以神经表示上的不确定性削减建模短篇小说中的悬念

悬念是叙事虚构作品的关键要素，能吸引读者并使故事引人入胜。尽管关于悬念的理论文献浩如烟海，其在计算上却未被充分理解。我们比较了两种建模悬念的方式：惊奇，一种向后看的度量，衡量给定迄今故事当前状态的多出乎意料；以及不确定性削减，一种向前看的度量，衡量故事后续展开的多出乎意料。二者均可直接在故事表示上或其概率分布上计算。我们提出一个分层语言模型，对故事进行编码并计算惊奇与不确定性削减。针对带有人类悬念判断标注的短篇小说进行评估，我们发现表示上的不确定性削减是最佳预测因子，达到了接近人类的准确率。我们还表明不确定性削减可用于预测电影梗概中的悬念事件。