神经故事规划
计算与语言
2022-12-20 v1 人工智能
摘要
自动化情节生成是生成一系列事件序列的挑战，这些事件将被读者感知为连贯故事的情节。传统的符号规划器从目标状态规划故事，并保证逻辑因果情节连贯，但依赖于带有前提与效果的手工构建动作库。这种封闭世界设定限制了符号规划器可生成故事的长度与多样性。另一方面，预训练神经语言模型可生成极具多样性的故事，但通常无法以指定方式结束故事，且难以保持连贯性。本文中，我们提出一种统一因果规划与神经语言模型的故事情节生成方法。我们提议利用从大语言模型中提取的常识知识，以反向链式方式递归扩展故事情节。具体而言，我们的系统推断故事中事件的前提条件，然后推断将使这些条件成真的事件。我们进行了自动评估，以通过回答故事中不同事件是否与其他事件因果相关的问题的能力来衡量叙事连贯性。结果表明，我们提出的方法比若干强基线产生更连贯的情节线。
引用
@article{arxiv.2212.08718,
title = {Neural Story Planning},
author = {Anbang Ye and Christopher Cui and Taiwei Shi and Mark O. Riedl},
journal= {arXiv preprint arXiv:2212.08718},
year = {2022}
}