Oct, 2022

NGEP：基于图形的事件计划框架用于故事生成

PDF
TL;DR本研究提出一种基于自动构建事件图和神经事件顾问的事件规划框架，以提高长文本生成的性能，实验结果表明，该框架不仅在事件序列生成方面表现优异，而且在故事生成的下游任务上的效果也十分显著。
long text generationneural generation modelsnarrative coherenceevent planning frameworkgraph-based neural framework
发现论文，激发创造
  • GraphPlan: 基于事件图规划的故事生成

    通过事件图谱，本论文提出构建事件序列以引导生成器的方法来生成故事，实现故事的高水平理解和语义理解，从而产生更多逻辑上正确的事件序列和故事。

    Feb, 2021

  • 故事实现：将情节事件扩展为句子

    使用基于神经网络的合奏模型生成事件导向的自动故事情节，比基线方法生成的故事更连贯和可信。

    Sep, 2019

  • 面向开放式文本生成的事件转换规划

    本文提出了一种新颖的两阶段方法 —— 事件转移规划和文本生成，可以在在开放式文本生成中明确地安排事件顺序，从而在生成的文本中改善一致性和多样性。

    Apr, 2022

  • 构建叙事事件演化图用于剧本事件预测

    本文利用新闻语料库中的叙事事件链构建出叙事事件进化图去更好地利用事件网络信息进行剧本事件预测，并采用规模缩小的图神经网络进行事件交互建模和更好的事件表示学习，实验结果表明我们的模型在标准的多项选择故事勾画评估中显著优于现有的基准方法。

    May, 2018

  • 基于深度神经网络的自动化故事生成的事件表示

    探索在自动化故事生成方面的事件表示，技术预处理为事件序列，并将问题分解为连续事件与事件的自然语言句子生成，比较不同事件表示对事件的继承和文本生成的影响。

    Jun, 2017

  • 什么推动了故事发展？从常识推断出作为未来事件生成提示的解释

    该论文提出了一种新型的可解释的未来事件生成框架 Coep，该框架集成了两种类型的事件知识，包括直接事件 - 事件关系的序列知识和反映事件之间的心理联系的推理知识，并设计了两个模块 Im 和 Gm，以帮助生成未来事件。

    Jan, 2022

  • 基于图神经网络的事件可信度预测：语法和语义结构

    本文介绍了一种基于图的神经网络模型，能更有效地整合语义和语法信息，用于事件事实性预测任务。实验证明该模型在事件事实性预测任务中具有优势。

    Jul, 2019

  • 神经故事规划

    本文提出了一种将因果规划与神经语言模型统一起来的故事情节生成方法，该方法利用从大型语言模型中提取的常识知识以递归反向链接的方式扩展故事情节，并通过自动化评估证明相对于其他强基线方法它能生成更具连贯性的情节。

    Dec, 2022

  • 基于提示的图模型用于联合自由事件抽取和事件模式归纳

    事件抽取任务旨在识别和分类事件，并根据事件模式找到其参与者。我们提出了一种基于提示的图模型用于自由事件抽取，该模型使用基于提示的方法获取候选触发器和参数，并构建异构事件图来编码事件内部和事件间的结构。实验结果表明，我们的方法在预定义事件模式下或无预定义事件模式下都能取得出色的性能，并且自动检测到的事件模式质量高。

    Mar, 2024

  • EIPE-text: 针对长篇叙述文本生成的评估引导的迭代计划提取

    我们提出了一个名为 EIPE-text 的新框架，通过从叙述语料库中提取计划并利用提取的计划构建更好的规划器，实现了长篇叙述文本的生成。通过基于问答（QA）的评估机制和迭代改进指导，我们证明了 EIPE-text 方法在小说和讲故事领域可以生成更连贯和相关的长篇叙述文本。

    Oct, 2023