Autores:  (1) Prerak Gandhi, Departamento de Ingeniería y Ciencias de la Computación, Instituto Indio de Tecnología de Bombay, Mumbai, prerakgandhi@cse.iitb.ac.in, y estos autores contribuyeron igualmente a este trabajo;  (2) Vishal Pramanik, Departamento de Ingeniería y Ciencias de la Computación, Instituto Indio de Tecnología de Bombay, Mumbai, vishalpramanik,pb@cse.iitb.ac.in, y estos autores contribuyeron igualmente a este trabajo;  (3) Pushpak Bhattacharyya, Departamento de Ingeniería y Ciencias de la Computación, Instituto Indio de Tecnología de Bombay, Mumbai.  Tabla de enlaces   Resumen e introducción   Motivación   Trabajo relacionado   Conjunto de datos   Experimentos y evaluación   Resultados y análisis   Conclusión y trabajo futuro   Limitaciones y referencias   A. Apéndice  5. Experimentos y evaluación  Ajustamos GPT3 con nuestros conjuntos de datos (consulte   ). el apéndice A.6  5.1. Generación de trama  Hemos creado 5 modelos ajustando GPT-3 con nuestro conjunto de datos de trama de película de la siguiente manera, (i)   (sin anotaciones) (   ): entrada: historias cortas, salida: tramas sin anotaciones, (ii)     : entrada: historias cortas, salida: tramas anotadas con estructura de 4 actos, (iii)   (   ): entrada de historias largas y más descriptivas, salida: tramas anotadas con estructura de 4 actos, (iv)   (   ): entrada de historias cortas y género, salida: tramas anotadas con estructura de 4 actos, (v)   (   ): entrada larga y más descriptiva historias junto con el género, salida: tramas comentadas con estructura de 4 actos. original O anotación y entrada corta (AS) anotación y entrada larga AL anotación y entrada breve con géneros incluidos ASG anotación y entrada larga con géneros incluidos ALG  Para la evaluación automática utilizamos   (Papineni et al., 2002),   (Jelinek et al., 1977),   (Lin, 2004). También utilizamos la evaluación humana en forma de una escala Likert de cinco puntos (Likert, 1932). El sistema de calificación tiene 1-> Totalmente en desacuerdo, 2-> En desacuerdo, 3-> Neutral, 4-> De acuerdo, 5-> Totalmente de acuerdo. Se supone que las historias escritas por humanos tienen una calificación de 5 para cada una de las siguientes 5 características: (1)   : corrección gramatical; (2)   : ordenamiento lógico de oraciones y párrafos; (3)   : si los puntos clave del mensaje se han resaltado en el resultado; (4)   : La medida de cuánto se disfruta la historia; (5)   : si el resultado introdujo nuevos eventos, perfiles de personajes o relaciones. BLEU Perplexity ROUGE Fluidez Coherencia Relevancia Simpatía Creatividad  Para la generación de gráficos, generamos 50 gráficos a partir de 50 indicaciones de prueba. Dividimos las historias en cinco grupos de 10 y asignamos tres evaluadores a cada grupo.  Para la generación de escenas, generamos diez escenas a partir de 10 mensajes de prueba. Asignamos cinco evaluadores para calificar estas diez historias.  Este documento está   bajo licencia CC 4.0 DEED. disponible en arxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Teleplay.Tech

From teleplay to technology, we weave a narrative tapestry that dances between writing, CGI, and action.

Teleplay's blog

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

Boost your HackerNoon story @ $159.99! 🚀

"Kurosawa": asistente de guionista: experimentos y evaluación

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Una breve introducción a la teoría del cerebro de Boltzmann

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Navegando por las aguas: desarrollo de aplicaciones RAG de nivel de producción con lagos de datos

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Una breve introducción a la teoría del cerebro de Boltzmann

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Navegando por las aguas: desarrollo de aplicaciones RAG de nivel de producción con lagos de datos

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps