ACLMay, 2018

简单常识故事中人物的天真心理建模

PDF
TL;DR介绍了一种新的注释框架，用于解释故事人物的幼稚心理作为具有动机和情感反应的完全指定的心理状态链，建立了一个新的大规模数据集，并在多个新任务上建立了基准性能，为未来研究提出了新的思路。
narrativenaive psychologyannotation frameworkdatasetbaseline performance
发现论文，激发创造
  • 使用基于实体的叙事图对人类心理状态进行建模

    本文提出了一种实体为基础的叙述图（ENG），能够更好地建模故事中角色的内部状态，包括他们的动机、目标和心理状态，并通过实验和定量分析来评估其在预测角色心理状态和愿望实现任务中的表现。

    Apr, 2021

  • M-SENSE：利用主角心理再现建模短篇个人叙述中的叙事结构

    本文提出了一种计算模型，通过分析角色猜测的心理状态和句法和语义层面的语言信息，自动检测叙述结构的主要元素。通过使用预先训练的社交常识知识模型获取主角的心理状态信息，并使用多功能融合方法将其与语境语义嵌入相结合，我们建立了一个包含手动注释的 STORIES 数据集的计算模型来实现这一任务，并在评估中发现我们的模型能够实现极显著的改进来识别高潮和结局。

    Feb, 2023

  • 以电影中的少样本人物理解为评估元学习理论

    本研究填补现有研究中忽略的人类理解角色的心理状态（即人类心智理论）的元学习本质，创造了一个基于电影脚本的语言理解基准评估，要求模型在新电影的几个初始场景中快速理解角色，我们的人类研究验证了人类可以推理角色的心理状态，但目前的度量学习和元学习方法在任务上落后于人类 30%。

    Nov, 2022

  • 阅读小说时虚构人物性格理解

    这篇论文介绍了一个名为 PersoNet 的数据集，该数据集是研究角色个性的第一个标记数据集，并且通过在线阅读应用程序中用户笔记的注释策略进行了标注。实验和人类研究表明，我们的数据集构建既高效又准确，并且我们的任务需要长期的上下文才能为机器和人类获得准确的预测结果。

    May, 2023

  • 注入常识知识对动作和状态变化的推理

    本文探讨了通过引入全局常识约束和利用大规模语料库的先验知识，将预测性文本描述中的操作和状态更改建模，从而提高神经结构预测模型的准确性和可靠性，并在基准数据集上展示了相对增益为 8％的结果。

    Aug, 2018

  • 训练语言模型概括叙述能够提高大脑对齐

    训练自然语言处理系统以深入理解语言是该领域的中心目标之一。本文从人类大脑理解自然语言的角度出发，研究了使用叙述数据集进行深层次叙事理解训练的语言模型是否真正学习了更深层次的文本理解，并表明了这种训练可以带来更好的大脑 - 自然语言处理对齐性、可以使语言模型在长距离文本理解方面取得改进。

    Dec, 2022

  • 神经语言表征是否学习了物理常识？

    本文研究了目前最先进的神经语言表示在物理常识推理方面的表现，结论显示，尽管神经语言模型在各种自然语言推理任务上表现出色，但在物理常识方面仍然只能学习到现有的明确规则和关联性。

    Aug, 2019

  • NLP 模型对追踪思路的表现：叙事理解概述

    本文对叙事理解任务进行了综合调查，详细研究了其关键特征、定义、分类、相关数据集、训练目标、评估指标和局限性。此外，我们探讨了将模块化大型语言模型的能力扩展到新的叙事理解任务的潜力，并通过将叙事理解视为提取作者想象线索的方式，引入了增强叙事理解的新方法。

    Oct, 2023

  • 推断读者：以常识推理为引导的自动化故事生成

    论文介绍了一种名为 CAST 的基于 Transformer 的神经叙事生成框架，它使用常识推理来增强故事生成的连贯性和角色之间的交互，且在单一和多角色设置下比现有模型产生更连贯，主题相关，可享受和流畅的故事。

    May, 2021

  • 利用自然语言学习个性特征的神经网络

    本研究使用神经网络和分布式算法来提取文本的隐藏性信息，研究人员从心理学文献定义的五大人格特征（Big Five）的形容词词典开始，并构造了包含文本语义信息的嵌入，证明了个人写作风格与其人格特征密切相关。

    Feb, 2023