Narrative Theory-Driven LLM Methods for Automatic Story Generation and Understanding: A Survey

작성자

Haebom

카테고리

Empty

저자

David Y. Liu, Aditya Joshi, Paul Dawson

💡 개요

본 논문은 대규모 언어 모델(LLM)을 활용한 자동 스토리 생성 및 이해 분야에서 서사 이론의 응용 가능성을 탐구합니다. 연구는 내러톨로지(narratology)의 기존 구분에 기반한 서사 데이터셋, 과제, 서사 이론, NLP 파이프라인 및 방법론 동향을 분류하고 분석합니다. LLM이 추상적인 서사 개념과 NLP 파이프라인을 쉽게 연결하고 학제 간 협업 기회를 제공함을 강조합니다.

🔑 시사점 및 한계

•

LLM은 서사 이론과 NLP 기술을 융합하여 스토리 생성 및 이해 분야에 새로운 가능성을 열어줍니다.

•

서사 이론에 기반한 체계적인 연구는 NLP 분야에서 스토리텔링에 대한 이해를 깊게 하고 모델 성능을 향상시키는 데 기여할 수 있습니다.

•

현재 스토리 생성 과제에 대한 통일된 정의나 벤치마크의 부재는 모델 비교를 어렵게 하며, 향후 개별 서사 속성에 대한 이론 기반 측정 지표 개선과 대규모 이론 주도 문학/사회/문화 분석이 필요합니다.

PDF 보기

Made with Slashpage