融合提示学习的故事生成方法  

A Story Generation Method Incorporating Prompt Learning

作　　者：倪宣凡 李丕绩 NI Xuanfan;LI Piji(College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,MIIT Key Laboratory of Pattern Analysis and Machine Intelligence,Nanjing,Jiangsu 210016,China)

机构地区：[1]南京航空航天大学计算机科学与技术学院模式分析与机器智能工业和信息化部重点实验室,江苏南京210016

出　　处：《中文信息学报》2025年第2期143-152,共10页Journal of Chinese Information Processing

基　　金：国家自然科学基金(62476127,62106105);江苏省自然科学基金(BK20242039);中央高校基本科研业务费(NJ2023032);南京航空航天大学科研启动基金(YQR21022)。

摘　　要：开放式自动故事生成旨在通过输入故事的开头、大纲、主线等,得到具有一致性、连贯性和逻辑性的故事。现有的方法想要提升生成故事的质量,往往需要大量训练数据和更多参数的模型。针对以上问题,该文利用提示学习在零样本与少样本场景下的优势,借助外部常识推理知识,提出了一种融合提示学习的故事生成方法。该方法将故事生成分为三个阶段:输入故事的开头,常识推理模型生成可能的事件;根据类型不同,将事件填入问题模板中,构建引导模型生成合理回答的问题;问答模型产生对应问题的答案,并选择困惑度最小的作为故事下文。重复上述过程,最终生成完整的故事。自动评测与人工评测结果表明,与基线模型相比,该文提出的方法能够生成更连贯、具体和更有逻辑的故事。Open-ended automated story generation aims at composing a consistent,coherent and logical story by entering the beginning,outline,or main storyline,etc.Existing methods often require a large amount of training data and models with more parameters.This paper proposes a novel story generation method with repetitions of three steps.First,the beginning of story is input,and the commonsense reasoning model generates possible events.Then,according to different types,the events are filled into the question template to construct questions.Finally,the question answering model generates answers to corresponding questions,and selects the one with lowest PPL score as story continuation..Automatic evaluation show that the proposed method is able to generate more coherent,specific,and logical stories than strong baselines.

关 键 词：故事生成 预训练模型 提示学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]