내러티브 이론 기반의 LLM 방법론: 자동 스토리 생성 및 이해를 위한 연구 동향

Narrative Theory-Driven LLM Methods for Automatic Story Generation and Understanding: A Survey

대규모 언어 모델(LLM)을 활용한 내러티브 이론의 응용은 자동 스토리 생성 및 이해 분야에서 유망한 활용 가능성을 제시합니다. 본 연구는 자연어 처리(NLP) 연구가 내러티브 연구 분야와 어떻게 연계되는지 살펴보고, 기존의 내러티브학적 구분 방식을 반영하는 연구 노력에 대한 분류 체계를 제안합니다. 우리는 다음과 같은 측면에서 패턴을 발견했습니다: 내러티브 데이터셋 및 작업, 내러티브 이론, NLP 파이프라인 및 방법론, 그리고 프롬프트 및 미세 조정의 경향. 본 연구는 LLM이 NLP 파이프라인과 추상적인 내러티브 개념 간의 연결을 용이하게 하며, 학제 간 협력의 기회를 제공한다는 점을 강조합니다. 내러티브 관련 작업에 대한 통일된 정의 또는 벤치마크를 구축하는 데는 여전히 어려움이 있으며, 이는 모델 비교를 어렵게 만듭니다. 향후 연구 방향으로, '내러티브 품질'에 대한 단일하고 일반화된 벤치마크를 추구하는 대신, 개별 내러티브 속성에 대한 이론 기반의 측정 지표를 정의하고 개선하여 모델 성능을 점진적으로 향상시키고, 대규모 이론 기반의 문학/사회/문화 분석을 수행하고, 생성된 결과를 사용하여 내러티브 이론을 검증하거나 개선하는 실험을 설계하는 노력이 더 큰 진전을 가져올 것이라고 생각합니다. 본 연구는 현재 진행 중인 연구 노력과 더 넓은 내러티브 연구 분야에 대한 개요를 제공함으로써, NLP 분야에서 보다 체계적이고 이론적으로 정립된 내러티브 연구를 위한 기반을 제공합니다.

Applications of narrative theories using large language models (LLMs) deliver promising use-cases in automatic story generation and understanding tasks. Our survey examines how natural language processing (NLP) research engages with fields of narrative studies, and proposes a taxonomy for ongoing efforts that reflect established distinctions in narratology. We discover patterns in the following: narrative datasets and tasks, narrative theories and NLP pipeline and methodological trends in prompting and fine-tuning. We highlight how LLMs enable easy connections of NLP pipelines with abstract narrative concepts and opportunities for interdisciplinary collaboration. Challenges remain in attempts to work towards any unified definition or benchmark of narrative related tasks, making model comparison difficult. For future directions, instead of the pursuit of a single, generalised benchmark for 'narrative quality', we believe that progress benefits more from efforts that focus on the following: defining and improving theory-based metrics for individual narrative attributes to incrementally improve model performance; conducting large-scale, theory-driven literary/social/cultural analysis; and creating experiments where outputs can be used to validate or refine narrative theories. This work provides a contextual foundation for more systematic and theoretically informed narrative research in NLP by providing an overview to ongoing research efforts and the broader narrative studies landscape.