R$^2$：基于 LLM 的小说转剧本生成框架及因果情节图
人工智能
2025-03-21 v1
摘要
自动将小说转化为剧本对电视、电影或歌剧产业具有重要意义，可以低成本推广产品。大型语言模型（LLM）在长文本生成方面表现出色，促使我们提出一种基于 LLM 的 Reader-Rewriter（R）框架。然而，这里存在两个根本挑战：首先，LLM 幻觉可能导致情节提取和剧本生成不一致；其次，应有效提取嵌入因果性的情节线以实现连贯性。因此，提出了两个相应策略：1）一种幻觉感知细化方法（HAR），用于迭代发现并消除幻觉的影响；2）一种基于贪心环破算法的因果情节图构建方法（CPC），高效构建具有事件因果性的情节线。通过吸纳这些高效技术，R 使用两个模块模拟人类剧本重写过程：Reader 模块采用滑动窗口和 CPC 构建因果情节图；Rewriter 模块首先基于情节图生成场景提纲，然后生成剧本。HAR 集成到两个模块中，以实现 LLM 的准确推断。实验结果表明，R 的优越性显著优于三个现有方法（在 GPT-4o 上分别提高了 51.3%、22.6% 和 57.1% 的绝对增量）在总体胜率方面。
引用
@article{arxiv.2503.15655,
title = {R$^2$: A LLM Based Novel-to-Screenplay Generation Framework with Causal Plot Graphs},
author = {Zefeng Lin and Yi Xiao and Zhiqiang Mo and Qifan Zhang and Jie Wang and Jiayang Chen and Jiajing Zhang and Hui Zhang and Zhengyi Liu and Xianyong Fang and Xiaohua Xu},
journal= {arXiv preprint arXiv:2503.15655},
year = {2025}
}
备注
16 pages, 6 figures