Story Ribbons：利用大语言模型重新构想情节可视化
人机交互
2025-08-12 v1 计算与语言
机器学习
摘要
分析文学作品涉及追踪人物、地点与主题之间的相互作用。可视化有望促进这些复杂关系的映射与分析，但从非结构化的故事数据中提取结构化信息仍是挑战。随着大语言模型（LLM）不断进步，我们看见利用其文本处理与分析能力增强现有情节可视化技术的机会。为此目标，我们引入一种LLM驱动的数据解析管道，自动从小说与剧本中提取相关叙事信息。随后将其应用于创建Story Ribbons——一种交互式可视化系统，帮助初学者与专家文学分析师在多个叙事层次上探索人物与主题轨迹。通过在36部文学作品上的管道评估与用户研究，展示LLM如何简化叙事可视化创建并揭示熟悉故事的新见解。我们还描述了AI系统的当前局限性，以及为缓解这些问题而设计的交互 motifs。
引用
@article{arxiv.2508.06772,
title = {Story Ribbons: Reimagining Storyline Visualizations with Large Language Models},
author = {Catherine Yeh and Tara Menon and Robin Singh Arya and Helen He and Moira Weigel and Fernanda Viégas and Martin Wattenberg},
journal= {arXiv preprint arXiv:2508.06772},
year = {2025}
}
备注
Accepted to IEEE VIS 2025 (11 pages, 9 figures)