MoPS: Modular Story Premise Synthesis for Open-Ended Automatic Story Generation

故事前提简明地定义了一个故事的主要思想、基础和轨迹。它是自动故事生成中的初始触发器。现有的故事前提来源由于缺乏多样性、质量不均和高成本而难以扩展。为此，我们引入了模块化故事前提合成（MoPS），将故事前提分解为背景和角色等模块，以进行自动化设计和生成。MoPS包括三个阶段：（1）预先收集每个模块的一致候选集，形成一个嵌套字典。(2)从嵌套字典中提取关键路径作为前提设计。(3)指导LLM将设计整合成一个连贯的前提句子。全面的评估表明，我们合成的前提在多样性、吸引力、完整性和独创性方面优于从大型语言模型中诱导和从公共故事数据集中捕获的前提。同样，从我们的前提生成的扩展小说和剧本也展现出更高的质量。在补充材料中，我们提供了MoPS代码套件，以及7.6k生成的前提和1k扩展故事。代码：https://github.com/GAIR-NLP/MoPS。

MoPS试图解决故事生成中故事主题的缺乏多样性、质量参差不齐和高成本等问题，提出了一种模块化故事主题合成方法

MoPS将故事主题分解成背景和角色等模块，通过提取嵌套字典中的关键路径设计故事主题，并使用LLM将其集成为一个连贯的主题句

MoPS合成的故事主题在多样性、吸引力、完整性和原创性方面优于从大型语言模型中诱导出的主题和从公共故事数据集中捕获的主题，而且生成的小说和剧本也具有更高的质量。研究人员提供了MoPS代码套件以及7.6k个生成的主题和1k个扩展故事

最近在这个领域中，还有一些相关研究，如GPT-3、GPT-2、GPT等大型语言模型，以及一些基于神经网络的故事生成方法，如SeqGAN、MaskGAN等