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

• FonTS: Text Rendering with Typography and Style Controls [12.717568891224074]
  本稿では,テキストレンダリングにおけるタイポグラフィとスタイルの制御性を向上させるための2段階のDiTパイプラインを提案する。 タイポグラフィー制御(TC)ファインタニング,効率的なパラメータファインタニング法,およびタイポグラフィー制御トークン(ETCトークン)の囲い込みについて紹介する。 スタイル制御をさらに強化するために,テキストプロンプトに依存しない画像入力を通じてスタイル情報を注入するスタイル制御アダプタ(SCA)を提案する。
  論文  参考訳（メタデータ） (2024-11-28T16:19:37Z)
• SETTP: Style Extraction and Tunable Inference via Dual-level Transferable Prompt Learning [22.04285529067442]
  デュアルレベルトランスファーブル・プロンプト学習によるスタイル抽出とチューナブル推論を提案する。 SETTPは、高リソーススタイル転送から基本スタイルの特徴を含むソーススタイルレベルのプロンプトを学習する。 実験によると、SETTPは最先端の手法に匹敵するパフォーマンスを達成するためにデータボリュームの1/20しか必要としない。
  論文  参考訳（メタデータ） (2024-07-22T11:34:48Z)
• Dynamic Multi-Reward Weighting for Multi-Style Controllable Generation [15.959784404955402]
  テクストスタイルは、対人的ダイナミクス(フォーマル性など)や著者の感情や態度(嫌悪感など)など、多様な情報の集合を表現する オープンな疑問は、言語モデルを明示的に制御して、テキストを生成する際にターゲットスタイルを織り合わせる方法だ。 このような制御された生成の1つのアプローチは、多目的強化学習(RL)である。 判別器の校正出力や,判別器の大きさによる動的重み付けなど,多型報酬の定式化について検討する。
  論文  参考訳（メタデータ） (2024-02-21T22:02:37Z)
• 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)
• 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。