基于知识图谱与文学理论的长篇故事生成
计算与语言
2025-08-06 v1 人工智能
摘要
生成由数千字组成的长篇故事是长文本生成 (LTG) 领域的一个子任务。以往的研究通过基于提纲的生成方法来解决这一挑战，采用多阶段方法从提纲生成故事。然而，这种方法存在两个常见问题：几乎不可避免地由于对之前提纲记忆的丢失导致主题漂移，以及逻辑不连贯、枯燥的情节对人类读者不够吸引人。本文提出了多智能体故事生成器结构以改进多阶段方法，利用大语言模型 (LLM) 作为智能体的核心组件。为避免主题漂移，我们引入了记忆存储模型，包括两个组成部分：长期记忆存储识别最重要的记忆，从而防止主题漂移；短期记忆存储保留每一轮生成的最新提纲。为将引人入胜的元素融入故事，我们设计了基于文学叙事学理论的故事主题障碍框架，引入不确定因素和评估标准以生成提纲。该框架计算前一段子情节的相似性，并通过构建知识图谱并整合新节点内容来增强故事的吸引力。此外，我们建立了多智能体交互阶段，通过对话模拟作家与读者的互动，并根据反馈修订故事文本，以确保其一致性和逻辑性。针对先前方法的评估表明，我们的方法能够生成更高质量的长篇故事。
引用
@article{arxiv.2508.03137,
title = {Long Story Generation via Knowledge Graph and Literary Theory},
author = {Ge Shi and Kaiyu Huang and Guochen Feng},
journal= {arXiv preprint arXiv:2508.03137},
year = {2025}
}