論文の概要: LITERARYBIGFIVE: Author-Personalized Text Generation in a Unified Interpretable Space

• arxiv url: http://arxiv.org/abs/2608.23124v3
• Date: Mon, 31 Aug 2026 02:43:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.677314
• Title: LITERARYBIGFIVE: Author-Personalized Text Generation in a Unified Interpretable Space
• Title（参考訳）: LITERARYBIGFIVE:Unified Interpretable Spaceにおける著者個人化テキスト生成
• Authors: Jinghui Zhang, Lang Gao, Ao Li, Mingzhe Li, Ruihong Zeng, Zirui Song, Kentaro Inui, Xiuying Chen,
• Abstract要約: LiteraryBigFiveは、権威的な書き込み特性を統一的で解釈可能な空間内の座標として再構成するフレームワークである。 著者と中立の通路間の活性化空間のコントラストから各解釈可能な軸を導出する。 さらに,テキスト生成を目標座標に適応的に誘導する解釈可能なステアリング機構を導入する。
• 参考スコア（独自算出の注目度）: 37.83421887691294
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Personalized text generation for authors and literary writing is essential for applications such as adaptive writing assistants, creative support tools, and computational literary analysis. However, existing approaches to author modeling and personalization often represent writing behavior as independent labels, requiring large-scale corpus collection or fine-tuning for each author or stylistic category. Such formulations are costly, difficult to interpret, and poorly suited for generalizing across authors. Inspired by the Big Five model's dimensional view of personality, we propose LiteraryBigFive, a framework that reframes authorial writing characteristics as coordinates within a unified and interpretable space. In this space, we derive each interpretable axis (e.g., Classicism, Emotionality) from activation-space contrasts between author-written and neutral passages, yielding distinct stylistic dimensions that allow texts or authors to be positioned within a five-dimensional system. Beyond localizing different authors, we further introduce an interpretable steering mechanism, which adaptively guides text generation toward target coordinates to perform author-personalized writing. Experimental results show that LiteraryBigFive improves authorial expressiveness while preserving semantic fidelity. The derived author per-axis scores strongly correlate with real-world literary consensus, offering transparent and interpretable explanations of author-specific generation behavior: https://github.com/Znull-1220/LiteraryBigFive.
• Abstract（参考訳）: 著者や文筆のパーソナライズされたテキスト生成は、適応的な筆記アシスタント、創造的支援ツール、計算文芸解析などの応用に不可欠である。 しかし、著者モデリングやパーソナライズへの既存のアプローチは、著者ごとに大規模なコーパス収集や微調整を必要とする、独立したラベルとしての執筆行動を表すことが多い。 このような定式化はコストが高く、解釈が困難であり、著者間の一般化には適していない。 ビッグファイブモデルにおけるパーソナリティの次元的視点に着想を得て,著者の著作特性を統一的かつ解釈可能な空間内の座標として再構成するフレームワークであるLiteraryBigFiveを提案する。 この空間では、各解釈可能な軸(例えば、古典主義、感情主義)を著者と中立の通路間のアクティベーション空間のコントラストから導き、テキストや著者を5次元のシステム内に配置できる異なるスタイルの次元を生み出す。 著者のローカライズ以外にも,テキスト生成を目標座標に適応的に誘導し,著者個人による執筆を行うための解釈可能なステアリング機構も導入する。 実験結果から,LiteraryBigFiveは意味的忠実性を維持しつつ,権威表現性を向上することが示された。 導出された著者毎のスコアは、実際の文学的コンセンサスと強く相関し、著者固有の生成行動の透明で解釈可能な説明を提供する。

関連論文リスト

• HyperPersona: A Multi-Level Hypergraph Framework for Text-Based Automatic Personality Prediction [0.0]
  テキストベースの自動パーソナリティ予測(APP)は、言語行動からパーソナリティを推測する。 ハイパーグラフ構造を通じてテキスト(文書,文,単語)の階層構造を明示的にモデル化するフレームワークであるHyperPersonaを提案する。 我々は,HyperPersonaがマルチレベル言語的手がかりを効果的に統合し,最先端のベースラインよりも優れた性能を実現していることを示す。
  論文  参考訳（メタデータ） (2026-05-17T09:49:06Z)
• Explainable Disentangled Representation Learning for Generalizable Authorship Attribution in the Era of Generative AI [70.05655131235999]
  EAVAE(Explainable Authorship Variational Autoencoder)は、コンテンツからスタイルを明示的に切り離す新しいフレームワークである。 ディスタングルメントは、新規な差別者を通じて実施される。 EAVAEは、AI生成テキスト検出のためのM4データセットよりも、数ショットの学習に優れています。
  論文  参考訳（メタデータ） (2026-04-23T05:34:20Z)
• ScriptViT: Vision Transformer-Based Personalized Handwriting Generation [0.0]
  スタイル付き手書き文字生成は、写実的で、特定のライターのスタイルと整合した手書きテキストを合成することを目的としている。 複数の参照画像からグローバルなスタイルパターンを学習するビジョントランスフォーマー方式のエンコーダを提案する。 次に、これらのスタイルキューをクロスアテンション機構を用いて対象のテキストと統合し、より忠実に意図したスタイルを反映した手書き画像を生成する。
  論文  参考訳（メタデータ） (2025-11-23T06:38:23Z)
• RealCustom++: Representing Images as Real Textual Word for Real-Time Customization [56.30487886962172]
  テキストと特定の主題の画像が与えられた場合、テキスト・ツー・イメージのカスタマイズは、テキストと被写体の両方の外観に合わせた新しい画像を生成することを目的としている。 既存の作品は擬似語パラダイムに従っており、それは対象を存在しない擬似語として表現し、他のテキストと組み合わせて画像を生成する。 提案するRealCustom++は,非コンフリクトな実単語で対象を表現し,まずコヒーレントなガイダンス画像とそれに対応する主題マスクを生成する。
  論文  参考訳（メタデータ） (2024-08-19T07:15:44Z)
• Capturing Style in Author and Document Representation [4.323709559692927]
  著者と文書の埋め込みをスタイリスティックな制約で学習する新しいアーキテクチャを提案する。 本稿では,Gutenbergプロジェクトから抽出した文芸コーパス,Blog Authorship,IMDb62の3つのデータセットについて評価を行った。
  論文  参考訳（メタデータ） (2024-07-18T10:01:09Z)
• MetaDesigner: Advancing Artistic Typography Through AI-Driven, User-Centric, and Multilingual WordArt Synthesis [65.78359025027457]
  MetaDesignerがLarge Language Models(LLM)を利用したアートタイポグラフィーのための変換フレームワークを導入 その基盤は、Pipeline、Glyph、Textureエージェントで構成されるマルチエージェントシステムであり、カスタマイズ可能なWordArtの作成をまとめてオーケストレーションしている。
  論文  参考訳（メタデータ） (2024-06-28T11:58:26Z)
• PART: Pre-trained Authorship Representation Transformer [52.623051272843426]
  文書を書く著者は、自分のテキストに識別情報を印字する。 以前の作品では、手作りの機能や分類タスクを使って著者モデルを訓練していた。 セマンティクスの代わりにテキストの埋め込みを学習するために、対照的に訓練されたモデルを提案する。
  論文  参考訳（メタデータ） (2022-09-30T11:08:39Z)
• DRAG: Director-Generator Language Modelling Framework for Non-Parallel Author Stylized Rewriting [9.275464023441227]
  書き直しは、入力テキストを特定の著者のスタイルで書き直す作業である。 著者のスタイルでコンテンツの書き直しを行うためのディレクター・ジェネレータフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-28T06:52:40Z)

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。