scratchplot story generation

刮擦：通過提示預訓練的語言模型來生成故事

該存儲庫包含來自預訓練的語言模型的繪圖編寫代碼，這些代碼出現在INLG 2022中。本文引入了一種方法，以提示PLM構成內容計劃。然後，我們生成故事的身體並以內容計劃結束。此外，我們通過使用其他PLM來對生成的（故事，結尾）對進行排名。

此存儲庫在很大程度上依賴於Dino。由於我們進行了一些較小的更改，因此我們包括完整的代碼以易於使用。

用法

1。生成情節元素

包括位置，演員，流派和主題。

sh run_plot_static_gpu.sh

內容計劃元素是一次生成並存儲的。在生成故事時，系統從離線生成的情節元素中採樣。

2。逐場生成情節

sh run_plot_dynamic_gpu_single.sh

3。產生一批故事

sh run_plot_dynamic_gpu_batch.sh

筆記

• 一些超參數在BASH腳本中進行了硬編碼。您可以在需要時修改它們。最常見的是：
  • 如果您沒有GPU，請添加--no_cuda到所有稱為dino.py的命令。
  • 您可以修改條目數。如果您的RAM很小（<8GB），則可能會收到OOM錯誤。在這種情況下，減少條目數量（以較少的故事為代價）。
  • 您還可以修改每一代的長度。
  • 雖然本文介紹了端到端的內容計劃和故事生成，但您也可以檢查內容計劃的格式，然後手動編寫內容計劃或策劃系統生成。

設定

需要python3。在Python 3.6和3.8上測試。

pip3 install -r requirements.txt

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

引用

如果您使用此存儲庫中的代碼，請引用以下論文：

 @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"
}

如果您將Dino用於其他任務，請引用以下論文：

 @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}
}