NAREOR：叙事重排序问题
计算与语言
2022-03-29 v5 人工智能
摘要
文本中大量隐式推断依赖于其结构方式，并会关键性地影响文本的解读与意义。在具有时间顺序的文本中，一个这样的结构方面是其呈现顺序。对于叙事或故事，这被称为叙事顺序。重排叙事会影响读者从中提取的时间、因果、基于事件及其他推断，进而对其解读与趣味性产生强烈影响。本文提出并研究了叙事重排序（NAREOR）任务，其涉及以不同叙事顺序重写给定故事同时保留其情节。我们提出了一个数据集 NAREORC，包含 ROCStories 中故事以非线性顺序进行人工重写的结果，并对其进行详细分析。此外，我们提出了新颖的任务特定训练方法与合适的评估指标。我们使用 BART 和 T5 等最先进模型在 NAREORC 上开展实验，并进行了大量自动与人工评估。我们表明尽管我们的模型表现尚可，NAREOR 仍是一项具有进一步探索潜力的挑战性任务。我们还探讨了 NAREOR 的两类应用：生成更有趣的故事变体，以及作为时间/事件相关任务的对抗集，此外讨论了其他潜在应用，例如与写作等语言技能相关的教学场景以及涉及临床叙事的医学应用。
引用
@article{arxiv.2104.06669,
title = {NAREOR: The Narrative Reordering Problem},
author = {Varun Gangal and Steven Y. Feng and Malihe Alikhani and Teruko Mitamura and Eduard Hovy},
journal= {arXiv preprint arXiv:2104.06669},
year = {2022}
}
备注
Accepted to AAAI 2022; Code at https://github.com/vgtomahawk/NAREORCamReady