MSSRNet：操纵序列风格表示的无监督文本风格迁移
计算与语言
2023-06-16 v1 人工智能
机器学习
摘要
无监督文本风格迁移任务旨在将文本重写为目标风格，同时保留其主要内容。传统方法依赖于使用固定大小向量来调节文本风格，难以为每个独立 token 准确传达风格强度。事实上，文本中的每个 token 包含不同的风格强度，并对整体风格做出不同贡献。我们提出的方法通过为文本中每个 token 分配独立的风格向量来解决此问题，从而实现细粒度的风格强度控制与操纵。此外，引入了集成师生学习的对抗训练框架，以增强训练稳定性并降低高维优化的复杂度。我们的实验结果表明，该方法在双风格迁移和多风格迁移设置中，在明显提升的风格迁移准确率和内容保留方面均有效。
引用
@article{arxiv.2306.07994,
title = {MSSRNet: Manipulating Sequential Style Representation for Unsupervised Text Style Transfer},
author = {Yazheng Yang and Zhou Zhao and Qi Liu},
journal= {arXiv preprint arXiv:2306.07994},
year = {2023}
}
备注
Accepted by KDD23