DRAG：面向非平行作者风格化重写的主控-生成器语言建模框架

作者风格化重写是将输入文本以特定作者风格进行重写的任务。该领域的近期工作利用基于Transformer的语言模型以去噪自编码器设置生成作者风格化文本，而无需依赖平行语料库。然而，这些方法受限于缺乏对目标属性的显式控制且完全由数据驱动。本文中，我们提出一种主控-生成器(Director-Generator)框架，以目标作者风格重写内容，特别关注某些目标属性。我们表明，即便目标作者语料规模有限，所提框架也能良好工作。我们在由三位不同作者所撰规模相对较小的文本语料上的实验显示，相较于现有工作，在目标作者风格重写输入文本方面有显著提升。我们的定量与定性分析进一步表明，我们的模型具有更好的语义保留能力并产生更流畅的生成结果。