沿情感梯度进行的细粒度情感改写
计算与语言
2022-12-08 v1 机器学习
摘要
改写生成（亦称 paraphrasing）是自然语言处理中一项常见且重要的任务。情感改写在保持文本意义的同时改变其所蕴含的情感，具有许多潜在应用，例如调节在线对话和防止网络欺凌。我们引入了一项新的细粒度情感改写任务，即沿情感梯度进行细粒度情感改写：在保持原文本意义的前提下，遵循情感维度上的平滑变化，对改写的情感强度进行细粒度调整。我们提出了一种通过多任务训练微调 text-to-text Transformer 来解决该任务的框架。我们通过为若干广泛使用的改写语料库中的输入和目标文本标注细粒度情感标签来对其进行增强。借助这些标签，在这些语料库上微调 text-to-text Transformer 即意味着多任务训练。在独立测试集上对微调后的 Transformer 的评估表明，在改写任务中引入细粒度情感标签显著提高了获得所需情感高质量改写的几率，即所需情感的精确匹配数量增加一倍以上，同时在 BLEU、ROGUE 和 METEOR 等改写指标上取得持续更优的分数。
引用
@article{arxiv.2212.03297,
title = {Fine-Grained Emotional Paraphrasing along Emotion Gradients},
author = {Justin Xie},
journal= {arXiv preprint arXiv:2212.03297},
year = {2022}
}