细粒度情感可控文本生成
计算与语言
2020-06-18 v1 机器学习
摘要
可控文本生成技术旨在调节特定属性（例如情感）的同时保留与属性无关的内容。最先进的方法将指定属性建模为结构化或离散表示，同时使内容表示独立于该属性以实现更好的控制。然而，将文本表示解耦为分离的潜在空间忽视了内容与属性之间复杂的依赖关系，导致生成结构糟糕且意义不大的句子。此外，这种方法无法对属性变化的程度提供更精细的控制。为解决可控文本生成的这些问题，本文提出 DE-VAE，一种分层框架，其在不同层级捕获信息丰富的纠缠表示和属性特定的解耦表示。DE-VAE 通过学习从解耦情感空间到期望纠缠表示的合适无损变换网络，在保留内容的同时实现对情感作为属性的更好控制。通过对解耦表示的单一维度进行特征监督，DE-VAE 将情感变化映射至连续空间，有助于从正面向负面及反之平滑调节情感。在三个公开可用评论数据集上的详细实验显示了 DE-VAE 相对于近期最先进方法的优越性。
引用
@article{arxiv.2006.09891,
title = {Fine-grained Sentiment Controlled Text Generation},
author = {Bidisha Samanta and Mohit Agarwal and Niloy Ganguly},
journal= {arXiv preprint arXiv:2006.09891},
year = {2020}
}