人类活动,尤其是叙述,可以被视为物理意义上的动力系统,其演化由行动积分描述,从 A 点到 B 点的所有可能路径的平均值由极值原则确定。
Sep, 2023
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
本研究探索了一种新型的粗粒度到细粒度的模型,可以生成故事文本,并通过抽象行为和实体来分解故事,生成谓词 - 参数结构的文本,最终替换实体占位符。经过广泛的分析和人工评估,我们的方法可以提高生成的故事中事件和实体的多样性和连贯性。
Feb, 2019
通过扩展现有叙事理论和开发注释方案的方式,对 360 个网络短篇故事进行标注,为实现系统与人类进行复杂的交流提供帮助。
Oct, 2017
通过使用具有高质量内容规划和根据亚里士多德诗学详细描述的优秀剧情编写方面的集合进行语言模型的情节生成,可以解决故事生成的问题,并发现经过良好规划的情节结构的故事比不具备内容规划或者使用不合适的规划方式的基准更加相关和高品质。
Sep, 2020
使用大数据分析的方法,利用计算能力,自然语言处理和数字化文本处理,对文化演变进行研究,对一部分 Project Gutenberg 文本集中的 1327 个故事进行情感弧分类,发现六种情感弧,是构成复杂情感轨迹的基本构建模块之一,并可以通过矩阵分解、监督学习和无监督学习进行加强,发现有些情感弧在今天的出版物中更受欢迎,由下载数量衡量。
Jun, 2016
本文介绍了一种将 Scheherazade 故事意图图转换成人物 NLG 引擎所需输入的自动方法,使用 36 个 Aesop 寓言进行测试,结果表明我们可以生成正确内容,平均与 Scheherazade 实现器的输出接近。
Aug, 2017
通过计算自传和想象故事之间的 sequentiality 来探究记忆和推理对语言生成过程的影响。
Jan, 2022
本文探讨了根据标题生成故事的开放域故事生成,提出了一种计划和写作的分层式生成框架,比较了两种规划策略,并通过实验表明了明确的故事情节规划会让生成的故事更加多样化、连贯且主题贴切。
Nov, 2018
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