语义框架预测

本文提出语义框架预测任务，该任务预测一个正在进行的故事中接下来 10、100 甚至 1,000 个句子中将出现的语义框架。先前的工作聚焦于预测故事的即时未来，例如提前一两句。然而，当小说家撰写长篇故事时，生成少量句子不足以帮助他们获得高层次洞察以发展后续故事。在本文中，我们将长篇故事形式化为“故事块”的序列，其中每个块包含固定数量的句子（例如 10、100 或 200）。这种形式化使我们能够预测超出少数句子范围的后续故事弧。我们使用其中语义框架的词频（TF）来表示故事块，并以每个框架的逆文档频率（IDF）进行归一化。我们在来自 Bookcorpus 的 4,794 本书和来自 CODA-19 的 7,962 篇科学摘要上进行了语义框架预测实验，块大小从 5 到 1,000 个句子不等。结果表明，自动化模型比随机、先验和重放基线能更好地预测后续故事块，表明该任务的可行性。我们还了解到，当块大小超过 150 个句子时，使用框架表示作为特征的模型优于所有现有方法。人工评估也表明，所提出的框架表示在可视化为词云时，对人类而言是可理解、具代表性且具体的。我们的代码可在 https://github.com/appleternity/FrameForecasting 获取。