Jun, 2024

CHIRON：长篇叙述中丰富的人物表征

PDF
TL;DR通过基于 LSTM 的生成模块和领域特定的包含蕴涵模型的验证模块构建了 CHIRON，它是一种新的字符表格表示方法，用于提取和过滤关于复杂角色的文本信息，并且在掩盖字符预测任务中表现得更好和更灵活，同时还能用于自动推断角色中心性和与人类判断的一致性。
characterschironrepresentationinformationsummary-based baselines
发现论文，激发创造
  • 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

  • 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

  • 在视觉叙事中检测和固定重要角色

    本文介绍了 VIST 角色数据集，提出了重要角色检测和角色定位两个任务，并开发了基于分布相似性和预训练视觉和语言模型的简单无监督模型。这些模型和数据集可为基于角色视角的故事分析和生成工作提供基础。

    Mar, 2023

  • 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

  • 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

  • 叙事规划：平衡情节与角色

    该研究探讨了使用细分搜索解决情节生成问题的可能性，并提出了一种新型的细分搜索规划算法，可以创建具有因果关系的情节进展，并在识别可能的角色目标和创建计划结构方面解释为什么这些角色承诺他们的目标。结果表明，IPOCL 算法生成的叙述计划比传统的部分顺序规划器生成的计划更能支持观众理解角色意图。

    Jan, 2014

  • 从叙事的语义表示中生成不同的故事

    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

  • TVShowGuess: 以扮演者猜测为基础的故事人物理解

    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。

    Apr, 2022

  • ChOiRe：使用意见推理链条对人类观点进行表征和预测

    通过 ChOiRe 框架，使用语言模型分析用户的显示和隐含特质，预测人类观点，并显著提高基于语言模型的技术效果。

    Nov, 2023

  • 通过虚构作品进行人物建模评估大型语言模型的人物理解能力

    我们提出使用角色概况任务来评估大型语言模型（LLMs）的角色理解能力，通过从对应的材料中总结角色概况，构建 CroSS 数据集并比较与下游任务的适用性，我们的实验结果强有力地验证了 LLMs 的角色理解能力，并且我们相信我们构建的资源将促进该领域的进一步研究。

    Apr, 2024