EtriCA：基于交叉注意力增强的事件触发上下文感知故事生成
计算与语言
2022-10-25 v1 人工智能
摘要
自动故事生成的关键挑战之一是如何生成能够保持流畅性、相关性和连贯性的长篇叙事。尽管近期取得了进展，当前的故事生成系统仍面临如何有效捕捉上下文与事件特征的挑战，这对模型的生成性能有深远影响。为应对这些挑战，我们提出一种新颖的神经生成模型 EtriCA，它通过残差映射将上下文特征映射到事件序列，并利用交叉注意力机制，从而提升生成故事的相关性与连贯性。这种特征捕捉机制使我们的模型在生成故事时能更好地利用事件之间的逻辑关联。基于自动与人工评估的广泛实验表明，我们的模型显著优于最先进的基线，证明了该模型在利用上下文与事件特征方面的有效性。
引用
@article{arxiv.2210.12463,
title = {EtriCA: Event-Triggered Context-Aware Story Generation Augmented by Cross Attention},
author = {Chen Tang and Chenghua Lin and Henglin Huang and Frank Guerin and Zhihao Zhang},
journal= {arXiv preprint arXiv:2210.12463},
year = {2022}
}
备注
Accepted by EMNLP 2022 Findings