scratchplot story generation

Gores plot: pembuatan cerita dengan mendorong model bahasa pra-terlatih

Repositori ini berisi kode untuk penulisan plot dari model bahasa pra-terlatih , untuk muncul di INLG 2022. Makalah ini memperkenalkan metode untuk pertama-tama meminta PLM untuk menyusun rencana konten. Kemudian, kami menghasilkan tubuh cerita dan berakhir dikondisikan pada rencana konten. Selain itu, kami mengambil pendekatan menghasilkan-dan-peringkat dengan menggunakan PLM tambahan untuk memberi peringkat pasangan (cerita, akhir) yang dihasilkan.

Repo ini sangat bergantung pada dino. Karena kami membuat beberapa perubahan kecil, kami menyertakan kode lengkap untuk kemudahan penggunaan.

Penggunaan

1. Menghasilkan elemen plot

Termasuk lokasi, gips, genre, dan tema.

sh run_plot_static_gpu.sh

Elemen rencana konten dihasilkan sekali dan disimpan. Saat menghasilkan cerita, sistem sampel dari elemen plot yang dihasilkan offline.

2. Hasilkan adegan plot demi adegan

sh run_plot_dynamic_gpu_single.sh

3. menghasilkan sejumlah cerita

sh run_plot_dynamic_gpu_batch.sh

Catatan

• Beberapa hyper-parameter dikodekan dalam skrip bash. Anda dapat memodifikasinya saat dibutuhkan. Yang paling umum adalah:
  • Jika Anda tidak memiliki GPU, tambahkan --no_cuda ke semua perintah yang memanggil dino.py
  • Anda dapat memodifikasi jumlah entri. Jika RAM Anda kecil (<8GB), Anda mungkin menerima kesalahan OOM. Dalam kasus seperti itu, kurangi jumlah entri (dengan biaya cerita yang kurang beragam).
  • Anda juga dapat memodifikasi panjang setiap generasi.
  • Sementara makalah ini memperkenalkan rencana konten ujung ke ujung dan pembuatan cerita, Anda juga dapat memeriksa format rencana konten dan kemudian menulis rencana konten secara manual atau mengkuratori pembuatan sistem.

Pengaturan

Membutuhkan python3. Diuji pada Python 3.6 dan 3.8.

pip3 install -r requirements.txt

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

Kutipan

Jika Anda menggunakan kode di repositori ini, silakan kutip makalah berikut:

 @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"
}

Jika Anda menggunakan Dino untuk tugas -tugas lain, silakan juga mengutip kertas berikut:

 @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}
}