WriterForcing：生成更有趣的故事结尾
机器学习
2019-07-22 v1 计算与语言
机器学习
摘要
我们研究为故事生成有趣结尾的问题。神经生成模型已在多种文本生成问题上展现出有前景的结果。Sequence to Sequence（Seq2Seq）模型通常被训练为对给定输入序列生成单一输出序列。然而，在故事语境中，多种结尾是可能的。Seq2Seq模型倾向于忽略上下文并生成通用且乏味的回复。极少有工作研究为给定故事上下文生成多样且有趣的故事结尾。在本文中，我们提出通过以下两点生成更多样且有趣输出的模型：1）训练模型将注意力聚焦于故事的重要关键词，以及2）促进非通用词的生成。我们表明二者的结合带来了更多样且有趣的结尾。
引用
@article{arxiv.1907.08259,
title = {WriterForcing: Generating more interesting story endings},
author = {Prakhar Gupta and Vinayshekhar Bannihatti Kumar and Mukul Bhutani and Alan W Black},
journal= {arXiv preprint arXiv:1907.08259},
year = {2019}
}
备注
Accepted in ACL workshop on Storytelling 2019