Guiding Generative Storytelling with Knowledge Graphs
Un recente studio pubblicato su arXiv (arXiv:2505.24803v3) esplora il potenziale dei grafi di conoscenza (KG) per migliorare la narrazione generativa basata su modelli linguistici di grandi dimensioni (LLM). Nonostante i progressi, mantenere la coerenza a lungo termine e un controllo efficace per l’utente rimane una sfida. Questo studio si concentra sull’utilizzo dei KG per assistere la generazione di storie lunghe e creare un KG modificabile, abbinato alla generazione LLM, in uno studio utente a due fasi.
La ricerca indaga come i KG possano migliorare la narrazione basata su LLM, aumentando la qualità della narrazione e consentendo modifiche guidate dall’utente. Viene proposto un sistema di narrazione assistita da KG e valutato in uno studio con 15 partecipanti. I partecipanti hanno creato prompt, generato storie e modificato i KG per dare forma alle loro narrazioni. L’analisi quantitativa e qualitativa mostra miglioramenti concentrati in narrazioni orientate all’azione e strutturalmente esplicite, ma non per storie introspettive. I partecipanti hanno riportato un forte senso di controllo durante la modifica del KG, descrivendo l’esperienza come coinvolgente, interattiva e giocosa. Questo approccio promette di rendere la narrazione generativa più controllabile e coinvolgente per gli utenti.
I risultati suggeriscono che i KG possono essere strumenti potenti per migliorare la narrazione generativa, in particolare per i tipi di storie che si basano su azioni e strutture esplicite. Lo studio sottolinea l’importanza di fornire agli utenti un controllo diretto sul processo di narrazione, aprendo nuove possibilità per la creazione di storie interattive e personalizzate.
Paper: ArXiv.org