基于叙事双胞胎的对比学习：构建故事显著性模型

理解叙事需要识别哪些事件对故事进程最为显著。我们提出一种基于对比学习的框架，用于建模叙事显著性，通过叙事双胞胎（即共享相同情节但表面形式不同的故事）来学习故事嵌入。我们的模型在区分故事与其叙事双胞胎以及表面特征相似但情节不同的干扰项时进行训练。利用得到的嵌入，我们评估了四种受叙事学启发的显著性推断操作（删除、偏移、破坏和概括）。在来自 ROCStories 语料库的短叙事和更长的维基百科情节概述上进行实验，结果表明，对比学习得到的故事嵌入优于掩码语言模型基线，且概括是识别显著句子最可靠的操作。如果不可获得叙事双胞胎，可使用随机丢弃从单一故事中生成双胞胎。有效的干扰项可通过调用大语言模型或在长篇叙事中使用同一故事的不同部分来获取。