scratchplot story generation

刮擦：通过提示预训练的语言模型来生成故事

该存储库包含来自预训练的语言模型的绘图编写代码，这些代码出现在INLG 2022中。本文引入了一种方法，以提示PLM构成内容计划。然后，我们生成故事的身体并以内容计划结束。此外，我们通过使用其他PLM来对生成的（故事，结尾）对进行排名。

此存储库在很大程度上依赖于Dino。由于我们进行了一些较小的更改，因此我们包括完整的代码以易于使用。

用法

1。生成情节元素

包括位置，演员，流派和主题。

sh run_plot_static_gpu.sh

内容计划元素是一次生成并存储的。在生成故事时，系统从离线生成的情节元素中采样。

2。逐场生成情节

sh run_plot_dynamic_gpu_single.sh

3。产生一批故事

sh run_plot_dynamic_gpu_batch.sh

笔记

• 一些超参数在BASH脚本中进行了硬编码。您可以在需要时修改它们。最常见的是：
  • 如果您没有GPU，请添加--no_cuda到所有称为dino.py的命令。
  • 您可以修改条目数。如果您的RAM很小（<8GB），则可能会收到OOM错误。在这种情况下，减少条目数量（以较少的故事为代价）。
  • 您还可以修改每一代的长度。
  • 虽然本文介绍了端到端的内容计划和故事生成，但您也可以检查内容计划的格式，然后手动编写内容计划或策划系统生成。

设置

需要python3。在Python 3.6和3.8上测试。

pip3 install -r requirements.txt

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

引用

如果您使用此存储库中的代码，请引用以下论文：

 @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"
}

如果您将Dino用于其他任务，请引用以下论文：

 @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}
}