利用高斯嵌入理解演员并评估人物角色
计算机与社会
2018-11-21 v2 计算与语言
多媒体
社会与信息网络
摘要
理解叙事内容已成为日益热门的话题。然而，关于识别常见叙事人物类型（即 personae）的研究因缺乏自动且广覆盖的评估方法而受阻。我们认为对演员进行计算建模具有诸多益处，包括为人物角色提供新颖的评估机制。具体而言，我们提出两个演员建模任务——演员阵容预测与戏路广度排序，它们能够捕捉演员与其所饰演角色之间关系的互补方面。对于演员模型，我们提出一种将演员、电影、角色、类型与描述性关键词嵌入为高斯分布和平移向量的技术，其中高斯方差对应演员的戏路广度。实证结果表明：（1）该技术大幅优于 TransE（Bordes 等人 2013）及消融基线；（2）自动识别的人物主题（Bamman、O'Connor 和 Smith 2013）在两项任务中均带来统计显著的提升，而包括年龄与性别在内的简单人物描述符表现不稳定，验证了先前研究。
引用
@article{arxiv.1804.04164,
title = {Understanding Actors and Evaluating Personae with Gaussian Embeddings},
author = {Hannah Kim and Denys Katerenchuk and Daniel Billet and Jun Huan and Haesun Park and Boyang Li},
journal= {arXiv preprint arXiv:1804.04164},
year = {2018}
}
备注
Accepted at AAAI 2019