scratchplot story generation

Scratchplot: การสร้างเรื่องราวโดยการกระตุ้นแบบจำลองภาษาที่ผ่านการฝึกอบรมมาก่อน

ที่เก็บนี้มีรหัสสำหรับ การเขียนพล็อตจากแบบจำลองภาษาที่ผ่านการฝึกอบรมมาก่อน จะปรากฏใน INLG 2022 กระดาษแนะนำวิธีการที่จะแจ้ง PLM ก่อนเพื่อเขียนแผนเนื้อหา จากนั้นเราสร้างร่างกายของเรื่องราวและสิ้นสุดลงตามแผนเนื้อหา นอกจากนี้เราใช้วิธีการสร้างและจัดอันดับโดยใช้ PLM เพิ่มเติมเพื่อจัดอันดับคู่ที่สร้าง (จบลง)

repo นี้อาศัย Dino เป็นอย่างมาก เนื่องจากเราทำการเปลี่ยนแปลงเล็กน้อยเราจึงรวมรหัสที่สมบูรณ์เพื่อความสะดวกในการใช้งาน

การใช้งาน

1. การสร้างองค์ประกอบพล็อต

รวมถึงสถานที่ตั้ง, cast, ประเภทและธีม

sh run_plot_static_gpu.sh

องค์ประกอบแผนเนื้อหาถูกสร้างขึ้นหนึ่งครั้งและจัดเก็บ เมื่อสร้างเรื่องราวตัวอย่างระบบจากองค์ประกอบพล็อตที่สร้างขึ้นแบบออฟไลน์

2. สร้างฉากพล็อตโดยฉาก

sh run_plot_dynamic_gpu_single.sh

3. สร้างชุดเรื่องราว

sh run_plot_dynamic_gpu_batch.sh

บันทึก

• พารามิเตอร์ไฮเปอร์บางตัวมีรหัสยากในสคริปต์ทุบตี คุณสามารถแก้ไขได้เมื่อจำเป็น สิ่งที่พบบ่อยที่สุดคือ:
  • หากคุณไม่มี GPU ให้เพิ่ม --no_cuda ไปยังคำสั่งทั้งหมดที่เรียกว่า dino.py
  • คุณสามารถปรับเปลี่ยนจำนวนรายการ หาก RAM ของคุณมีขนาดเล็ก (<8GB) คุณอาจได้รับข้อผิดพลาด OOM ในกรณีเช่นนี้ลดจำนวนรายการ (ในราคาที่มีความหลากหลายน้อยกว่า)
  • คุณยังสามารถปรับเปลี่ยนความยาวของแต่ละรุ่น
  • ในขณะที่บทความนี้แนะนำแผนเนื้อหาแบบครบวงจรและการสร้างเรื่องราวคุณยังสามารถตรวจสอบรูปแบบของแผนเนื้อหาแล้วเขียนแผนเนื้อหาด้วยตนเองหรือดูแลการสร้างระบบ

การตั้งค่า

ต้องใช้ Python3 ทดสอบใน Python 3.6 และ 3.8

pip3 install -r requirements.txt

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

การอ้างอิง

หากคุณใช้รหัสในที่เก็บนี้โปรดอ้างอิงกระดาษต่อไปนี้:

 @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"
}

หากคุณใช้ Dino สำหรับงานอื่น ๆ โปรดอ้างอิงกระดาษต่อไปนี้ด้วย:

 @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}
}