LITERARYBIGFIVE：统一可解释空间中的作者个性化文本生成

作者和文学写作的个性化文本生成对于自适应写作助手、创意支持工具和计算文学分析等应用至关重要。然而，现有的作者建模和个性化方法通常将写作行为表示为独立标签，需要针对每个作者或文体类别进行大规模语料库收集或 微调。这种表述成本高昂，难以解释，并且不适合跨作者推广。受到大五模型人格维度观的启发，我们提出了LiteraryBigFive，一个将作者写作特征重新构建为统一且可解释空间内的坐标的框架。在这个空间中，我们从作者撰写的段落和中性段落之间的激活空间对比中得出每个可解释的轴（例如，古典主义、情感性），产生独特的风格维度，允许文本或作者在五维系统中定位。除了定位不同的作者之外，我们还引入了一种可解释的引导机制，它自适应地引导文本生成到目标坐标，以执行作者个性化的写作。实验结果表明，LiteraryBigFive 提高了作者的表达力，同时保留了语义保真度。导出的作者每轴分数与现实世界的文学共识密切相关，为特定于作者的生成行为提供透明且可解释的解释：https://github.com/Znull-1220/LiteraryBigFive。