CHARMinG - Literarische Charaktere mittels AI-Methoden analysieren und generieren

Held, Bösewicht, Diener, Mentor, und viele mehr ... Film und Drama bedienen sich auch heute noch archetypischer Charaktere. Aber was macht einen Charakter aus? Das hier vorgeschlagene Projekt CHARMinG (Character Mining and Generation) entwickelt und verwendet KI-Methoden aus den Gebieten der automatischen Text- und Affektanalyse, der Sprachverarbeitung und dem maschinellen Lernen, um in digital verfügbaren dialogischen Texten (Drehbüchern, Transkripten, Dramen) Indikatoren zu entdecken, die die wesentlichen relationalen, funktionalen und persönlichen Merkmale von fiktionalen Gestalten vermitteln und damit zur Generierung von facettenreicheren und interessanteren virtuellen Figuren beizutragen. Das Projekt etabliert das neue Gebiet des "Character Mining" sowohl in fiktionalen als auch in nichtfiktionalen Textsorten. Fiktionale Texte eignen sich besonders gut als Ausgangspunkt, da hier der reiche Fundus an literarischen Arbeiten über Charaktere und die Dialoghaftigkeit der Texte genutzt werden können. Ein zentrales Anliegen des Projekts ist es, Fortschritte bei der Gestaltung interessanter und vielschichtiger virtueller Charaktere zu ermöglichen. Das können Non-Player-Character in interaktiven Geschichten, Dramen oder Spielen sein, aber auch Agenten im E-Learning oder im Assistenzbereich sowie deren Nebendarsteller. Durch die Forschungsarbeit, die textuelle Oberflächenmerkmale eines Charakters systematisch mit ihren darunterliegenden Aspekten verbindet, wird es möglich, vorerst facettenreiche, sozialisierte und narrativ tragende virtuelle Darsteller zu modellieren und zu generieren, die füreinander und vor allem für die Hauptfiguren eine lebendige soziale Umgebung schaffen. Ein weiteres Ziel des Projekts ist es, die neuen Methoden auf die Interpretation menschlichen Verhaltens im weiten Universum nichtfiktionaler (vorerst dialoghafter) Textsorten zu übertragen, z. B. in sozialen Netzwerken.

Die letzten Jahrzehnte sahen eine starke Vermehrung von virtuellen Charakteren in interaktiven Geschichten, Spielen, Assistenz- und Lernsystemen. Trotzdem blieb das Design von interessanten künstlichen Figuren, die mit den Usern konsistent und kohärent kommunizieren können, ein Problem. Das Ziel des Projekt war es, Einsichten und neue interdisziplinäre Herangehensweisen zur Lösung dieses Problems zu finden. Die zentrale Annahme unserer Untersuchung war, dass sich die wichtigsten Anzeichen dessen, was einen Charakter ausmacht, im Dialog zeigen. Auf der Grundlage dieser Hypothese entwickelten und untersuchten wir eine Reihe von Methoden aus Sprachverarbeitung und maschinellem Lernen, die es, zusammen mit detaillierter menschlicher Diskursanalyse, ermöglichten, aus elektronischen Quellen fiktiver Dialoge (Drehbücher, Transkripte, Dramen) eine Reihe von Indikatoren zu erarbeiten, die den Kern der relationalen bzw. funktionalen Eigenschaften von Charakteren beschreiben. Im Rahmen des Projekts wurden einige Meilensteine erreicht. In erster Linie entwickelten wir einen integrierten Ansatz, mit dem linguistische Analyse um Interaktions- und Kommunikationsmerkmale ergänzt wird, um die automatische Erkennung von fiktionalen Charakteren zu ermöglichen. Weiters evaluierten wir eine Reihe von State-of-the-Art Methoden zur generalisierten Einbettung auf Wort- und Satzebene, um die automatische Klassifikation eines breiten Merkmalspektrums zu verbessern: a) Merkmale für Expressivität (z.B. Gefühlsausdruck, Ausrufe, Ellipse) b) sozial-relationale Merkmale (z.B. Dialogakte, Anrede, Brüche) c) spezifische Merkmale des strategischen Diskurses eines Charaktertyps, u.zw. des Mentors (z.B. Sprechhandlungen, Absichten). Angesichts des breiten Spektrums an damit assoziierten funktionalen und psycho-sozialen Merkmalen, die für die wachsenden Sektoren Bildung und Assistenz sowohl online als auch in der Robotik relevant sind, legten wir den Forschungsschwerpunkt auf den Charaktertyp des Mentors und seine Interaktionen mit den Mentee-Figuren. Auf der Basis des oben erläuterten integrierten Ansatzes wurde ein Schichtenmodell der Mentor-Mentee-Interaktionen vorgelegt. Weiters haben wir auch Software-Tools für die automatische Analyse von Interaktionen in Dialogen entwickelt und eine Variante eines charaktertreuen Dialogsystems evaluiert.Schließlich wurde die Transferierbarkeit der Methoden und Tools in andere Domänen und Anwendungsszenarien, wie z.B. die Analyse von Benutzermerkmalen in sozialen Medien, untersucht.