摘要

我们研究了文本属性转换的任务：在保留句子的非属性相关内容的同时，改变其特定属性（例如，情感），如将“屏幕大小刚刚好”转换为“屏幕太小”。我们的训练数据仅包含带有属性标签的句子（例如，正面或负面），而不包含仅在属性上有所不同的句子对，因此我们必须以无监督的方式学习如何将属性从非属性相关的内容中分离出来。以往使用对抗方法的研究在生成高质量输出方面遇到了困难。本文中，我们提出了更简单的方法，这些方法基于一个观察：文本属性通常由具有独特性的短语标记（例如，“太小”）。我们最强的方法通过删除与句子原始属性值相关的短语来提取内容词，检索与目标属性相关的新短语，并使用神经模型将这些内容流畅地组合成最终输出。在人工评估中，我们的最佳方法在三个文本属性转换数据集上的表现优于现有最好的系统，平均多生成22%的语法正确且合适的响应：包括修改Yelp评论的情感、修改Amazon评论的情感以及使图像标题更具浪漫色彩或幽默感。