論文の概要: Does It Capture STEL? A Modular, Similarity-based Linguistic Style Evaluation Framework

• arxiv url: http://arxiv.org/abs/2109.04817v1
• Date: Fri, 10 Sep 2021 12:03:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-13 19:15:21.402771
• Title: Does It Capture STEL? A Modular, Similarity-based Linguistic Style Evaluation Framework
• Title（参考訳）: STELは捕獲されるか? モジュール型類似性に基づく言語スタイル評価フレームワーク
• Authors: Anna Wegmann and Dong Nguyen
• Abstract要約: 本稿では,2つの文をスタイルで比較可能な任意のモデルの性能をテストするために,モジュール構造,微粒化,およびコンテント制御の類似性に基づくSTEL(Style EvaLuation framework)を提案する。 スタイルの2つの一般的な次元(形式的・非形式的・単純・複合的)とスタイルの2つの特性(contrac'tion と numb3r の置換)をSTELで表現する。 BERTベースの手法は、3グラム、句読点周波数、LIWCベースのアプローチといった一般的なスタイルの単純なバージョンよりも優れている。
• 参考スコア（独自算出の注目度）: 4.827674529956945
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Style is an integral part of natural language. However, evaluation methods for style measures are rare, often task-specific and usually do not control for content. We propose the modular, fine-grained and content-controlled similarity-based STyle EvaLuation framework (STEL) to test the performance of any model that can compare two sentences on style. We illustrate STEL with two general dimensions of style (formal/informal and simple/complex) as well as two specific characteristics of style (contrac'tion and numb3r substitution). We find that BERT-based methods outperform simple versions of commonly used style measures like 3-grams, punctuation frequency and LIWC-based approaches. We invite the addition of further tasks and task instances to STEL and hope to facilitate the improvement of style-sensitive measures.
• Abstract（参考訳）: スタイルは自然言語の不可欠な部分である。 しかしながら,スタイル尺度の評価手法は稀であり,タスク固有のものが多く,通常はコンテンツの制御は行わない。 本稿では,2つの文をスタイルで比較可能な任意のモデルの性能をテストするために,モジュール構造,微粒化,およびコンテント制御の類似性に基づくSTEL(Style EvaLuation framework)を提案する。 2種類のスタイル(形式・非形式・単純・複合)と2つの特定のスタイル特性(contracation と numb3r 置換)を持つスケルを説明する。 BERT ベースの手法は,3 グラム,句読点周波数,LIWC ベースのアプローチなど,一般的なスタイル尺度の単純なバージョンよりも優れていることがわかった。 我々はSTELにさらなるタスクとタスクインスタンスを追加し、スタイルに敏感な対策の改善を期待する。

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)
• 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)
• StylerDALLE: Language-Guided Style Transfer Using a Vector-Quantized Tokenizer of a Large-Scale Generative Model [64.26721402514957]
  本論文では,自然言語を用いて抽象芸術スタイルを記述するスタイル転送手法であるStylerDALLEを提案する。 具体的には、非自己回帰的なトークンシーケンス変換として、言語誘導型転送タスクを定式化する。 スタイル情報を組み込むために,CLIPに基づく言語指導による強化学習戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-16T12:44:44Z)
• Few-shot Font Generation by Learning Style Difference and Similarity [84.76381937516356]
  異なるスタイルの違いと同一スタイルの類似性(DS-Font)を学習する新しいフォント生成手法を提案する。 具体的には,提案するクラスタレベルコントラシブ・スタイル(CCS)の損失により,スタイルエンコーディングを実現する多層型プロジェクタを提案する。
  論文  参考訳（メタデータ） (2023-01-24T13:57:25Z)
• Controlling Styles in Neural Machine Translation with Activation Prompt [34.53183905545485]
  ニューラルネットワーク翻訳(NMT)のスタイル制御は,ユーザエクスペリエンスの向上に不可欠であるため,広く注目を集めている。 本稿では,NMTのスタイル制御のための新しいベンチマークとアプローチを提案する。 本稿では,スタイルアクティベーションプロンプト (StyleAP) という手法を提案する。
  論文  参考訳（メタデータ） (2022-12-17T16:05:50Z)
• Style Control for Schema-Guided Natural Language Generation [10.821250408348655]
  タスク指向対話システムのための自然言語生成 (NLG) は、コンテンツを正確に、流動的に、一貫性を持って伝達することに焦点を当てている。 我々はスキーマ誘導型NLGのスタイリスティック制御と評価に重点を置いており、セマンティック制御とスタイリスティック制御の両立を目標としている。
  論文  参考訳（メタデータ） (2021-09-24T21:47:58Z)
• 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)
• StyleMeUp: Towards Style-Agnostic Sketch-Based Image Retrieval [119.03470556503942]
  クロスモーダルマッチング問題は通常、写真とスケッチのモダリティ間で共有されるセマンティックコンテンツを保存する共同埋め込み空間を学習することによって解決される。 効果的なモデルには、このスタイルの多様性を明確に説明する必要がある。 我々のモデルは、モデム間で共有されるセマンティックコンテンツだけでなく、目に見えないユーザースタイルにも適応できるので、モデルは真に不可知的です。
  論文  参考訳（メタデータ） (2021-03-29T15:44:19Z)
• ST$^2$: Small-data Text Style Transfer via Multi-task Meta-Learning [14.271083093944753]
  テキストスタイルの転送は、コンテンツを保存しながら、あるスタイルの文を別のスタイルに言い換えることを目的としている。 並列トレーニングデータがないため、最先端の手法は教師なしであり、コンテンツを共有する大規模なデータセットに依存している。 そこで本研究では,任意のテキストスタイル間を移動するためのメタラーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2020-04-24T13:36:38Z)

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。