[논문 리뷰] Automatic Story Generation: Challenges and Attempts

Amal Alabdulkarim, Siyan Li외 1명|arXiv (Cornell University)|2021. 02. 25.

Topic Modeling참고 문헌 53인용 수 7

한 줄 요약

이 종합 검토에서는 자동 스토리 생성의 핵심 과제—제어 가능성, 일반 지식 추론, 캐릭터 표현, 창의성—을 규명하고, 특히 트랜스포머를 중심으로 한 신경 모델을 사용한 최신 기법을 검토한다. 평가 지표의 격차를 부각하고, 통합 평가 지표와 스토리 수준의 일반 지식 추론과 같은 향후 방향을 제안한다.

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.

연구 동기 및 목표

• 자동 스토리 생성의 주요 과제—제어 가능성, 일반 지식 추론, 캐릭터 모델링, 창의성—을 체계적으로 분석하기.
• 이러한 과제를 해결하는 데 기여하는 기존 기법과 모델—특히 트랜스포머 기반 접근 방식—을 검토하기.
• 다중 에이전트 캐릭터 상호작용과 신경 기반 생성에서의 서사 창의성과 같은 미개척 분야를 식별하기.
• 개선된 평가 지표와 스토리 수준의 일반 지식 추론과 같은 향후 연구 방향을 제안하기.
• 컴putational narrative generation 분야에 진입하는 연구자들에게 종합적이고 최신의 기초 자료를 제공하기.

제안 방법

• 스토리 생성 과제를 제어 가능성, 일반 지식 통합, 캐릭터 및 실체 표현, 창의성의 네 가지 핵심 영역으로 분류한다.
• 스토리 구조와 결말 제어를 위한 강화 학습 및 잠재 변수 모델링 기법을 검토한다.
• 데이터셋에 대한 피지테이닝, 인과적 인식 모델링, 지식 그래프 인코더를 통한 일반 지식 통합 방법을 분석한다.
• GPT-2와 같은 트랜스포머 기반 모델이 서사 생성에 활용되는 방식과 그 한계—일관성과 제어성 부족—을 분석한다.
• 플롯 일관성과 캐릭터 중심 서사 향상을 위해 실체 및 정서 표현 기법을 분석한다.
• 지식 그래프, 피지테이닝, 인과 모델링 등의 다양한 접근 방식을 융합하여 스토리 품질과 일관성을 향상시키는 방안을 제안한다.

실험 결과

연구 질문

• RQ1 현재의 신경 모델은 스토리 생성에서 서사 일관성과 사용자 제어성을 어떻게 균형 잡고 있는가?
• RQ2 일반 지식은 생성된 스토리의 논리적 일관성에 얼마나 기여하는가?
• RQ3 BLEU와 ROUGE와 같은 기존 평가 지표는 창의성과 흥미로움과 같은 스토리 특화 속성 평가에 얼마나 부적합한가?
• RQ4 정서 표현과 다중 에이전트 상호작용을 어떻게 모델링하여 서사 품질을 향상시킬 수 있는가?
• RQ5 더 일관성 있고 창의적이며 논리적인 자동 스토리 생성을 가능하게 할 수 있는 향후 연구 방향은 무엇인가?

주요 결과

• 스토리 생성에서 제어 가능성은 여전히 주요 과제이며, 구조적 일관성과 서사 창의성 사이의 상충 관계가 존재한다.
• 일반 지식 데이터셋에 대한 피지테이닝과 지식 그래프 통합은 스토리 품질을 향상시키지만, 완전히 일관되거나 논리적인 서사를 보장하지는 못한다.
• GPT-2와 같은 트랜스포머 기반 모델은 높은 품질의 생성을 가능하게 하지만, 명시적 제어 메커니즘이 없이 실체와 사건의 일관성이 떨어지는 경향이 있다.
• BLEU와 ROUGE와 같은 현재의 평가 지표는 창의성과 플롯 일관성과 같은 스토리 특화 속성을 캡처하는 데 부적합하다.
• 다중 캐릭터 상호작용과 캐릭터 정서 모델링에 대한 연구가 부족한데, 이는 서사 현실감 향상 잠재력이 크기 때문이다.
• 스토리 수준의 일반 지식 추론은 논리적 일관성을 장기 서사에서 크게 향상시킬 수 있는 신규이자 미개척 분야이다.