1.2018(aclweb)-Towards Controllable Story Generation
摘要:我们提出了一个分析现有故事语料库的总体框架, 以产生可控和创造性的新故事。该框架几乎不需要手动注释就能实现可控的故事生成。它为人类创建了一个新的界面, 用于与计算机交互以生成个性化的故事。我们应用该框架构建基于重复神经网络 (RNN) 的生成模型, 以控制故事结束的功能 1 (Egidi 和 Gerrig, 2009年) 和故事情节。实验表明, 我们的方法通过引入故事情节, 成功地实现了故事的控制, 增强了故事的一致性。随着额外的控制因素, 生成模型获得较低的困惑, 并根据人类评价产生更多忠实于控制因素的连贯故事。
总结:这篇文章通过对结局的二分标签(happy-end和bad-end)以及故事线单词的提取(选择故事中除了结局部分以外最重要的单词作为故事线)控制了故事的生成。
我的笔记: