叙事生成吸引了重要的兴趣,作为一种新型的自动化计划技术的应用。ever,可用的大量叙事材料为使用深度学习技术开辟了道路。在本文中,我们使用序列嵌入技术或自动编码器来产生叙事序列,探讨通过自我监督学习的叙事产生的可行性。我们使用叙事计划方法生成的良好图案的数据集,使用先前存在的,已出版的叙事计划域,来培训生成模型。我们的实验证明了生成序列模型的能力,其结构与计划技术获得的结构相似,但与训练集相比具有显着的情节新颖性。最重要的是,生成图具有与基于计划方法中使用的叙事质量度量相关的结构特性。作为基于计划的结构说明了更高水平的因果关系和叙事的一致性,这表明我们的方法能够通过具有相同高级叙事属性的新序列扩展一组叙事。与扩展文本叙述集的方法不同,我们的方法在图结构的层面上运行。因此,它有可能在各种媒体上用于具有显着复杂性的图,最初仅限于以同一叙事类型运行的训练和发电。
主要关键词