論文の概要: S^2tory: Story Spine Distillation for Movie Script Summarization
- arxiv url: http://arxiv.org/abs/2605.03244v1
- Date: Tue, 05 May 2026 00:25:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-06 19:35:43.694004
- Title: S^2tory: Story Spine Distillation for Movie Script Summarization
- Title（参考訳）: S^2tory:映画脚本要約のためのストーリースピニング蒸留
- Authors: Mingzhe Lu, Yanbing Liu, Qihao Wang, Jiarui Zhang, Jiayue Wu, Yue Hu, Yunpeng Li, Yangyan Xu,
- Abstract要約: 映画脚本は、非直線的で横断的な物語構造のため、自動要約の根本的な課題となっている。
S2toryは、プロット核の識別に文字展開トラジェクトリを利用するフレームワークである。
MovieSumデータセットの実験では、約3.5倍の圧縮で最先端のセマンティック忠実度を示し、BookSumでのゼロショット評価により、ドメイン外の強力な一般化が確認された。
- 参考スコア（独自算出の注目度）: 12.310927788766854
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Movie scripts pose a fundamental challenge for automatic summarization due to their non-linear, cross-cut narrative structure, which makes surface-level saliency methods ineffective at preserving core story progression. To address this, we introduce S^2tory (Story Spine Distillation), a narratology-grounded framework that leverages character development trajectories to identify plot nuclei, the essential events that drive the narrative forward, while filtering out peripheral satellite events that merely enrich atmosphere or emotion. Our Narrative Expert Agent (NEAgent) performs theory-constrained reasoning, whose distilled knowledge conditions a small model to identify plot nuclei. Another model then uses these plot nuclei to generate the summary. Experiments on the MovieSum dataset demonstrate state-of-the-art semantic fidelity at approximately 3.5x compression, and zero-shot evaluation on BookSum confirms strong out-of-domain generalization. Human evaluation further validates that narratological theory provides an indispensable foundation for modeling complex, non-linear narratives.
- Abstract（参考訳）: 映画脚本は、その非直線的、横断的な物語構造のために自動要約に根本的な課題を生んでいる。
そこで本研究では,S^2tory(Story Spine Distillation,Story Spine Distillation,Story Spine Distillation)について紹介する。
我々のナラティブエキスパートエージェント(NEAgent)は、蒸留された知識条件がプロット核を識別するための小さなモデルである理論制約推論を実行する。
別のモデルはこれらのプロット核を使って要約を生成する。
MovieSumデータセットの実験では、約3.5倍の圧縮で最先端のセマンティック忠実度を示し、BookSumでのゼロショット評価により、ドメイン外の強力な一般化が確認された。
人間の評価は、ナラトロジー理論が複雑で非線形な物語をモデル化するのに不可欠であることを示す。
関連論文リスト
- Think Before you Write: QA-Guided Reasoning for Character Descriptions in Books [52.08691427871138]
我々は、推論を世代から切り離す訓練フレームワークを提案する。
提案手法は,構造化QA推論トレースを生成する推論モデルと,このトレースに基づいて最終文字記述を生成する生成モデルとから構成される。
論文 参考訳（メタデータ） (2026-04-13T13:19:56Z) - NarraScore: Bridging Visual Narrative and Musical Dynamics via Hierarchical Affective Control [59.6128550986024]
ナラスコア(NarraScore)は、感情が物語論理の高密度圧縮として働くという中心的な洞察に基づく階層的なフレームワークである。
NarraScoreは、グローバルな構造とローカルなダイナミズムを調和させるために、Dual-Branch Injection戦略を採用している。
NarraScoreは、無視可能な計算オーバーヘッドを伴う最先端の一貫性と物語のアライメントを実現している。
論文 参考訳（メタデータ） (2026-02-09T09:39:42Z) - NarraSum: A Large-Scale Dataset for Abstractive Narrative Summarization [26.80378373420446]
NarraSumは大規模な物語要約データセットである。
これには122Kの物語文書が含まれており、様々なジャンルの映画やテレビドラマのプロット記述や、それに対応する抽象的な要約から集められている。
実験の結果,NarraSumにおける人間と最先端の要約モデルの間には大きなパフォーマンスギャップがあることが判明した。
論文 参考訳（メタデータ） (2022-12-02T22:51:51Z) - SummScreen: A Dataset for Abstractive Screenplay Summarization [52.56760815805357]
SummScreenは、テレビシリーズトランスクリプトと人間の書かれたリキャップのペアで構成されたデータセットです。
プロットの詳細はしばしば文字対話で間接的に表現され、書き起こしの全体にわたって散らばることがある。
キャラクタはテレビシリーズの基本であるため,2つのエンティティ中心評価指標も提案する。
論文 参考訳（メタデータ） (2021-04-14T19:37:40Z) - PlotMachines: Outline-Conditioned Generation with Dynamic Plot State
Tracking [128.76063992147016]
PlotMachinesは、動的プロット状態を追跡することによってアウトラインをコヒーレントなストーリーに変換することを学習する、ニューラルな物語モデルである。
さらに,PlotMachinesを高レベルな談話構造で強化し,モデルが物語の異なる部分に対応する筆記スタイルを学習できるようにした。
論文 参考訳（メタデータ） (2020-04-30T17:16:31Z) - 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。