[論文レビュー] Cue Me In: Content-Inducing Approaches to Interactive Story Generation
本稿では、中程度のキーフレーズを用いてユーザーが物語の進行を誘導するインタラクティブな物語生成のための2つの新しいコンテンツ誘導的手法—Cued WriterとRelevance Cued Writer—を提案する。変換器ベースのモデルで階層的アテンションを用いることで、トピックの整合性とパーソナライゼーションが向上し、自動評価および人間評価の両方で、流暢さと関連性において統計的に有意な向上を達成した。
Automatically generating stories is a challenging problem that requires producing causally related and logical sequences of events about a topic. Previous approaches in this domain have focused largely on one-shot generation, where a language model outputs a complete story based on limited initial input from a user. Here, we instead focus on the task of interactive story generation, where the user provides the model mid-level sentence abstractions in the form of cue phrases during the generation process. This provides an interface for human users to guide the story generation. We present two content-inducing approaches to effectively incorporate this additional information. Experimental results from both automatic and human evaluations show that these methods produce more topically coherent and personalized stories compared to baseline methods.
研究の動機と目的
- 出力中にユーザーが制御を持てないワンショット物語生成の限界を克服するため、インタラクティブで段階的な物語作成を可能にする。
- リアルタイムでユーザーが提供するキーフレーズを効果的に統合できるコンテンツ誘導手法を開発する。
- アテンションメカニズムを用いて文脈とキーフレーズの情報を統合することで、物語の整合性とパーソナライゼーションを向上させる。
- 自動指標と人間の判断の両方を用いて、これらの手法の有効性を評価する。
- 教育的・アクセシビリティ応用を念頭に、人間とコンピュータの共同創造的ライティングの可能性を検討する。
提案手法
- Cued Writerモデルは、物語の文脈とキーフレーズのための2つの独立したエンコーダーを備え、クロスアテンション機構を用いてキーフレーズと生成文を一致させる。
- Relevance Cued Writerは、Cued Writerを拡張し、文脈とキーフレーズの間の意味的関連性を明示的に測定するための文脈-キーフレーズマルチヘッドアテンションユニットを追加している。
- 両モデルとも、自己回帰的生成中に階層的アテンション機構を介してキュー情報を統合する、エンドツーエンドで学習可能な変換器ネットワークである。
- モデルは1文ずつ物語を生成し、各新しい文は直前の文脈と現在のユーザーが提供したキーフレーズに条件付けられる。
- 外部知識（例：キーフレーズ）はデコーダーのアテンションメカニズムに統合され、コンテンツ選択をガイドし、整合性を維持する。
- 自動指標と人間評価（流暢さ、関連性、トピックの整合性）の両方を用いて、モデルを評価している。
実験結果
リサーチクエスチョン
- RQ1ユーザーが提供するキーフレーズは、インタラクティブで段階的な設定において、物語生成を効果的に誘導できるか？
- RQ2キーフレーズは神経系列モデルにどのように統合され、物語の整合性とパーソナライゼーションを向上させられるか？
- RQ3文脈とキーフレーズの関連性をモデル化することで、独立したエンコーディングよりも優れた生成品質が得られるか？
- RQ4提案されたモデルは、流暢さ、関連性、トピックの一貫性の観点から、強力なベースラインと比較してどうなるか？
- RQ5キーフレーズを用いたインタラクティブな物語生成は、ワンショット生成と比較して、より魅力的でパーソナライズされた物語を生み出せるか？
主な発見
- 人間評価の文レベル比較において、Relevance Cued WriterモデルはSeq2Seqベースラインに対して72%の好まれ率を示し、p < 0.001という統計的に有意な差を示した。
- 人間のジャッジは、ヴァニラベースラインと比較して、Cued WriterモデルよりもRelevance Cued Writerモデルを64%のケースで好んだ。これは、文脈-キーフレーズ関連性のモデル化による追加的利益を示している。
- 物語レベルの評価において、Relevance Cued Writerモデルはすべてのベースラインを上回り、ペairワイズ比較で70%を超える好まれ率を記録した。
- ベースラインと比較して、モデルはキーフレーズをより正確に統合しており、欠落、不整合、繰り返しの少ない記述がなされていた。
- 誤差解析から、コアフェレンス解決とトピック外生成の継続的な課題が明らかになった。これは、代名詞の位置特定とトピックの一貫性の向上に余地があることを示している。
- 結果から、インタラクティブでキュー駆動の物語生成は、ワンショット生成と比較して、よりパーソナライズされ、整合性の高い物語を生み出せることを確認した。
より良い研究を、今すぐ始めましょう
論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。