論文の概要: Automated Story Generation as Question-Answering
- arxiv url: http://arxiv.org/abs/2112.03808v1
- Date: Tue, 7 Dec 2021 16:32:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-08 15:17:50.771538
- Title: Automated Story Generation as Question-Answering
- Title(参考訳): 質問応答としてのストーリーの自動生成
- Authors: Louis Castricato, Spencer Frazier, Jonathan Balloch, Nitya Tarakad,
Mark Riedl
- Abstract要約: 本稿では,問題を生成的質問応答の1つとして扱う,自動ストーリ生成のための新しいアプローチを提案する。
提案するストーリ生成システムは,最終イベントをカプセル化した文から始まる。
- 参考スコア(独自算出の注目度): 5.669790037378093
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neural language model-based approaches to automated story generation suffer
from two important limitations. First, language model-based story generators
generally do not work toward a given goal or ending. Second, they often lose
coherence as the story gets longer. We propose a novel approach to automated
story generation that treats the problem as one of generative
question-answering. Our proposed story generation system starts with sentences
encapsulating the final event of the story. The system then iteratively (1)
analyzes the text describing the most recent event, (2) generates a question
about "why" a character is doing the thing they are doing in the event, and
then (3) attempts to generate another, preceding event that answers this
question.
- Abstract(参考訳): 自動ストーリー生成に対するニューラルネットワークモデルベースのアプローチには、2つの重要な制限がある。
まず、言語モデルに基づくストーリージェネレータは、一般的に特定のゴールや終了に向けて動作しません。
第二に、ストーリーが長くなるとコヒーレンスを失うことが多い。
本稿では,問題を生成的質問応答の1つとして扱う,自動ストーリ生成のための新しいアプローチを提案する。
提案するストーリー生成システムは、ストーリーの最終イベントをカプセル化した文章から始まる。
このシステムは、(1)最新の出来事を記述したテキストを反復的に解析し、(2)その出来事でキャラクターがやっていることをしている「なぜ」という質問を生成し、(3)この疑問に答える別の先行イベントを生成しようとする。
関連論文リスト
- Generating Visual Stories with Grounded and Coreferent Characters [63.07511918366848]
本稿では,一貫した接地的・中核的な特徴を持つ視覚的ストーリーを予測できる最初のモデルを提案する。
我々のモデルは、広く使われているVISTベンチマークの上に構築された新しいデータセットに基づいて微調整されています。
また、物語における文字の豊かさとコア参照を測定するための新しい評価指標を提案する。
論文 参考訳(メタデータ) (2024-09-20T14:56:33Z) - MoPS: Modular Story Premise Synthesis for Open-Ended Automatic Story Generation [50.01780173691132]
モジュール・ストーリー・プリミゼ・シンセサイザー(MoPS)について紹介する。
MoPSはストーリーの前提をバックグラウンドやペルソナなどのモジュールに分割し、自動設計と生成を行う。
より詳細な評価は、我々の合成された施設が多様性、魅力、完全性、独創性に優れていることを示している。
論文 参考訳(メタデータ) (2024-06-09T08:31:14Z) - Creating Suspenseful Stories: Iterative Planning with Large Language
Models [2.6923151107804055]
本稿では,ストーリー・サスペンスの2つの理論的基礎に根ざした,反復型提案型計画手法を提案する。
本論文は,我々の知る限りでは,大規模言語モデルを用いたサスペンスな物語生成の試みである。
論文 参考訳(メタデータ) (2024-02-27T01:25:52Z) - Neural Story Planning [8.600049807193413]
本稿では,ニューラル言語モデルと因果計画を統合したストーリープロット生成手法を提案する。
我々のシステムは、物語における出来事の前提条件を推測し、その条件が真実になるイベントを推定する。
その結果,提案手法は複数の強基線よりもコヒーレントなプロットラインを生成することがわかった。
論文 参考訳(メタデータ) (2022-12-16T21:29:41Z) - Event Transition Planning for Open-ended Text Generation [55.729259805477376]
オープンエンドテキスト生成タスクは、事前コンテキストに制限されたコヒーレントな継続を生成するためにモデルを必要とする。
オープンエンドテキスト生成におけるイベントを明示的にアレンジする新しい2段階手法を提案する。
我々のアプローチは、特別に訓練された粗大なアルゴリズムとして理解することができる。
論文 参考訳(メタデータ) (2022-04-20T13:37:51Z) - Goal-Directed Story Generation: Augmenting Generative Language Models
with Reinforcement Learning [7.514717103747824]
本稿では,コンピュータ生成ストーリーのプロットを制御するために,深層強化学習と報酬形成を基礎とした2つの自動手法を提案する。
1つ目は、近似ポリシー最適化を利用して、既存のトランスフォーマーベースの言語モデルを微調整してテキスト継続を生成するが、目標探索も行う。
第2は、グラフを考慮したポリシーネットワークが使用する展開ストーリーから知識グラフを抽出し、言語モデルによって生成された候補継続を選択する。
論文 参考訳(メタデータ) (2021-12-16T03:34:14Z) - Inferring the Reader: Guiding Automated Story Generation with
Commonsense Reasoning [12.264880519328353]
生成プロセスにコモンセンス推論を導入するフレームワークであるCommonsense-inference Augmented Neural StoryTelling (CAST)を紹介する。
我々のCAST手法は,既存のモデルよりも,一文字と二文字の両方で,一貫性があり,オントピー的,楽しむことができる。
論文 参考訳(メタデータ) (2021-05-04T06:40:33Z) - Sketch and Customize: A Counterfactual Story Generator [71.34131541754674]
条件と終了に関係のある因果関係を導いたスケッチ・アンド・カスタマイズ生成モデルを提案する。
実験結果から,従来のシーケンス・ツー・シーケンスモデルと比較して,提案モデルの方がより優れたエンディングを生成することがわかった。
論文 参考訳(メタデータ) (2021-04-02T08:14:22Z) - Cue Me In: Content-Inducing Approaches to Interactive Story Generation [74.09575609958743]
本研究では,対話型物語生成の課題に焦点をあてる。
本稿では、この追加情報を効果的に活用するための2つのコンテンツ誘導手法を提案する。
自動評価と人的評価の両方による実験結果から,これらの手法がよりトポロジ的な一貫性とパーソナライズされたストーリーを生み出すことが示された。
論文 参考訳(メタデータ) (2020-10-20T00:36:15Z) - A Knowledge-Enhanced Pretraining Model for Commonsense Story Generation [98.25464306634758]
本稿では,外部知識ベースからのコモンセンス知識を利用して,合理的なストーリーを生成することを提案する。
我々は,真と偽のストーリーを識別するための差別的目的を組み合わせたマルチタスク学習を採用している。
我々のモデルは、特に論理学とグローバルコヒーレンスの観点から、最先端のベースラインよりも合理的なストーリーを生成することができる。
論文 参考訳(メタデータ) (2020-01-15T05:42:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。