非实用性文本的生成,例如小说、剧本的自动生成,通常停留在学术探索层面,少有落实到实践的成果。文本生成模型即便能够生成表面符合常识,格式上符合要求的文本,也常常存在缺乏逻辑,难以理解,上下文不连贯的缺点,无法实际运用在工作中。本研究立足于实践,尝试使用深度学习技术和剧本写作理论相互配合的思路,解决上面提到的问题。本研究的出发点为游戏剧本写作。剧本写作是移动游戏开发中的重要一环。在游戏的实际开发中,每更新一个大的目标版本,就必须分配相应的人力进行剧本撰写。而人力的紧缺,是实际工作中的重要问题。在传统观念里,剧本撰写不但是一门艺术,同时还是一门“劳动密集型工种”。游戏剧本相对电影剧本来说精细程度更低,但同样需要花费大量的人力。本文采用了文本生成领域的成熟框架GPT-2,通过不同风格的语料库进行训练,得出多个风格化的文本生成模型。另外,通过剧本写作领域的结构化理论,通过人工创作提示文本,以生成符合人类审美的剧本架构。将提示词输入模型后,即可生成拥有剧情发展节奏,基本符合文学审美的剧本大纲。在实现功能正常的文本生成模型后,本研究还从实际的工作情景出发,探究了文本生成模型在各种情况下的实用价值。最后,通过量化论证方法,本文还探究了在实际生产环境中引入文本生成技术的可行性。在此基础上,提出了能够相对最大化文本生成工具效率提升的组织架构。