Affective and Dynamic Beam Search for Story Generation

要約

ストーリーテリングの魅力的な可能性により、ストーリーテリングは、エンターテインメント、教育、療法、認知研究に影響を与える魅力的な研究分野となっています。
この論文では、興味深い物語を生成するための Affective Story Generator (AffGen) を提案します。
AffGen は、ダイナミック ビーム サイジングと感情的再ランキングという 2 つの新しい技術を採用することで、物語に「興味深いひねり」を導入します。
ダイナミック ビーム サイジングは、コンテキストに応じたマルチアーム バンディット モデルを使用して、予測不可能でより魅力的な単語の選択を促進します。
感情の再ランキングでは、感情の強さに基づいて文の候補に優先順位が付けられます。
私たちの経験的評価は、自動と人間の両方で、感情豊かで興味深い物語を生成する際に、既存のベースラインを上回る AffGen の優れたパフォーマンスを実証しています。
当社のアブレーション研究と分析は、AffGen の長所と短所についての洞察を提供します。

要約(オリジナル)

Storytelling’s captivating potential makes it a fascinating research area, with implications for entertainment, education, therapy, and cognitive studies. In this paper, we propose Affective Story Generator (AffGen) for generating interesting narratives. AffGen introduces ‘intriguing twists’ in narratives by employing two novel techniques-Dynamic Beam Sizing and Affective Reranking. Dynamic Beam Sizing encourages less predictable, more captivating word choices using a contextual multi-arm bandit model. Affective Reranking prioritizes sentence candidates based on affect intensity. Our empirical evaluations, both automatic and human, demonstrate AffGen’s superior performance over existing baselines in generating affectively charged and interesting narratives. Our ablation study and analysis provide insights into the strengths and weaknesses of AffGen.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google