StylePTB：面向细粒度可控文本风格迁移的组合式基准
计算与语言
2021-04-13 v1 人工智能
机器学习
摘要
文本风格迁移旨在以可控方式生成具有目标风格变化的文本，同时保持源句子的核心语义不变。现有许多风格迁移基准主要关注单个高层语义变化（例如从积极到消极），这实现了高层的可控性，但无法提供涉及句子结构、强调和句子内容的细粒度控制。本文引入了一个大规模基准 StylePTB，其包含（1）经历 21 种细粒度风格变化的配对句子，涵盖文本的原子词汇、句法、语义和主题迁移，以及（2）多种迁移的组合，可将细粒度风格变化建模为更复杂高层迁移的构建模块。通过在 StylePTB 上对现有方法进行基准测试，我们发现它们难以建模细粒度变化，且在组合多种风格时更为困难。因此，StylePTB 带来了新颖的挑战，我们希望这些挑战能推动未来在可控文本风格迁移、组合式模型以及解耦表示学习方面的研究。解决这些挑战将是迈向可控文本生成的重要步骤。
引用
@article{arxiv.2104.05196,
title = {StylePTB: A Compositional Benchmark for Fine-grained Controllable Text Style Transfer},
author = {Yiwei Lyu and Paul Pu Liang and Hai Pham and Eduard Hovy and Barnabás Póczos and Ruslan Salakhutdinov and Louis-Philippe Morency},
journal= {arXiv preprint arXiv:2104.05196},
year = {2021}
}
备注
NAACL 2021, code available at https://github.com/lvyiwei1/StylePTB/