通过异质图网络将常识知识引入故事结尾生成
计算与语言
2022-02-01 v1 人工智能
摘要
故事结尾生成是一项有趣且具挑战的任务，旨在给定故事上下文后生成连贯合理的结尾。该任务的关键挑战在于如何充分理解故事上下文并有效处理故事线索背后的隐式知识，以往工作对此仍探索不足。本文提出故事异质图网络（SHGN），显式建模不同粒度级别的故事上下文信息及其间的多粒度交互关系。具体而言，我们将常识知识、词与句子视为三类节点，并引入一个全局节点以聚合非局部信息。基于此异质图网络，节点表示通过图传播更新，充分利用常识知识以促进故事理解。此外，我们设计两个辅助任务以隐式捕捉上下文中的情感走向与关键事件，并以多任务学习策略与故事结尾生成主任务联合优化。在 ROCStories 语料库上的大量实验表明，所提模型取得了新的 SOTA 性能。人工评估进一步证明我们的模型生成了更合理的故事结尾。
引用
@article{arxiv.2201.12538,
title = {Incorporating Commonsense Knowledge into Story Ending Generation via Heterogeneous Graph Networks},
author = {Jiaan Wang and Beiqi Zou and Zhixu Li and Jianfeng Qu and Pengpeng Zhao and An Liu and Lei Zhao},
journal= {arXiv preprint arXiv:2201.12538},
year = {2022}
}
备注
DASFAA 2022