggregateと呼ぶ。
  論文  参考訳（メタデータ） (2025-03-31T18:33:55Z)
• Distant finetuning with discourse relations for stance classification [55.131676584455306]
  そこで本研究では,定位分類のモデルとして,原文から銀ラベルでデータを抽出し,微調整する手法を提案する。 また,様々な段階において微調整に用いるデータのノイズレベルが減少する3段階のトレーニングフレームワークを提案する。 NLPCC 2021共有タスクArgumentative Text Understanding for AI Debaterでは,26の競合チームの中で1位にランクインした。
  論文  参考訳（メタデータ） (2022-04-27T04:24:35Z)
• Narrative Maps: An Algorithmic Approach to Represent and Extract Information Narratives [6.85316573653194]
  本稿では、物語表現の理論と現代のオンラインシステムのデータを組み合わせる。 物語地図の表現は、物語の中の出来事と物語を、地図上のランドマークとルートのシリーズとして描いている。 我々の発見は、情報アナリスト、計算ジャーナリスト、誤情報研究者に影響を及ぼす。
  論文  参考訳（メタデータ） (2020-09-09T18:30:44Z)
• 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)
• A Hierarchical Network for Abstractive Meeting Summarization with Cross-Domain Pretraining [52.11221075687124]
  本稿では,会議シナリオに適応する抽象的要約ネットワークを提案する。 提案手法は,長時間の会議記録に対応する階層構造と,話者間の差異を表現する役割ベクトルを設計する。 我々のモデルは、自動測定と人的評価の両方において、過去のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2020-04-04T21:00:41Z)

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。