QuaSE：可量化引导下的准确文本风格迁移
计算与语言
2019-01-31 v3
摘要
我们提出可量化序列编辑（QuaSE）任务：编辑输入序列以生成满足给定数值结果值（该值衡量序列某一属性）的输出序列，并要求保留输入序列的主要内容。例如，输入序列可以是词序列，如评论句与广告文本。对于评论句，结果可以是评论评分；对于广告，结果可以是点击率。执行QuaSE的主要挑战在于如何感知与结果相关的措辞，并仅编辑它们以改变结果。本文提出的框架包含从输入句中解耦的两个潜在因子，即结果因子与内容因子，以便便捷地编辑以改变结果并保留内容。我们的框架通过建模伪平行句的内容相似度与结果差异来利用伪平行句，从而实现潜在因子的更好解耦，进而生成更好地满足期望结果并保留内容的输出。双重重建结构通过利用伪平行句潜在因子的耦合进一步增强了生成期望输出的能力。为评估，我们准备了带有评分作为结果的Yelp评论句数据集。我们报告并讨论了广泛的实验结果以阐明我们框架的特性。
引用
@article{arxiv.1804.07007,
title = {QuaSE: Accurate Text Style Transfer under Quantifiable Guidance},
author = {Yi Liao and Lidong Bing and Piji Li and Shuming Shi and Wai Lam and Tong Zhang},
journal= {arXiv preprint arXiv:1804.07007},
year = {2019}
}
备注
accepted by emnlp2018