Riepilogo Tecnico: S2tory – Distillazione della Spina Dorsale Narrativa per la Riassunzione di Copioni Cinematografici

1. Definizione del Problema

La riassunzione automatica di copioni cinematografici presenta una sfida unica, distinta dalla riassunzione testuale tradizionale. I copioni possiedono una struttura narrativa non lineare e incrociata, dove i metodi di salienza a livello superficiale (ad esempio, la frequenza lessicale o i pattern strutturali superficiali) non riescono a preservare l'evoluzione centrale della storia. Gli approcci esistenti, come MENSA (selezione delle scene basata sulla salienza) e DiscoGraMS (modellazione a grafo di personaggi/dialoghi), si affidano pesantemente a pattern guidati dai dati e spesso trascurano la logica simbolica sottostante che governa la causalità narrativa. Di conseguenza, i modelli attuali faticano a mantenere la "spina dorsale narrativa" delle storie lunghe, confondendo spesso i dettagli atmosferici con i punti essenziali della trama.

2. Metodologia: Il Framework S2tory

Gli autori propongono S2tory (Distillazione della Spina Dorsale Narrativa), un framework fondato sulla teoria narratologica (in particolare la distinzione di Barthes tra nuclei e satelliti) per ricostruire la logica narrativa di un copione. La metodologia opera in tre fasi distinte:

2.1 Formulazione Teorica

Il framework modella un mondo narrativo come una quadrupla $(C, E, S, R)$, rappresentante personaggi, eventi, stati e transizioni di stato.

• Nuclei vs. Satelliti: Un nucleo è definito come un evento essenziale alla traiettoria narrativa; la sua rimozione interrompe la continuità dello sviluppo del personaggio. Un satellite è un evento ausiliario che arricchisce l'atmosfera o l'emozione ma non altera il percorso narrativo.
• Dinamiche dei Personaggi: Il sistema traccia le transizioni di stato dei personaggi ($r: s_t \to s_{t+1}$) indotte dagli eventi. Le transizioni sono classificate come intrinseche (riflessione interna) o estrinseche (trigger esterni). Un evento è considerato un nucleo se la sua rimozione impedisce un cambiamento di stato rilevabile negli attributi di un personaggio (obiettivi, identità, affiliazioni).

2.2 Agente Esperto Narrativo (NEAgent)

Per rendere operativa questa teoria, gli autori introducono il NEAgent, un agente di Apprendimento in Contesto (ICL) potenziato da GPT-4o.

• Funzione: Il NEAgent elabora il copione scena per scena, mantenendo una memoria in evoluzione degli stati dei personaggi e delle dipendenze tra eventi.
• Ragionamento: Esegue un ragionamento controfattuale su ogni unità narrativa (frase/riga). Valuta se la rimozione di una specifica unità interromperebbe la continuità strutturale delle traiettorie dei personaggi.
• Output: L'agente classifica le unità come nuclei ($\kappa=1$) o satelliti ($\kappa=0$), distillando efficacemente la "spina dorsale della storia".

2.3 Pipeline di Distillazione e Riassunzione

Riconoscendo che il NEAgent è computazionalmente costoso per l'inferenza su larga scala, gli autori impiegano un processo di distillazione in due fasi:

1. Distillazione del Ragionamento: Un modello studente (Qwen2.5-7B) viene fine-tuned utilizzando un dataset ($D_{distill}$) contenente testo narrativo naturalizzato, le tracce di ragionamento simbolico del NEAgent e gli insiemi di nuclei identificati. Questo insegna al modello più piccolo a imitare la logica dell'esperto nell'identificare i nuclei della trama.
2. Riassunzione Condizionata ai Nuclei: Un riassuntore finale (Qwen2.5-0.5B) viene addestrato su un dataset ($D_{sum}$) dove l'input è l'insieme distillato di nuclei ($B_i$) e l'obiettivo è il riassunto di riferimento. Questo modello genera il riassunto finale condizionato strettamente ai nuclei della trama identificati.

3. Contributi Chiave

• Framework Fondato sulla Narratologia: L'introduzione di S2tory, che modella esplicitamente la struttura narrativa attraverso le traiettorie degli archi dei personaggi invece di affidarsi esclusivamente a pattern testuali superficiali.
• Agente Esperto e Distillazione: La progettazione del NEAgent per il ragionamento vincolato dalla teoria e una pipeline di distillazione innovativa che trasferisce questa capacità di ragionamento complessa a modelli più piccoli ed efficienti.
• Prestazioni all'Avanguardia: Risultati superiori sul benchmark MovieSum, dimostrando al contempo una forte generalizzazione zero-shot al dataset BookSum (prosa), validando che il modello apprende la logica narrativa piuttosto che il formato specifico dei copioni.

4. Risultati Sperimentali

Gli esperimenti sono stati condotti sul dataset MovieSum (copioni) e sul dataset BookSum (prosa).

• Prestazioni su MovieSum: S2tory ha ottenuto risultati all'avan-guardia, con un ROUGE-1 di 45.98 e un ROUGE-L di 42.45. Ha superato significativamente le baseline estrattive (ad esempio, TextRank, Lead-1024) del 32–38% e ha eguagliato le prestazioni dei modelli astrattivi operando con un rapporto di compressione molto più elevato (28.4% contro il 55.2% per gli altri).
• Fedeltà Semantica: Il modello ha ottenuto il più alto BERTScore Recall (59.36) tra tutti i metodi, indicando un allineamento superiore con i riassunti di riferimento.
• Studio di Ablazione: La rimozione del modulo di profilazione delle traiettorie dei personaggi dal NEAgent ha causato un calo significativo del BERTScore F1 (da 59.23 a 53.69), confermando che la modellazione dello sviluppo dei personaggi è critica per l'identificazione dei nuclei narrativi.
• Valutazione Umana: I valutatori umani (addestrati in teoria narratologica) hanno assegnato a S2tory punteggi elevati per indispensabilità (3.84/5), coerenza (3.91/5) e coerenza dei personaggi (4.18/5). Notevolmente, i punteggi umani per la "Riduzione dei Satelliti" sono stati superiori alle metriche automatizzate, suggerendo che il modello filtra i contenuti non essenziali meglio dei LLM standard.
• Generalizzazione Fuori Dominio: Quando applicato a BookSum senza fine-tuning, oltre l'85% dei nuclei generati è stato giudicato narrativamente essenziale da valutatori LLM-as-Judge, dimostrando una robusta generalizzazione oltre il formato dei copioni.

5. Significato e Affermazioni

Il paper sostiene che una riassunzione efficace di testi lunghi, in particolare per narrazioni complesse come i copioni cinematografici, richiede un passaggio dal matching di pattern guidato dai dati alla rappresentazione simbolica combinata con l'astrazione neurale.

• Validità Teorica: Gli autori affermano che la teoria narratologica fornisce una "fondazione indispensabile" per la modellazione di narrazioni non lineari. Distinguendo esplicitamente tra necessità strutturale (nuclei) e prominenzia superficiale (satelliti), il framework supera i limiti degli approcci basati sulla salienza.
• Efficienza vs. Qualità: S2tory dimostra che è possibile ottenere una riassunzione ad alta fedeltà con rapporti di compressione significativamente più elevati (circa 3.5×) rispetto ai metodi astrattivi standard, senza sacrificare la coerenza semantica.
• Generalizzabilità: Il successo su BookSum suggerisce che la capacità fondamentale di S2tory è l'interiorizzazione di un ragionamento causale centrato sul personaggio, permettendogli di generalizzare attraverso diversi formati narrativi (copioni vs. prosa) invece di adattarsi eccessivamente a strutture di dataset specifiche.

In conclusione, S2tory postula che il recupero della "spina dorsale della storia" attraverso le traiettorie di sviluppo dei personaggi è la chiave per sbloccare una riassunzione di alta qualità per narrazioni lunghe e strutturalmente complesse.