学习预测可解释情节用于神经故事生成
计算与语言
2019-12-09 v2
摘要
故事生成是一项重要的自然语言处理任务，旨在自动生成连贯的故事。尽管神经网络的使用已证明能有效改进故事生成，但如何学习生成可解释的高层情节仍是一大挑战。本工作中，我们提出一种用于神经故事生成的潜变量模型。该模型将大纲（一句对人类可解释的自然语言句子）作为潜变量，用以表示衔接输入与输出的高层情节。我们采用外部摘要模型引导潜变量模型从训练数据中学习如何生成大纲。实验表明，我们的方法在自动与人工评测上均相较最先进方法取得显著提升。
引用
@article{arxiv.1912.02395,
title = {Learning to Predict Explainable Plots for Neural Story Generation},
author = {Gang Chen and Yang Liu and Huanbo Luan and Meng Zhang and Qun Liu and Maosong Sun},
journal= {arXiv preprint arXiv:1912.02395},
year = {2019}
}
备注
10 pages