EvolvTrip：基于时空理论心理图谱增强文学人物理解
计算与语言
2025-06-17 v1
摘要
人物形象的生动描绘是叙事写作成功的关键要素。对于读者而言, 欣赏人物特征需要推断其在复杂情节进程中不断演变的信念、欲望和意图, 这一认知技能称为理论心理(Theory-of-Mind, ToM)。在长时间叙事中执行ToM推理需要读者将历史背景与当前叙事信息整合, 这一任务人类擅长, 但大型语言模型(LLM)常常感到困难。为系统评估LLM在长叙事中ToM推理能力, 我们构建了LitCharToM, 一个覆盖四个ToM维度的经典文学人物问题基准。进一步, 我们引入EvolvTrip, 一个感知知情的时空知识图谱, 跟踪叙事中心理发展。我们的实验表明, EvolvTrip在不同规模下均能显著提升LLM性能, 即使在具有挑战性的扩展上下文场景中亦然。EvolvTrip对较小的模型尤为有价值, 部分弥合了与更大LLM之间的性能差距, 并在 lengthy叙事中显示出很好的兼容性。我们的结果凸显了在叙事理解中显式表示人物心理状态的重要性, 并为更精深的人物理解提供了基础。我们的数据和代码已公开于https://github.com/Bernard-Yang/EvolvTrip
引用
@article{arxiv.2506.13641,
title = {EvolvTrip: Enhancing Literary Character Understanding with Temporal Theory-of-Mind Graphs},
author = {Bohao Yang and Hainiu Xu and Jinhua Du and Ze Li and Yulan He and Chenghua Lin},
journal= {arXiv preprint arXiv:2506.13641},
year = {2025}
}