技術要約：小説における登場人物の重要性の計算論的表現

問題提起

文学における登場人物分析に対する従来の計算論的手法は、主にシーン内での物理的な存在感、主に共起や対話の交換を通じて登場人物をモデル化することに依存してきた。これらの手法は「存在」と「重要性」を混同しており、出現頻度が最も高い主要人物を暗黙のうちに優先してしまう。しかし、このような相互作用中心の視点は、アレックス・ウォロックの「一（the one）対多（the many）」といった文学理論、すなわち物語は中心的な個人と、限られた物語空間をめぐって競合する多数の従属的な人物によって構造化されているという説と矛盾する。さらに、既存の手法は語り手（ナレーター）と登場人物の区別を軽視しており、他者によってどのように語られているかという点（これは物理的な存在を必要とせずに、関心や社会的地位を明らかにする要素である）を考慮できていない。

著者らは、現代の文学理論と整合し、単純な相互作用を超えた関係性のダイナミクスを捉えることができる、登場人物の重要性を定量化するための、より微細で多次元的なフレームワークの必要性に取り組んでいる。

方法論

6要素の構造モデル

本手法の核となるのは、文学学者（Marcus, 2025）との協力により開発された、登場人物の存在感を分解する構造モデルである。このモデルは、登場人物の存在を以下の6つの異なる構成要素に分解する：

1. 名前 (N): 登場人物の固有名詞の出現（代名詞を除く）。
2. コミュニケーション (C): 登場人物の引用された発言または記述の文。
3. 内面性 (I): 登場人物の思考、感情、意図、または知覚を表す動詞句。
4. 行動 (A): 物理的な動作を表す動詞句（発言や内面性を除く）。
5. 他者による議論 (DC): 他の登場人物によるコミュニケーションの中で、対象となる登場人物について論じている文。
6. 語り手による描写 (DN): 登場人物の外見、物腰、または服装を記述する叙述の声による文。

データとアノテーション

著者らは、『高慢と偏見』（ジェイン・オースティン）および『ジェーン・エア』（シャーロット・ブロンテ）の全章を、これら6つの構成要素のグランドトゥルース（正解）となるカウントを確立するために手動でアノテーションしたデータセットを作成した。著者らは、『ジェーン・エア』が、語り手と主人公が同一であるため、内面性と語り手の描写の区別が困難になるという特有の課題を提示している。

分析をスケールさせるために、著者らは19世紀の主要なイギリス写実主義小説64作品（1800年〜1900年）からなるコーパスを精選した。なお、予備的な結果から、一人称の語り手（語り手が登場人物である場合）ではパフォーマンスが悪かったため、これらは除外されている。

計算論的アプローチ

論文では、このモデルを運用するための2つの主要なパイプラインを評価している：

1. BookNLPベースのパイプライン: エンティティ、引用、超範疇（supersense）、イベント、および照応解析パッケージを使用するトランスフォーマーベースのパイプライン。テキストを解析し、構成要素の基準を満たすスパンを特定する（例：アクションや内面性の特定にVerbNetクラスを使用する）。
2. LLMベースのアプローチ:
   • 章レベルのカウント: 章ごとの全構成要素および登場人物のJSON形式のカウントを生成するよう、LLM（gpt-4o-mini）にプロンプトを与える。
   • スパンレベルのアノテーション: 個別の構成要素（例：対話における代名詞の解決による「他者による議論」の特定）のためのテキストスパンを特定するよう、LLMにプロンプトを与える。

ネットワーク構築

著者らは3種類の登場人物ネットワークを構築している：

• 共起ネットワーク: パラグラフ単位での共存に基づく無向エッジ。
• 対話ネットワーク: 発話のターンテーキング（構成要素C）に基づく無向エッジ。
• 議論ネットワーク: 登場人物 $u$ が登場人物 $v$ について議論していることを表す、エッジ $u \to v$ を持つ新しい有向グラフ（構成要素DC）。これにより、「話題にされること」（入次数）と「他者について話すこと」（出次数）の区別が可能になる。

主な貢献

1. 理論的枠組みとデータセット: 本論文は、登場人物の重要性に関する6要素モデルを計算文学研究に導入し、付随する『高慢と偏見』および『ジェーン・エア』の専門家によるアノテーション済み構成要素スコアのデータセットを公開する。
2. 計算パイプライン: 著者らは、19世紀の小説全体に対してこれらの構成要素をラベル付けできるパイプラインを開発し、公開した。LLMを用いてラベル付けを行うことは可能であるが、BookNLPベースのパイプラインの方が、特にアクション（A）や内面性（I）のような構成要素において、大規模なコーパス分析における信頼性とエラー率の低さにおいて優れていることを示している。
3. 新しいネットワーク表現: 論文は、登場人物が言及を通じて互いにどのように位置づけられているかを捉える、有向グラフである「議論ネットワーク（DC）」を提案している。これは、共起や対話とは異なる、キャラクターの中心性を捉える新しい視点を提供する。
4. コーパスレベルの分析: 著者らは、登場人物の中心性とジェンダー化されたダイナミクスに関する特定の文学的問いに答えるため、64冊の小説からなるコーパスにこれらの表現を適用している。

結果

ラベル付けの精度

• BookNLP vs. LLM: BookNLPベースのパイプラインは、『高慢と偏見』のゴールドカウントに対して平均絶対誤差（MAE）1.7、ピアソン相関係数0.75を達成した。対照的に、LLMを用いた手法は、詳細なプロンプトを用いても、特にマイナーな登場人物やアクション（A）および内面性（I）のような構成要素において、高いMAEと一貫性のないパフォーマンスを示した。
• 一人称の物語: パイプラインは、語り手と主人公の間の照応解析の問題により、『ジェーン・エア』の処理に苦慮した。手動での修正なしではMAEは4.35であったが、修正後は3.00に低下した。その結果、一人称の物語は主要なコーパス分析から除外された。

ネットワーク分析と文学的洞察

• 中心性の不一致: 研究は、異なるネットワーク構築が異なる登場人物の卓越度ランキングを生み出すことを示した。例えば、『高慢と偏見』において、ダーシー氏は「入りの強さ（in-strength）」（話題にされること）で第1位であるが、エリザベス氏は「出の強さ（out-strength）」（他者を議論すること）で第1位である。これは、「話題にされること」と「話すこと」が、社会的な卓越性の異なる次元であることを浮き彫りにしている。
• ウォロックの「一対多」: コーパス全体の不等式指標（ジニ係数）の分析により、物語の注目は高度に集中しているが、単一ではないことが明らかになった。「一」とは単一の個人ではなく、複数の登場人物からなる中心的なクラスターであり、複数の程度の「多」が周辺部を構成している。
• ジェンダー化されたダイナミクス: 議論ネットワークは、無向ネットワークでは見えない重要なジェンダー構造を明らかにした：
  • 女性の登場人物は、中心的な議論者（出次数）および最も議論される人物（入次数）の両方において過剰に代表されている。
  • 非対称な異性間注目のパターンが存在する：女性から男性へのエッジは、男性から女性へのエッジよりも有意に多い（$F \to M / M \to F = 1.26$）。

重要性と主張

本論文は、単純な相互作用の指標を超えた、文学分析のための新しい計算論的レンズを提供することを主張している。構成要素に基づいた登場人物の理論をネットワーク分析と統合することで、著者らは以下のことを実証している：

1. 登場人物の重要性は多面的である: 登場人物の包括的な理解には、物理的な存在や対話だけでなく、内面性、描写、および議論を考慮する必要がある。
2. 有向グラフは新しい社会的層を明らかにする: 議論ネットワークは、伝統的な無向共起ネットワークや対話ネットワークでは不可視である、関係性のダイナクス（誰が誰を議論しているか）を明らかにする。
3. ジェンダーが物語空間を形成する: 計算論的分析は、登場人物の議論におけるジェンダー化されたダイナミクスに関する経験的な証拠を提供しており、女性が議論の対象となりやすく、また他者を議論しやすい傾向にあるという、従来のネットワーク研究では見落とされていたニュアンスを示している。

著者らは、現在の手法がアノテーションのコストや一人称叙述における照応解析の課題により、第三人称の19世紀の英語小説に限定されているものの、このフレームワークが文学理論を大規模なコーパスへとスケールさせるための強固な基礎を提供すると結論づけている。彼らは、自らの目的が、あらゆる物語形態に対する決定的な、あるいはエラーのない解決策を提供することではなく、将来の研究を促進することであることを明示している。