論文の概要: Review of Text Style Transfer Based on Deep Learning

• arxiv url: http://arxiv.org/abs/2005.02914v3
• Date: Wed, 30 Dec 2020 03:04:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 04:58:22.160264
• Title: Review of Text Style Transfer Based on Deep Learning
• Title（参考訳）: 深層学習に基づくテキスト・スタイル・トランスファーのレビュー
• Authors: Xiangyang Li, Guo Pu, Keyu Ming, Pu Li, Jie Wang, Yuxuan Wang
• Abstract要約: 従来のテキストスタイルの転送モデルでは、テキストスタイルは専門家の知識と手書きのルールに頼っている。 自然言語処理の分野での深層学習の適用により,ディープラーニングに基づくテキストスタイルの伝達手法の研究が盛んに行われている。 本稿では,近年の深層学習に基づくテキストスタイル伝達モデルの研究を要約し,本研究の方向性と進歩を要約し,分析し,比較する。
• 参考スコア（独自算出の注目度）: 14.376596231697043
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text style transfer is a hot issue in recent natural language processing,which mainly studies the text to adapt to different specific situations, audiences and purposes by making some changes. The style of the text usually includes many aspects such as morphology, grammar, emotion, complexity, fluency, tense, tone and so on. In the traditional text style transfer model, the text style is generally relied on by experts knowledge and hand-designed rules, but with the application of deep learning in the field of natural language processing, the text style transfer method based on deep learning Started to be heavily researched. In recent years, text style transfer is becoming a hot issue in natural language processing research. This article summarizes the research on the text style transfer model based on deep learning in recent years, and summarizes, analyzes and compares the main research directions and progress. In addition, the article also introduces public data sets and evaluation indicators commonly used for text style transfer. Finally, the existing characteristics of the text style transfer model are summarized, and the future development trend of the text style transfer model based on deep learning is analyzed and forecasted.
• Abstract（参考訳）: 最近の自然言語処理ではテキストスタイルの転送がホットな問題であり、主に特定の状況や聴衆、目的に適応するためにテキストを研究している。 テキストのスタイルは、通常、形態、文法、感情、複雑さ、流動性、緊張、トーンなど多くの側面を含んでいる。 従来のテキストスタイル伝達モデルでは、テキストスタイルは一般的に専門家の知識と手作りのルールに依存しているが、自然言語処理の分野でのディープラーニングの適用により、深層学習に基づくテキストスタイル転送手法が研究され始めた。 近年,自然言語処理研究において,テキストスタイル転送がホットな問題となっている。 本稿では,近年の深層学習に基づくテキストスタイル伝達モデルの研究を要約し,本研究の方向性と進歩を要約し,分析し,比較する。 さらに、テキストスタイルの転送によく使用される公開データセットや評価指標も紹介する。 最後に、既存のテキストスタイル転送モデルの特徴を要約し、ディープラーニングに基づくテキストスタイル転送モデルの今後の開発動向を分析し予測する。

関連論文リスト

• Text Style Transfer: An Introductory Overview [0.1534667887016089]
  テキストスタイル転送(TST)は、スタイルに依存しないコンテンツを保存しながらテキストスタイルの属性を操作する自然言語生成において重要なタスクである。 TSTを対象とする属性は、丁寧さ、著者シップ、攻撃的言語の緩和、感情の修正、テキストの形式調整など、多岐にわたる可能性がある。 本稿では,その課題,既存アプローチ,データセット,評価尺度,サブタスク,アプリケーションについて概説する。
  論文  参考訳（メタデータ） (2024-07-20T09:54:55Z)
• PSST: A Benchmark for Evaluation-driven Text Public-Speaking Style Transfer [16.07576878783396]
  公的なテキストを公用語に変換することを目的とした,PSST(Public-Speaking Style Transfer)という新しいタスクを導入する。 言語学的観点からの実世界のデータ分析に基礎を置き、公用語のスタイルを重要なサブスタイルに分解する。 そこで本研究では,その特徴を分析し,スタイリングされたテキストの問題点を特定するための,きめ細かい評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-14T18:50:51Z)
• Don't lose the message while paraphrasing: A study on content preserving style transfer [61.38460184163704]
  スタイル伝達研究の現実的な応用には,コンテンツ保存が不可欠である。 形式性伝達領域の例において、様々なスタイル転送モデルを比較する。 我々は,スタイル伝達のための最先端技術について,精密な比較研究を行っている。
  論文  参考訳（メタデータ） (2023-08-17T15:41:08Z)
• 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)
• StoryTrans: Non-Parallel Story Author-Style Transfer with Discourse Representations and Content Enhancing [73.81778485157234]
  長文は通常、文よりも談話構造のような複雑な著者の言語的嗜好を含んでいる。 我々は、入力されたストーリーを特定の著者スタイルに転送する必要があるノン並列ストーリー作者スタイル転送のタスクを定式化する。 モデルが自動エンコーダに退化することを防ぐために,学習した談話表現からスタイル的特徴を引き離すための追加の学習目標を用いる。
  論文  参考訳（メタデータ） (2022-08-29T08:47:49Z)
• A Review of Text Style Transfer using Deep Learning [0.0]
  テキスト・スタイル・トランスファー(英: Text style transfer)とは、文が書かれた文のスタイルを適応・変更する作業である。 我々は、自然言語理解と生成の分野での現在の成功の原動力となったディープニューラルネットワークの技術的進歩を指摘する。 このレビューは、テキストスタイルの転送プロセス、すなわち表現学習と文生成の2つの重要な段階を中心に構築されている。
  論文  参考訳（メタデータ） (2021-09-30T14:06:36Z)
• StylePTB: A Compositional Benchmark for Fine-grained Controllable Text Style Transfer [90.6768813620898]
  スタイル転送は、ソース文定数からコアの意味を維持しながら、ターゲットのスタイル変更を伴うテキストを制御的に生成することを目的としています。 テキストの原子語彙,構文,セマンティック,セマンティックトランスファーにまたがる21のきめ細かなスタイリスティックな文を含む大規模ベンチマークであるStylePTBを導入する。 StylePTBの既存のメソッドは、細かい変更をモデル化するのに苦労し、複数のスタイルを構成するのにさらに困難です。
  論文  参考訳（メタデータ） (2021-04-12T04:25:09Z)
• Deep Learning for Text Style Transfer: A Survey [71.8870854396927]
  テキストスタイル転送は、生成したテキストの特定の属性を制御することを目的として、自然言語生成において重要なタスクである。 2017年の最初のニューラルテキストスタイル転送作業以降,100以上の代表的な記事を対象とした,ニューラルテキストスタイル転送の研究の体系的な調査を行う。 タスクの定式化、既存のデータセットとサブタスク、評価、並列データと非並列データの存在下での豊富な方法論について論じる。
  論文  参考訳（メタデータ） (2020-11-01T04:04:43Z)
• Improving Disentangled Text Representation Learning with Information-Theoretic Guidance [99.68851329919858]
  自然言語の独特な性質は、テキスト表現の分離をより困難にする。 情報理論にインスパイアされた本研究では,テキストの不整合表現を効果的に表現する手法を提案する。 条件付きテキスト生成とテキストスタイル転送の両方の実験は、不整合表現の質を実証する。
  論文  参考訳（メタデータ） (2020-06-01T03:36:01Z)

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。