論文の概要: Fine-grained Sentiment Controlled Text Generation
- arxiv url: http://arxiv.org/abs/2006.09891v1
- Date: Wed, 17 Jun 2020 14:17:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 19:26:16.656646
- Title: Fine-grained Sentiment Controlled Text Generation
- Title（参考訳）: きめ細かい感情制御テキスト生成
- Authors: Bidisha Samanta, Mohit Agarwal, Niloy Ganguly
- Abstract要約: 制御されたテキスト生成技術は、属性独立コンテンツを保持しながら、特定の属性を規制することを目的としている。
本稿では,情報に富んだ絡み合い表現と属性固有の非絡み合い表現の両方をキャプチャする階層型フレームワークDE-VAEを提案する。
- 参考スコア（独自算出の注目度）: 28.20006438705556
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Controlled text generation techniques aim to regulate specific attributes
(e.g. sentiment) while preserving the attribute independent content. The
state-of-the-art approaches model the specified attribute as a structured or
discrete representation while making the content representation independent of
it to achieve a better control. However, disentangling the text representation
into separate latent spaces overlooks complex dependencies between content and
attribute, leading to generation of poorly constructed and not so meaningful
sentences. Moreover, such an approach fails to provide a finer control on the
degree of attribute change. To address these problems of controlled text
generation, in this paper, we propose DE-VAE, a hierarchical framework which
captures both information enriched entangled representation and attribute
specific disentangled representation in different hierarchies. DE-VAE achieves
better control of sentiment as an attribute while preserving the content by
learning a suitable lossless transformation network from the disentangled
sentiment space to the desired entangled representation. Through feature
supervision on a single dimension of the disentangled representation, DE-VAE
maps the variation of sentiment to a continuous space which helps in smoothly
regulating sentiment from positive to negative and vice versa. Detailed
experiments on three publicly available review datasets show the superiority of
DE-VAE over recent state-of-the-art approaches.
- Abstract（参考訳）: 制御されたテキスト生成技術は、属性独立コンテンツを保持しながら特定の属性(例えば感情)を規制することを目的としている。
最先端のアプローチでは、指定された属性を構造化されたあるいは離散的な表現としてモデル化し、コンテンツ表現を独立させ、より良い制御を達成する。
しかし、テキスト表現を別個の潜在空間に切り離すことは、コンテンツと属性の間の複雑な依存関係を見落とし、不十分に構築され、あまり意味のない文を生成する。
さらに、このようなアプローチは属性変更の度合いに関するより細かい制御を提供しない。
本稿では,制御テキスト生成におけるこれらの問題に対処するために,情報エンタングル表現と属性固有のアンタングル表現の両方を異なる階層でキャプチャする階層的フレームワークであるde-vaeを提案する。
DE-VAEは、不協和感空間から所望の絡み合い表現への適切な損失のない変換ネットワークを学習し、コンテンツを保存しつつ、属性としての感情のより良い制御を実現する。
歪んだ表現の1次元における特徴監督を通じて、DE-VAEは感情の変動を連続した空間にマッピングし、感情をポジティブからネガティブへと円滑に調節するのに役立つ。
公開された3つのレビューデータセットに関する詳細な実験は、最近の最先端アプローチよりもDE-VAEの方が優れていることを示している。
関連論文リスト
- Continuous, Subject-Specific Attribute Control in T2I Models by Identifying Semantic Directions [21.371773126590874]
一般に使われているトークンレベルのCLIPテキスト埋め込みには,テキスト・ツー・イメージ・モデルにおける高レベル属性の微粒な主観的制御を可能にする方向が存在することを示す。
コントラッシブテキストプロンプトから特定の属性に対するこれらの方向を識別する,効率的な最適化自由度とロバストな最適化ベース手法を1つ導入する。
論文 参考訳（メタデータ） (2024-03-25T18:00:42Z) - Text Attribute Control via Closed-Loop Disentanglement [72.2786244367634]
本稿では,コンテンツ保存性を高めつつ,属性のロバストな制御を実現するための新しい手法を提案する。
本稿では,半教師付きコントラスト学習法を用いて,潜在空間における属性のアンタングル化を促進する。
Yelp Serviceレビューデータセット、Amazon Product Reviewデータセット、GoEmotionsデータセットを含む3つのテキストデータセットの実験を行った。
論文 参考訳（メタデータ） (2023-12-01T01:26:38Z) - Air-Decoding: Attribute Distribution Reconstruction for Decoding-Time
Controllable Text Generation [58.911255139171075]
制御可能なテキスト生成(CTG)は、望ましい属性を持つテキストを生成することを目的としている。
本研究では,Air-Decoding という新しい軽量デコーディングフレームワークを提案する。
提案手法は,新しい最先端制御性能を実現する。
論文 参考訳（メタデータ） (2023-10-23T12:59:11Z) - A Distributional Lens for Multi-Aspect Controllable Text Generation [17.97374410245602]
マルチアスペクト制御可能なテキスト生成は、単一アスペクト制御よりも困難で実用的なタスクである。
既存手法は, 単一アスペクトから学習した複数のコントローラを融合することにより, 複雑なマルチアスペクト制御を実現する。
本稿では,複数属性分布の交点領域を直接探索して生成する手法を提案する。
論文 参考訳（メタデータ） (2022-10-06T13:08:04Z) - TransFA: Transformer-based Representation for Face Attribute Evaluation [87.09529826340304]
我々はtextbfTransFA を用いたtextbfattribute 評価のための新しい textbf Transformer 表現を提案する。
提案するTransFAは,最先端手法と比較して優れた性能を示す。
論文 参考訳（メタデータ） (2022-07-12T10:58:06Z) - Controllable Dialogue Generation with Disentangled Multi-grained Style
Specification and Attribute Consistency Reward [47.96949534259019]
マルチ属性制約下で応答生成を行うための制御可能な対話生成モデルを提案する。
一般的に使用される制御属性を,応答生成に対する影響の粒度が異なる大域的および局所的な属性に分類する。
我々のモデルは、応答品質、コンテンツ多様性、制御性の観点から、競争ベースラインを大幅に上回ることができる。
論文 参考訳（メタデータ） (2021-09-14T14:29:38Z) - Towards Disentangling Latent Space for Unsupervised Semantic Face
Editing [21.190437168936764]
修正属性の編集には注釈付きトレーニングデータが必要で、編集可能な属性をラベル付き属性に制限する。
本稿では、重み分解と直交正規化(STIA-WO)を用いた構造テクスチュア独立アーキテクチャ(Structure-Texture Independent Architecture)と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2020-11-05T03:29:24Z) - 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) - Attribute-based Regularization of Latent Spaces for Variational
Auto-Encoders [79.68916470119743]
本稿では,変分オートエンコーダ(VAE)の潜時空間を,連続値の異なる属性を明示的に符号化する新しい手法を提案する。
これは属性の正規化損失を使用して、属性値と属性が符号化される次元の潜在符号との単調な関係を強制する。
論文 参考訳（メタデータ） (2020-04-11T20:53:13Z) - Heavy-tailed Representations, Text Polarity Classification & Data
Augmentation [11.624944730002298]
所望の正則性を持つ重み付き埋め込みを学習するための新しい手法を開発した。
提案した埋め込みの尾部専用の分類器が得られ、性能がベースラインを上回っている。
合成および実テキストデータに関する数値実験により,提案手法の妥当性が示された。
論文 参考訳（メタデータ） (2020-03-25T19:24:05Z)
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。