自适应知识增强的可控故事生成模型

来源：计算机工程与应用杂志2025年第12期北京时间：

作者：孟祥仲, 夏鸿斌, 刘渊

单位：1.江南大学 人工智能与计算机学院，江苏 无锡 214122；2.人机融合软件与媒体技术省高校重点实验室（江南大学），江苏 无锡 214122

摘要：可控故事生成是近年来自然语言处理领域内的热点方向。目前的研究通过交叉注意力机制已经能够有效地融合文本特征和事件特征，但其缺乏对于常识化知识的高效应用，仍然采用在公共的常识化知识语料库上后训练的方式，尽管这能够在一定程度上提升模型的性能，但在自适应性的方面仍然有很大的提升空间。为了解决此问题，提出自适应知识增强（adaptive knowledge enhancement，AKE）的可控故事生成模型，其中的常识化知识构建模块能够针对精调时的训练用数据集自适应地构建匹配的常识化知识语料库，确保为模型提供更相关的额外信息。此外，模型中加入了使用辅助函数进行训练的多任务学习组件，确保其能够学习到更具有判别性的特征表示，从而提升模型的泛化能力。实验结果表明，AKE在自动评测指标和人工评测指标上相较于其他基线模型均有显著提升，验证了此模型在利用常识化知识方面的优越性。

关键词：自然语言处理,可控故事生成,交叉注意力机制,多任务学习,知识增强