本文提出了一种基于多字符心理线的故事生成模型 SoCP,通过注意力机制实现不同角色心理状态的转变控制, 并引入一种新的心理状态控制度量来评估模型效果。实验结果表明该模型能够自动生成包括多个角色、丰富的情感变化的故事。
Oct, 2020
本文介绍了一种由心理学理论指导的可控故事生成系统(PICS),采用全局心理状态链和心理状态跟踪器和规划器来生成更可控和规划良好的故事,自动和手动评估表明 PICS 胜过基准。
Oct, 2022
对于控制细粒度属性的文本生成研究,本文通过引入新的基准测试,系统调查了不同大型语言模型在生成个性化文本方面的性能,并从影响性能的因素中获得了一些见解。
Feb, 2024
本文提出了一种用于序列到序列的细粒度情感语音合成的统一模型,通过学习到的排名函数引入音素级情感强度表示来描述本地情感细节,并采用句子级情感类别来呈现合成语音的全局情感。
Nov, 2020
我们提出了一个控制生成多个不同输出的简单有效建模框架,重点考虑了情感、长度、谓语、语义框架和自动诱导簇等几个句子属性。我们的实验结果表明:(1) 我们的框架在产生与目标控制值匹配的输出方面非常准确;(2) 与标准的 n-best 列表生成相比,我们的模型产生的最大指标得分要高;(3) 控制语义框架的生成方式能够产生更强的多样性和质量,其自动度量分数也更高。我们还进行了人类评估,以评估为创意写作提供多个建议的效用,在协作写作系统中实现可控性、多样性的生成具有很大的潜力。
Sep, 2019
该研究提出了一个基于自然语言的控制生成任务,可将一系列事实扩展为更长的叙述,并通过引入人类评估指标和大型训练数据集的方法评估了三种方法,证明了自回归的单向语言模型如 GPT2 的生成流畅度更好,但很难遵循所请求的事实,提出了一个基于计划和填空模型的解决方案(使用精细调整的 XLNet),其生成流畅度有竞争力,同时遵循所请求的内容。
Dec, 2020
本文提出了一个新的任务 —— 风格化故事生成,即在给定前导的情况下生成带有指定风格的故事,并提出了一种新颖的生成模型来解决这个问题,该模型首先规划出风格化关键词,然后在关键词的指导下生成整个故事。此外,提出了两种自动度量标准来评估所生成的故事与指定风格之间的一致性。实验证明,我们的模型能够根据 ROCStories 数据集(Mostafazadeh et al.,2016)可控地生成情感驱动或事件驱动的故事,为进一步研究风格化故事生成提供了见解。
May, 2021
自动视觉化故事生成包含了自然对话生成和图像生成两个部分,其中,系统通过用户指定的关键词和情绪标签生成下一个句子,再用扩散模型生成相应的图像。此外,通过对象识别技术,生成的图像中的物品可被用于未来的故事发展。
Jan, 2023
该研究探讨了故事生成:创作系统可以在一个主题上构建连贯流畅的文本段落,使用一个大规模的数据集,通过分层式故事生成模型,研究人员成功地实现了模型融合,引入了新的门控多尺度自注意机制,并在自动化和人工评估中实现了显著的改进。
May, 2018
本文介绍了一些控制文本生成的方法以增强语言生成模型的创造力和公平性,包括层级生成和约束解码,并应用于故事、诗歌、比喻语言的创意生成,以及减少生成模型的社会偏见。
Sep, 2022