PlotMachines：基于动态情节状态跟踪的提纲条件化生成
计算与语言
2020-10-13 v2
摘要
我们提出提纲条件化故事生成任务：给定一组描述故事中关键人物与事件的短语作为提纲，任务是生成与该提纲一致的连贯叙事。该任务具有挑战性，因为输入仅提供情节的粗略草图，因此模型需要通过交织提纲中的关键点来生成故事。这要求模型在生成完整故事时，以输入提纲为条件，跟踪潜在情节的动态状态。我们提出PlotMachines，一种神经叙事模型，通过学习跟踪动态情节状态将提纲转化为连贯故事。此外，我们用高层语篇结构丰富PlotMachines，使模型能学习对应于叙事不同部分的多种写作风格。在三个虚构与非虚构数据集上的综合实验表明，尽管GPT-2与Grover等大规模语言模型具有令人印象深刻的生成性能，但不足以针对给定提纲生成连贯叙事，而动态情节状态跟踪对于构思更紧凑、更一致的情节叙事至关重要。
引用
@article{arxiv.2004.14967,
title = {PlotMachines: Outline-Conditioned Generation with Dynamic Plot State Tracking},
author = {Hannah Rashkin and Asli Celikyilmaz and Yejin Choi and Jianfeng Gao},
journal= {arXiv preprint arXiv:2004.14967},
year = {2020}
}
备注
EMNLP 2020