(男性, 学士)与(女性, 博士)具有不同的内涵: 带有多人物角色标注的平行风格化语言数据集
计算与语言
2019-09-04 v1
摘要
文本中的风格变化需要从作者个人特质、人际关系、修辞等多个不同方面进行研究。尽管近期已有对风格变化的计算建模尝试, 但风格语言平行语料的缺乏使得难以系统控制风格变化并评估此类模型。我们发布了PASTEL, 即平行且带标注的风格语言数据集, 包含约41K平行句子(8.3K平行故事), 跨不同人物角色进行了标注。每个人物角色结合有不同的风格: 性别、年龄、国家、政治观点、教育程度、族裔和写作时间。该数据集由人工标注者收集, 对输入指称进行了严格控制: 不仅保留文本间的原意, 还向标注者促进风格多样性。我们在两个有趣的风格语言应用上测试了该数据集, PASTEL有助于设计恰当的实验与评估。第一, 在给定文本预测目标风格(如性别中的男性或女性)时, PASTEL的多种风格使得其他外部风格变量受控(或固定), 这是一种更精确的实验设计。第二, 使用我们平行文本的简单监督模型在风格迁移上优于使用非平行文本的无监督模型。我们的数据集已公开可用。
引用
@article{arxiv.1909.00098,
title = {(Male, Bachelor) and (Female, Ph.D) have different connotations: Parallelly Annotated Stylistic Language Dataset with Multiple Personas},
author = {Dongyeop Kang and Varun Gangal and Eduard Hovy},
journal= {arXiv preprint arXiv:1909.00098},
year = {2019}
}
备注
EMNLP 2019