基于三幕结构思维链和语义自洽的事件驱动故事生成方法

事件驱动故事生成旨在根据有限的故事背景和事件信息生成连贯且符合事件内容的故事.然而,现有方法常因对复杂的事件关系推理不足,导致生成的故事存在语义不连贯、情节冲突等问题.为此,文中提出基于三幕结构思维链和语义自洽的事件驱动故事生成方法,在生成故事前选择类型多样的故事示例,学习不同类型故事的写作方式.生成故事时,按照故事的开端、冲突和结局三幕结构设计思维链,引导方法合理规划故事内容,避免故事情节前后矛盾.生成故事后,引入语义自洽,模拟作家的推敲过程,从生成的多个故事中选择语义一致、连贯性和相关性较高的故事.实验表明,相比提示学习方法,文中方法的BLEU-4和BERTScore指标值有所提升,并且在人工评估中也占有一定的优势.

从故事生成程序到大语言模型:人工智能编剧创作的历史与实践

人工智能生成内容(AI Generated Content,简称AIGC)电影包括内涵丰富的多种维度,从编剧角度可以分为AI生成故事(AI Generated Storyline,简称AIGSL)与AI生成剧本(AI Generated Screenplay,简称AIGSP)。AIGSL研究始于20世纪60年代初,按照创作模式可以分为基于结构模型的故事生成、基于规则的故事生成和基于机器学习的故事生成三类程序。2022年底以来,以Chat GPT为代表的大语言模型将AIGC的内容从简单的AIGSL拓展到了AIGSP领域,同时催生了基于大语言模型的专用故事与剧本生成工具。大语言模型的故事和剧本生产存在事实错误、陈词滥调以及主观偏见等天然缺陷,但AIGSL与AIGSP已经开始实现产业化。目前的人工智能编剧创作绝大多数并不完全由AI创作,属于弱人工智能领域。中国电影工作者与软件工程师有必要利用机器学习等AI技术,学习中国传统叙事文本并总结其叙事风格,为具有中国叙事特色的编剧创作提供智能助力。

阅读媒介对5～6岁儿童故事生成的影响——基于数字化阅读和绘本阅读的比较研究

叙事是儿童早期阅读教育的重要组成部分,对儿童语言发展具有重要意义。电子图书改变了儿童单一的叙事方式。本研究考察数字化阅读和绘本阅读对5~6岁学前儿童故事生成的影响,从叙事结构、叙事评价和叙事顺序三个维度分析儿童故事生成的水平。研究结果发现:(1)绘本组儿童首次生成故事的叙事结构和叙事评价显著优于iPad组;(2)随着生成次数的增加,iPad组儿童操作时被打断次数减少,与动画互动次数增加,iPad组生成故事的叙事结构和叙事评价逐渐表现出优势;(3)绘本组在叙事顺序上表现出明显优势。这与阅读媒介的特点、儿童的信息加工方式以及叙事指标本身的特点密切相关。在儿童故事阅读中,教师和家长应针对儿童的语言发展特点,选择适宜的故事阅读方式,促进儿童叙事能力的发展。

三网融合后,故事可以这样写——试探基于互联网技术的互动戏剧故事生成

三网融合后,信息服务将由单一业务转向文字、话音、数据、图像、视频等多媒体综合业务。同时,因互联网的加入,媒体内容的输入输出将更加智能化,受众面对的是一个巨大的数据库,通过智能终端,可自由提取内容,而不是被动地接受内容。基于这样的技术架构,本文探讨以故事内容为基础的戏剧艺术(如广播剧艺术、电视剧艺术)将不再局限于传统线性的叙述方式——开端、发展、高潮、结局,带有互动性的非线性叙事结构将成为可能。

基于细粒度视觉特征和知识图谱的视觉故事生成算法

视觉故事生成是图像内容描述衍生的跨模态学习任务,在图文游记自动生成、启蒙教育等领域有较好的应用研究意义。目前主流方法存在对图像细粒度特征描述薄弱、故事文本的图文相关性低、语言不丰富等问题。为此,该文提出了基于细粒度视觉特征和知识图谱的视觉故事生成算法。该算法针对如何对图像内容进行充分挖掘和扩展表示,在视觉和高层语义方面,分别设计实现了图像细粒度视觉特征生成器和图像语义概念词集合生成器两个重要模块。在这两个模块中,细粒度视觉信息通过含有实体关系的场景图结构进行图卷积学习,高层语义信息综合外部知识图谱与相邻图像的语义关联进行扩充丰富,最终实现对图像序列内容较为全面细致的表示。该文算法在目前视觉故事生成领域规模最大的VIST数据集上与主流先进的算法进行了测试。实验结果表明,该文所提算法生成的故事文本,在图文相关性、故事逻辑性、文字多样性等方面,在Distinct-N和TTR等客观指标上均取得较大领先优势,具有良好的应用前景。

融合视觉特征和语义关系特征的视觉故事生成方法

现有视觉故事生成方法没有考虑不同图像之间高层视觉特征和语义关系特征的深层关联、忽视对图像序列主题的挖掘。提出一种既考虑了整个图像序列的主题又考虑不同图像之间视觉特征和语义关系特征相关性的融合视觉特征和语义关系特征的视觉故事生成方法。该方法利用自编码器挖掘图像序列的主题特征,通过主题特征总结由图像中实体推理出的语义关系特征,然后利用相互注意力融合高层视觉特征和语义关系特征。实验表明,该方法可以生成更具一致性和表现力的故事,并在机器评价指标上取得了比现有方法更好的结果。

初中英语课堂“故事生成＂教学分析

针对传统英语教学中学生学习兴趣不高、学习积极性较差、学习方法单一、学习效率低下等情况，通过介绍“故事生成’，课堂设计的教学理念，在理论研究的基础上将“故事生成”运用于初中英语词汇、对话、复习等环节的教学活动，旨在提高学生学习兴趣的同时，突出学生的主体地位，促进学生与教师的共同进步。

“故事生成”教学方法在初中英语教学中的应用

针对传统英语教学中学生学习兴趣不高、学习积极性较差、学习方法单一、学习效率低下等情况,初中英语教师可采用"故事生成"教学法。文章分析了"故事生成"教学方法应用于初中英语教学中的必要条件,提出了"故事生成"教学方法在初中英语教学中的具体应用策略。

中学英语课堂“故事生成”教学研究

针对传统英语教学中学生学习兴趣不高、学习积极性较差、学习方法单一、学习效率低下等情况,通过介绍"故事生成"课堂设计的教学理念,在理论研究的基础上将"故事生成"运用于初中英语词汇、对话、复习等环节的教学活动,旨在提高学生学习兴趣的同时,突出学生的主体地位,促进学生与教师的共同进步。

常识增强训练下的中文故事自动生成算法

为解决现有的神经语言生成模型存在生成故事中重复和长程连贯性缺失的问题,设计出一种常识增强训练的中文故事生成算法。该算法使用经SimBert模块降噪训练后的常识语料库,在Transformer架构下对GPT-2模型进行后训练,并使用OutGen故事集对训练好的模型进行微调;它利用外部知识库的常识进行常识增强训练提升生成文本的逻辑性,并使用常识降噪训练加强常识表述的多样性。实验结果表明,与GPT-2等预训练语言模型相比,本文的模型克服了生成故事的逻辑冲突;与ChatGPT等大型预训练语言模型相比,本文的模型在保证生成故事质量的同时,减少了训练资源的消耗。

基于双向对比训练的中文故事结尾生成模型

中文故事结尾生成(SEG)是自然语言处理中的下游任务之一。基于全错误结尾的CLSEG(Contrastive Learning of Story Ending Generation)在故事的一致性方面表现较好。然而,由于错误结尾中也包含与原结尾文本相同的内容,仅使用错误结尾的对比训练会导致生成文本中原结尾正确的主要部分被剥离。因此,在CLSEG基础上增加正向结尾增强训练,以保留对比训练中损失的正确部分;同时,通过正向结尾的引入,使生成的结尾具有更强的多样性和关联性。基于双向对比训练的中文故事结尾生成模型包含两个主要部分:1)多结尾采样,通过不同的模型方法获取正向增强的结尾和反向对比的错误结尾;2)对比训练,在训练过程中修改损失函数,使生成的结尾接近正向结尾,远离错误结尾。在公开的故事数据集OutGen上的实验结果表明,相较于GPT2. ft和深层逐层隐变量融合(Della)等模型,所提模型的BERTScore、METEOR等指标均取得了较优的结果,生成的结尾具有更强的多样性和关联性。

面向局部可解释性机器学习的数据故事生成方法研究

[目的/意义]针对实践中数据故事应包含哪些内容、创作流程是什么等问题,提出一种数据故事生成方法,以期为数据故事的创作提供理论指导。[方法/过程]在前人的研究基础上,基于数据科学、认知科学、自然语言处理和可解释性机器学习等理论,提出一种面向局部可解释性机器学习的数据故事生成方法,该方法对数据故事的生成步骤和创作方式进行详细的阐述和说明。同时对LIME算法的输出进行改进,使其更易理解。在此基础上对提出的数据故事化方法进行案例实现,以验证方法的可行性。[结果/结论]提出的数据故事生成方法有助于丰富数据故事化研究的理论体系,同时为数据故事的生成研究和数据故事化工具的研发提供一定的启示。

基于认知主体模型的可信故事情节生成方法

产生可信的情节是计算机辅助故事生成研究领域的一个基础问题,文中研究一种基于认知主体模型的可信故事情节生成方法.首先,从物理、生理、心理、社会、行为能力等多个维度定义了故事人物的认知主体模型;其次,基于认知主体模型描述情节规划的框架、主体行为队列的生成、候选动作的选择策略和情节规划的算法;最后,通过一个具体的情节规划实例,验证了该方法在生成可信情节方面是有效的.

《孟子》“虞舜行孝”故事生成及其文化内蕴

虞舜是孟子非常推崇的一位上古圣王。孟子将虞舜塑造为一位躬行孝道的"百世之师"。《孟子》中的虞舜行孝的故事根源于《尚书》的《尧典》、《舜典》等篇章,但并非完全忠实于历史文献,而是在历史真实的基础上进行了一定的文学演绎。在虞舜形象文学化的过程中,孟子提出了自己的道德伦理主张,并成功地塑造出舜和其弟象这两位经典的正反面角色。在进行人物形象塑造的过程中,孟子借用历史经典事件和人物作为原型,使得故事内涵更为丰富,人物形象更加饱满,并且在其中注入了丰富的文化内涵。

从文学到代码:人工智能编剧的创作逻辑与应用前景

随着AI技术的强势发展与AIGC的逐步应用,未来剧本的创作方式与呈现形式将发生重大变革。本文以Fable Studio的《南方公园》AI项目为引,从技术发展角度入手,总结AI故事生成技术的当前应用与发展趋势,并剖析AI编剧的底层逻辑,从单向度的统筹行为转变为多向度的生成行为。在这种趋势下,传统编剧需要紧跟时代步伐,以新的身份入局,与机器协同创作,同时具备技术与艺术双重素养,作为新型创作人才更好地发挥自身的文化角色。在这种并驾齐驱的工作模式下,AI编剧将拥有更广阔的应用前景,“节拍器”(Metronome)的构建、个性化的定制、跨媒介的融合,都将推动AI故事生成技术走入深度叙事,为观众带来多样化、可参与、沉浸式的故事体验。

叙事生成方法研究综述

随着人工智能和自然语言处理技术的飞速发展,近年来,关于叙事自动生成的研究逐渐被人们所关注和重视。该文介绍了叙事生成的相关概念、历史背景以及当前的研究现状,总结和归纳了目前主要的叙事生成研究方法,包括基于智能规划的方法、基于常识和知识本体的方法、基于故事文法的方法等。在此基础上,对各类方法的基本思想、相关工作及主要优缺点进行了深入的分析,并探讨了当前叙事生成研究中存在的不足及未来的发展趋势。

机器生成语言的质量评价方法综述

生成语言的质量评价很大程度上影响着自然语言生成的研究,已成为制约该领域发展的瓶颈问题。通过对机器翻译、自动文摘、对话系统、图像标题生成和机器写作等广义自然语言生成任务的语言质量评价方法的汇总,介绍了人工评价和自动评价的特点、优缺点和开放评价资源,分析了不同任务的不同评价角度和适用面。不同评价方法的对比分析,可为方法融合和关键问题的探索提供借鉴。整体上机器生成语言质量评价还局限于语言形式的比较,在语义表达的准确性、衔接连贯性等深层评价上存在诸多挑战。结合评价难点问题和现有研究的推进情况,分析了生成语言质量评价的研究趋势。

现代家族小说的“围城”叙事

现代作家深层心理结构中的"围城意识"进入家族文本空间,形成现代家族小说的"围城叙事"。在家族文本中,"围城意识"与叙事形式是一种双向阐释、互相印证的关系。家族小说的"围城叙事"可分解为三个阐释向度:家族故事的横向组合关系(即故事生成);家族故事的纵向聚合关系(即叙事模式);家族故事的语言构成机制(即叙事话语)。

故事板叙事对学前儿童心理理论影响的多模态研究

由于儿童的心理理论与早期语言能力发展之间存在高度依存关系,且心理理论存在一条既定发展路径,研究采用多彩光谱项目的故事板配置,融合故事生成叙事活动,围绕多模态符号对学前儿童心理理论的影响,分析大班儿童在叙事中的心理理论应用模式。采用实验法,对40名幼儿园大班儿童进行故事板故事生成测试,通过对测试视频及文本的编码和统计,从语言、模型及交互系统的3个层面分析其心理理论的多模态符号应用机制,总结其应用模式,发现语言系统与模型系统在叙事表意层面融合互补,产生协同效应,可显著促进学前儿童的心理理论应用。最后,根据该应用模式,对故事板叙事活动于学前儿童心理理论促进方面的教学应用提出相关建议。

“东澈之死”书写中的情感策略与士人心态

陈东、欧阳澈因上书言事被施以枭首极刑,该事成为终宋一朝背离“不杀士大夫及上书言事人”祖宗成法的孤例。在“以言杀士”语境中,东澈之死书写普遍呈现出痛感叙述特征,在修辞策略的演绎下突出表现为愤怒情绪输出的对象性及整体的节制性。在伏阙之辩、东澈之死、高宗罪己一系列政治敏感话题的书写交锋中,陈东等相关士人采取情感降温的零度叙述策略为自身辩白,言论空间在话语博弈中被不断形塑。压抑悲愤的书写背后蕴藏着士人的审时度势与身份诉求,不同时代情绪书写策略的调整则烛照出士人群体的政治渴望与价值期待。通过建构“东澈死谏”与“高宗罪己”两个故事典范,士人努力探寻“共治天下”模式下君臣关系的理想形态,确立自我身份认知,进而标举士大夫身份介入言论空间的合理价值及对话语权的掌握与使用。