論文の概要: Narrative Knowledge Weaver: Narrative-Centric Retrieval-Augmented Reasoning for Long-Form Text Understanding

• arxiv url: http://arxiv.org/abs/2606.05724v1
• Date: Thu, 04 Jun 2026 05:30:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.575292
• Title: Narrative Knowledge Weaver: Narrative-Centric Retrieval-Augmented Reasoning for Long-Form Text Understanding
• Title（参考訳）: ナラティブナレッジウィーバー:長文理解のためのナラティブ中心検索強化推論
• Abstract要約: Narrative Knowledge Weaver(NKW)は、テキストのエビデンス、原子的事実、標準グラフ構造、エンティティプロファイル、インタラクション、エピソード、ストーリーラインを整列する基盤となるフレームワークである。 NKWは、よりパス中心のベンチマークで競争力を維持しながら、画面レベルのストーリーワールドQAで最強です。
• 参考スコア（独自算出の注目度）: 21.52396619311169
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-form narrative QA requires reasoning over evolving story worlds rather than isolated passages: answers may depend on earlier goals, changing character states, social relations, causal triggers, temporal position, and later consequences. Existing retrieval and graph-augmented generation methods improve evidence access, but their units--chunks, entities, relations, summaries, or tool actions--do not directly encode how evidence functions in a story. We introduce Narrative Knowledge Weaver(NKW), a source-grounded framework that aligns textual evidence, atomic facts, canonical graph structure, entity profiles, interactions, episodes, and storylines. At query time, NKW uses text, graph, and narrative tools with post-retrieval reading skills to assemble evidence and audit actor, scope, polarity, state, and temporal constraints. Across STAGE, FairytaleQA, and QuALITY, NKW is strongest on screenplay-level story-world QA while remaining competitive on more passage-centered benchmarks. Ablations, question-type analyses, graph-asset statistics, and case studies show complementary benefits for character, scene, temporal, causal, and narrative-progression reasoning.
• Abstract（参考訳）: 長文の物語 QA は、孤立した通過ではなく、進化する物語の世界に対する推論を必要とする: 答えは、以前の目標、キャラクターの状態の変化、社会的関係、因果的引き金、時間的位置、そしてその後の結果に依存する。 既存の検索とグラフの拡張された生成方法はエビデンスアクセスを改善するが、そのユニット - チャンク、エンティティ、リレーション、サマリー、ツールアクション - は、ストーリーにおけるエビデンスがどのように機能するかを直接エンコードするものではない。 文献的証拠,原子的事実,標準グラフ構造,エンティティプロファイル,インタラクション,エピソード,ストーリーラインを整列する基盤となるフレームワークであるNarrative Knowledge Weaver(NKW)を紹介する。 クエリ時には、NKWはテキスト、グラフ、物語のツールを使い、検索後の読み書きスキルを使ってエビデンスを組み立て、アクター、スコープ、極性、状態、時間的制約を監査する。 STAGE、FairytaleQA、QuALITYの他、NKWは、よりパス中心のベンチマークで競争力を維持しながら、画面レベルのストーリーワールドQAで最強である。 アブレーション、質問型分析、グラフアセスメント統計、ケーススタディは、キャラクタ、シーン、時間的、因果関係、物語のプログレス推論に相補的な利点を示す。

関連論文リスト

• StoryTeller: Training-Free Narrative Grounding for Long-Form Audio Description [2.26752781534698]
  本稿では,ストーリーアウェアな長文音声記述のための学習自由フレームワークを提案する。 StoryTellerは検証済みの物語記憶を維持しており、シーン全体でストーリー関連情報を転送している。
  論文  参考訳（メタデータ） (2026-07-13T16:50:03Z)
• WILDTRACE: Benchmarking Natural Evidence Trails in Long-Context Reasoning [63.9071746889252]
  長い文書に複雑な質問を答えるには、ソース自体が遠くの通路に自然に分散する証拠を統合する必要がある。 この情報源と内部の証拠の統合は、現実世界の長期文書分析の中心であるが、既存のベンチマークはそのほとんどを横取りしている。 WILDTRACEは, 自然発生の214個の長形音源に対する481個のタスクのベンチマークである。
  論文  参考訳（メタデータ） (2026-07-10T12:09:21Z)
• Narrative World Model: Narratology-Grounded Writer Memory for Long-Form Fiction [3.6314288564136064]
  汎用検索とエージェントメモリシステムは、実体と事実を表すが、これらの疑問が引き起こすナラトロジー構造ではない。 我々は,ナラトロジーに基づく型付き時間状態グラフとクエリ条件付きハイブリッド検索を組み合わせた書体記憶システムであるナラティブ・ワールド・モデル(NWM)を紹介する。
  論文  参考訳（メタデータ） (2026-07-06T19:23:52Z)
• Storyline Trees: Hierarchical Representations for Long-Form Narratives [46.30942717677015]
  長い形式の物語は、構造化文書のナビゲーションをガイドする明示的な手がかりなしで数百ページにわたって相互作用する。 物語をグローバルなテーマや主要なプロットラインからきめ細かなイベントへと整理する階層的な表現であるストーリーラインツリーを構築することで、この問題に対処する。 本研究では,ストーリーライン木が適応的検索を可能にし,モデルが高レベルの物語構造を反復的に検査し,オンデマンドのシーンレベルの証拠を検索できることを示す。
  論文  参考訳（メタデータ） (2026-06-18T19:55:11Z)
• 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)
• STAGE: A Benchmark for Knowledge Graph Construction, Question Answering, and In-Script Role-Playing over Movie Screenplays [16.069095458601588]
  本稿では,フル長の映画画面上での物語理解のためのベンチマークであるSTAGE(Screenplay Text, Agents, Graphs and Evaluation)を紹介する。 STAGEは、ナレッジグラフの構成、シーンレベルのイベント要約、長文のスクリーンプレイ質問応答、インスクリプトのキャラクターロールプレイングの4つのタスクを、すべて共有された物語の世界表現に基づいて定義している。 このベンチマークは、クリーン化されたスクリプト、キュレートされた知識グラフ、および英語と中国語の150本の映画に対するイベント中心および文字中心のアノテーションを提供し、世界表現の構築、物語の抽象化と検証、長い物語の推論、そして生成を可能にする。
  論文  参考訳（メタデータ） (2026-01-13T12:50:58Z)
• Generating Visual Stories with Grounded and Coreferent Characters [63.07511918366848]
  本稿では,一貫した接地的・中核的な特徴を持つ視覚的ストーリーを予測できる最初のモデルを提案する。 我々のモデルは、広く使われているVISTベンチマークの上に構築された新しいデータセットに基づいて微調整されています。 また、物語における文字の豊かさとコア参照を測定するための新しい評価指標を提案する。
  論文  参考訳（メタデータ） (2024-09-20T14:56:33Z)
• ContextualStory: Consistent Visual Storytelling with Spatially-Enhanced and Storyline Context [50.572907418430155]
  ContextualStoryは、コヒーレントなストーリーフレームを生成し、ビジュアルなストーリーテリングのためにフレームを拡張するように設計されたフレームワークである。 ストーリーライン埋め込みにおけるコンテキストを豊かにするストーリーラインコンテクストアライザと、フレーム間のシーン変化を測定するストーリーフローアダプタを導入する。 PororoSVとFlintstonesSVデータセットの実験では、ContextualStoryはストーリーの可視化と継続の両方で既存のSOTAメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-07-13T05:02:42Z)
• NECE: Narrative Event Chain Extraction Toolkit [64.89332212585404]
  NECEはオープンアクセス型文書レベルのツールキットで,その発生の時間順に物語のイベントを自動的に抽出・アライメントする。 NECEツールキットの高品質さを示し、性別に関するナラティブバイアスを分析するために、その下流の応用を実証する。 また、現状のアプローチの欠点と、今後の研究で生成モデルを活用する可能性についてもオープンに論じる。
  論文  参考訳（メタデータ） (2022-08-17T04:30:58Z)
• Once Upon A Time In Visualization: Understanding the Use of Textual Narratives for Causality [21.67542584041709]
  因果性ビジュアライゼーションは、イベントの時間的連鎖を理解するのに役立つ。 しかし、これらのイベントシーケンスの規模と複雑さが大きくなるにつれて、これらの視覚化でさえ圧倒的に利用できなくなる。 本稿では、因果性可視化を強化するためのデータ駆動型ストーリーテリング手法として、テキスト物語の利用を提案する。
  論文  参考訳（メタデータ） (2020-09-06T05:46:24Z)
• 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。