scratchplot story generation

ScratchPlot : 미리 훈련 된 언어 모델을 촉구하여 스토리 생성

이 저장소에는 미리 훈련 된 언어 모델의 플롯 쓰기 코드가 포함되어 있으며 INLG 2022에 나타납니다.이 논문은 먼저 컨텐츠 계획을 작성하기 위해 PLM을 프롬프트하는 방법을 소개합니다. 그런 다음 내용 계획에 대한 이야기의 몸과 결말을 생성합니다. 또한, 추가 PLM을 사용하여 생성 된 (스토리, 엔딩) 쌍을 순위로써 생성 및 순위 접근 방식을 취합니다.

이 저장소는 디노에 크게 의존합니다. 약간의 변경을 수행 했으므로 사용 편의성을위한 완전한 코드가 포함되어 있습니다.

용법

1. 플롯 요소 생성

위치, 캐스트, 장르 및 테마를 포함하여.

sh run_plot_static_gpu.sh

내용 계획 요소는 한 번 생성되어 저장됩니다. 스토리를 생성 할 때 시스템은 오프라인 생성 플롯 요소에서 샘플링합니다.

2. 장면별로 플롯 장면을 생성합니다

sh run_plot_dynamic_gpu_single.sh

3. 많은 이야기를 생성합니다

sh run_plot_dynamic_gpu_batch.sh

메모

• 일부 하이퍼 파라미터는 Bash 스크립트에서 하드 코딩되어 있습니다. 필요할 때 수정할 수 있습니다. 가장 일반적인 것은 다음과 같습니다.
  • gpu가없는 경우 dino.py 호출하는 모든 명령에 --no_cuda 추가하십시오.
  • 항목 수를 수정할 수 있습니다. RAM이 작 으면 (<8GB) OOM 오류가 발생할 수 있습니다. 이 경우 출품작 수를 줄입니다 (덜 다양한 스토리 비용으로).
  • 각 세대의 길이를 수정할 수도 있습니다.
  • 이 백서에서는 엔드 투 엔드 컨텐츠 계획 및 스토리 생성을 소개하지만 컨텐츠 계획의 형식을 확인한 다음 컨텐츠 계획을 수동으로 작성하거나 시스템 생성을 선별 할 수도 있습니다.

설정

Python3이 필요합니다. Python 3.6 및 3.8에서 테스트되었습니다.

pip3 install -r requirements.txt

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

소환

이 저장소에서 코드를 사용하는 경우 다음 논문을 인용하십시오.

 @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"
}

다른 작업에 Dino를 사용하는 경우 다음 논문도 인용하십시오.

 @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}
}