使用Seq2Seq对抗自编码器的情感迁移
计算与语言
2018-04-12 v1
摘要
用语言表达是主观的。每个人有不同的读写风格,显然这都归结于其心智理解事物(以特定格式)的方式。语言风格迁移是在保留文本意义的同时改变其表达方式的方法。语言风格迁移的进展滞后于其他领域,如计算机视觉,主要因为缺乏平行数据、用例和可靠的评估指标。为应对缺乏平行数据的挑战,我们探索从非平行数据学习风格迁移。我们提出一种结合seq2seq、自编码器和对抗损失的模型来实现此目标。所提模型背后的关键思想是利用对抗网络学习分离的内容表示和风格表示。考虑到风格迁移任务评估的问题,我们将该问题构建为情感迁移,并使用情感分类器评估模型能够迁移多少情感。我们报告了在几种模型上的结果。
引用
@article{arxiv.1804.04003,
title = {Sentiment Transfer using Seq2Seq Adversarial Autoencoders},
author = {Ayush Singh and Ritu Palod},
journal= {arXiv preprint arXiv:1804.04003},
year = {2018}
}
备注
Report built as a part of project for CSYE7245 Northeastern University under Prof. Nik Brown. arXiv admin note: text overlap with arXiv:1711.06861, arXiv:1409.3215, arXiv:1705.07663 by other authors