Core Concepts
イベントの因果関係は、コンピューテーショナル・ストーリー理解に重要な情報を提供する。提案手法は、大規模言語モデルを用いて、オープンドメインのストーリーからイベントの因果関係を抽出し、ストーリー評価やビデオ-テキストアラインメントなどの課題で大幅な性能向上を実現する。
Abstract
本研究は、コンピューテーショナル・ストーリー理解におけるイベントの因果関係の重要性を示している。
認知科学と記号的AIの研究は、イベントの因果関係がストーリー理解に不可欠な情報を提供することを示唆している。
しかし、機械学習ベースのストーリー理解システムでは、オープンワールドの因果イベント関係を確実に識別する手法が不足しているため、因果関係はほとんど活用されていない。
本研究では、大規模言語モデルを活用した新しい手法を提案し、COPES因果関係抽出ベンチマークで最新の性能を達成した。
さらに、ストーリー品質評価とビデオ-テキストアラインメントの2つのタスクで、抽出された因果関係が大幅な性能向上をもたらすことを実証した。
これらの結果は、コンピューテーショナル・ストーリー理解におけるイベントの因果関係の重要性と、提案手法の有効性を示している。
Stats
因果関係の抽出は、ストーリー品質評価タスクで6.4%-15.6%の相対的な改善をもたらした。
ビデオ-テキストアラインメントタスクでは、クリップ正解率を4.1-10.9%、文章IoUを4.2-13.5%改善した。