学习编码演化知识以自动评注长篇小说
计算与语言
2020-04-22 v1 机器学习
摘要
静态知识图谱已被广泛地整合到用于文本生成的序列到序列框架中。虽然静态知识图谱能有效表示结构化上下文，但无法表示建模动态事件所需的知识的演化。本文提出了一种面向长篇小说的自动评注任务，该任务涉及对超过数万词上下文的理解。为对动态故事线尤其是人物及其关系的变化进行建模，本文提出演化知识图谱（Evolutionary Knowledge Graph, EKG）并在多任务框架中进行学习。给定待评注的特定段落，采用序列建模来融合历史与未来的嵌入以表示上下文。进一步，设计了一种图到序列模型来利用EKG生成评注。大量实验结果表明，我们基于EKG的方法在自动与人工评测上均优于若干强基线。
引用
@article{arxiv.2004.09974,
title = {Learning to Encode Evolutionary Knowledge for Automatic Commenting Long Novels},
author = {Canxiang Yan and Jianhao Yan and Yangyin Xu and Cheng Niu and Jie Zhou},
journal= {arXiv preprint arXiv:2004.09974},
year = {2020}
}