論文の概要: GraphLit: Learning Text-Enriched Dynamic Character Network Representations for Literary Study

• arxiv url: http://arxiv.org/abs/2605.28643v2
• Date: Thu, 28 May 2026 11:27:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:54.927272
• Title: GraphLit: Learning Text-Enriched Dynamic Character Network Representations for Literary Study
• Title（参考訳）: GraphLit:リテラリー学習のためのテキスト強化動的文字ネットワーク表現の学習
• Authors: Gaspard Michel, Elena V. Epure, Romain Hennequin, Christophe Cerisara, Mirella Lapata,
• Abstract要約: 本稿では,長編小説を時間的局所的なヘテロジニアスグラフに整理する動的ヘテロジニアス文字ネットワーク(DHCN)を紹介する。 マスク付きグラフオートエンコーダの目的により、リッチな文芸表現を学習する自己教師型学習フレームワークであるGraphLitを提案する。 文芸分析におけるDHCNとGraphLitの適用性について,物語的非直線性と動的社会的特徴との関係について検討した。
• 参考スコア（独自算出の注目度）: 46.68001656846667
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Methods to represent literary texts as graphs or sequences of graphs mainly focus on representing character interactions, and often overlook another crucial aspect: the textual context in which characters interact. We introduce Dynamic Heterogeneous Character Networks (DHCNs), which organize long novels into temporally localized heterogeneous graphs that align characters with their textual contexts. We extract around 20,000 DHCNs from Project Gutenberg, and propose GraphLit, a self-supervised learning framework that learns rich literary representations through a masked graph autoencoder objective. Across a wide-range of 12 character-related tasks, GraphLit improves over text-only and graph-only baselines, particularly on tasks requiring contextual understanding. Finally, we demonstrate the applicability of DHCNs and GraphLit for literary analysis by studying the link between narrative non-linearity and dynamic social features.
• Abstract（参考訳）: 文章をグラフやグラフのシーケンスとして表現する方法は、主に文字の相互作用を表現することに焦点を当て、しばしば別の重要な側面である文字が相互作用するテキストコンテキストを見落としている。 本稿では,長編小説を時間的局所的なヘテロジニアスグラフに整理し,文字をテクスチャコンテキストと整合させる動的ヘテロジニアス文字ネットワーク(DHCN)を提案する。 我々はProject Gutenbergから約20,000のDHCNを抽出し、マスク付きグラフオートエンコーダの目的を通じてリッチな文学表現を学習する自己教師付き学習フレームワークGraphLitを提案する。 幅広い12の文字関連タスクの中で、GraphLitはテキストのみのベースラインとグラフのみのベースライン、特にコンテキスト理解を必要とするタスクを改善している。 最後に,DHCNとGraphLitの文芸分析への適用性について,物語的非線形性と動的社会的特徴との関係について検討した。

関連論文リスト

• Modeling Authorial Style in Urdu Novels Using Character Interaction Graphs and Graph Neural Networks [0.9558392439655014]
  本研究は、ウルドゥー小説をキャラクターインタラクションネットワークとしてモデル化し、物語構造のみから作者のスタイルを推測できるかどうかを検証したグラフベースのフレームワークを提案する。 7人の著者によって書かれた52冊のウルドゥー小説のデータセットの実験では、学習されたグラフ表現は手作りや教師なしのベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-12-14T11:59:16Z)
• LLM as GNN: Graph Vocabulary Learning for Text-Attributed Graph Foundation Models [87.68057302738457]
  Text-Attributed Graphs (TAG) は、現実のシナリオにおいてユビキタスである。 大規模言語モデル(LLMs)とグラフニューラルネットワーク(GNNs)をTAGsに統合する努力にもかかわらず、既存のアプローチは分離されたアーキテクチャに悩まされている。 本稿では,グラフ語彙学習に基づくTAGのための汎用GFMであるPromptGFMを提案する。
  論文  参考訳（メタデータ） (2025-03-05T09:45:22Z)
• GRAG: Graph Retrieval-Augmented Generation [14.98084919101233]
  Graph Retrieval-Augmented Generation (GRAG)は、テキストサブグラフを取得する際の根本的な課題に取り組む。 本稿では,線形時間で最適な部分グラフ構造を検索する新たな分割・対数戦略を提案する。 グラフ推論ベンチマーク実験により, GRAG法が現在のRAG法より大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-05-26T10:11:40Z)
• ConGraT: Self-Supervised Contrastive Pretraining for Joint Graph and Text Embeddings [20.25180279903009]
  テキスト分散グラフ(TAG)におけるテキストとノードの分離表現を共同学習するためのContrastive Graph-Text Pretraining(ConGraT)を提案する。 提案手法は言語モデル(LM)とグラフニューラルネットワーク(GNN)を訓練し,CLIPにインスパイアされたバッチワイドコントラスト学習目標を用いて,それらの表現を共通の潜在空間に整列させる。 実験により、ConGraTは、ノードとテキストのカテゴリ分類、リンク予測、言語モデリングなど、さまざまな下流タスクのベースラインよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-05-23T17:53:30Z)
• Coarse-to-Fine Contrastive Learning in Image-Text-Graph Space for Improved Vision-Language Compositionality [50.48859793121308]
  対照的に訓練された視覚言語モデルは、視覚と言語表現学習において顕著な進歩を遂げた。 近年の研究では、対象、属性、関係性に対して構成的推論を行う能力に厳しい制限が強調されている。
  論文  参考訳（メタデータ） (2023-05-23T08:28:38Z)
• One Graph to Rule them All: Using NLP and Graph Neural Networks to analyse Tolkien's Legendarium [3.0448872422956432]
  J.R.R.トールキンのレジェンダリウムのテキストコーパスから抽出した文字ネットワークについて検討した。 この視点は、トールキンの作品を特徴づける物語のスタイルを分析し、視覚化するのに役立ちます。
  論文  参考訳（メタデータ） (2022-10-14T14:47:56Z)
• Improving Graph-Based Text Representations with Character and Word Level N-grams [30.699644290131044]
  単語と文字n-gramノードを文書ノードと組み合わせた新しい単語文字テキストグラフを提案する。 また、提案したテキストグラフをモデル化するための2つの新しいグラフベースニューラルモデルWCTextGCNとWCTextGATを提案する。
  論文  参考訳（メタデータ） (2022-10-12T08:07:54Z)

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。