Resumen Técnico: S2tory – Destilación de la Columna Vertebral Narrativa para la Resumenización de Guiones Cinematográficos

1. Definición del Problema

La resumenización automática de guiones cinematográficos presenta un desafío único, distinto de la resumenización de texto tradicional. Los guiones poseen una estructura narrativa no lineal y con cortes cruzados, donde los métodos de saliencia a nivel superficial (por ejemplo, frecuencia léxica o patrones estructurales superficiales) fallan en preservar la progresión central de la historia. Los enfoques existentes, como MENSA (selección de escenas basada en saliencia) y DiscoGraMS (modelado de grafos de personajes/diálogos), dependen en gran medida de patrones impulsados por datos y a menudo pasan por alto la lógica simbólica subyacente que gobierna la causalidad narrativa. En consecuencia, los modelos actuales luchan por mantener la "columna vertebral narrativa" de historias de formato largo, confundiendo con frecuencia los detalles atmosféricos con los puntos clave de la trama.

2. Metodología: El Marco S2tory

Los autores proponen S2tory (Destilación de la Columna Vertebral Narrativa), un marco fundamentado en la teoría narratológica (específicamente la distinción de Barthes entre núcleos y satélites) para reconstruir la lógica narrativa de un guion. La metodología opera en tres etapas distintas:

2.1 Formulación Teórica

El marco modela un mundo de historias como una cuádruple $(C, E, S, R)$, que representa personajes, eventos, estados y transiciones de estado.

• Núcleos vs. Satélites: Un núcleo se define como un evento esencial para la trayectoria narrativa; su eliminación rompe la continuidad del desarrollo del personaje. Un satélite es un evento auxiliar que enriquece la atmósfera o la emoción, pero no altera el camino narrativo.
• Dinámica de Personajes: El sistema rastrea las transiciones de estado de los personajes ($r: s_t \to s_{t+1}$) inducidas por eventos. Las transiciones se clasifican como intrínsecas (reflexión interna) o extrínsecas (disparadores externos). Un evento se considera un núcleo si su eliminación impide un cambio de estado detectable en los atributos de un personaje (objetivos, identidad, afiliaciones).

2.2 Agente Experto Narrativo (NEAgent)

Para operacionalizar esta teoría, los autores introducen el NEAgent, un agente de Aprendizaje en Contexto (ICL) impulsado por GPT-4o.

• Función: El NEAgent procesa el guion escena por escena, manteniendo una memoria en movimiento de los estados de los personajes en evolución y las dependencias de eventos.
• Razonamiento: Realiza razonamiento contrafactual sobre cada unidad narrativa (frase/línea). Evalúa si eliminar una unidad específica interrumpiría la continuidad estructural de las trayectorias de los personajes.
• Salida: El agente clasifica las unidades como núcleos ($\kappa=1$) o satélites ($\kappa=0$), destilando efectivamente la "columna vertebral de la historia".

2.3 Pipeline de Destilación y Resumenización

Reconociendo que el NEAgent es computacionalmente costoso para la inferencia a gran escala, los autores emplean un proceso de destilación en dos pasos:

1. Destilación de Razonamiento: Un modelo estudiante (Qwen2.5-7B) se ajusta fino utilizando un conjunto de datos ($D_{distill}$) que contiene texto narrativo naturalizado, las trazas de razonamiento simbólico del NEAgent y los conjuntos de núcleos identificados. Esto enseña al modelo más pequeño a imitar la lógica del experto en la identificación de núcleos de la trama.
2. Resumenización Condicionada a Núcleos: Un resumenizador final (Qwen2.5-0.5B) se entrena en un conjunto de datos ($D_{sum}$) donde la entrada es el conjunto destilado de núcleos ($B_i$) y el objetivo es el resumen de referencia. Este modelo genera el resumen final condicionado estrictamente a los núcleos de la trama identificados.

3. Contribuciones Clave

• Marco Fundamentado en Narratología: La introducción de S2tory, que modela explícitamente la estructura narrativa a través de trayectorias de arco de personajes en lugar de depender únicamente de patrones de texto superficiales.
• Agente Experto y Destilación: El diseño del NEAgent para razonamiento restringido por teoría y un pipeline de destilación novedoso que transfiere esta capacidad de razonamiento compleja a modelos más pequeños y eficientes.
• Rendimiento de Vanguardia: Lograr resultados superiores en la referencia MovieSum mientras demuestra una fuerte generalización zero-shot al conjunto de datos BookSum (prosa), validando que el modelo aprende la lógica narrativa y no el formato específico de los guiones.

4. Resultados Experimentales

Los experimentos se realizaron en el conjunto de datos MovieSum (guiones cinematográficos) y el conjunto de datos BookSum (prosa).

• Rendimiento en MovieSum: S2tory logró resultados de vanguardia, con un ROUGE-1 de 45.98 y un ROUGE-L de 42.45. Superó significativamente a las líneas base extractivas (por ejemplo, TextRank, Lead-1024) entre un 32–38% y igualó el rendimiento de los modelos abstractivos mientras operaba con una tasa de compresión mucho mayor (28.4% frente a 55.2% para otros).
• Fidelidad Semántica: El modelo logró la mayor Recuperación (Recall) de BERTScore (59.36) entre todos los métodos, indicando una alineación superior con los resúmenes de referencia.
• Estudio de Ablación: Eliminar el módulo de perfilado de trayectorias de personajes del NEAgent causó una caída significativa en la F1 de BERTScore (de 59.23 a 53.69), confirmando que modelar el desarrollo de los personajes es crítico para identificar los núcleos narrativos.
• Evaluación Humana: Evaluadores humanos (entrenados en teoría narratológica) puntuaron a S2tory altamente en indispensabilidad (3.84/5), coherencia (3.91/5) y consistencia de personajes (4.18/5). Cabe destacar que las puntuaciones humanas para "Reducción de Satélites" fueron más altas que las métricas automatizadas, lo que sugiere que el modelo filtra el contenido no esencial mejor que los LLM estándar.
• Generalización Fuera del Dominio: Al aplicarse a BookSum sin ajuste fino, más del 85% de los núcleos generados fueron juzgados como narrativamente esenciales por evaluadores tipo LLM-as-Judge, demostrando una generalización robusta más allá del formato de guion cinematográfico.

5. Significado y Afirmaciones

El artículo argumenta que la resumenización efectiva de formato largo, particularmente para narrativas complejas como los guiones cinematográficos, requiere un cambio desde la coincidencia de patrones impulsada por datos hacia una representación simbólica combinada con abstracción neuronal.

• Validez Teórica: Los autores afirman que la teoría narratológica proporciona una "base indispensable" para modelar narrativas no lineales. Al distinguir explícitamente entre la necesidad estructural (núcleos) y la prominencia superficial (satélites), el marco supera las limitaciones de los enfoques basados en saliencia.
• Eficiencia vs. Calidad: S2tory demuestra que es posible lograr una resumenización de alta fidelidad con tasas de compresión significativamente mayores (aprox. 3.5×) en comparación con los métodos abstractivos estándar, sin sacrificar la coherencia semántica.
• Generalizabilidad: El éxito en BookSum sugiere que la capacidad central de S2tory es la internalización del razonamiento causal centrado en personajes, lo que le permite generalizar a través de diferentes formatos narrativos (guiones vs. prosa) en lugar de sobreajustarse a estructuras específicas de conjuntos de datos.

En conclusión, S2tory postula que recuperar la "columna vertebral de la historia" a través de trayectorias de desarrollo de personajes es la clave para desbloquear una resumenización de alta calidad para narrativas de formato largo y estructuralmente complejas.