探究自然语言生成模型作为行为先验条件用于社交环境中行为的假设生成,结合 Moral Stories 数据集研究并提出解码策略,通过综合专家模型实现优质行为生成、后果和规范生成。
Dec, 2020
我们的文章主要调查了人类与情感之间的关系,包括娱乐、广告和教育等多种方面,并介绍了专业讲故事者所使用的创作技巧,旨在进一步促进计算故事研究与人类创造性写作之间的新交叉领域。
May, 2022
本文介绍了一种将 Scheherazade 故事意图图转换成人物 NLG 引擎所需输入的自动方法,使用 36 个 Aesop 寓言进行测试,结果表明我们可以生成正确内容,平均与 Scheherazade 实现器的输出接近。
Aug, 2017
本文介绍一个新的 “Story Cloze Test” 框架来测试一个系统对五句子情景的理解和故事学习,同时介绍了用于此框架的新语料库 ROCStories,用于在日常事件之间捕捉因果和时间共识关系的同时收集高质量的日常生活故事。实验证明现有的浅层语言理解模型不能高分通过 Story Cloze 测试,这对剧本和故事的学习提出深层次的理解建议。
Apr, 2016
本文探讨了利用机器学习模型对故事数据进行规范原则预测的任务,研究表明,单独的原则可以被分类,但 ' 道德准则 ' 的不确定性对于人类和自主系统来说都是一个挑战。
Nov, 2022
通过精心设计的 MoralBERT 模型,结合社交媒体平台的标注道德数据,探索了道德预测及领域适应技术在理解有争议的社会议题上的应用,结果表明在领域内的预测模型明显优于传统模型,但领域外的泛化仍需进一步探索。
Mar, 2024
本研究探索了一种新型的粗粒度到细粒度的模型,可以生成故事文本,并通过抽象行为和实体来分解故事,生成谓词 - 参数结构的文本,最终替换实体占位符。经过广泛的分析和人工评估,我们的方法可以提高生成的故事中事件和实体的多样性和连贯性。
Feb, 2019
通过使用具有高质量内容规划和根据亚里士多德诗学详细描述的优秀剧情编写方面的集合进行语言模型的情节生成,可以解决故事生成的问题,并发现经过良好规划的情节结构的故事比不具备内容规划或者使用不合适的规划方式的基准更加相关和高品质。
Sep, 2020
该研究证明了通过应用机器学习算法从自然语言文本中提取道德和伦理判断,BERT 可以提高机器的道德价值观和伦理价值观的准确性,并且进一步使其能够为 Moral Choice Machine 提供更准确印记的道德选择和伦理价值。
Dec, 2019
本文介绍一种基于 GPT-2 的系统,利用自动故事生成技术生成可靠的短篇小说情节,以协助作家构建一个一致且引人入胜的情节,实验表明,该系统产生的短篇小说情节在一致性和可故事性等方面优于其他模型,作者尝试了一种 story continuation 任务,以确定该系统如何影响创意写作的过程。
Feb, 2023