无平行训练语料下基于强化学习的文本风格迁移
计算与语言
2019-04-09 v2
摘要
文本风格迁移在保持原意的同时，将文本从源风格（如非正式）改写为目标风格（如正式）。尽管已有工作利用两种风格的平行语料取得了成功，但在无平行训练语料时，文本风格迁移被证明显著更具挑战性。在本文中，我们通过采用基于强化学习的生成器—评估器架构来解决这一挑战。我们的生成器使用基于注意力的编码器—解码器将句子从源风格迁移至目标风格。我们的评估器是一个带有语义与句法约束的对抗训练风格判别器，对生成句子在风格、语义保持和流畅度方面进行打分。在两个不同风格迁移任务（情感迁移与正式度迁移）上的实验结果表明，我们的模型优于当前最优方法。此外，我们进行了人工评估，使用生成文本质量的主观指标证明了所提方法的有效性。
引用
@article{arxiv.1903.10671,
title = {Reinforcement Learning Based Text Style Transfer without Parallel Training Corpus},
author = {Hongyu Gong and Suma Bhat and Lingfei Wu and Jinjun Xiong and Wen-mei Hwu},
journal= {arXiv preprint arXiv:1903.10671},
year = {2019}
}