Fugu-MT 論文翻訳(概要): The Plot Thins: Uniformity and Linearity in Literary Summaries

論文の概要: The Plot Thins: Uniformity and Linearity in Literary Summaries

arxiv url: http://arxiv.org/abs/2608.17218v1
Date: Tue, 18 Aug 2026 00:10:39 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-19 21:40:53.166109
Title: The Plot Thins: Uniformity and Linearity in Literary Summaries
Title（参考訳）: プロット薄膜:文学における均一性と線形性
Abstract要約: 本稿では,150の新たな要約から各章へのデータセットマッピング文を構築した。我々は,要約線形性,ソースのイベント順序を維持する度合い,要約がソース全体に等しく注意を拡げる度合いを計測する。
参考スコア（独自算出の注目度）: 4.320927217095906
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Works of literature are complicated; they balance plot, suspense, surprise, and artistic expression. Summaries of literature prioritize plot, and therefore may deviate from their sources. Using a combination of manual and LLM-based annotation, we construct a dataset mapping sentences from 150 novel summaries to their respective source chapters. We find the task unexpectedly difficult for both human and model annotators. Using the sentence-to-chapter mappings, we then measure summary linearity, the degree to which it maintains the source's order of events, and uniformity, the degree to which a summary spreads attention equally across a source. By examining when and how summaries break linearity and uniformity, we identify differences in how literary works and summaries express plot, particularly with regard to the clarity and prominence with which narrative details are described.
Abstract（参考訳）: 文学作品は非常に複雑で、プロット、サスペンス、サプライズ、芸術表現のバランスをとる。文学の要約はプロットを優先し、したがってその資料から逸脱する可能性がある。手動とLLMに基づくアノテーションを組み合わせることで,150の新たな要約から各章へのデータセットマッピング文を構築した。人間のアノテータとモデルアノテータの両方にとって、このタスクは予期せぬほど難しい。文-チャプタマッピングを用いて、サマリ線形性、ソースのイベント順序を維持する度合い、サマリがソース全体に等しく注意を拡げる度合いを計測する。文芸作品や要約がプロットをどのように表現するかの相違、特に物語の詳細が記述された明快さと卓越さについて調べる。

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)
Attention Flows: Tracing LLM Conceptual Engagement via Story Summaries [4.320927217095906]
テキストを用いた概念的エンゲージメントのモデルが人間のパターンを反映するかどうかを評価する。我々は、150の人文小説の文を、それらが参照する特定の章と整合させる。テキスト間の文体的差異と、人間とLLMが物語全体を通して焦点を分散する方法の違いの両方を見いだす。
論文参考訳（メタデータ） (2026-04-07T19:50:52Z)
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)
Robust Symbolic Reasoning for Visual Narratives via Hierarchical and Semantically Normalized Knowledge Graphs [1.320904960556043]
本稿では,階層的物語知識グラフのための意味正規化フレームワークを提案する。本稿では,語彙的類似性と埋め込みに基づくクラスタリングを用いて,意味的関連行動と事象を統合化する手法を提案する。 Manga109データセットからの注釈付きマンガストーリーのフレームワークを実演する。
論文参考訳（メタデータ） (2025-08-20T03:43:13Z)
BookWorm: A Dataset for Character Description and Analysis [59.186325346763184]
本稿では,短い事実プロファイルを生成する文字記述と,詳細な解釈を提供する文字解析という2つのタスクを定義する。本稿では,Gutenbergプロジェクトからの書籍と,人間による記述と分析のペアリングを行うBookWormデータセットを紹介する。その結果,検索に基づくアプローチは両タスクにおいて階層的アプローチよりも優れていた。
論文参考訳（メタデータ） (2024-10-14T10:55:58Z)
Are Large Language Models Capable of Generating Human-Level Narratives? [114.34140090869175]
本稿ではストーリーテリングにおけるLLMの能力について考察し,物語の展開とプロットの進行に着目した。本稿では,3つの談話レベルの側面から物語を分析するための新しい計算フレームワークを提案する。談話機能の明示的な統合は、ニューラルストーリーテリングの40%以上の改善によって示されるように、ストーリーテリングを促進することができることを示す。
論文参考訳（メタデータ） (2024-07-18T08:02:49Z)
A decomposition of book structure through ousiometric fluctuations in cumulative word-time [1.181206257787103]
本書の本数ではなく,文数の関数として,文語がどのように変化するのかを考察する。短い本は一般的な傾向を示すだけであり、長い本は一般的な傾向に加えて変動がある。以上の結果から,長文は短文の拡張版ではなく,短文の連結構造に類似していることが示唆された。
論文参考訳（メタデータ） (2022-08-19T18:17:27Z)
Relation Clustering in Narrative Knowledge Graphs [71.98234178455398]
原文内の関係文は(SBERTと)埋め込み、意味論的に類似した関係をまとめるためにクラスタ化される。予備的なテストでは、そのようなクラスタリングが類似した関係を検知し、半教師付きアプローチのための貴重な前処理を提供することが示されている。
論文参考訳（メタデータ） (2020-11-27T10:43:04Z)
Exploring Content Selection in Summarization of Novel Chapters [19.11830806780343]
オンライン学習ガイドから要約/チャプタペアを用いて新しい章の要約を生成する新しい要約タスクを提案する。これはニュース要約作業よりも難しい作業であり、章の長さだけでなく、要約に見られる極端なパラフレーズや一般化も考慮されている。我々は抽出要約に焦点をあて、抽出要約のゴールド標準セットを作成する必要がある。
論文参考訳（メタデータ） (2020-05-04T20:45:39Z)
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)
The Shmoop Corpus: A Dataset of Stories with Loosely Aligned Summaries [72.48439126769627]
個々の章ごとに詳細なマルチパラグラフの要約と組み合わせた231ストーリーのデータセットであるShmoop Corpusを紹介します。コーパスから、クローズ形式の質問応答や抽象的要約の簡易な形式を含む共通のNLPタスクのセットを構築する。このコーパスのユニークな構造は、マシンストーリーの理解をより親しみやすいものにするための重要な基盤となると信じている。
論文参考訳（メタデータ） (2019-12-30T21:03:59Z)

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。