一种角色导向的故事结局生成方法技术

本发明专利技术涉及一种角色导向的故事结局生成方法，属于人工智能与计算机自然语言生成技术领域。为能够为故事中不同的角色定制结局，本方法以自定义故事中每个角色的结尾。对于每个角色，首先通过角色建模，利用角色经历序列获取角色向量表征，高效地模拟人物的个性，以学习更个性化且信息更丰富的角色向量表征，为生成自定义的故事结尾做准备。然后，采用一种新的向量间交互方法(VBF)，通过多个信息交换使得角色表征和故事背景表征进行充分的交互。最后，通过挑选出最高效的交互产物，生成与角色相关的故事背景表征，该表征将被用于预测相应角色的结局。

【技术实现步骤摘要】
一种角色导向的故事结局生成方法
本专利技术涉及一种角色导向的故事结局生成方法，属于人工智能与计算机自然语言生成

技术介绍
自然语言生成是研究使计算机具有人一样的表达和写作的技术，即，能够根据一些关键信息及其在机器内部的表达形式，经过一个规划过程来自动生成一段高质量的自然语言文本。自然语言生成是人工智能和计算语言学的分支，相应的语言生成系统是基于语言信息处理的计算机模型，其工作过程与自然语言分析相反，是从抽象的概念层次开始，通过选择并执行一定的语义和语法规则来生成文本。其中，故事结局生成，旨在为给定的故事语境生成一个合理的结局，是自然语言生成领域中的一项关键任务。目前，该领域的一些研究人员通过建模事件或动词的顺序生成连贯的故事，或通过引入常识或词汇表信息生成多样化的故事，其他研究人员则专注于生成包含不同情感值的故事结局，或为一个不完整的故事生成其丢失的情节。所有这些方法都假定情节与故事中的人物几乎没有关系或没有交互。但是，故事来源于人物，人物个性直接决定着故事的情节和走向。图1显示了ROCStories语料库(Mostafazadeh等人于2016年提出)中一个典型故事的例子，以及为不同角色生成的结尾。从图1可以观察到：1)每个角色都有其独特的个性，角色个性可以由角色名和角色经历(角色经历为故事中与角色相关的文字描述)所描绘。例如，角色“儿子”被角色名“son”和角色经历“Mysonwaslyinginthepeagravelontheroad.”所描绘；2)具有不同个性的不同角色与故事背景发生交互，从而影响故事情节，导致不同的故事结尾(见图1中三个角色拥有不同结尾)。显然，在故事语境中为不同角色定制结尾是一项新颖且具有挑战性的任务，尤其是当没有一对多数据集(“一”个故事对应于“多个”真实的结局)。然而，几乎所有现有的故事结尾生成方法都侧重于为故事背景生成单一结尾或缺失的情节，并且无法根据单一故事语境为不同角色生成不同的连贯和多样化的结尾。
技术实现思路
本专利技术的目的是针对现有的故事结局生成方法存在的缺陷，提出一种角色导向的故事结局生成方法，能够针对故事中不同角色的个性，为每个不同的角色定制故事结局。目前，为不同角色定制故事结尾的主要挑战包含两个方面：1)如何建模角色的个性；2)如何实现角色个性与故事背景之间的交互。对于第一个挑战，考虑到故事语境中包含一个角色的经历，即角色的多重描述，这些描述描绘了角色的个性。因此，对于每个角色，本方法从故事背景中提取与其相关的描述，并按时间顺序组织这些描述来构建角色的经历序列，随后通过编码角色经历序列建模角色的个性。对于第二个挑战，考虑到角色与故事背景相互作用本质上类似于化学反应。具体来说，角色和故事背景通过交互过程生成故事结局的过程可以类比为化学反应中的离子交换过程生成新的产物。本方法提出通过信息交换过程高效地建模角色与相应背景之间的交互过程。如图2所示，通过交换角色和背景中的部分描述，形成了一个新的信息更丰富的且与角色相关的描述。具体为：通过将(角色描述中的)“sotired”和(故事背景中的)“invitemetosing”放在一起，形成了一个新的描述“invitesotiredmetosing”，这个新形成的与角色相关的描述可以用于推到出与角色“我”相关的结局：“refusedhisinvitation”。本方法的创新性在于：为了能够为故事中不同的角色定制结局，本方法以自定义故事中每个角色的结尾。如图3所示，对于每个角色，首先通过角色建模，利用角色经历序列获取角色向量表征，高效地模拟人物的个性，以学习更个性化且信息更丰富的角色向量表征，为生成自定义的故事结尾做准备。然后，提出一种新的向量间交互方法(VBF)，通过多个信息交换使得角色表征和故事背景表征进行充分的交互。最后，通过挑选出最高效的交互产物，生成与角色相关的故事背景表征，该表征将被用于预测相应角色的结局。本专利技术是基于以下技术方案实现的。一种角色导向的故事结局生成方法，包括如下步骤：步骤1：使用故事背景构建故事中每个角色的经历序列。具体地，包括以下步骤：步骤1.1：为故事中每个句子构建一个依赖树，并获取角色名所依赖的词汇；步骤1.2：提取背景单词，即句子中的实词，作为角色经历的第一部分；步骤1.3：提取核心词，即角色名、角色所依赖的词以及相应宾语，作为角色经历的第二部分；步骤1.4：使用标记Object将上述两部分角色经历进行拼接，获得当前句子的最终角色经历。其中，标记Object用于分离这两个部分，明确告知模型哪些词汇是背景信息，哪些词汇与角色直接相关。步骤1.5：针对故事中的每个句子，均进行上述操作，从而提取角色经历，并按时间顺序组织角色经历构建角色的经历序列。步骤2：基于角色经历序列，建模角色个性。具体地，包括以下步骤：步骤2.1：使用LSTM(长短时记忆神经网络，LongShort-TermMemory)编码角色经历序列中的每条角色经历，获取隐藏状态；步骤2.2：选择每条角色经历的最终隐藏状态，作为角色经历了第一条角色经历的角色个性表征，并将其作为下一个LSTM编码器的初始状态，以进一步丰富角色个性表征；步骤2.3：重复步骤2.1至步骤2.2，直至将角色的每一条经历编码为隐藏状态，并将角色最后一条经历的最终隐藏状态作为角色个性表征；步骤3：编码故事背景。使用LSTM网络编码故事背景，获取故事背景表征。具体方法同角色个性建模的实现过程，区别在于，编码故事背景使用原故事文本内容，而非提取出的角色经历。步骤4：对角色个性与故事背景之间的交互进行建模。具体地，包括以下步骤：步骤4.1：进行向量断裂操作。设向量的相邻元素之间存在不可见的键，向量间交互方法VBF(VectorBreakingandFormingModule)会破坏相邻元素之间的连接点，维度为n的向量将存在n+1个连接点，即断裂位置，意味着存在n+1种不同的断裂方式。因此，采用向量间交互方法VBF，将角色个性向量表征与故事背景向量表征分别进行断裂操作；步骤4.2：进行向量成型操作。为保持交互结果的向量维度保持不变，对于每个断键位置，VBF集成第一个交互向量的左半部分和第二个交互向量的右半部分，以生成候选交互产物，对于维度为n的两个交互向量，总共获取n+1个交互产物；步骤5：采用角色-背景注意力(C-CA)机制，挑选上述获取的交互产物中最高效的交互产物。具体地，包括以下步骤：步骤5.1：基于角色向量表征和故事背景表征，获得每个候选交互产物的注意力权重；步骤5.2：基于获取的注意力权重，对所有的候选交互产物进行带权重求和，获取最终的交互结果，称为角色相关的故事背景表征；步骤6：基于角色相关的故事背景，表征为相应的角色生成结局。步骤7：针对故事中的每个角色，本文档来自技高网...

【技术保护点】
1.一种角色导向的故事结局生成方法，其特征在于，包括以下步骤：/n步骤1：使用故事背景构建故事中每个角色的经历序列；/n步骤2：基于角色经历序列建模角色个性，包括以下步骤：/n步骤2.1：使用长短时记忆神经网络LSTM编码角色经历序列中的每条角色经历，获取隐藏状态；/n对于角色的第一条经历

【技术特征摘要】
1.一种角色导向的故事结局生成方法，其特征在于，包括以下步骤：
步骤1：使用故事背景构建故事中每个角色的经历序列；
步骤2：基于角色经历序列建模角色个性，包括以下步骤：
步骤2.1：使用长短时记忆神经网络LSTM编码角色经历序列中的每条角色经历，获取隐藏状态；
对于角色的第一条经历隐藏状态表示为：其中，T1为角色第一条经历的词汇个数；
步骤2.2：选择每条角色经历的最终隐藏状态作为角色经历了第一条角色经历的角色个性表征，并将其用作下一个编码器LSTM的初始状态，以进一步丰富角色个性表征；
步骤2.3：重复步骤2.1至步骤2.2，直至将角色的每一条经历编码为隐藏状态，并将角色最后一条经历的最终隐藏状态作为角色个性表征，角色个性表征同样被表示为ca；
步骤3：使用LSTM网络编码故事背景，获取故事背景表征，具体方法与步骤2角色个性建模的实现过程相同，区别在于，编码故事背景使用原故事文本内容；
步骤4：对角色个性与故事背景之间的交互进行建模，包括以下步骤：
步骤4.1：进行向量断裂操作；
设向量的相邻元素之间存在不可见的键，采用向量间交互方法VBF，将角色个性向量表征与故事背景向量表征分别进行断裂操作；
步骤4.2：进行向量成型操作；
对于每个断键位置，VBF集成第一个交互向量的左半部分和第二个交互向量的右半部分，以生成候选交互产物，对于维度为n的两个交互向量，总共获取n+1个交互产物；
步骤5：采用角色-背景注意力机制，挑选上述获取的交互产物中最高效的交互产物；
步骤6：基于角色相关的故事背景，表征为相应的角色生成结局。
步骤7：针对故事中的每个角色，重复步骤2至步骤6，实现为故事中每个角色定制结局。


2.如权利要求1所述的一种角色导向的故事结局生成...

【专利技术属性】
技术研发人员：施重阳，姜欣雨，冯超群，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11