論文の概要: Fair Transfer of Multiple Style Attributes in Text

• arxiv url: http://arxiv.org/abs/2001.06693v1
• Date: Sat, 18 Jan 2020 15:38:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 04:56:05.519900
• Title: Fair Transfer of Multiple Style Attributes in Text
• Title（参考訳）: テキストにおける複数スタイル属性の公平転送
• Authors: Karan Dabas, Nishtha Madan, Vijay Arya, Sameep Mehta, Gautam Singh, Tanmoy Chakraborty
• Abstract要約: 複数のスタイルの転送を連続的に行うことで、複数のスタイルの転送が達成できないことを示す。 与えられたテキストで複数のスタイル属性を公平に転送するためのニューラルネットワークアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 26.964711594103566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To preserve anonymity and obfuscate their identity on online platforms users may morph their text and portray themselves as a different gender or demographic. Similarly, a chatbot may need to customize its communication style to improve engagement with its audience. This manner of changing the style of written text has gained significant attention in recent years. Yet these past research works largely cater to the transfer of single style attributes. The disadvantage of focusing on a single style alone is that this often results in target text where other existing style attributes behave unpredictably or are unfairly dominated by the new style. To counteract this behavior, it would be nice to have a style transfer mechanism that can transfer or control multiple styles simultaneously and fairly. Through such an approach, one could obtain obfuscated or written text incorporated with a desired degree of multiple soft styles such as female-quality, politeness, or formalness. In this work, we demonstrate that the transfer of multiple styles cannot be achieved by sequentially performing multiple single-style transfers. This is because each single style-transfer step often reverses or dominates over the style incorporated by a previous transfer step. We then propose a neural network architecture for fairly transferring multiple style attributes in a given text. We test our architecture on the Yelp data set to demonstrate our superior performance as compared to existing one-style transfer steps performed in a sequence.
• Abstract（参考訳）: 匿名性を保ち、オンラインプラットフォーム上で自身のアイデンティティを難読化するために、ユーザーは自分のテキストを変形させ、異なる性別や人口層として表現することができる。 同様に、チャットボットは、オーディエンスとのエンゲージメントを改善するために、コミュニケーションスタイルをカスタマイズする必要がある。 近年ではこの書体の変化が注目されている。 しかし、これらの過去の研究は、主に単一のスタイル属性の転送に役立っている。 単一のスタイルだけに焦点を当てることの欠点は、他の既存のスタイル属性が予測不能に振る舞う、あるいは新しいスタイルによって不公平に支配されるターゲットテキストになることが多いことである。 この動作に逆らうには、複数のスタイルを同時に、かつ公平に転送または制御できるスタイル転送メカニズムを持つのがよいでしょう。 このようなアプローチにより、女性の質、礼儀正しさ、形式性など、複数のソフトスタイルが所望の程度に組み込まれた難解なテキストや文章を得ることができた。 本研究では,複数スタイルの転送を連続的に行うことで,複数のスタイルの転送が達成できないことを示す。 これは、各スタイル転送ステップが、以前の転送ステップによって組み込まれたスタイルを逆転または支配することが多いためである。 次に,与えられたテキスト中の複数のスタイル属性を公平に転送するためのニューラルネットワークアーキテクチャを提案する。 Yelpデータセット上でアーキテクチャをテストし、シーケンスで実行される既存のワンスタイル転送ステップと比較して、優れたパフォーマンスを示す。

関連論文リスト

• TinyStyler: Efficient Few-Shot Text Style Transfer with Authorship Embeddings [51.30454130214374]
  本稿では,TinyStylerについて紹介する。 我々は、TinyStylerのテキスト属性スタイル転送機能について、自動評価と人的評価で評価する。 私たちのモデルはhttps://huggingface.co/tinystyler/tinystyler.comで公開されています。
  論文  参考訳（メタデータ） (2024-06-21T18:41:22Z)
• STEER: Unified Style Transfer with Expert Reinforcement [71.3995732115262]
  STEER: Unified Style Transfer with Expert Reinforcementは、スタイル転送のための限られた並列データという課題を克服するために開発された、統一されたフレームワークである。 STEERは堅牢で、ドメイン外のデータでスタイル転送機能を維持し、様々なスタイルでほぼすべてのベースラインを超越している。
  論文  参考訳（メタデータ） (2023-11-13T09:02:30Z)
• ParaGuide: Guided Diffusion Paraphrasers for Plug-and-Play Textual Style Transfer [57.6482608202409]
  テキストスタイル転送は、意味を保ちながらテキストのスタイル特性を変換するタスクである。 任意のスタイルに柔軟に適応できる汎用型転送のための新しい拡散型フレームワークを提案する。 本研究では,人的評価と自動評価の両面から,Enron Email Corpusの手法を検証するとともに,形式性,感情,さらにはオーサシップスタイルの伝達にも優れることを示す。
  論文  参考訳（メタデータ） (2023-08-29T17:36:02Z)
• MSSRNet: Manipulating Sequential Style Representation for Unsupervised Text Style Transfer [82.37710853235535]
  教師なしのテキストスタイル転送タスクは、メインのコンテンツを保持しながらテキストをターゲットのスタイルに書き換えることを目的としている。 従来の方法では、固定サイズのベクトルを使ってテキストスタイルを規制するが、個々のトークンのスタイル強度を正確に伝達することは困難である。 提案手法は,テキスト中の各トークンに個々のスタイルベクトルを割り当てることでこの問題に対処する。
  論文  参考訳（メタデータ） (2023-06-12T13:12:29Z)
• Conversation Style Transfer using Few-Shot Learning [56.43383396058639]
  本稿では,会話スタイルの伝達を数ショットの学習問題として紹介する。 そこで本研究では,スタイルフリー対話による課題をピボットとして解くための,コンテキスト内学習手法を提案する。 会話スタイルの転送は下流のタスクにも役立ちます。
  論文  参考訳（メタデータ） (2023-02-16T15:27:00Z)
• Reformulating Unsupervised Style Transfer as Paraphrase Generation [48.83148014000888]
  パラフレーズ生成問題として教師なしスタイル転送を再構成する。 本稿では,自動生成したパラフレーズデータに基づいて,微調整事前学習言語モデルに基づく簡単な手法を提案する。 また、11種類の異なるスタイルで15万文の大規模なデータセットを収集することで、より現実的なスタイルの転送設定に転換する。
  論文  参考訳（メタデータ） (2020-10-12T13:31:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。