看到一句《哈利·波特》里的咒语，就知道接下来要发生什么情节了：
是逃课去喝黄油啤酒、蹲在厕所里易容、还是大战伏地魔？
真的有人做这样的研究。
西班牙拉科鲁尼亚大学的两名研究者，在一篇揭橥在NAACL的论文里提出了一个新的自然措辞处理（NLP）任务：
看笔墨场景，猜下一步辇儿为。
举个栗子来讲，便是造一个AI，让它看到“深蓝的天空中挂着一轮金黄的圆月，下面是海边的沙地，都种着一望无际的碧绿的西瓜”，就知道接下来少年闰土要刺猹了。
差不多便是一个小说剧透插件。
从咒语入门
既然想到要做这样一个任务，那一定得有相应的语料库，用监督学习的方法，就须要一段笔墨场景描述，对应一段下一步辇儿为。
这样看来，《哈利·波特》里固定的几十个咒语便是最佳的笔墨场景描述，毕竟咒语都是一样的，说错了就不管用了，并不像普通的人类自然措辞那样博大精湛，可以用许多种表述来说同一件事情。
比如说：
Lumos：荧光闪烁
Alohomora：开锁
Avada Kedavra：阿瓦达索命咒
于是，研究职员们愉快的抱着《哈利·波特》原著，开始找包含咒语的文本段落，大概长这样：
比如末了一个例子是这样的，文本语料库长这样：
哈利觉得彷佛被看不见的人推着走一样，他听到罗恩疼的叫了一声。
“怎么了？”赫敏紧张地说，步伐也溘然停了下来，哈利在后面撞上了她。
“罗恩，你在哪儿？哦，这样太蠢了——Lumos”
行动是这样的：
发光。
原著翻来覆去看完了，研究者们创造了一个尴尬的问题：
七本《哈利·波特》里，只涌现了432次咒语。
432，这么点哪够当语料库用的啊！
数据量不足，怎么办呢？
原著不足，同人来凑。
由于《哈利·波特》系列太火，粉丝们也以为这些故事看不足，以是创作了很多同人小说。既然是同人小说，那故事的天下不雅观都是一样的，大家住在同一个霍格沃茨城堡里，上一样的魔药课，说一样的咒语，能用。
于是，研究者们找到了《哈利·波特》粉丝网站，从N多部同人小说里挑出了没有寺人（断更）的那一部分小说文本，开始扒拉咒语。
果真，人多力量大，这下原著+同人，凑出了82836个咒语文本段落，语料库够了。
各种模型哪家好
有了数据集，就须要在模型上跑了。
研究者用到了多项逻辑回归（MLR）、多层感知器（MLP）、LSTM、CNN四种模型，并在结果年夜将频繁动作和不频繁的动作分开。
看来，结论来了：
在看场景猜行动这个任务上，LSTM是最好用的，指标相对较高；其他的，像逻辑回归之类的，不太行咯。
传送门
论文
Harry Potter and the Action Prediction Challenge from Natural Language
David Vilares, Carlos Gómez-Rodríguez
https://arxiv.org/abs/1905.11037
GitHub
https://github.com/aghie/hpac