通过转折点的识别进行电影剧情分析
本文关注了人类在叙事中的推理行为,提出了一种基于无监督方法和借鉴先前工作的事件对概率建模的方法,通过利用网络搜索数量和人类判断的连续性来提高准确率。
Aug, 2017
本文利用社会标记的方法收集电影剧情概要和标记的语料库,建立了一个以约70个细粒度标签为特征的电影数据集,探讨了这些标签与电影以及不同类型电影情感的相关性,最后研究了通过剧情概要推断标记的可行性。
Feb, 2018
通过构建 327 个电影的电影简介关联(Movie Synopses Associations,MSA)数据集,以及开发一套能够识别电影片段并且和简介段落进行精准匹配的框架,本研究指出利用文学结构和人物互动来提高匹配精度是非常重要的,相较于传统的特征匹配方法,这种基于图形的综合匹配策略能够在电影理解领域有实质性的提升。
Oct, 2019
本研究针对长篇叙述性文章提出了一种基于叙述结构的提取式摘要模型。通过将叙述结构转化为关键节点,导入非监督和监督提取式摘要模型,实验结果表明,潜在节点与CSI剧集的重要方面相关,并通过提高提取式算法的完整性和多样性改善了摘要性能。
Apr, 2020
本文提出了一种基于语言线索的方法来评估剧本质量,以预测在主要电影奖项上申报表彰的剧本提名。利用叙事学和领域特定功能,我们的方法在剧本选取方面提供了明显的优势,为未来的剧本分析提供了新的研究方向。
May, 2020
通过提取场景的显著性,针对电影剧本等长篇故事性文本进行抽象概括是具有挑战性的。本研究引入了一个包含100部电影人工标注显著场景的数据集,提出了一个两阶段的抽象概括方法,首先识别出剧本中的显著场景,然后利用这些场景生成摘要。基于问答的评估结果显示,我们的模型优于以往最先进的摘要方法,并且比将整个剧本作为输入的模型更准确地反映了电影的信息内容。
Apr, 2024
本研究解决了电影剧本摘要缺乏资源的问题,提出了一个新数据集MovieSum,专为电影剧本的抽象摘要而设计。论文的创新之处在于数据集包含2200个影音剧本及其维基百科剧情摘要,并具备独特的结构及元数据特征。此研究的主要发现是,River Sum数据集为电影剧本摘要领域提供了丰富的数据资源,推动了相关研究的发展。
Aug, 2024