研究小说悬念的计算建模方法,提出一种基于层次语言模型的方法,对短篇小说进行人类悬念判断,结果显示使用基于陈述的不确定性降低表示法可以实现接近人类水平的准确度,并且可以用于预测电影剧情中的悬念事件。
Apr, 2020
使用迭代提示基于规划的方法,这篇论文首次尝试使用大型语言模型进行悬疑故事生成,并通过广泛的人类评估证明了方法的有效性。
Feb, 2024
本研究探讨了虚构性话语检测任务相关的分类实验,利用了各种数据集,包括当代专业出版的小说、Hathi Trust 的历史小说、粉丝创作、Reddit 上的故事、民间故事、GPT 生成的故事以及英语世界文学。此外,我们引入了一种新的词义超感觉特征集,有助于语义概括的目标。虚构性话语的检测可以丰富我们对大型文化遗产档案的知识,并有助于更广泛地理解虚构故事叙述的独特特质。
Jan, 2024
文章介绍了如何通过自我训练深度学习模型,应用自监督系统的叙事理论方法来推断故事中的重点,惊喜和吸引力,并应用于小说和戏剧等领域,具有广泛的适应性和应用前景。
Jun, 2022
该论文介绍了用于自动检测媒体产品评论中关键情节的计算方法。通过一个大规模的书评数据集,该论文开发了一种端到端的神经网络结构来检测评论中的关键情节,定量和定性结果表明,该方法显著优于现有基线模型。
May, 2019
社交媒体是信息和交流的一个重要渠道,然而有些人和团体利用社交媒体推广他们的议程,可能对不同观点的人造成危险。本文提出了危险事件的概念以及根据特征将其分类为行动、情景和基于情感的事件,目的在于解决这个问题。
Apr, 2022
该文综述了情感分析在文学中的应用,包括追踪情节发展的变化、网络分析,以及理解文本的情感等。
Aug, 2018
对于计算机来识别修辞手法是非常重要的,本论文提供了对于较少人知悉的修辞手法的计算方法的全面概述,突出了从语言和计算的角度看待修辞手法的重要性,详细介绍了不同的修辞手法,包括数据集、定义、修辞功能和检测方法,同时也指出了数据集稀缺、语言限制和基于规则方法的依赖等挑战。
Jun, 2024
通过计算基于文本长度的峰值波动,利用基于眼动数据的量化方法(ousiometrics)和经验模态分解(Empirical Mode Decomposition)技术,找到了故事结构中子故事的叙事时间尺度,该方法适用于不同长度的书籍的文本分析,并可以清晰地提取故事中的基本趋势和波动信息以及提取一些污染信息,对于文本分析全面了解了更多的故事信息和主题结构。
Aug, 2022
本文旨在解决自然语言处理中所谓的 “安全文本” 的问题,并创建了 SafeText 基准数据集,用于研究模型的常识物理安全性,并发现即使最先进的大型语言模型也容易生成不安全的文本并难以拒绝不安全建议。因此,我们建议在模型发布之前进一步研究安全性和常识物理安全性的评估。
Oct, 2022