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。