💬 NLP

ttda704 at SemEval-2026 Task 4: Modeling Narrative Structures via Pseudonymization and Multi-View Sentence Alignment

本文介绍了 ttda704 团队针对 SemEval-2026 Task 4 所采用的方法，该方法利用经过微调的句子转换器进行对比学习，通过两种不同的流水线来建模叙事相似性：一种是用于全叙事编码的单视图方法，另一种是用于对齐特定主题、情节和结局组件的多视图方法。

原作者： Tai Tran Tan, An Dinh Thien

发布于 2026-06-16

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Tai Tran Tan, An Dinh Thien

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图教会一台计算机如何理解故事，不仅仅是通过统计词汇，而是通过理解情节的“灵魂”。这正是“ttda704”团队在名为 SemEval-2026 的竞赛中所做的事情。

以下是他们方法的简单拆解，使用了日常类比。

核心问题： “名字游戏”陷阱

通常，当计算机比较两个故事时，会被名字所迷惑。如果故事 A 是关于一个名叫 Tim 的男孩与一条龙战斗，而故事 B 是关于一个名叫 Sarah 的女孩与一条龙战斗，一个简单的计算机可能会认为它们完全不同，因为“Tim”和“Sarah”是不同的词。

但人类知道：等等，这两个故事都是关于英雄与龙战斗的故事。它们其实非常相似。

作者们希望让计算机忽略名字，转而关注故事的结构。

解决方案：两条不同的流水线

该团队构建了两个不同的“机器”（流水线）来解决谜题中的两个不同部分。

赛道 A（Track A）：“蒙眼”侦探（单视图）

目标： 你被给予一个“锚点”故事和另外两个故事。你必须选出哪一个与锚点故事更相似。

技巧：伪装化（“蒙眼”）
在计算机阅读故事之前，团队玩了一个“填词游戏”（Mad Libs）。他们把每一个具体的名字（如“Tim”、“那条龙”、“伦敦”）替换为通用的标签，比如 角色_A、怪物_B 和 地点_1。

原因： 这迫使计算机停止关注“谁”在做事情，转而开始关注“发生了什么”。这就像是在听一个每个人都戴着面具的故事；你只能通过动作而非脸孔来判断情节。

引擎：智能冻结
他们使用了一个强大的预训练大脑（句子转换器/sentence transformer）来阅读这些被遮盖的故事。为了防止这个大脑在学习这项新任务时“忘记”如何说英语，他们使用了智能层冻结（Smart Layer Freezing）。

类比： 想象一位大师级厨师（预训练模型）正在学习烹饪一道特定的新菜。你告诉他：“不要改变你切洋葱或烧开水的方式（底层），但你可以为这道特定的菜发明新的酱汁（顶层）。”这能防止他们过度思考并犯错。

结果： 这种方法效果很好，帮助该团队在 42 支队伍中排名第 14 位。

赛道 B（Track B）：“三脚凳”（多视图）

目标： 该团队的任务不再仅仅是挑选赢家，而是要将每个故事转化为一个独特的“指纹”（向量），使得相似的故事在数字空间中彼此靠近。

技巧：拆解故事
团队意识到，一个故事不仅仅是一个整体。它由三个截然不同的部分组成，就像凳子的三条腿一样：

主题（Theme）： 宏大的概念（例如：“复仇”或“成长”）。
情节（Plot）： 事件的序列（例如：“英雄受伤，然后反击”）。
结局（Outcome）： 如何结束（例如：“英雄获胜”或“英雄学到了教训”）。

过程：

提取： 他们使用了一个超级聪明的 AI（大语言模型/LLM）来阅读故事并提取出这三个特定部分，并将它们像摘要一样写下来。
对齐： 他们创建了一个特殊的系统，学习同时基于这“三条腿”来比较故事。
- 类比： 想象尝试通过脸部、声音和走路姿态来匹配两个人。如果你只看脸，可能会出错。但如果你同时观察脸部、声音和走路姿态，你的准确性会更高。
自我修正： 他们添加了一条规则，以确保“主题”、“情节”和“结局”这三部分能够相互一致，从而创建一个统一的故事指纹。

结果： 这种多视图方法帮助他们在 25 支队伍中排名第 6 位。

秘密武器：合成数据

该团队并没有足够的真实人类标注的故事来完美训练他们的模型。因此，他们利用 AI 创造了数千个虚构的故事案例（合成数据）来进行练习。

类比： 这就像飞行员在飞行模拟器中进行训练。他们不需要在真实的暴风雨中驾驶真正的飞机来学习；他们可以先在计算机模拟中进行练习。这使得他们能够高效地训练模型，而不需要一个庞大的真人评分图书馆。

总结他们的主张

他们没有使用昂贵、缓慢的 AI 在测试期间生成答案；相反，他们构建了一个快速、高效的系统，该系统先学习模式，然后快速应用。
他们证明了移除名字（伪装化）有助于计算机更好地理解故事的结构，而不仅仅是阅读原始文本。
他们证明了将故事拆解为主题、情节和结局，比将故事视为一个巨大的文本块来创建“指纹”效果要好得多。

简而言之，他们教会了计算机忽略“名字”和“噪音”，从而完全专注于故事的形状和流动。

技术摘要：ttda704 在 SemEval-2026 Task 4 中的表现

问题陈述
本文针对 SemEval-2026 Task 4 进行研究，该任务挑战参赛者对叙事相似性进行建模与表示学习。其核心难点在于区分表层的词汇重叠与深层的叙事结构。正如 Hatzel 和 Biemann (2024a) 所指出的，有效的故事比较需要捕捉抽象主题、情节进展（行动过程）以及最终结局等潜在维度，而非仅仅依赖简单的关键词匹配或事件提取。作者强调，虽然生成式大语言模型（LLMs）可以推理这些歧义，但其计算成本和延迟使其在可扩展的检索和嵌入任务中并不实用。因此，目标是开发一种高效的、基于嵌入的系统，在不依赖昂贵的推理时生成的条件下，捕捉结构的叙事细微差别。

方法论
作者提出了一种利用微调句子 Transformer 的对比学习框架，通过两个对应于任务赛道的不同流水线来实现：

赛道 A（单视图分类）： 该流水线侧重于确定两个候选故事中哪一个在叙事上更接近锚点故事。
- 伪装化（Pseudonymization）： 为了减轻由特定实体名称（如角色或地点重叠）引起的伪相关性，作者应用了引用规范化步骤。使用 fastcoref 和 spaCy，他们将重复出现的同一实体的提及映射到一致的通用占位符（例如“角色_A”），同时保留篇内指代关系。这迫使模型关注语义演进而非词汇身份。
- 架构与训练： 系统使用 all-mpnet-base-v2 模型作为骨干网络。为了防止过拟合并保留预训练的语言知识，采用了“智能层冻结（Smart Layer Freezing）”策略：冻结嵌入参数和底层 40% 的 Transformer 层，而对顶层进行微调。模型使用三元组边缘损失（triplet-margin loss）在合成数据上进行训练。
赛道 B（多视图表示学习）： 该流水线生成向量嵌入，其中余弦相似度反映了叙事亲和力。
- 多视图分解： 作者没有将全文编码为单个向量，而是利用 LLM（具体为 o3-mini）将每个故事分解为三个不同的视图：主题（核心控制思想）、情节（状态变化的编年序列）和结局（解决方式）。
- 对比学习： 模型采用特定视图的投影头，将这些组件映射到正交的嵌入空间中。对每个视图应用对比损失函数 ( $L_{con}$ )，以最大化匹配的叙事特征之间的相似性，并最小化非匹配特征之间的相似性。
- 自监督对齐： 为了确保不同视图之间的一致性，引入了对齐损失 ( $L_{align}$ )。该损失最小化融合嵌入（四个视图的加权和：全文、主题、情节、结局）与各视图嵌入平均值之间的距离，从而鼓励形成统一的联合空间。
- 融合： 在推理阶段，通过固定权重（全文 0.5，主题 0.1，情节 0.2，结局 0.2）融合四个组件的嵌入，随后进行 L2 归一化。

核心贡献
论文概述了三个主要贡献：

LLM 增强的叙事表示： 一个确定性的框架，严格利用 LLM 进行离线数据增强（合成提取叙事结构）和结构分解，而在最终的相似性推理中依赖高效的微调句子 Transformer。
多视图结构建模： 一种对比学习方法，通过特定视图的投影头和自监督对齐，显式地对叙事相似性的三个核心方面（主题、行动过程、结局）进行建模，将复杂的信号解耦为正交空间。
鲁棒的对比训练： 结合了三元组边缘优化与智能层冻结的实现，在提高泛化能力的同时保留了叙事结构的细微差别。

结果

赛道 A： 系统取得了 0.6925 的私有得分，在 42 支队伍中排名第 14 位。使用伪装化数据相比原始数据（0.6650 至 0.6925）使 all-mpnet-base-v2 模型获得了持续的提升。作者将其归功于消除了实体特定的噪声，迫使模型专注于语义结构。
赛道 B： 系统以 0.6875 的私有得分在 25 支参赛队伍中排名第 6 位。在开发集上的消减实验表明，加权融合策略（强调全文权重为 0.5，主题、情节和结局权重较小）优于等权重或单视图方法。all-mpnet-base-v2 与 o3-mini LLM 提取器的结合产生了最佳效果。

意义与局限性
作者声称，其方法为大规模叙事检索提供了一种实用的替代方案，可以避免使用基于 LLM 的生成式推理。通过将计算负载转移到离线数据生成阶段，并在推理时使用高效的嵌入模型，该系统在实现具有竞争力的性能的同时，显著降低了延迟。

然而，论文也谦逊地承认了若干局限性：

泛化性： 模型依赖于合成训练数据，在没有进一步适配的情况下，可能无法完全泛化到多样化的叙事风格或领域。
提取噪声： 多视图流水线依赖于自动提取的叙事元素；若缺乏对这些提取内容的专门人工质量审计，主题或情节连贯性中的残余误差可能仍无法量化。
超参数微调： 固定融合权重和温度设置是在开发集上调优的，对于未见的领域可能并非最优。

研究结论认为，虽然该方法避免了生成式推理的高昂成本，但对合成数据和自动化提取的依赖限制了所学表示的鲁棒性。