利用非平行数据改进神经文本属性迁移
计算与语言
2017-12-06 v2 人工智能
机器学习
摘要
使用非平行数据的文本属性迁移需要能够对内容与语言属性进行解耦的方法。在这项工作中，我们针对现有方法提出多项改进，使编码器-解码器框架能够处理来自非平行数据的文本属性迁移。我们在两个数据集上使用情感迁移任务进行实验。对于两个数据集，我们提出的方法在所采用的三个评估指标中的两个上优于一个强基线。
引用
@article{arxiv.1711.09395,
title = {Improved Neural Text Attribute Transfer with Non-parallel Data},
author = {Igor Melnyk and Cicero Nogueira dos Santos and Kahini Wadhawan and Inkit Padhi and Abhishek Kumar},
journal= {arXiv preprint arXiv:1711.09395},
year = {2017}
}
备注
NIPS 2017 Workshop on Learning Disentangled Representations: from Perception to Control