論文の概要: Controlling Styles in Neural Machine Translation with Activation Prompt
- arxiv url: http://arxiv.org/abs/2212.08909v1
- Date: Sat, 17 Dec 2022 16:05:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 16:11:38.687509
- Title: Controlling Styles in Neural Machine Translation with Activation Prompt
- Title(参考訳): アクティベーション・プロンプトを用いたニューラルマシン翻訳における制御スタイル
- Authors: Yifan Wang, Zewei Sun, Shanbo Cheng, Weiguo Zheng, Mingxuan Wang
- Abstract要約: 本稿では,ベンチマークとアプローチの両面から考察する。
マルチウェイスタイライズされた機械翻訳(MSMT)ベンチマークを提案する。
次に,スタイル化された単言語コーパスからのプロンプトを抽出し,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。
- 参考スコア(独自算出の注目度): 34.53183905545485
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural machine translation(NMT) has aroused wide attention due to its
impressive quality. Beyond quality, controlling translation styles is also an
important demand for many languages. Previous related studies mainly focus on
controlling formality and gain some improvements. However, they still face two
challenges. The first is the evaluation limitation. Style contains abundant
information including lexis, syntax, etc. But only formality is well studied.
The second is the heavy reliance on iterative fine-tuning when new styles are
required. Correspondingly, this paper contributes in terms of the benchmark and
approach. First, we re-visit this task and propose a multiway stylized machine
translation (MSMT) benchmark, which includes multiple categories of styles in
four language directions to push the boundary of this task. Second, we propose
a method named style activation prompt (StyleAP) by retrieving prompts from
stylized monolingual corpus, which needs no extra fine-tuning. Experiments show
that StyleAP could effectively control the style of translation and achieve
remarkable performance. All of our data and code are released at
https://github.com/IvanWang0730/StyleAP.
- Abstract(参考訳): ニューラルマシン翻訳(nmt)はその素晴らしい品質のため、広く注目を集めている。
品質以外にも、翻訳スタイルの制御は多くの言語にとって重要な要求である。
これまでの研究は主に形式性の制御と改善に重点を置いている。
しかし、2つの課題に直面している。
1つ目は評価限界である。
スタイルには、レキシスや構文などを含む豊富な情報が含まれている。
しかし、形式のみの研究が盛んである。
2つ目は、新しいスタイルが必要な場合、反復的な微調整に重きを置くことです。
そこで本稿では,ベンチマークとアプローチの点から考察する。
まず、このタスクを再検討し、このタスクの境界を押し上げるために、4つの言語方向のスタイルの複数のカテゴリを含むマルチウェイ型機械翻訳(MSMT)ベンチマークを提案する。
第2に,スタイリングされた単言語コーパスからのプロンプトを抽出し,追加の微調整を必要としないスタイルアクティベーションプロンプト(StyleAP)を提案する。
実験により、StyleAPは翻訳のスタイルを効果的に制御し、優れたパフォーマンスを実現することができた。
すべてのデータとコードはhttps://github.com/IvanWang0730/StyleAP.comで公開されています。
関連論文リスト
- Reinforcement Learning with Dynamic Multi-Reward Weighting for
Multi-Style Controllable Generation [17.937198263444046]
人間はしばしば複数のスタイルを同時に使用する。
マルチスタイル生成のための強化学習手法として,複数スタイル報酬の様々な定式化について検討する。
複数のスタイル属性を持つRLパイプラインのコードとデータはすべて、公開されている。
論文 参考訳(メタデータ) (2024-02-21T22:02:37Z) - Expressive TTS Driven by Natural Language Prompts Using Few Human
Annotations [12.891344121936902]
Expressive Text-to-Speech (TTS) は、人間の声調、気分、さらには芸術的特性で音声を合成することを目的としている。
TTSの最近の進歩は、自然言語のプロンプトを通じて、ユーザーが直接合成スタイルを制御できるようになる。
最小限のアノテーションを持つ制御可能な表現型TSモデルであるFreeStyleTTS(FS-TTS)を提案する。
論文 参考訳(メタデータ) (2023-11-02T14:20:37Z) - MSSRNet: Manipulating Sequential Style Representation for Unsupervised
Text Style Transfer [82.37710853235535]
教師なしのテキストスタイル転送タスクは、メインのコンテンツを保持しながらテキストをターゲットのスタイルに書き換えることを目的としている。
従来の方法では、固定サイズのベクトルを使ってテキストスタイルを規制するが、個々のトークンのスタイル強度を正確に伝達することは困難である。
提案手法は,テキスト中の各トークンに個々のスタイルベクトルを割り当てることでこの問題に対処する。
論文 参考訳(メタデータ) (2023-06-12T13:12:29Z) - 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) - Audience-Centric Natural Language Generation via Style Infusion [5.6732899077715375]
本稿では,事前学習された言語生成モデルにおける聴衆のスタイル的嗜好に影響を及ぼす,新しいスタイル注入の課題を提案する。
限定的な人間の判断を利用して、スタイル分析モデルをブートストラップし、シードセットの判断を強化する。
我々の注入アプローチは、ジェネリックテキストプロンプトを用いた魅力的なスタイル化された例を生成することができる。
論文 参考訳(メタデータ) (2023-01-24T19:57:50Z) - ABINet++: Autonomous, Bidirectional and Iterative Language Modeling for
Scene Text Spotting [121.11880210592497]
言語モデルの限られた能力は,1)暗黙的な言語モデリング,2)一方向の特徴表現,3)雑音入力を伴う言語モデルから生じる。
シーンテキストスポッティングのための自律的で双方向かつ反復的なABINet++を提案する。
論文 参考訳(メタデータ) (2022-11-19T03:50:33Z) - Does It Capture STEL? A Modular, Similarity-based Linguistic Style
Evaluation Framework [4.827674529956945]
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。
論文 参考訳(メタデータ) (2021-09-10T12:03:19Z) - 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) - 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。