ACLApr, 2022

TVShowGuess: 以扮演者猜测为基础的故事人物理解

PDF
TL;DR通过该研究，提出了一种基于电视剧脚本的 TVShowGuess 任务来评估机器对叙事故事中虚构人物理解能力的新方法，并且证明了这种任务覆盖了多种类型的人物特质和能力，进一步提出了支持长场景文本的上下文编码的新模型结构。实验表明，新模型的性能明显优于基线，但仍大大落后于人类表现。 该研究初步探索了叙事性角色理解的目标。
fictional characterstvshowguess tasktheory of mindcontextualized encodingnarrative character comprehension
发现论文，激发创造
  • 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

  • 故事中角色对话理解和生成的基准测试

    这篇论文提出了两个任务，包括对话生成和对话说话者识别，并构建了一个新的数据集 DialStory 以进行评估，同时提出了学习显式角色表示以提高性能，并通过实验和案例研究表明，我们的方法可生成更连贯和信息量更大的对话，并实现了比强基线更高的说话者识别准确度。

    Sep, 2022

  • 多级对比学习用于基于字母的字符理解

    我们提出了一个多级对比学习框架来捕捉角色的全局信息，通过与强大的预训练语言模型进行比较，在角色理解的三个子任务中我们的方法显著提高了性能，并通过进一步深入分析展示了方法的有效性和对角色理解场景的指导意义。

    Oct, 2023

  • 让你的角色讲述他们的故事：面向角色的叙事理解数据集

    此研究提出并介绍了拥有角色描述的文学作品摘要数据集 LiSCU，探索了文学角色理解中的新领域，并通过使用预训练语言模型进行的实验，表明需要更好的叙事理解模型。

    Sep, 2021

  • 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

  • 使用电影剧本对虚构人物进行 MBTI 人格预测

    提出了 Story2Personality 数据集，该数据集主要用于预测电影角色的人格特质。实验证明，使用多视角模型可以比仅使用语言描述获得更高的人格预测准确率。

    Oct, 2022

  • 从班尼迪克特卡梅伦到福尔摩斯：无剧本电视剧中的人物识别

    本文提出了一种新的基于半监督学习的自动角色识别方法，只需要演员表作为参考，并通过利用从网上获取的演员图像来识别电视和电影素材中的角色，实现了对于面部语境和发音特征的有效处理，在 Casablanca 数据集上达到了最高的性能效果。

    Jan, 2018

  • 角色至上：基于角色感知关系的视频故事理解

    我们提出了一种基于人物感知关系的视频故事问题回答模型，它通过多示例共现匹配实现弱监督人脸命名，并利用 Transformer 结构支持高水平推理。我们在 TVQA 数据集上进行了训练和测试，并通过广泛的消融研究验证了我们提出的方法。

    May, 2020

  • DramaQA：基于角色的视频故事理解与分层问答

    本研究提供了一种综合理解视频故事的新的视频问答（Video QA）任务，名为 DramaQA，使用层次化的问题回答和基于人类认知过程的评估标准，以及基于角色的视频注释来建模故事的局部连贯性。研究者们还提供了一个多层级上下文匹配模型来回答问题，并公开了相关数据及模型。

    May, 2020

  • 以人物为中心的叙事

    该研究利用 VIST 数据集，提出了一个模型，通过隐式学习提供的角色之间的关系，生成关注的角色的故事，旨在解决基于图像序列生成故事时，模型忽略可能存在的人和动物角色的问题。

    Sep, 2019