
摘要
本文主要研究基于非平行文本的风格迁移问题。这一问题属于一个广泛的问题家族,包括机器翻译、解码和情感修改等。关键挑战在于将内容与其他方面(如风格)分离。我们假设不同文本语料库之间存在共享的潜在内容分布,并提出了一种利用潜在表示精炼对齐的方法来实现风格迁移。从一种风格迁移过来的句子应在总体上与另一种风格的示例句子相匹配。我们在三个任务上展示了这种跨对齐方法的有效性:情感修改、单词替换密码的解码以及单词顺序恢复。
代码仓库
WhiskyChoy/language-style-transfer
tf
GitHub 中提及
kyuer/language-style-transfer
tf
GitHub 中提及
bywords/lang-style-transfer-legacy
tf
GitHub 中提及
qfzhu/st
tf
GitHub 中提及
sy-sunmoon/Clever-Commenter-Let-s-Try-More-Apps
pytorch
GitHub 中提及
jishavm/TextStyleTransfer
tf
GitHub 中提及
mariob6/style_text
pytorch
GitHub 中提及
shentianxiao/language-style-transfer
官方
tf
GitHub 中提及
nlahlaf/Text-Style-Transfer
tf
GitHub 中提及
kaletap/nlp-style-transfer
tf
GitHub 中提及
jpark621/language-style-transfer
tf
GitHub 中提及
kaletap/language-style-transfer-pytorch
tf
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| text-style-transfer-on-yelp-review-dataset | CAE | G-Score (BLEU, Accuracy): 38.66 |