
摘要
自动故事理解是自然语言理解领域的一项基础性挑战,能够使计算机学习社会规范、人类行为以及常识性知识。本文提出了一种故事理解模型,该模型探索了三个不同的语义层面:(i)故事中事件的时序顺序,(ii)其情感发展轨迹,以及(iii)情节的一致性。我们通过考察模型是否像人类一样,能够对给定故事后续发展产生合理预期,来评估其对现实世界故事的理解能力。具体而言,我们利用该模型从多个可能的结局中预测出正确的短篇故事结尾。模型引入一个隐变量,用于在故事语境中动态权衡上述三种语义维度的重要性。实验结果表明,该方法在刻画这些语义特征方面具有显著潜力,且基于隐变量的建模策略表现出强大性能。该模型在公开可用的数据集上超越了现有最先进方法,取得了最佳性能。