[論文レビュー] Automatic Story Generation: Challenges and Attempts

Amal Alabdulkarim, Siyan Li+1 more|arXiv (Cornell University)|Feb 25, 2021

Topic Modeling参考文献 53被引用数 7

ひとこと要約

本調査は、自動物語生成におけるコアな課題—制御性、常識的推論、キャラクター表現、創造性—を特定し、特にトランスフォーマーを用いたニューラルモデルの最先端的手法をレビューする。評価指標のギャップを強調し、統一された指標や物語レベルの常識的推論といった今後の方向性を提案する。

ABSTRACT

The scope of this survey paper is to explore the challenges in automatic story generation. We hope to contribute in the following ways: 1. Explore how previous research in story generation addressed those challenges. 2. Discuss future research directions and new technologies that may aid more advancements. 3. Shed light on emerging and often overlooked challenges such as creativity and discourse.

研究の動機と目的

• 自動物語生成における主な課題、特に制御性、常識的推論、キャラクターモデリング、創造性を体系的に分析すること。
• これらの課題に対処する既存の技術およびモデル（特にトランスフォーマーに基づくアプローチ）をレビューすること。
• マルチエージェントのキャラクター相互作用やニューラル生成における物語的創造性といった未だ十分に検討されていない分野を特定すること。
• 改善された評価指標や物語レベルの常識的推論といった今後の研究方向性を提案すること。
• 計算的物語生成分野に新たに参入する研究者にとって包括的かつ最新の出発点を提供すること。

提案手法

• 物語生成の課題を4つの主要分野に分類する：制御性、常識的知識の統合、キャラクターおよびエンティティ表現、創造性。
• 物語構造や終結の制御のための強化学習および潜在変数モデリングをレビューする。
• 微調整によるデータセットへの適用、因果的認識モデリング、知識グラフエンコーダーを用いた常識的知識統合の手法を検討する。
• 物語生成に適したトランスフォーマー基盤モデル（例：GPT-2）の分析と、一貫性や制御性に欠ける限界の検証。
• 物語の一貫性およびキャラクター主導の物語を向上させるために、エンティティおよび感情表現の分析。
• 知識グラフ、微調整、因果モデリングといった複数のアプローチを統合することで、物語の質および一貫性を向上させる提案。

実験結果

リサーチクエスチョン

• RQ1 現在のニューラルモデルは、物語の一貫性とユーザーの制御性の両立をどのように実現しているか？
• RQ2 常識的知識を統合することで、生成された物語の論理的整合性はどの程度向上するのか？
• RQ3 BLEU や ROUGE といった既存の評価指標は、創造性や物語の面白さといった物語固有の特性をどの程度適切に捉えているのか？
• RQ4 感情表現およびマルチエージェント相互作用をどのようにモデリングすることで、物語の質を向上させられるか？
• RQ5 より一貫性があり、創造的で論理的整合性のある自動物語生成を実現するための今後の研究方向性は何か？

主な発見

• 物語生成における制御性は依然として大きな課題であり、構造的一貫性と物語的創造性の間でトレードオフが生じる。
• 常識的データセットへの微調整および知識グラフの統合により物語の質は向上するが、完全に一貫性や論理的整合性を持つ物語を保証する手法は存在しない。
• GPT-2 などのトランスフォーマー基盤モデルは高品質な生成を可能にするが、明示的な制御機構がないとエンティティや出来事の整合性に欠けることがある。
• BLEU や ROUGE といった現在の評価指標は、創造性やプロットの一貫性といった物語固有の属性を捉えるのに不十分である。
• マルチキャラクター間の相互作用やキャラクターの感情モデリングに関する研究は依然として不足しており、物語の現実性向上の可能性を秘めている。
• 物語レベルの常識的推論は、長編物語における論理的整合性を著しく向上させる可能性を秘めた、まだ未開拓の分野である。