Personality Understanding of Fictional Characters during Book Reading

要約

登場人物の性格を理解することは、物語を読む上で重要な要素です。
読者がストーリーに取り組むにつれて、新しい出来事や情報に基づいてキャラクターに対する理解が深まります。
そして、性格の複数の細かい側面を認識することができます。
これは、状況に応じたきめ細かな性格理解という自然な問題につながります。
この問題は、NLP 分野では研究されていません。主な理由は、書籍を読むプロセスを模倣する適切なデータセットが存在しないためです。
この問題に対して、最初のラベル付きデータセット PERSONet を提示します。
私たちの斬新な注釈戦略には、元の書籍の代理としてオンライン読書アプリからのユーザーのメモに注釈を付けることが含まれます。
実験と人体研究は、私たちのデータセット構築が効率的かつ正確であることを示しています。
そして私たちのタスクは、機械と人間の両方について正確な予測を達成するために長期的なコンテキストに大きく依存しています。
データセットは https://github.com/Gorov/personet_acl23 で入手できます。

要約(オリジナル)

Comprehending characters’ personalities is a crucial aspect of story reading. As readers engage with a story, their understanding of a character evolves based on new events and information; and multiple fine-grained aspects of personalities can be perceived. This leads to a natural problem of situated and fine-grained personality understanding. The problem has not been studied in the NLP field, primarily due to the lack of appropriate datasets mimicking the process of book reading. We present the first labeled dataset PersoNet for this problem. Our novel annotation strategy involves annotating user notes from online reading apps as a proxy for the original books. Experiments and human studies indicate that our dataset construction is both efficient and accurate; and our task heavily relies on long-term context to achieve accurate predictions for both machines and humans. The dataset is available at https://github.com/Gorov/personet_acl23.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google