摘要
生成关于某一事件的不同视角的推理性文本，需要对事件发生的多种上下文进行推理。现有方法通常忽略未明确提供的上下文信息，导致生成的语义表征缺乏上下文依赖性，难以有效支持推理文本的生成。为解决这一问题，我们提出一种新方法：从大规模文本语料库中自动挖掘与事件相关的证据，并利用这些证据引导推理性文本的生成。该方法采用编码器-解码器架构，并引入向量量化变分自编码器（Vector Quantised-Variational Autoencoder），其中编码器输出基于离散变量分布的表示。这种离散表示能够自动筛选出与任务相关的证据，不仅有助于实现基于证据的生成，还为揭示生成过程背后的推理依据提供了自然途径。在Event2Mind和ATOMIC两个数据集上的实验结果表明，该方法达到了当前最优的性能。更重要的是，我们发现，借助离散表示，模型能够有选择性地利用不同证据，从而生成具有不同推理视角的文本。