CHATTER|电影剧本分析数据集|角色特征识别数据集

arXiv2024-11-08 更新2024-11-12 收录

电影剧本分析

角色特征识别

下载链接：

https://drive.google.com/drive/folders/11egMhs-zkWSASe7zJENwHg17-6VOeXDU?usp=sharing

下载链接

链接失效反馈

资源简介：

CHATTER数据集由南加州大学信号分析与解释实验室创建，用于电影剧本中角色特征的标注。该数据集包含88148个角色-特征对，涵盖2998个角色、13324个特征和660部电影。数据集的创建过程包括从TVTropes网站获取角色特征标签，并从ScriptsonScreen网站获取电影剧本。CHATTER数据集旨在解决电影剧本中角色特征识别的问题，通过二元分类任务评估模型对角色特征的理解能力。

提供机构：

南加州大学信号分析与解释实验室

创建时间：

2024-11-08

AI搜集汇总

数据集介绍

构建方式

CHATTER数据集的构建基于电影剧本和TVTropes网站上的角色 tropes。首先，从ScriptsonScreen网站下载电影剧本，并将其与IMDB页面进行映射，以确保角色的唯一性。接着，从TVTropes中提取角色的 tropes，并收集这些 tropes 的定义。为了确保模型的评估具有挑战性，数据集还包括了通过分析 tropes 定义生成的负样本。最终，CHATTER数据集包含了88148个角色-trope对，涵盖2998个角色、13324个 tropes 和660部电影。

特点

CHATTER数据集的显著特点在于其规模大、覆盖面广，且包含了详细的电影剧本和 tropes 定义。该数据集不仅提供了角色是否展现特定 tropes 的标签，还通过GPT-4生成了 tropes 定义的摘要，以便于模型的理解和应用。此外，数据集通过引入负样本，增强了模型的辨别能力，使其在处理角色 attribution 任务时更具挑战性。

使用方法

CHATTER数据集主要用于训练和评估角色 attribution 模型。研究者可以利用该数据集进行二分类任务，即判断给定的角色-trope对是否成立。数据集中的电影剧本和 tropes 定义为模型提供了丰富的上下文信息，有助于提升模型的理解能力和预测准确性。此外，CHATTEREVAL子集通过人工标注进行了验证，可作为评估模型性能的基准。

背景与挑战

背景概述

CHATTER数据集由南加州大学信号分析与解释实验室的Sabyasachee Baruah和Shrikanth Narayanan创建，旨在解决叙事理解中角色属性识别的问题。该数据集包含了88148个角色-属性对，涵盖2998个角色、13324个属性和660部电影，通过标注角色是否展现特定属性，为叙事模型提供了丰富的训练和评估资源。CHATTER数据集的构建基于TVTropes网站的角色 tropes，并从好莱坞电影中提取角色信息，旨在为角色属性识别任务提供一个稳健且可靠的基准。

当前挑战

CHATTER数据集面临的挑战主要包括：1) 角色属性识别任务的复杂性，由于角色属性多样且定义模糊，如性格、形容词、角色原型等，每种方法都有其局限性；2) 数据集构建过程中的噪声问题，由于TVTropes数据源的社区驱动性质，数据质量难以保证；3) 叙事文本与实际电影表现之间的差异，公开的剧本通常是早期草稿，而非最终版本，这可能导致模型预测与实际电影表现不一致；4) 多模态信息的缺失，电影中的非言语行为等视觉线索在文本中无法体现，影响模型的准确性。

常用场景

经典使用场景

CHATTER数据集的经典使用场景在于评估和训练叙事理解模型，特别是针对角色属性分配任务。该数据集通过标注88148个角色-属性对，涵盖2998个角色、13324个属性和660部电影，为模型提供了丰富的训练和测试资源。CHATTEREVAL子集通过人工注释验证，进一步确保了数据集在角色属性分配任务中的可靠性和有效性。

衍生相关工作

CHATTER数据集的发布催生了一系列相关研究工作，特别是在角色理解和叙事分析领域。例如，Baruah和Narayanan（2024）利用该数据集研究了角色属性的提取方法，而Inoue等人（2022）则探讨了如何通过文档级任务来理解和评估角色表示。这些研究不仅扩展了CHATTER的应用范围，也为叙事理解提供了新的理论和方法支持。

数据集最近研究