AI-Hub

데이터 변경이력

데이터 히스토리

소개

스토리 작품의 서사단위를 유닛으로 하여 줄거리를 작성하고 설정, 모티프, 인물, 서사단계, 감정, 장소 등의 스토리 창작 요소를 라벨링

구축목적

ㅇ 창작 지원을 위하여, 작가의 구상에 따라 스토리 추천 및 자동 생성을 하기 위한 인공지능 모델의 개발을 위한 스토리 데이터를 구축
     - 스토리의 줄거리 데이터 구축 및 스토리 유닛 구분, 장르, 주제, 서사구조 분석
     - 인물, 감정, 모티프, 상황, 맥락, 서사단계 등의 분석 및 라벨링

데이터 구축 규모

최종 인공지능 데이터: 3,953건 스토리 작품의 줄거리 유닛 100,077건, 어노테이션 json파일 3,953건
 > 3,953건 스토리 작품의 줄거리 작성, 약 83MB
 > 서사 단위 분석 수행, 100,077건의 스토리 유닛 생성
 > 작품 단위 스토리 분석 수행: 장르, 주제, 기본 설정, 서사구조, 모티프, 갈등구조 분석
 > 유닛 단위 스토리 분석 수행: 서사단계, 스토리라인, 모티프, 인과관계, 행동, 감정 분석 
 > 지문 873462건, 대사 503,127건, 총 1,376,589건의 스크립트 분석
 > 스토리 작품 및 스토리 유닛 줄거리에 대해 분석 데이터 라벨링, JSON 파일 약 585MB

스토리 추천 학습 데이터 규모

데이터 분포

스토리 유형별 분포:
한 유형이 50%를 초과하지 않도록 구성

장르별 분포:
한 장르가 40%를 초과하지 않도록 구성

* 장르 복수 선택 시 비율 산정:

1개 100% 가중치

2개 50:50 가중치

3개 40:40:20 가중치 적용

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

학습 모델 개발

▪ ScriptWriter-CPre(Content Prediction) 모델 개요

네러티브와 최초 스토리가 주어질 때 다음과 같은 스토리 생성이 진행된다.

출력된 스토리 중 체크표시된 것은 참 값(Ground truth)으로부터 추출된 것이고, 표시되지 않은 것은 관련성이 없는 문장으로부터 추출된 것이다.

▪ 모델의 정의

    다음과 같이 모델의 데이터를 정의한다.
    데이터셋 D는 다음과 같다. 

         : 컨텍스트(context)로서 이전 스토리 라인들 
        : 사전에 정의된(pre-defined) 네러티브
        : 응답(response) - 생성 스토리 후보
        : 이진 라벨로서 응답이 적절한지를 지정

    본 모델 은 컨텍스트(context), 네러티브(pre-defined narrative), 응답(response)을 입력받아서 응답이 스토리 문맥과 순서에 맞는지에 대한 적절성을 판정한다.

▪ 모델의 알고리즘

    Scriptwriter-CPre는 네러티브(narrative)를 중심으로 연속적인 스토리(혹은 대사) 구조를 생성한다. 자연어의 representation을 matching하고 aggregate하는 부분이 중심 모델 구조이다.

                                                             < ScriptWriter-CPre 모델의 기본 구조 >

위의 그림은 ScriptWriter-CPre 모델의 기본 구조이다. 먼저 네러티브와 컨텍스트(이전 스토리), 그리고 응답(생성 후보)은 multi-level attention 모듈에 의해 복수개의 cell 데이터로 표현(represent)된다. 두 번째로 업데이트 방식을 이용하여, 나중 스토리가 네러티브 및 앞선 스토리보다 높은 가중치를 가지도록 한다. 세 번째로 부가적인 손실함수를 통해서 네러티브의 어떤 부분이 다음 스토리를 예측할 수 있는지를 attention하도록 한다. 네 번째로 매칭되는 특징(feature)이 이전 스토리가 네러티브의 어떤 부분에 주목(attention)하였는지를 출력하도록 만들어진다. 마지막으로 이렇게 생성된 매칭 특징을 concatatenate하여서 CNN(convolutional neural network)과 MLP(multi-layer perception)을 통하여 최종 매칭 점수를 산출하도록 한다.

▪ 모델의 구현

    - Scriptwriter-CPre의 공개된 소스 https://github.com/DaoD/ScriptWriter를 활용하여 구현한다.
    - Scriptwriter-CPre는 tensorflow 1에서 개발되었다. 이를 tensorflow 2에서 동작하도록 모델을 개발한다.
    - 또한, 멀티 GPU 학습을 위해 pytorch 상에서도 동작하도록 모델을 확장 개발한다.
    - 개발된 모델은 https://github.com/ewhacc/ScriptWriter에 공개하고 관리한다.

서비스 활용 서비스

▪ 작가 지원 스토리 검색 서비스 
    - 작가가 구상하는 스토리를 개념화하여 유사 사례를 검색하는 서비스
    - 장르, 주제, 모티프, 인물 등의 설정으로 스토리 예시를 검색
▪ AI 스토리 장작 지원 분야
    - 인물 성향/관계, 모티프, 스토리라인(상황) 등을 설정하면 AI가 이어지는 스토리를 생성
    - 작가들의 구상에 따라 AI가 창작의 가능성을 보여주고, 이로부터 창작의 소재를 확장해가는 창작 지원 서비스
▪ <스토리헬퍼 AI> 서비스 개발을 통한 데이터 활용 및 작가지원 서비스
    - 서비스 개발 : 이화여자대학교
    - 서비스 개발 배경
      ● 2014년 개발되어 작가들의 창작 지원을 하였던 <스토리헬퍼> 작가의 구상에 대응하는 스토리 요소 추천 서비스로 작가 및 지망생들의 호평을 받음
      ● <스토리헬퍼> 서비스의 차세대 서비스로서 구축된 스토리데이터를 활용하여 확장된 창작 지원 서비스 개발
      ● AI 스크립트 생성 기능으로 작가의 설정에 따른 창작의 가능성 제공 서비스
      ● 본 사업에서 구축된 데이터를 추가하여 <스토리헬퍼 확장판> 서비스를 개발하고 나아가 인공지능 스토리 추천 및 생성 기술을 시도하는 <스토리헬퍼 AI> 서비스 개발 추진

데이터 성능 점수

설명서 및 활용가이드 다운로드

데이터 포맷
● 작품 단위 분석 (장르, 주제, 모티프, 사서구조, 설정)과 유닛 단위 분석 (서사단계, 스토리라인, 유닛모티프, 인과관계, 인물의 감정 및 행동) 데이터를 구분하여 라벨링
● 창작이론 및 작품 분석에 근거하여 서사단계, 모티프, 주제, 인과관계, 행위, 감정 등의 분석을 체계화하고 라벨링 내용을 표준화하여 데이터 품질 및 AI학습 품질을 향상
● 작품 데이터 예시

● 유닛 데이터 예시 (작품별 3~50개)

어노테이션 포맷

- JSON 파일(스토리 텍스트 정보)
● 작품 라벨링 데이터

● 유닛 라벨링 데이터

● 줄거리/대사 데이터

JSON 형식

{
    "id": "01_0720",
    "type": "movie",
    "title": "수상한 그녀",
    "genre": ["스릴러"],
    "year": 2019,
    "theme": "구출",
    "concept": "C001는 자신을 납치 감금한 C002의 집요한 집착에서 벗어나려고 한다.",
    "structure": "스토리헬퍼 15단계",
    "motif": "감금",
    "main_character": "순진함",
    "conflict": "엄마를 잃은 C001는 엄마 생각에 C002를 좋은 친구로 생각하지만, C002는 C001에게 집착을 한다.",
    "characters": ["C001", "C002", "C003"],
    "units": [
        { "id": "01_0720_05" },
        {
            "id": "01_0720_06",
            "prev_id": "01_0720_05",
            "next_id": "01_0720_07",
            "characters": ["C001", "C003", "E002", "C002"],
            "stage": "1st Accident",
            "storyline": "C001의 직장으로 C003가 찾아온다.",
            "unit_motif": "말싸움/의견충돌",
            "causality": "Possession(집착)",
            "story_scripts": [
                { "type": "narrative", "location": "전철 안",
                    "character": ["C001"], "act": "무시하다", "emotion": "짜증나다",
                    "content": "C001는 C002에게 전화가 왔지만, 받지 않는다." },
                { "type": "narrative", "location": "레스토랑",
                    "character": ["C001"], "act": "연락하다", "emotion": "짜증나다",
                    "content": "C001는 C003에게 전화를 건다."
                },
                { "type": "script", "location": "레스토랑",
                    "character": ["C001"], "act": "연락하다", "emotion": "짜증나다",
                    "content": "그 여자 미쳤나 봐. 계속 연락해."
                },
                { "type": "script", "location": "C003 집",
                    "character": ["C003"], "act": "말하다", "emotion": "짜증나다",
                    "content": "그 여자가 집으로도 계속 전화해. 짜증 나."
                },
                { "type": "narrative", "location": "레스토랑",
                    "character": ["E002"], "act": "말하다",
                    "content": "레스토랑 매니저는 C001에게 누가 찾아왔다고 말한다."
                },
                { "type": "script", "location": "레스토랑",
                    "character": ["C001"], "act": "말하다", "emotion": "짜증나다",
                    "content": "여긴 왜 온 거예요?"
                },
                { "type": "script", "location": "레스토랑",
                    "character": ["C002"], "act": "대답한다", "emotion": "걱정",
                    "content": "연락이 안 되니까 걱정이 돼서 찾아왔어요."
                },
                { "type": "narrative", "location": "레스토랑",
                    "character": ["C001"], "act": "말하다", "emotion": "화나다", 
                    "content": "C001는 찬장 안에서 봤던 가방 이야기를 한다."
                },
                { "type": "narrative", "location": "레스토랑",
                    "character": ["C002"], "act": "대답한다", "emotion": "당황하다",
                    "content": "C002는 설명할 기회를 달라고 한다."
                },
                { "type": "narrative", "location": "레스토랑",
                    "character": ["C001", "C002"], "act": "다투다/대립하다",
                    "emotion": "화나다", "content": "C001는 다신 오지 말라며 화를 낸다."
                }
            ]
        },
        { "id": "01_0720_06" }
    ]
}

데이터셋 구축 담당자

수행기관(주관) : 이화여자대학교 산학협력단

수행기관(참여)

데이터 관련 문의처