[论文解读] PersonaBank: A Corpus of Personal Narratives and Their Story Intention Graphs

Stephanie M. Lukin, Kevin K. Bowden+2 more|arXiv (Cornell University)|Aug 30, 2017

Persona Design and Applications参考文献 15被引用 6

一句话总结

PersonaBank 引入了一个包含 108 篇个人叙事的语料库，这些叙事来自网络博客，并以故事意图图（SIGs）进行标注。SIG 是一种形式化表示，用于捕捉角色、行为、意图以及情感动机。该方法利用 Scheherezade 标注工具，通过建模超越表面文本的深层故事结构，支持叙事生成、风格变化和内容规划等应用。

ABSTRACT

We present a new corpus, PersonaBank, consisting of 108 personal stories from weblogs that have been annotated with their Story Intention Graphs, a deep representation of the fabula of a story. We describe the topics of the stories and the basis of the Story Intention Graph representation, as well as the process of annotating the stories to produce the Story Intention Graphs and the challenges of adapting the tool to this new personal narrative domain We also discuss how the corpus can be used in applications that retell the story using different styles of tellings, co-tellings, or as a content planner.

研究动机与目标

• 创建一个大规模、经过标注的个人叙事语料库，来源为网络博客，以支持叙事理解与计算叙事研究。
• 将原本为寓言设计的故事意图图（SIG）形式化表示，适配于情感与动机动态复杂的非正式个人叙事。
• 通过时间线、意图和情感的分层表示，实现对故事的深层结构分析。
• 利用形式化、可计算的故事模型，支持叙事生成、风格变化和对话系统等应用。
• 提供一个资源，用于探索叙事结构如何影响人类叙事中的感知、情感与交流。

提出的方法

• 使用 Scheherezade 工具标注 108 篇个人叙事，构建故事意图图（SIGs），以建模角色、行为、目标、动机及情感影响。
• 采用分层的 SIG 形式化表示：时间线层编码按时间顺序排列的命题；解释层捕捉动机与意图。
• 将 SIG 用作自然语言生成的内容规划器，通过参数化句子实现（如语态、模糊表达、感叹句）实现风格变化。
• 利用表达性故事转换器（EST）从单一 SIG 生成多个叙事版本，实现句法、视角和表达特征的差异。
• 应用评估理论，从解释层推断角色情感，以增强表达性叙事。
• 通过在 SIG 表示中编码世界知识与因果效应，实现对叙事结构的问答支持。

实验结果

研究问题

• RQ1 如何将形式化、可计算的故事结构表示应用于非正式个人叙事？这类叙事在情感复杂性和语言风格上与经典寓言存在差异。
• RQ2 故事意图图（SIGs）在多大程度上能够捕捉个人叙事中的动机与情感维度，例如在《受惊的松鼠》叙事中的恐惧或兴奋？
• RQ3 SIGs 是否能够支持对同一故事生成多种风格迥异的重述？这些差异如何影响感知到的表达性？
• RQ4 如何利用 SIGs 建模对受众敏感的叙事，例如根据听众反应或语境调整叙事框架？
• RQ5 SIG 的解释层在实现情感感知的叙事生成与表达性语言使用中起到何种作用？

主要发现

• PersonaBank 语料库包含 108 篇来自不同主题（如爱情、旅行、野生动物、节日）的个人叙事，均经过详细的 SIG 标注。
• SIG 表示不仅成功建模了事件序列，还准确捕捉了个人叙事中角色的意图、动机与情感影响。
• Scheherezade 标注工具在训练非专家标注者方面表现出色，即使面对非正式且情感细腻的叙事风格，也能生成一致的 SIG。
• EST 系统从单一故事（如故事 57）生成了 12 种不同的句子变体，证明了 SIG 在控制叙事风格、语态及表达特征（如模糊表达、感叹句）方面的实用性。
• SIG 的解释层支持通过评估理论推断角色情感，为情感感知的叙事生成与表达性语言生成开辟了新路径。
• 该语料库通过提供结构化、可计算的故事内容表示，支持高级应用，如基于叙事内容的问答、对话生成与共同讲述。