Characterizing the Investigative Methods of Fictional Detectives with Large Language Models

要約

複雑な物語構造とキャラクター主導のストーリーテリングによって定義されたジャンルである探偵フィクションは、文学理論を自動化された物語の世代に統合することに焦点を当てた研究分野である計算のナラトロジーのユニークな課題を提示します。
伝統的な文学研究は、架空の探偵の方法と原型に関する深い洞察を提供していますが、これらの分析はしばしば限られた数のキャラクターに焦点を当てており、物語の生成方法を導くために使用できるユニークな特性の抽出に必要なスケーラビリティを欠いています。
この論文では、架空の探偵の調査方法を体系的に特徴付けるためのAI駆動型のアプローチを提示します。
マルチフェーズワークフローでは、15の大手言語モデル（LLM）の機能を調査して、架空の探偵の特徴的な調査特性を抽出、合成、検証します。
このアプローチは、7人の象徴的な探偵の多様なセットでテストされました – Hercule Poirot、Sherlock Holmes、William Murdoch、Columbo、Father Brown、Miss Marple、Auguste Dupinは、各キャラクターを定義する独特の調査スタイルを捉えています。
特定された特性は、既存の文学分析に対して検証され、逆識別フェーズでさらにテストされ、91.43％の全体的な精度を達成し、各探偵の特徴的な調査アプローチをキャプチャする方法の有効性を実証しました。
この作業は、AI駆動型のインタラクティブなストーリーテリングと自動化された物語生成の潜在的なアプリケーションを備えた、キャラクター分析のためのスケーラブルなフレームワークを提供することにより、計算のナラトロジーのより広い分野に貢献します。

要約(オリジナル)

Detective fiction, a genre defined by its complex narrative structures and character-driven storytelling, presents unique challenges for computational narratology, a research field focused on integrating literary theory into automated narrative generation. While traditional literary studies have offered deep insights into the methods and archetypes of fictional detectives, these analyses often focus on a limited number of characters and lack the scalability needed for the extraction of unique traits that can be used to guide narrative generation methods. In this paper, we present an AI-driven approach for systematically characterizing the investigative methods of fictional detectives. Our multi-phase workflow explores the capabilities of 15 Large Language Models (LLMs) to extract, synthesize, and validate distinctive investigative traits of fictional detectives. This approach was tested on a diverse set of seven iconic detectives – Hercule Poirot, Sherlock Holmes, William Murdoch, Columbo, Father Brown, Miss Marple, and Auguste Dupin – capturing the distinctive investigative styles that define each character. The identified traits were validated against existing literary analyses and further tested in a reverse identification phase, achieving an overall accuracy of 91.43%, demonstrating the method’s effectiveness in capturing the distinctive investigative approaches of each detective. This work contributes to the broader field of computational narratology by providing a scalable framework for character analysis, with potential applications in AI-driven interactive storytelling and automated narrative generation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google