Aug, 2019

通过转折点的识别进行电影剧情分析

HTML
PDF
TL;DR该研究使用端到端神经网络模型研究影视剧剧本中的转折点及其对剧情走向和主题分段的影响，并提出了基于此的剧本自动摘要和问答方法。模型在考虑转折点位置的基础上对同类型方法取得了更好的效果。
发现论文，激发创造
  • 从电影场景中无监督归纳出特定事件对

    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

  • MPST：带有标签的电影情节摘要语料库

    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

  • 故事实现：将情节事件扩展为句子

    使用基于神经网络的合奏模型生成事件导向的自动故事情节，比基线方法生成的故事更连贯和可信。

    Sep, 2019

  • 一种基于图的框架，用于连接电影和简介

    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

  • 利用潜在叙事结构进行剧本概述

    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

  • 剧本质量评估：我们能否预测谁会被提名？

    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

  • 基于稀疏图构建的电影概述

    使用多模态信息构建稀疏电影图来识别电影中的转折点，从而创建比基于序列模型和通用概括算法更具信息量和完整性的电影概括。

    Dec, 2020

  • 通过电影场景检测进行情境和行为理解

    该研究提出了一种多流理解网络方法(MulCom)，它在分析电影剧情中的Tropes (故事设备)方面表现出优异的性能，并与基准模型进行了比较。

    Jan, 2021

  • 选择与总结：电影剧本摘要的场景显著性

    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

  • MovieSum：电影剧本的抽象摘要数据集

    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