Multigenre AI-powered Story Composition

本文展示了如何构建类型模式，其目的是引导交互式故事创作，以强制实现主题一致性。为了开始讨论，我们根据先前的经典作品，提出了五种基本类型，分别是喜剧、浪漫（指自12世纪以来盛行的史诗情节）、悲剧、讽刺和神秘。为了构建这些模式，采用了一个简单的两阶段过程：首先检索与我们类型特征相匹配的示例，然后对示例组应用一种最具体的概括形式，以找到它们的共同点。在两个阶段中，AI代理是有帮助的，我们的PatternTeller原型被称为操作故事创作过程的工具，提供了从用户给定前提生成故事的机会，在选择的模式指导下进行开发，并尝试在创作阶段中容纳用户的建议。

构建一种能够指导交互式故事创作的流派模式，以实现主题一致性。论文基于以往的经典作品，提出了五种基本流派，即喜剧、史诗式的浪漫、悲剧、讽刺和神秘。同时，论文试图解决如何利用AI代理来构建这些模式的问题。

本文提出了一种简单的两阶段流派模式构建方法：第一阶段是检索符合流派特征的例子，第二阶段是对这些例子进行最具体概括，以发现它们的共性。同时，论文提出了PatternTeller原型，这是一种AI代理，可以用于指导故事构建过程，从给定的前提条件中生成故事，并在构建过程中尝试容纳用户的建议。

论文的亮点在于提出了一种新的流派模式构建方法，能够指导交互式故事创作，实现主题一致性。此外，论文还使用了AI代理来协助故事构建，提高了创作效率。实验结果表明，该方法能够有效地生成符合预期的故事。

最近的相关研究包括利用深度学习技术生成故事、利用自然语言处理技术分析故事结构等。其中，一些相关论文的标题包括：《StoryGAN: A Sequential Conditional GAN for Story Visualization》、《Story Generation with Crowdsourced Plot Graphs》、《A Computational Model of Narrative Generation for Surprise Arousal》等。