Plan-And-Write: Towards Better Automatic Storytelling

文章链接：https://arxiv.org/pdf/1811.05701.pdf
会议: AAAI 2019

Abstract
先是讲述之前的工作，要没实在情节规划方面做限制，要么是只能在狭窄的领域生成故事，最后提出自己的工作。
We propose a plan-and-write hierarchical generation framework that
first plans a storyline, and then generates a story based on the
storyline.

Introduction

先是讲述之前的一些工作，而这些工作主要关注在两个方面：1、情节规划 2、基于案例推理（case-based reasoning），同时也讲述这些方法的缺点：太过依赖于人功能注释，或者领域比较局限。
提出自己的故事生成框架（Story Generation）
we propose to decompose story generation into two steps: 1) story planning which generates plots,and 2) surface realization which composes natural language text based on the plots.

Problem Formulation

## Method

*Dynamic Schema

*：通俗理解就是边生成故事片段（sentence），边规划（生成）Storyline中的next word。
Storyline Planning：动态规划的方法生成Storyline是将该任务看做成一个content-introducing generation problem （We implement the content-introducing method proposed by Yao et al. [2017],）

输入的是：context (the title and previously generated sentences are taken as context) + the previous word in storyline

Context = ctx =[t,s1:i−1]
Story Generation : 同样被看做是一个content-introducing generation problem 生成器结构和Storyline Planning一样 优化方程为：

Static Schema

先根据tiitle生成一个完整的Storyline（牺牲了了灵活性，加强了连贯性），然后再生成故事。

Storyline Planning：使用Seq2Seq模型

Story Generation：

缺点：1、离题2、重复3、逻辑不一致

所生成的 故事线 简化了真实故事中许多有意的结构，如实体，事件、地点等

其他就看文章内容吧
故事生成对比案例挺有意思的