面向语体风格转换的平行数据增强
计算与语言
2020-05-18 v1
摘要
语体风格转换（Formality Style Transfer）任务进展的主要障碍是训练数据不足。本文研究如何增强平行数据，并提出针对该任务新颖且简单的数据增强方法，以利用易获取模型与系统获得有用的句对。实验表明，当我们的增强平行数据用于预训练模型时，大幅提升了语体风格转换效果，从而在 GYAFC 基准数据集上取得了当前最优（state-of-the-art）结果。
引用
@article{arxiv.2005.07522,
title = {Parallel Data Augmentation for Formality Style Transfer},
author = {Yi Zhang and Tao Ge and Xu Sun},
journal= {arXiv preprint arXiv:2005.07522},
year = {2020}
}
备注
Accepted by ACL 2020. arXiv admin note: text overlap with arXiv:1909.06002