LEWIS：用于无监督文本风格迁移的Levenshtein编辑方法

许多类型的文本风格迁移仅需微小而精确的编辑即可实现（例如将情感从“我度过了一段糟糕的时光……”迁移到“我度过了一段美好的时光……”）。我们提出了一种用于风格迁移的由粗到细的编辑器，利用Levenshtein编辑操作（如插入、替换、删除）对文本进行转换。与以往的单跨度编辑方法不同，我们的方法同时编辑源文本中的多个跨度。为了在无需平行风格文本对（如正/负情感陈述对）的情况下进行训练，我们提出了一种无监督数据合成流程。我们首先利用风格分类器的注意力将文本转换为风格无关的模板（例如“我度过了一段SLOT时光……”），然后使用微调过的预训练语言模型填充这些模板中的槽位。我们的方法在情感（Yelp、Amazon）和礼貌（Polite）迁移任务上优于现有的生成式和编辑式风格迁移方法。特别地，多跨度编辑比单跨度编辑取得了更高的性能和更多样的输出。此外，与先前无监督数据合成的方法相比，我们的方法生成了更高质量的平行风格对并提升了模型性能。