論文の概要: Text Style Transfer: A Review and Experimental Evaluation
- arxiv url: http://arxiv.org/abs/2010.12742v3
- Date: Tue, 21 Jun 2022 10:57:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 12:44:09.100116
- Title: Text Style Transfer: A Review and Experimental Evaluation
- Title（参考訳）: テキストスタイル転送: レビューと実験的評価
- Authors: Zhiqiang Hu, Roy Ka-Wei Lee, Charu C. Aggarwal, Aston Zhang
- Abstract要約: Text Style Transfer (TST)タスクは、スタイルに依存しないコンテンツを保持しながら、テキストのスタイリスティックな特性を変更することを目的としている。
多くの新しいTSTアルゴリズムが開発され、業界はこれらのアルゴリズムを活用してエキサイティングなTSTアプリケーションを実現している。
本稿では,テキストスタイルの伝達に関する最近の研究成果を概観する。
- 参考スコア（独自算出の注目度）: 26.946157705298685
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The stylistic properties of text have intrigued computational linguistics
researchers in recent years. Specifically, researchers have investigated the
Text Style Transfer (TST) task, which aims to change the stylistic properties
of the text while retaining its style independent content. Over the last few
years, many novel TST algorithms have been developed, while the industry has
leveraged these algorithms to enable exciting TST applications. The field of
TST research has burgeoned because of this symbiosis. This article aims to
provide a comprehensive review of recent research efforts on text style
transfer. More concretely, we create a taxonomy to organize the TST models and
provide a comprehensive summary of the state of the art. We review the existing
evaluation methodologies for TST tasks and conduct a large-scale
reproducibility study where we experimentally benchmark 19 state-of-the-art TST
algorithms on two publicly available datasets. Finally, we expand on current
trends and provide new perspectives on the new and exciting developments in the
TST field.
- Abstract（参考訳）: テキストのスタイリスティックな性質は近年,計算言語学研究者の興味を引いている。
特に、テキストスタイル転送(tst)タスクは、スタイル独立したコンテンツを維持しながら、テキストのスタイル的特性を変更することを目的としている。
ここ数年、多くの新しいTSTアルゴリズムが開発され、業界はこれらのアルゴリズムを活用してエキサイティングなTSTアプリケーションを実現してきた。
TST研究の分野は、この共生のために急成長している。
本稿は,テキストスタイル転送に関する最近の研究成果を総合的に概観することを目的とする。
より具体的には、TSTモデルを整理し、技術の現状を包括的に要約する分類法を作成する。
我々は既存のTSTタスクの評価手法をレビューし、大規模な再現性調査を行い、2つの公開データセット上で19の最先端TSTアルゴリズムを実験的にベンチマークした。
最後に、現在のトレンドを拡張し、tst分野における新しくてエキサイティングな開発に関する新しい視点を提供します。
関連論文リスト
- A Survey of Text Style Transfer: Applications and Ethical Implications [4.749824105387292]
テキストスタイル転送(TST)は、テキストのスタイルに依存しない内容を変更することなく、丁寧さ、形式性、感情など、言語使用の選択された属性を制御することを目的としている。
本稿では,従来の言語アプローチと近年のディープラーニング手法の両方を用いて,長年にわたって研究されてきたTST応用の総合的なレビューを行う。
論文 参考訳（メタデータ） (2024-07-23T17:15:23Z) - 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) - Distilling Text Style Transfer With Self-Explanation From LLMs [28.595450029172124]
Text Style Transfer (TST)は、中核的なコンテンツを保持しながら、テキストのスタイルを変えようとしている。
大型言語モデル(LLM)とチェーン・オブ・シント(CoT)を併用したフレームワークを提案する。
Coは従来の微調整法や知識蒸留法を超越していることが示されている。
論文 参考訳（メタデータ） (2024-03-02T06:38:15Z) - VAE based Text Style Transfer with Pivot Words Enhancement Learning [5.717913255287939]
本稿では,VT-STOWER法(PivOt Words Enhancement leaRning)を用いたVAEベースのテキストスタイル転送を提案する。
本稿では,特定のスタイルで決定的な単語を学習するためのピボット・ワード・ラーニングを紹介する。
提案したVT-STOWERは、新しいフレキシブルなスタイルの強度制御機構により、異なるTSTシナリオにスケールすることができる。
論文 参考訳（メタデータ） (2021-12-06T16:41:26Z) - Artificial Text Detection via Examining the Topology of Attention Maps [58.46367297712477]
トポロジカルデータ分析(TDA)に基づく3種類の解釈可能なトポロジカル特徴を提案する。
BERTモデルから派生した特徴が3つの共通データセットにおいて、カウントベースとニューラルベースベースラインを最大10%上回っていることを実証的に示す。
特徴の探索解析は表面に対する感度と構文的性質を明らかにしている。
論文 参考訳（メタデータ） (2021-09-10T12:13:45Z) - Syntax Matters! Syntax-Controlled in Text Style Transfer [24.379552683296392]
既存のテキストスタイル転送(TST)メソッドは、テキストの内容とスタイル属性をアンタングルするスタイル分類器に依存している。
本稿では,構文認識スタイル分類器を含む新しい構文認識制御可能生成(SACG)モデルを提案する。
提案手法は最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-08-12T17:35:23Z) - A Survey on Neural Speech Synthesis [110.39292386792555]
テキスト・トゥ・スピーチ(TTS)は、音声、言語、機械学習のコミュニティにおけるホットな研究テーマである。
我々は、現在の研究と今後のトレンドをよく理解することを目的として、ニューラルTSに関する包括的な調査を行っている。
我々は、テキスト分析、音響モデル、ボコーダなど、ニューラルネットワークの重要なコンポーネントと、高速TS、低リソースTS、堅牢TS、表現型TS、適応型TSなど、いくつかの先進的なトピックに焦点を当てる。
論文 参考訳（メタデータ） (2021-06-29T16:50:51Z) - 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) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳（メタデータ） (2020-08-02T00:09:03Z) - Exploring the Limits of Transfer Learning with a Unified Text-to-Text
Transformer [64.22926988297685]
下流タスクで微調整される前に、まずデータリッチタスクでモデルが事前訓練されるトランスファーラーニングは、自然言語処理(NLP)において強力な手法として登場した。
本稿では,すべてのテキストベースの言語問題をテキスト・トゥ・テキスト・フォーマットに変換する統一フレームワークにより,NLPのためのトランスファー学習手法を導入する状況について検討する。
論文 参考訳（メタデータ） (2019-10-23T17:37:36Z)
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。