4、基于条件变分自编码器的连贯故事生成方法

基于条件变分自编码器的连贯故事生成方法

1. 引言

自动故事生成是神经语言生成研究领域的前沿方向。在实际应用中，像小说、电影这类故事通常需要具备连贯性，即故事的开头和结尾要通过一系列相关事件以及情感的起伏变化合理地连接起来。基于此背景，本文提出了一个新的任务：以故事的首句和尾句作为输入，来生成连贯的故事。

本文提出了两种基于条件变分自编码器（CVAE）的模型：
- Story Generator Concatenating Two Stories (SG - Concat) ：将从故事首句正向生成的句子和从尾句反向生成的句子在合适的位置进行拼接。
- Story Generator Considering the Beginning and Ending (SG - BE) ：在从故事首句正向生成句子的过程中，同时考虑尾句的信息。

为了评估生成的故事，本文使用了基于通用语言模型的故事连贯性评估模型，而非传统的将生成故事与真实故事进行比较的评估指标。实验结果表明，所提出的方法能够生成更连贯的故事。本文的主要贡献如下：
- 提出了一种以故事首句和尾句为输入，互补生成故事的新框架。
- 利用学习了检测故事断点任务的语言模型，提出了一种新的故事一致性评估指标。
- 实验结果显示，逐渐增加故事尾句的影响，能使SG - BE生成更连贯、高质量的故事。

2. 相关工作

随着深度学习技术的发展，故事生成的研究数量不断增加。许多以往的研究采用了序列到序列模型（Seq2Seq），该模型在机器翻译和句子摘要等句子生成任务中取得了较高的