面向反事实故事的无监督编辑方法
计算与语言
2022-10-27 v2 人工智能
摘要
创作假设性（what-if）故事需要对先前陈述及变更条件可能带来的结果进行推理。人们可以轻易在新条件下生成连贯的结尾，但当前系统要以对原故事最小改动来实现这一点却颇具挑战。因此，一个主要挑战在于生成合乎逻辑的故事与以最小编辑进行重写之间的权衡。本文中，我们提出 EDUCAT，一种基于编辑的无监督反事实故事重写方法。EDUCAT 包含一种基于估计 what-if 条件的因果效应来定位目标位置的策略，从而保留故事中因果不变的部分。EDUCAT 随后在流畅性、连贯性与最小编辑约束下生成故事。我们还提出一种新度量以缓解当前自动度量的不足，更好地评估该权衡。我们在公开的反事实故事重写基准上评估 EDUCAT。实验表明，根据自动与人工评估，EDUCAT 在无监督 SOTA 方法中取得了最佳权衡。EDUCAT 的资源见：https://github.com/jiangjiechen/EDUCAT。
引用
@article{arxiv.2112.05417,
title = {Unsupervised Editing for Counterfactual Stories},
author = {Jiangjie Chen and Chun Gan and Sijie Cheng and Hao Zhou and Yanghua Xiao and Lei Li},
journal= {arXiv preprint arXiv:2112.05417},
year = {2022}
}
备注
Accepted to AAAI 2022