通过引入个人叙述语料库并使用 Labov 的社会语言学模型及机器学习方法进行标注，文章探讨了人们比较故事时依赖于行动和评价这两个方面，以此为基础帮助机器学习研究或表现个人叙述的方法。

May, 2020

本文介绍了利用CompRes数据集进行新闻媒体叙述结构自动检测的任务，并从叙述理论中采用新的故事要素，通过有监督模型训练，实现了$ F_1 $得分高达0.7。

Jul, 2020

提出了一种基于 BERT 的可学习无参考度量方法 UNION，该方法可以评估生成故事的质量，而不需要任何参考。它可以识别出人类编写的故事并恢复负面故事中的扰动，并模仿现有自然语言生成模型中常见的错误来构建负面样本。在两个故事数据集上的实验证明，UNION 是一种可靠的生成故事质量评估方法，与现有的最先进度量相比具有更好的相关性和可推广性。

Sep, 2020

本文介绍了一个重要但相对未被探索的NLP任务，称为多叙事语义重叠（MNSO），它涉及生成多个替代叙事的语义重叠。我们使用在网上爬取的2,925个叙事对创建了一个基准数据集，并通过人工注释创建了411个不同的地面真实语义重叠，提出了一个新的精确度-召回率样式的评估指标 SEM-F1。实验结果表明，该指标与人类判断的相关性更高，而且相较于ROUGE指标，具有更高的人际一致性。

Jan, 2022

该研究收集、预处理并公开发布了一个视频 - 语言故事数据集(SyMoN)，包含 5,193 个受欢迎电影和电视剧的视频摘要，旨在为多模态故事理解的进展打下基础。

Mar, 2022

通过提出一系列的评估度量，本文对语义相似度度量的特征进行自动和可解释的评估，从而实现了对不同语义相似度度量方法行为的合理比较。通过对经典方法和最新方法的评估，我们的度量揭示了最近开发的度量在识别语义分布不匹配方面变得更好，而经典度量则对表面文本水平的扰动更加敏感。

Nov, 2022

该论文提出了一个名为NarraSum的大规模叙述性摘要数据集，在多种影视类型中收集了12.2万个叙述文档及其对应的提取式摘要。实验证明，与最先进的摘要模型相比，人类在NarraSum上存在较大的性能差距。我们希望该数据集能够促进未来的摘要研究以及自然语言理解和生成的更广泛研究。

Dec, 2022

本研究旨在重新评估传播科学中的框架概念，将其与故事中重要实体的叙事框架相结合，提出自动检测多标签测定的框架，并在新闻机构的气候变化框架案例研究中应用传统的监督和半监督学习技术，最终在透明的预测中呈现了一种新的基于检索的既有效又透明的方法。

Jun, 2023

该研究利用来自当地美国报纸的新数字化文章创建了一个巨大的语义相似性数据集，并利用深度神经方法检测了这些文章中的正面语义相似性对。该语义相似性数据集跨足了70年，包含近400M个正面语义相似性对，随着时间跨度的增加，将有助于将对比训练的语义相似性模型应用于各种任务。

Jun, 2023

该论文提出了一种评估图像序列生成的故事质量的方法，并针对视觉扎根度进行了分析和度量，提出了一种模块化设计的评估工具 GROOViST，该工具考虑了跨模态依赖、时间错位以及人类感知对视觉扎根度的影响。

Oct, 2023