GraphLit：用于文学研究的文本丰富型动态角色网络表示学习
计算与语言
2026-05-29 v2
摘要
现有方法将文学文本表示为图或图序列，主要关注角色间交互，往往忽视另一关键方面：角色交互的文本语境。我们提出了动态异构角色网络（DHCNs），将长篇小说组织为具有时间局部性的异构图，并将角色与其文本语境对齐。我们从 Project Gutenberg 提取约 2 万个 DHCNs，并提出 GraphLit，一种通过掩码图自编码器目标学习丰富文学表征的自监督学习框架。在广泛的 12 项角色相关任务上，GraphLit 在文本-only 和图-only 的基线方法上均取得改进，尤其是在需要语境理解的任务上表现突出。最后，我们通过研究叙事非线性与动态社交特征之间的关系，展示了 DHCNs 和 GraphLit 在文学分析中的应用价值。
引用
@article{arxiv.2605.28643,
title = {GraphLit: Learning Text-Enriched Dynamic Character Network Representations for Literary Study},
author = {Gaspard Michel and Elena V. Epure and Romain Hennequin and Christophe Cerisara and Mirella Lapata},
journal= {arXiv preprint arXiv:2605.28643},
year = {2026}
}