面向句子中情感的可控转换

许多自然语言处理产品开发的一个障碍是获得满意结果所需的大量训练样本。这些样本的生成通常是一项繁琐且耗时的任务。本文提出一种转换句子情感的方法，以限制生成更多训练数据所需的工作。这意味着一个句子可被转换为情感相反的另一句子，从而应将文本生成所需的工作减半。所提出的流程包含一个带注意力机制的情感分类器，用于高亮决定句子情感的短短语。随后，使用基线模型和自编码器方法将这些短语更改为相反情感的短语。实验在该流程的各个独立部分以及端到端模型上运行。情感分类器在其准确率上接受测试，发现表现尚可。自编码器在改变编码短语情感的能力上接受测试，发现此类任务是可行的。我们采用人工评估来判断完整（端到端）流程的性能，其显示使用词向量的模型优于编码器模型。数值评估表明情感转换的成功率达到 54.7%。