[論文レビュー] Bringing Stories Alive: Generating Interactive Fiction Worlds

Prithviraj Ammanabrolu, Wesley Cheung+3 more|arXiv (Cornell University)|Jan 28, 2020

Artificial Intelligence in Games被引用数 6

ひとこと要約

本稿では、物語のプロットから知識グラフを抽出・完成させ、テーマ的および日常的常識的知識を用いて、対話的フィクションの世界を生成するニューラル手法AskBERTを提示する。この手法により、一貫性があり、魅力的で、テーマ的に整合性のある仮想世界を生成する。人間による評価では、特に日常的常識とは乖離するテーマ的常識を有するファンタジー系において、ニューラルモデルがルールベースおよびランダムベースのベースラインを上回る一貫性と面白さを示した。

ABSTRACT

World building forms the foundation of any task that requires narrative intelligence. In this work, we focus on procedurally generating interactive fiction worlds---text-based worlds that players "see" and "talk to" using natural language. Generating these worlds requires referencing everyday and thematic commonsense priors in addition to being semantically consistent, interesting, and coherent throughout. Using existing story plots as inspiration, we present a method that first extracts a partial knowledge graph encoding basic information regarding world structure such as locations and objects. This knowledge graph is then automatically completed utilizing thematic knowledge and used to guide a neural language generation model that fleshes out the rest of the world. We perform human participant-based evaluations, testing our neural model's ability to extract and fill-in a knowledge graph and to generate language conditioned on it against rule-based and human-made baselines. Our code is available at https://github.com/rajammanabrolu/WorldGeneration.

研究の動機と目的

• 自然言語を用いて意味的に整合性があり、一貫性があり、テーマ的に適切な対話的フィクションの世界を自動生成する課題に対処すること。
• テーマ的常識と日常的常識の両方を統合することで、プレイヤーの没入感と物語の妥当性を向上させること。
• ルールベースおよびランダムベースのベースラインを上回る、魅力的で一貫性があり、ジャンルに整合した対話的フィクションゲームを生成するニューラルモデルを開発すること。
• 人間参加者による評価を通じて、テーマ的常識が対話的フィクションにおける一貫性と面白さの認識に与える影響を評価すること。

提案手法

• Open Information Extraction (OpenIE5) を用いて物語プロットから部分的な知識グラフを抽出し、エンティティと関係を <エンティティ, 関係, エンティティ> トリプルとして捉える。
• テーマ的常識に基づいて欠落している関係やアフォーダンスを推論するために、ジャンル固有の物語で微調整されたBERTモデルであるAskBERTを用いて知識グラフを完成させる。
• 完成した知識グラフを構造的スケルトンとして用い、場所、キャラクターやオブジェクトの記述を条件づけるニューラルテキスト生成モデルを駆動する。
• 移動およびアクションシステムを含むゲームメカニクスと統合することで、最終的な対話的フィクションゲームを構築する。
• 人間による評価を通じて、一貫性、面白さ、ジャンル適合性の観点から、ニューラルモデルをルールベースおよびランダムベースのベースラインと比較して訓練および評価する。
• 2つの人間被験者研究を実施：1つは知識グラフの完成、もう1つは完全なゲーム評価。ペアワイズ順位付けと統計的検定（Mann-Whitney U）を用いて有意性を評価する。

実験結果

リサーチクエスチョン

• RQ1 ニューラルモデルは、物語プロットから知識グラフを効果的に抽出・完成させ、対話的フィクションの世界生成を支援できるか？
• RQ2 テーマ的常識的知識の統合は、生成された対話的フィクションの世界の一貫性と面白さにどのように影響するか？
• RQ3 人間による評価において、ニューラルモデルはルールベースおよびランダムベースのベースラインをどの程度上回るのか？
• RQ4 テーマ的常識が日常的常識から乖離する場合、特にファンタジー系において、ニューラルモデルのパフォーマンスはジャンルによって変化するか？
• RQ5 ニューラル生成、ルールベース、人間が作成した対話的フィクションゲームの間で、一貫性、面白さ、ジャンル適合性の認識に有意差があるか？

主な発見

• ミステリー系では、参加者の72％が面白さにおいて、69％がジャンルの類似性においてニューラルモデルをルールベースモデルより好んだ。有意差あり（p < 0.05）。
• ミステリー系では、ルールベースモデルが一貫性の認識においてニューラルモデルを上回った（45％ 対 36％）。これは、ルールベースシステムが日常的で現実的な設定をよりうまく処理できる可能性を示唆している。
• おとぎ話系では、ニューラルモデルが面白さ（42％ 対 37％ および 42％ 対 42％）および一貫性（25％ 対 25％ および 25％ 対 25％）において、ルールベースおよびランダムモデルを有意に上回った。
• 人間が作成したゲームは、両ジャンルで全体的に最高順位にランクされた。特にジャンルの類似性において（ミステリーで75％、おとぎ話で69％）、品質の高い基準を示した。
• おとぎ話系では、ニューラルモデルが人間が作成したゲームと同等の一貫性（45％ 対 45％）を達成した。これは、テーマ的に乖離する設定において優れたパフォーマンスを示している。
• 結果から、テーマ的常識的知識は、日常的常識とは乖離する場合に特に、魅力的で一貫性のある世界を生成するために不可欠であることが示された。これは、ファンタジー系においてニューラルモデルの優れたパフォーマンスが裏付けられている。