Dec, 2015

文学作品中角色关系的注释

PDF
TL;DR通过 Amazon Mechanical Turk，我们提供了一个手动注释的关系数据集，用于支持文学作品中关系类型预测的自动方法的训练和评估，以及更广泛的文学角色计算分析。我们在 109 个文本上征求来自工人的注释，涵盖从荷马的《伊利亚特》到乔伊斯的《尤利西斯》的范围，收集这些文本中字符之间关系的粗类别、细类别和亲密度，以及这些关系是否会在文本的过程中发生更改。
literary textsrelationship predictionannotation datasetamazon mechanical turkcharacter analysis
发现论文，激发创造
  • 学习对虚构角色的情感关系进行分类：皱眉的弗罗多、畏缩的莱娅和严肃的友谊

    本文介绍了一个新的任务 - 将小说角色之间的情感关系分类，并针对该任务提出了两个子任务：角色识别和情感关系分类。通过多种不同的神经网络方法建立了情感关系分类模型，最终达到了 0.45 F1 指标。

    Mar, 2019

  • 文学小说中人物之间的动态关系建模

    研究角色是计算上表示和解释叙述性文本的关键，本文通过提出一个半监督框架来从全面和部分标记的数据中学习动态发展的角色关系，使用 Markovian 模型来积累历史信仰，结合语言和语义功能特征来研究叙述的文本内容，实验证明此框架优于基准模型。

    Nov, 2015

  • 推断叙述性摘要中的人际关系

    本文研究关系人物之间的情感极性特征，并提出结构化预测和聚类方法来解决该问题，在语言和语义特征的基础上，通过社交网络结构来提高模型性能。作者在维基百科电影概要数据集上验证了模型的优越性。

    Dec, 2015

  • 论文标题：论文标题：文本中的思想关系：友谊、敌对和私通

    在文本中基于两个统计量 —— 文档内的共现和随时间的普及度相关的组合，提出了一个框架来系统地表征基于文档语料库中出现的想法之间的关系。

    Apr, 2017

  • 科学文献间关系解释

    本文介绍了通过自然语言文本解释两个科技文档之间关系的任务，提出了一个新的数据集和模型，探索使用科学信息提取系统的密集表示对提高解释性能的影响，并在自动和人类评估中证明了该模型的可行性和挑战。

    Feb, 2020

  • 叙事文本中角色和地点的基准确认

    通过对文本中字符和位置的跟踪，我们提出了一种新的空间关系分类任务，并使用规范化的注释和上下文嵌入作为特征来预测它们，结果发现，主角移动的比较多，女性角色更多地占据内部空间。

    May, 2023

  • 电影人物间关系及互动学习

    本文提出了神经网络来学习和联合预测人物之间的互动关系及其涉及的角色，利用视觉和对话提示，通过多模态架构从中提取有意义的信息，并在 MovieGraphs 数据集上进行评估。

    Mar, 2020

  • 走向基于字符间关系的故事生成

    该论文介绍了一项关于人际关系建模的任务，提出了一种基于关系选择器和故事继续器两个主要组成部分的故事生成算法 ReLiSt，在自动和人工评估中展示出了其生成的故事能够更加忠实于期望的关系而不影响内容质量，推断过程中的关系分配带来了 ReLiSt 的可解释性。

    Nov, 2022

  • 大型语言模型的不足：探察叙事中的复杂关系理解

    为了解决现有叙述理解数据集无法表示现实社交情景中关系的复杂性和不确定性的问题，我们引入了一个新的基准，Conan，用于从侦探叙述中提取和分析错综复杂的角色关系图。我们设计了层次关系类别，并从各个角色的角度手动提取和注释了面向角色的关系，包括大多数角色所知的公开关系和只有少数人知道的秘密关系。我们使用 GPT-3.5、GPT-4 和 Llama2 等先进的大型语言模型进行实验，揭示了它们在推理复杂关系和处理较长叙述方面的局限性。Conan 数据集和我们的流程策略的结合旨在验证大型语言模型在理解叙述情境中微妙关系动态的能力。

    Feb, 2024

  • 在文本引导的图像生成中测试关系理解

    本研究使用了 15 种基本物质和社会关系对最近的文本引导图像生成模型 DALL-E2 进行了系统的经验性考察，发现只有大约 22％的图像与基本关系提示匹配。研究结果表明，当前的图像生成模型尚未掌握涉及简单对象和代理人的基本关系，本文从认知和计算两个角度，提出可能的改进方向。

    Jul, 2022