推断读者：以常识推理引导自动化故事生成
计算与语言
2023-11-21 v3
摘要
基于 Transformer 的语言模型方法目前在自动化故事生成中提供最先进的结果。然而，它们在随时间生成叙事时仍存在情节不连贯的问题，并且严重缺乏基本的常识推理。此外，现有方法通常只关注单角色故事，或完全无法跟踪角色。为提高生成叙事的连贯性并扩展以角色为中心的叙事生成范围，我们提出常识推理增强的神经故事讲述（CAST, Commonsense-inference Augmented neural StoryTelling）框架，将常识推理引入生成过程，并可选择对多个角色之间的交互进行建模。我们发现，在三个故事讲述领域的单角色和双角色设定下，我们的 CAST 方法比现有模型生成的故事显著更连贯、切题、有趣且流畅。
引用
@article{arxiv.2105.01311,
title = {Inferring the Reader: Guiding Automated Story Generation with Commonsense Reasoning},
author = {Xiangyu Peng and Siyan Li and Sarah Wiegreffe and Mark Riedl},
journal= {arXiv preprint arXiv:2105.01311},
year = {2023}
}
备注
Findings of EMNLP 2022. For conference video and anthology version, see https://aclanthology.org/2022.findings-emnlp.520/