scratchplot story generation

Scratchplot: توليد القصة عن طريق المطالبة بنماذج اللغة التي تم تدريبها مسبقًا

يحتوي هذا المستودع على رمز كتابة المؤامرة من نماذج اللغة التي تم تدريبه مسبقًا ، ليظهر في INLG 2022. تقدم الورقة طريقة للمطالبة أولاً بـ PLM لتكوين خطة محتوى. بعد ذلك ، ننشئ جسم القصة وإنهاء مكيف لخطة المحتوى. علاوة على ذلك ، فإننا نتبع نهجًا لتوليد ومرتبة باستخدام PLMs إضافية لتصنيف الأزواج التي تم إنشاؤها (القصة والانتهاء).

يعتمد هذا الريبو اعتمادًا كبيرًا على دينو. نظرًا لأننا قمنا بإجراء بعض التغييرات البسيطة ، فإننا ندرج الرمز الكامل لسهولة الاستخدام.

الاستخدام

1. توليد عناصر المؤامرة

بما في ذلك الموقع ، يلقي ، النوع والموضوع.

sh run_plot_static_gpu.sh

يتم إنشاء عناصر خطة المحتوى مرة واحدة وتخزينها. عند توليد القصص ، يقوم النظام بتأليف من عناصر المؤامرة التي يتم إنشاؤها في وضع عدم الاتصال.

2. قم بإنشاء مشهد المؤامرة حسب المشهد

sh run_plot_dynamic_gpu_single.sh

3. توليد مجموعة من القصص

sh run_plot_dynamic_gpu_batch.sh

ملحوظة

• بعض المعلمات المفرطة مشفرة في البرامج النصية. يمكنك تعديلها عند الحاجة. الأكثر شيوعا هي:
  • إذا لم يكن لديك وحدة معالجة الرسومات ، فأضف --no_cuda إلى جميع الأوامر التي تستدعي dino.py
  • يمكنك تعديل عدد الإدخالات. إذا كان ذاكرة الوصول العشوائي صغيرة (<8 جيجابايت) ، فقد تتلقى خطأ OOM. في مثل هذه الحالة ، قلل من عدد الإدخالات (على حساب القصص الأقل تنوعًا).
  • يمكنك أيضًا تعديل طول كل جيل.
  • على الرغم من أن هذه الورقة تقدم خطة محتوى من طرف إلى طرف وتوليد القصص ، يمكنك أيضًا التحقق من تنسيق خطة المحتوى ثم كتابة خطة المحتوى يدويًا أو تنظيم توليد النظام.

يثبت

يتطلب Python3. تم اختباره على بيثون 3.6 و 3.8.

pip3 install -r requirements.txt

 import nltk
nltk . download ( 'punkt' )
nltk . download ( 'stopwords' )

اقتباس

إذا قمت باستخدام الكود في هذا المستودع ، فيرجى الاستشهاد بالورقة التالية:

 @inproceedings{jin-le-2022-plot,
    title = "Plot Writing From Pre-Trained Language Models",
    author = "Jin, Yiping  and Kadam, Vishakha and Wanvarie, Dittaya",
    booktitle = "Proceedings of the 15th International Natural Language Generation conference",
    year = "2022",
    address = "Maine, USA",
    publisher = "Association for Computational Linguistics"
}

إذا كنت تستخدم Dino لمهام أخرى ، فيرجى أيضًا الاستشهاد بالورقة التالية:

 @article{schick2020generating,
  title={Generating Datasets with Pretrained Language Models},
  author={Timo Schick and Hinrich Schütze},
  journal={Computing Research Repository},
  volume={arXiv:2104.07540},
  url={https://arxiv.org/abs/2104.07540},
  year={2021}
}