关键词story ending generation
搜索结果 - 6
- ACL多模态事件转换器用于图像引导的故事结尾生成
提出了一种基于多模态事件转换器的图像引导故事结尾生成方法,该方法利用事件图、跨模态融合和事件推理等技术从故事情节和结尾图像中推导隐含信息,并在解码器中适应性地注入必要信息,实验证明其在故事结尾生成方面性能优于现有方法。
- 不同人物的离子交换机制启发式结局生成器
该研究提出了一个针对性地为每个角色生成结尾的算法 ——CoSEG,该算法包含三个模块,即角色建模、向量断裂 / 形成和注意机制。 实验结果表明,CoSEG 相对于现有的最先进方法在生成故事结尾的质量上取得了显着的提高,并且它可以有效地对不同 - CLSEG:故事结局生成的对比学习
该论文提出了一种基于对比学习的故事结尾生成框架 CLSEG,其采用多方面采样机制和特定于故事的对比训练策略来解决故事结尾与故事情节之间的一致性问题。实验证明,CLSEG 相对于基线方法表现更好,能够产生更具一致性和合理性的故事结尾。
- 利用异构图网络将常识知识融入故事结尾生成
本文提出了一种 Story Heterogeneous Graph Network(SHGN)模型,能够准确理解故事上下文信息、处理故事线索深层含义,并通过多任务学习有效生成合理的故事结局,实验证明在 ROCStories Corpus 上 - 从情节到结局:一种强化指针生成器用于故事结局生成
本文介绍了 Story Ending Generation (SEG) 任务,提出了一个由 Generator 和 Reward Manager 组成的框架来生成一个连贯的故事结尾,其中 Generator 使用了指针生成网络与覆盖机制来处 - AAAI使用增量编码和常识知识生成故事结尾
本文提出了一种新型的故事结尾生成模型,该模型采用增量编码方案来表示故事情境中的上下文线索,并通过多源注意力引入常识知识以促进故事理解和生成连贯、合理的结尾。模型能够通过构建上下文线索与使用隐含知识生成更合理的故事结尾。