Resumo Técnico: S2tory – Destilação da Coluna Vertebral da Narrativa para Sumarização de Roteiros Cinematográficos

1. Definição do Problema

A sumarização automática de roteiros cinematográficos apresenta um desafio único, distinto da sumarização de texto tradicional. Roteiros possuem uma estrutura narrativa não linear e com cortes cruzados, onde métodos de saliência de superfície (por exemplo, frequência lexical ou padrões estruturais superficiais) falham em preservar a progressão central da história. Abordagens existentes, como MENSA (seleção de cenas baseada em saliência) e DiscoGraMS (modelagem de grafos de personagens/diálogos), dependem fortemente de padrões orientados por dados e frequentemente perdem a lógica simbólica subjacente que governa a causalidade narrativa. Consequentemente, os modelos atuais lutam para manter a "coluna vertebral narrativa" de histórias longas, frequentemente confundindo detalhes atmosféricos com pontos essenciais do enredo.

2. Metodologia: A Estrutura S2tory

Os autores propõem o S2tory (Destilação da Coluna Vertebral da Narrativa), uma estrutura fundamentada na teoria narratológica (especificamente a distinção de Barthes entre núcleos e satélites) para reconstruir a lógica narrativa de um roteiro. A metodologia opera em três etapas distintas:

2.1 Formulação Teórica

A estrutura modela um mundo narrativo como uma quádrupla $(C, E, S, R)$, representando personagens, eventos, estados e transições de estado.

• Núcleos vs. Satélites: Um núcleo é definido como um evento essencial à trajetória narrativa; sua remoção quebra a continuidade do desenvolvimento do personagem. Um satélite é um evento auxiliar que enriquece a atmosfera ou a emoção, mas não altera o caminho narrativo.
• Dinâmica dos Personagens: O sistema rastreia transições de estado dos personagens ($r: s_t \to s_{t+1}$) induzidas por eventos. As transições são classificadas como intrínsecas (reflexão interna) ou extrínsecas (gatilhos externos). Um evento é considerado um núcleo se sua remoção impedir uma mudança de estado detectável nos atributos de um personagem (objetivos, identidade, afiliações).

2.2 Agente Especialista Narrativo (NEAgent)

Para operacionalizar essa teoria, os autores introduzem o NEAgent, um agente de Aprendizado em Contexto (ICL) alimentado pelo GPT-4o.

• Função: O NEAgent processa o roteiro cena a cena, mantendo uma memória rolante de estados de personagens em evolução e dependências de eventos.
• Raciocínio: Ele realiza raciocínio contrafactual em cada unidade narrativa (frase/linha). Avalia se a remoção de uma unidade específica interromperia a continuidade estrutural das trajetórias dos personagens.
• Saída: O agente classifica as unidades como núcleos ($\kappa=1$) ou satélites ($\kappa=0$), efetivamente destilando a "coluna vertebral da história".

2.3 Pipeline de Destilação e Sumarização

Reconhecendo que o NEAgent é computacionalmente caro para inferência em grande escala, os autores empregam um processo de destilação em duas etapas:

1. Destilação de Raciocínio: Um modelo estudante (Qwen2.5-7B) é ajustado finamente usando um conjunto de dados ($D_{distill}$) contendo texto narrativo naturalizado, os traços de raciocínio simbólico do NEAgent e os conjuntos de núcleos identificados. Isso ensina o modelo menor a imitar a lógica do especialista na identificação de núcleos do enredo.
2. Sumarização Condicionada a Núcleos: Um sumarizador final (Qwen2.5-0.5B) é treinado em um conjunto de dados ($D_{sum}$) onde a entrada é o conjunto destilado de núcleos ($B_i$) e o alvo é o resumo de referência. Este modelo gera o resumo final condicionado estritamente aos núcleos do enredo identificados.

3. Contribuições Principais

• Estrutura Fundamentada na Narratologia: A introdução do S2tory, que modela explicitamente a estrutura narrativa através de trajetórias de arco de personagens, em vez de depender exclusivamente de padrões de texto de superfície.
• Agente Especialista e Destilação: O design do NEAgent para raciocínio restrito pela teoria e um pipeline de destilação inovador que transfere essa capacidade complexa de raciocínio para modelos menores e eficientes.
• Desempenho de Ponta: Alcançar resultados superiores no benchmark MovieSum, enquanto demonstra forte generalização zero-shot para o conjunto de dados BookSum (prosa), validando que o modelo aprende a lógica narrativa e não apenas a formatação específica de roteiros.

4. Resultados Experimentais

Os experimentos foram conduzidos no conjunto de dados MovieSum (roteiros) e no conjunto de dados BookSum (prosa).

• Desempenho no MovieSum: O S2tory alcançou resultados de ponta, com ROUGE-1 de 45,98 e ROUGE-L de 42,45. Superou significativamente as bases extrativas (por exemplo, TextRank, Lead-1024) em 32–38% e igualou o desempenho de modelos abstrativos, operando ao mesmo tempo com uma taxa de compressão muito maior (28,4% versus 55,2% para outros).
• Fidelidade Semântica: O modelo alcançou o maior Recall do BERTScore (59,36) entre todos os métodos, indicando alinhamento superior com os resumos de referência.
• Estudo de Ablação: A remoção do módulo de perfilamento de trajetória de personagens do NEAgent causou uma queda significativa no F1 do BERTScore (de 59,23 para 53,69), confirmando que modelar o desenvolvimento do personagem é crítico para a identificação de núcleos narrativos.
• Avaliação Humana: Avaliadores humanos (treinados em teoria narrativa) pontuaram o S2tory altamente em indispensabilidade (3,84/5), coerência (3,91/5) e consistência de personagens (4,18/5). Notavelmente, as pontuações humanas para "Redução de Satélites" foram mais altas do que as métricas automatizadas, sugerindo que o modelo filtra conteúdo não essencial com mais eficácia do que os LLMs padrão.
• Generalização Fora de Domínio: Quando aplicado ao BookSum sem ajuste fino, mais de 85% dos núcleos gerados foram julgados como narrativamente essenciais por avaliadores do tipo LLM-as-Judge, demonstrando generalização robusta além da formatação de roteiros.

5. Significado e Alegações

O artigo argumenta que a sumarização eficaz de longas formas, particularmente para narrativas complexas como roteiros cinematográficos, exige uma mudança da correspondência de padrões orientada por dados para representação simbólica combinada com abstração neural.

• Validade Teórica: Os autores afirmam que a teoria narratológica fornece uma "fundação indispensável" para modelar narrativas não lineares. Ao distinguir explicitamente entre necessidade estrutural (núcleos) e proeminência de superfície (satélites), a estrutura supera as limitações das abordagens baseadas em saliência.
• Eficiência vs. Qualidade: O S2tory demonstra que é possível alcançar sumarização de alta fidelidade com taxas de compressão significativamente maiores (aproximadamente 3,5×) em comparação com métodos abstrativos padrão, sem sacrificar a coerência semântica.
• Generalizabilidade: O sucesso no BookSum sugere que a capacidade central do S2tory é a internalização do raciocínio causal centrado no personagem, permitindo que ele generalize entre diferentes formatos narrativos (roteiros vs. prosa) em vez de superajustar a estruturas específicas de conjuntos de dados.

Em conclusão, o S2tory postula que recuperar a "coluna vertebral da história" através de trajetórias de desenvolvimento de personagens é a chave para desbloquear a sumarização de alta qualidade para narrativas longas e estruturalmente complexas.