Agenda-based Narrative Extraction: Steering Pathfinding Algorithms with Large Language Models
Este artigo apresenta a extração de narrativas baseada em agendas, um método que integra modelos de linguagem grandes ao processo de busca de caminhos do Narrative Trails para orientar a construção de histórias conforme perspectivas específicas do usuário, alcançando maior alinhamento temático com custo mínimo de coerência narrativa.
Autores originais:Brian Felipe Keith-Norambuena, Carolina Inés Rojas-Córdova, Claudio Juvenal Meneses-Villegas, Elizabeth Johanna Lam-Esquenazi, Angélica María Flores-Bustos, Ignacio Alejandro Molina-Villablanca, JoshuBrian Felipe Keith-Norambuena, Carolina Inés Rojas-Córdova, Claudio Juvenal Meneses-Villegas, Elizabeth Johanna Lam-Esquenazi, Angélica María Flores-Bustos, Ignacio Alejandro Molina-Villablanca, Joshua Emanuel Leyton-Vallejos
Autores originais: Brian Felipe Keith-Norambuena, Carolina Inés Rojas-Córdova, Claudio Juvenal Meneses-Villegas, Elizabeth Johanna Lam-Esquenazi, Angélica María Flores-Bustos, Ignacio Alejandro Molina-Villablanca, Joshua Emanuel Leyton-Vallejos
Imagine que você tem uma biblioteca gigante cheia de jornais sobre um evento específico, como as manifestações em Cuba em 2021. Se você tentar ler tudo, ficará confuso. O objetivo de pesquisadores como os deste artigo é criar um "roteiro" ou uma história que conecte esses jornais de forma lógica, como se fosse um filme feito de notícias.
O problema é que, até agora, existiam dois tipos de ferramentas para fazer isso, e ambas tinham um defeito:
A Ferramenta "Roteiro Perfeito" (Narrative Trails): Ela cria histórias muito bem conectadas e fluidas, onde uma notícia leva perfeitamente à próxima. Mas ela é como um GPS que só mostra uma rota: a mais eficiente. Se você quiser ver a história de um ponto de vista diferente (por exemplo, focando apenas na repressão policial ou apenas no apoio dos emigrantes), ela não muda o roteiro. Ela é "cega" para a sua opinião.
A Ferramenta "Mapa Interativo" (Narrative Maps): Ela permite que você explore várias rotas e interaja com o mapa. Mas, para fazer isso, às vezes ela cria histórias que não fazem muito sentido lógico, como pular de um assunto para outro sem conexão.
A Solução: O "Guia com Agenda" (Agenda-based Narrative Extraction)
Os autores criaram uma nova ferramenta que mistura o melhor dos dois mundos. Eles usaram uma Inteligência Artificial (LLM) como um "guia de turismo" inteligente dentro do algoritmo.
Aqui está a analogia simples:
O Algoritmo Antigo: É como um carro autônomo que só sabe pegar o caminho mais curto e seguro. Ele ignora se você quer ver paisagens bonitas ou se quer evitar estradas de terra.
O Novo Método: É como ter um passageiro no banco do carona (a Inteligência Artificial) que diz: "Ei, motorista, hoje eu quero ver a história focada na repressão violenta".
O carro (o algoritmo) ainda dirige com segurança (mantendo a coerência da história).
Mas, em vez de escolher apenas a próxima rua mais rápida, ele olha para várias opções e pergunta ao passageiro: "Qual dessas notícias se encaixa melhor no que você quer ver hoje?".
A IA escolhe a notícia que melhor responde à sua "agenda" (sua perspectiva), mesmo que a palavra exata não esteja escrita nela.
Como isso funciona na prática?
Você define a "Agenda": Você escreve uma frase simples, como "Quero ver como o governo estava censurando a internet" ou "Quero ver como os cubanos pediam liberdade".
A IA atua como um Juiz: A cada passo da história, o algoritmo tem várias notícias candidatas para o próximo passo. Em vez de escolher apenas a mais parecida com a anterior, ele mostra as melhores opções para a IA.
A IA decide: A IA lê a sua agenda e as notícias candidatas e diz: "Esta notícia sobre prisões se encaixa perfeitamente na sua agenda de 'repressão', mesmo que não use a palavra 'repressão'".
Resultado: Você obtém uma história que faz todo o sentido lógico (não é confusa), mas que conta a história exatamente do ângulo que você pediu.
O que eles descobriram?
Funciona mesmo sem palavras-chave: Se você pedir uma história sobre "repressão violenta", a IA consegue encontrar notícias sobre "prisões" e "baterias" e conectá-las, mesmo que o texto não diga "repressão". Métodos antigos que só procuravam palavras-chave falhavam nisso.
Não inventa mentiras: Se você pedir uma agenda impossível, como "O governo era amado por todos" (quando os jornais dizem o contrário), a IA não consegue criar essa história. Ela fica com uma nota baixa. Isso é bom! Significa que a ferramenta não inventa fatos; ela apenas organiza o que já existe no jornal.
Quase sem custo: A única "desvantagem" é que a história fica 2,2% menos perfeita em termos de fluidez lógica do que a rota automática original. Mas, para um humano, essa diferença é imperceptível. Vale a pena trocar um pouquinho de perfeição técnica por ter a história do jeito que você quer.
Resumo em uma frase
Os pesquisadores criaram um sistema que usa Inteligência Artificial para contar histórias a partir de milhares de notícias, permitindo que você diga "conte a história focando neste ponto de vista", e a máquina organiza os fatos de forma lógica para atender ao seu pedido, sem inventar nada que não esteja nos jornais.
1. Problema e Motivação
O artigo aborda o desafio de extrair narrativas coerentes de coleções de documentos (como notícias) que equilibrem três dimensões frequentemente conflitantes: coerência, interatividade e suporte a múltiplas linhas narrativas.
Limitações do Estado da Arte: Métodos existentes ocupam extremos opostos no espaço de design.
Narrative Maps: Oferece alta interatividade e múltiplas linhas narrativas, mas sacrifica a coerência individual dos caminhos devido às restrições de cobertura.
Narrative Trails: Garante alta coerência através da otimização de caminhos de "capacidade máxima" (maximizando o elo mais fraco), mas produz um único resultado determinístico, sem mecanismo para guiar o usuário ou explorar diferentes perspectivas sobre os mesmos eventos.
A Lacuna: Não existe um método que permita ao usuário definir uma perspectiva específica (uma "agenda") para guiar a construção da narrativa, mantendo ao mesmo tempo a alta coerência estrutural dos caminhos.
2. Metodologia: Extração de Narrativa Baseada em Agenda
Os autores propõem uma nova abordagem que integra Modelos de Linguagem (LLMs) no processo de busca de caminhos do algoritmo Narrative Trails.
A. Fundamentos (Grafos de Coerência)
O método baseia-se na construção de um grafo de coerência onde:
Nós: São documentos.
Arestas: Pesos que quantificam quão bem um documento segue outro, baseados em proximidade espacial (projeções UMAP de embeddings Sentence-BERT) e similaridade temática (distribuições de clusters do HDBSCAN).
Algoritmo Original: O Narrative Trails encontra o caminho de "capacidade máxima" (o caminho onde o peso mínimo da aresta é maximizado), garantindo que nenhuma transição narrativa caia abaixo de um limiar de qualidade.
B. Otimização com LLM (Agenda-Driven Pathfinding)
A contribuição central é a modificação do algoritmo de busca para incorporar a "agenda" do usuário (uma descrição em linguagem natural da perspectiva desejada):
Seleção de Candidatos (Top-k): Em vez de escolher apenas o vizinho com a maior coerência (ganância pura), o algoritmo seleciona os top-k vizinhos mais coerentes.
Classificação por LLM: Se houver múltiplos candidatos (k>1), um LLM (Gemma 3 12B no experimento) é consultado para classificar esses candidatos com base no seu alinhamento com a agenda fornecida.
Reranking: Os candidatos são inseridos na fila de prioridade ordenados pela classificação do LLM, permitindo que o algoritmo "vire" a narrativa em direção a documentos que suportam a perspectiva do usuário, mesmo que não sejam os de máxima coerência absoluta.
C. Baselines de Comparação
O método foi comparado com:
Maximum Capacity (Baseline): O algoritmo original sem LLM (k=1).
Keyword Matching: Usa similaridade TF-IDF entre os documentos candidatos e a agenda, combinada com a coerência.
3. Avaliação e Configuração Experimental
Dataset: 418 artigos de notícias sobre os protestos em Cuba em 2021.
Agendas: Foram definidas 6 agendas em 3 categorias:
Simples: Contêm palavras-chave literais no texto (ex: "Liberdade", "Diáspora").
Semânticas: Requerem inferência além de palavras-chave (ex: "Repressão do Regime", "Censura").
Contrárias: Contradizem o material fonte (ex: "Protestos Falhando", "Regime Popular") para testar a robustez.
Métricas: Avaliação por dois LLMs "juízes" (Claude Opus 4.5 e GPT 5.1) medindo:
Alinhamento: Suporte à agenda, persuasão, força da evidência, direção narrativa e eficácia do viés (escala 1-10).
4. Resultados Principais
Alinhamento vs. Tipo de Agenda:
Para agendas semânticas (ex: "Repressão do Regime"), a abordagem guiada por LLM superou significativamente a correspondência de palavras-chave (+13,3% de melhoria, p=0.037). O LLM conseguiu identificar artigos sobre prisões e batidas policiais como relevantes para "repressão violenta", mesmo sem a frase exata.
Para agendas simples (com palavras-chave literais), a correspondência de palavras-chave foi competitiva ou superior.
Custo de Coerência: A introdução do LLM reduziu a coerência em apenas 2,2% em comparação com a baseline agnóstica à agenda (6,19 vs 6,33). A correlação entre coerência e alinhamento foi fraca, indicando que é possível obter ambos simultaneamente.
Validação de Agendas Contrárias: Todos os métodos obtiveram pontuações baixas e uniformes (2,2-2,5) em agendas que contradiziam o corpus (ex: "Regime Popular"). Isso confirma que o método não fabrica narrativas não suportadas pelos dados; ele apenas amplifica perspectivas presentes no corpus.
Análise de Sensibilidade: O uso de Chain-of-Thought (CoT) nos prompts aumentou o alinhamento em 25,7%, mas com um custo computacional 5x maior.
5. Contribuições Chave
Ponte entre Interatividade e Coerência: O método preenche a lacuna entre a flexibilidade do Narrative Maps e a robustez do Narrative Trails, permitindo múltiplas perspectivas através de agendas em linguagem natural sem sacrificar significativamente a qualidade do caminho.
Steering Semântico: Demonstra que LLMs podem ser usados efetivamente para orientar algoritmos de pathfinding para inferências semânticas complexas que métodos baseados em palavras-chave não capturam.
Transparência de Enquadramento: O sistema torna explícito como uma narrativa é construída a partir de uma perspectiva específica, permitindo o estudo e a detecção de vieses de enquadramento.
6. Significado e Conclusão
O trabalho estabelece que é possível criar sistemas de extração de narrativas interativos que respondem a comandos de alto nível do usuário ("mostre-me a repressão" vs. "mostre-me a liberdade") mantendo a integridade lógica da história.
Implicação Prática: Ferramentas de análise de inteligência e jornalismo de dados podem usar essa técnica para explorar diferentes ângulos de um mesmo conjunto de dados sem precisar manipular manualmente estruturas de grafos.
Limitação Ética: Os autores alertam que, embora o método não invente fatos, ele pode ser usado para criar narrativas enganosas através da seleção seletiva de documentos. A transparência do método é apresentada como uma ferramenta para combater a manipulação, permitindo que os usuários entendam como a narrativa foi "navegada".
Em suma, a Extração de Narrativa Baseada em Agenda representa um avanço significativo na capacidade de personalizar a descoberta de informações em grandes volumes de texto, utilizando LLMs não apenas para gerar texto, mas para guiar algoritmos de otimização estrutural.