向用户传达预测的未来：故事情节预测的案例研究
计算与语言
2023-02-21 v1 人机交互
摘要
创意写作是困难的：小说家每天都在与写作障碍作斗争。虽然自动故事生成最近有所进展，但它被视为推动人工智能发展的“玩具任务”，而非帮助人们。在本文中，我们创建了一个系统，利用现有的故事生成方法生成描述预测情节的简短叙述。我们的目标是帮助作者构建一致且引人入胜的故事弧线。我们在Amazon Mechanical Turk (AMT)上进行了实验，以检验生成的故事情节在一致性和可故事性方面的质量。结果表明，我们提出的框架增强型GPT-2 (FGPT-2)生成的简短描述在所有模型中被评为最一致且最具可故事性；FGPT-2的输出甚至优于一些人类撰写的随机故事片段。接下来，我们使用故事续写任务进行了一项初步用户研究，让AMT工作者访问机器生成的故事情节，并撰写后续故事。FGPT-2可以对写作过程产生积极影响，尽管人们更青睐其他基线模型。我们的研究为未来超越句子补全范围的创意写作支持系统的可能性提供了一些启示。我们的代码可在以下地址获取：https://github.com/appleternity/Story-Plot-Generation。
引用
@article{arxiv.2302.09122,
title = {Conveying the Predicted Future to Users: A Case Study of Story Plot Prediction},
author = {Chieh-Yang Huang and Saniya Naphade and Kavya Laalasa Karanam and Ting-Hao 'Kenneth' Huang},
journal= {arXiv preprint arXiv:2302.09122},
year = {2023}
}
备注
To appear in the AAAI 2023 Workshop- Creative AI Across Modalities