[論文レビュー] Narrative Maps: An Algorithmic Approach to Represent and Extract Information Narratives

Brian Keith, Tanushree Mitra|arXiv (Cornell University)|Sep 9, 2020

Topic Modeling参考文献 67被引用数 6

ひとこと要約

本論文では、形式的ナラティブ理論に裏打ちされたルートマップ比喩を用いて、オンラインデータから時間的ナラティブを表現および抽出するアルゴリズムフレームワーク「ナラティブマップ」を紹介する。最適化に基づくグラフ抽出手法を採用し、一貫性とカバー範囲を最大化する。評価を通じて、この表現がユーザーに対して複雑なナラティブを効果的に伝えることができることを示しており、ジャーナリズム、知的分析、誤情報検出の応用に役立つ。

ABSTRACT

Narratives are fundamental to our perception of the world and are pervasive in all activities that involve the representation of events in time. Yet, modern online information systems do not incorporate narratives in their representation of events occurring over time. This article aims to bridge this gap, combining the theory of narrative representations with the data from modern online systems. We make three key contributions: a theory-driven computational representation of narratives, a novel extraction algorithm to obtain these representations from data, and an evaluation of our approach. In particular, given the effectiveness of visual metaphors, we employ a route map metaphor to design a narrative map representation. The narrative map representation illustrates the events and stories in the narrative as a series of landmarks and routes on the map. Each element of our representation is backed by a corresponding element from formal narrative theory, thus providing a solid theoretical background to our method. Our approach extracts the underlying graph structure of the narrative map using a novel optimization technique focused on maximizing coherence while respecting structural and coverage constraints. We showcase the effectiveness of our approach by performing a user evaluation to assess the quality of the representation, metaphor, and visualization. Evaluation results indicate that the Narrative Map representation is a powerful method to communicate complex narratives to individuals. Our findings have implications for intelligence analysts, computational journalists, and misinformation researchers.

研究の動機と目的

• 時間的出来事の理解において中心的であるにもかかわらず、現代のオンラインシステムがナラティブを適切に表現できないというギャップに対処すること。
• 形式的ナラティブ理論に裏打ちされたルートマップ比喩を用いて、理論に基づいた計算的ナラティブ表現を開発すること。
• 構造的制約（例：非巡回性）とトピックカバー制約を満たしつつ、一貫性とカバー範囲を最大化する最適化に基づくアルゴリズムを考案し、大規模データからナラティブマップを抽出すること。
• ナラティブマップ表現が、ユーザーに対して複雑なナラティブを効果的に伝えるかを評価すること。
• 知的分析、コンピュータ支援ジャーナリズム、誤情報検出などの実用的応用を可能にすること。

提案手法

• ノードを出来事、エッジを因果的または時間的関係とし、エッジの重みを一貫性の度合として反映する有向非巡回グラフ（DAG）としてナラティブを表現する。
• ナラティブ理論の要素（例：ストーリー線、ランドマーク、テーマ）を視覚的および計算的コンponentsにマッピングするルートマップ比喩を用いる。
• 構造的制約（例：非巡回性）とトピックカバー制約を満たしつつ、ナラティブの一貫性を最大化する最適化技術を適用する。
• グラフ内の最も一貫性の高い経路としてメインストーリーを抽出し、代替ストーリー線からのキーワードとして代表的ランドマークを特定する。
• ストーリー線全体にわたる繰り返し現れるアイデアを特定することで、テーマ分析を統合し、ナラティブの核心的テーマを特徴付ける。
• 信頼性、バイアス、5W1H要因、要約などをアノテーションとして追加し、高度な分析を支援する。

実験結果

リサーチクエスチョン

• RQ1 RQ1: 理論に裏打ちされた視覚的比喩を用いて、どのようにして計算的ナラティブ表現を実現できるか？
• RQ2 RQ2: 大規模オンラインデータから一貫性のあるナラティブ表現を抽出するにはどうすればよいか？
• RQ3 RQ3: 提案されたナラティブマップ表現は、複雑なナラティブをユーザーに効果的に伝えるか？
• RQ4 RQ4: ナラティブマップ表現は、情報源の信頼性やバイアスといった文脈的要因を含めるように拡張可能か？
• RQ5 RQ5: ナラティブマップは、誤情報検出やジャーナリストによる要約作成といった実世界の応用をどのように支援できるか？

主な発見

• ユーザー評価により、ナラティブマップ表現が複雑なナラティブを効果的に伝えることが確認され、参加者はそれを直感的で情報豊富なものと認識した。
• ルートマップ比喩は、時間的情報におけるストーリー線やテーマ的関係の理解を顕著に向上させた。
• 最適化に基づく抽出アルゴリズムは、ニュースデータから一貫性のあるナラティブマップを効果的に生成し、構造的およびテーマ的整合性が高かった。
• 新型コロナウイルスの流行に関する事例研究では、「ウイルスの拡散」と「経済的影響」の2つの主要テーマが明らかになり、本手法がキーナラティブ要因を効果的に抽出できることを示した。
• ナラティブマップ表現は、進化するストーリー線や出来事間の関連性を把握するうえで、従来の時系列フィードを上回る効果を示した。
• 信頼性とバイアスのアノテーションを追加する拡張は、誤情報検出や事実確認ワークフローの支援において実現可能で価値があることが示された。