低资源作者风格迁移：非著名作者能否被模仿？

作者风格迁移涉及改变文本以匹配目标作者的风格，同时保留原始含义。现有的无监督方法如 STRAP 主要关注向那些在书籍、演讲或其他已发表作品中拥有大量写作风格样本的目标作者进行风格迁移。这种高资源的训练数据要求（通常超过 100,000 词）使得这些方法主要适用于向已出版作者、政治家或其他知名人物及其写作风格进行风格迁移，而向非知名作者的风格迁移尚未得到充分研究。我们引入了低资源作者风格迁移任务，这是一类更具挑战性的作者风格迁移，其中目标作者风格的文本可能仅存在有限数量。在我们的实验中，我们特别从 Reddit 中选择源作者和目标作者，并对他们的 Reddit 帖子进行风格迁移，将目标作者风格的帖子限制在仅 16 篇（平均约 500 词）。风格迁移的准确性通常通过分类器或人类评判员将输出分类为目标作者所写的频率来衡量。最近的作者身份表示模型即使在只有少量写作样本的情况下也能出色地完成作者身份识别，这使得通过我们提出的评估指标，首次实现了对该任务的自动评估。我们的结果确立了我们开发的一种上下文学习技术为最强基线，尽管我们发现当前方法尚未能完全掌握这一具有挑战性的任务。我们发布了我们的数据和实现，以鼓励进一步的研究。