面向低资源多语言场景的小样本可控风格迁移

风格迁移是在大致保留内容的同时将句子重写为目标风格的任务。虽然大多数先前文献假设可以访问大型风格标注语料库，但最近的工作（Riley等人，2021）尝试了“小样本”风格迁移，在推理时仅使用3-10个句子进行风格提取。在这项工作中，我们研究了一个相关的低资源场景：针对没有风格标注语料库的语言进行风格迁移。我们注意到，现有小样本方法在此任务上表现不佳，常常逐字复制输入。我们通过一种对释义之间的风格差异进行建模的新方法，推动了小样本风格迁移的最新技术水平。与先前工作相比，我们的模型在七种语言的正式度迁移和语码混合添加任务中实现了2-3倍的性能提升。此外，我们的方法能更好地使用输入标量旋钮来控制风格迁移的强度。我们报告了在多种属性迁移任务（情感迁移、简化、性别中性化、文本匿名化）上的有前景的定性结果，所有这些都无需重新训练模型。最后，我们发现由于许多语言缺乏数据集和评估指标，模型评估变得困难。为了促进未来研究，我们通过众包为四种印度语言的4000个句子对标注了正式度，并使用这些数据设计了我们的自动评估方案。