論文の概要: Contextualizing Variation in Text Style Transfer Datasets

• arxiv url: http://arxiv.org/abs/2108.07871v1
• Date: Tue, 17 Aug 2021 20:54:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-19 14:45:57.137144
• Title: Contextualizing Variation in Text Style Transfer Datasets
• Title（参考訳）: テキストスタイル転送データセットの文脈変化
• Authors: Stephanie Schoch, Wanyu Du, Yangfeng Ji
• Abstract要約: 既存のテキストスタイルのデータセットを実証分析する。 本稿では,テキストスタイルのデータセットを利用したり,比較したりする際のスタイル特性とデータセット特性の分類を提案する。
• 参考スコア（独自算出の注目度）: 8.978727939776329
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text style transfer involves rewriting the content of a source sentence in a target style. Despite there being a number of style tasks with available data, there has been limited systematic discussion of how text style datasets relate to each other. This understanding, however, is likely to have implications for selecting multiple data sources for model training. While it is prudent to consider inherent stylistic properties when determining these relationships, we also must consider how a style is realized in a particular dataset. In this paper, we conduct several empirical analyses of existing text style datasets. Based on our results, we propose a categorization of stylistic and dataset properties to consider when utilizing or comparing text style datasets.
• Abstract（参考訳）: テキストスタイルの転送には、ソース文の内容をターゲットスタイルで書き直すことが含まれる。 利用可能なデータを持つスタイルタスクは数多く存在するが、テキストスタイルのデータセットが相互にどう関係しているかに関する体系的な議論は限られている。 しかし、この理解はモデルトレーニングのために複数のデータソースを選択する意味を持つ可能性が高い。 これらの関係を決定する際に内在的なスタイル的性質を考えるのは慎重であるが、特定のデータセットにおいてスタイルがどのように実現されるかを考える必要がある。 本稿では,既存のテキストスタイルのデータセットを実験的に分析する。 そこで本研究では,テキストスタイルのデータセットを利用したり,比較したりする際のスタイル特性とデータセット特性の分類を提案する。

関連論文リスト

• StyleDistance: Stronger Content-Independent Style Embeddings with Synthetic Parallel Examples [48.44036251656947]
  スタイル表現は、内容に関係なく、類似した書体スタイルのテキストを密に埋め込み、異なる書体スタイルのテキストを遠くに埋め込むことを目的としている。 より強力なコンテンツに依存しないスタイル埋め込みをトレーニングするための新しいアプローチであるStyleDistanceを紹介する。
  論文  参考訳（メタデータ） (2024-10-16T17:25:25Z)
• Measuring Style Similarity in Diffusion Models [118.22433042873136]
  画像からスタイル記述子を理解し抽出するためのフレームワークを提案する。 我々のフレームワークは、スタイルが画像の主観的特性であるという洞察を用いてキュレートされた新しいデータセットで構成されている。 また、テキスト・ツー・イメージ・モデルのトレーニングデータセットで使用される画像に対して、生成した画像のスタイルに使用できるスタイル属性記述子を抽出する手法を提案する。
  論文  参考訳（メタデータ） (2024-04-01T17:58:30Z)
• Analyzing Font Style Usage and Contextual Factors in Real Images [12.387676601792899]
  本稿では,大規模データセットを用いたフォントスタイル選択に影響を及ぼす可能性のあるフォントスタイルと文脈要因の関係を解析する。 オープン画像データセットの約80万語を用いてフォントスタイルとその周辺オブジェクト(バスなど)の関係を解析する。
  論文  参考訳（メタデータ） (2023-06-21T06:43:22Z)
• Learning Interpretable Style Embeddings via Prompting LLMs [46.74488355350601]
  スタイル表現学習はテキストで著者スタイルのコンテンツに依存しない表現を構築する。 現在のスタイル表現学習では、ニューラルネットワークを使ってスタイルをコンテンツから切り離し、スタイルベクトルを作成する。 我々は、多くのテキストでスタイメトリーを実行し、合成データセットを作成し、人間の解釈可能なスタイル表現を訓練するために、プロンプトを使用する。
  論文  参考訳（メタデータ） (2023-05-22T04:07:54Z)
• Stylized Data-to-Text Generation: A Case Study in the E-Commerce Domain [53.22419717434372]
  本稿では,特定のスタイルに従ってコヒーレントテキストを生成することを目的とした新しいタスク,すなわちスタイル化されたデータ・テキスト生成を提案する。 このタスクは、生成されたテキストのロジック、構造化されていないスタイル参照、バイアスのあるトレーニングサンプルという3つの課題のため、簡単ではない。 本稿では,論理計画型データ埋め込み,マスク型スタイル埋め込み,非バイアス型スタイリングテキスト生成の3つのコンポーネントからなる,新しいスタイル付きデータ・テキスト生成モデルであるStyleD2Tを提案する。
  論文  参考訳（メタデータ） (2023-05-05T03:02:41Z)
• Generating More Pertinent Captions by Leveraging Semantics and Style on Multi-Source Datasets [56.018551958004814]
  本稿では,データソースの非一様結合をトレーニングすることで,流動的な記述を生成するタスクに対処する。 ノイズの多い画像とテキストのペアを持つ大規模データセットは、サブ最適の監視源を提供する。 本稿では,検索コンポーネントから抽出したスタイルトークンとキーワードを組み込むことにより,セマンティクスと記述スタイルを活用・分離することを提案する。
  論文  参考訳（メタデータ） (2021-11-24T19:00:05Z)
• Contextual Text Style Transfer [73.66285813595616]
  コンテキストテキストスタイル転送は、文をその周囲のコンテキストを考慮した所望のスタイルに変換することを目的としている。 本稿では,各入力文とその周辺コンテキストに対して2つの異なるエンコーダを使用するコンテキスト認識スタイル転送(CAST)モデルを提案する。 Enron-ContextとReddit-Contextという2つの新しいベンチマークが、フォーマル性と攻撃性スタイルの転送のために導入された。
  論文  参考訳（メタデータ） (2020-04-30T23:01:12Z)
• Learning to Select Bi-Aspect Information for Document-Scale Text Content Manipulation [50.01708049531156]
  我々は、テキストスタイルの転送とは逆の文書スケールのテキストコンテンツ操作という、新しい実践的なタスクに焦点を当てる。 詳細は、入力は構造化されたレコードと、別のレコードセットを記述するための参照テキストのセットである。 出力は、ソースレコードセットの部分的内容と参照の書き込みスタイルを正確に記述した要約である。
  論文  参考訳（メタデータ） (2020-02-24T12:52:10Z)

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。