論文の概要: Don't lose the message while paraphrasing: A study on content preserving style transfer

• arxiv url: http://arxiv.org/abs/2308.09055v1
• Date: Thu, 17 Aug 2023 15:41:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-21 16:16:34.791085
• Title: Don't lose the message while paraphrasing: A study on content preserving style transfer
• Title（参考訳）: 言い換えながらメッセージを失うな:コンテンツ保存スタイル転送に関する研究
• Authors: Nikolay Babakov, David Dale, Ilya Gusev, Irina Krotova, Alexander Panchenko
• Abstract要約: スタイル伝達研究の現実的な応用には,コンテンツ保存が不可欠である。 形式性伝達領域の例において、様々なスタイル転送モデルを比較する。 我々は,スタイル伝達のための最先端技術について,精密な比較研究を行っている。
• 参考スコア（独自算出の注目度）: 61.38460184163704
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text style transfer techniques are gaining popularity in natural language processing allowing paraphrasing text in the required form: from toxic to neural, from formal to informal, from old to the modern English language, etc. Solving the task is not sufficient to generate some neural/informal/modern text, but it is important to preserve the original content unchanged. This requirement becomes even more critical in some applications such as style transfer of goal-oriented dialogues where the factual information shall be kept to preserve the original message, e.g. ordering a certain type of pizza to a certain address at a certain time. The aspect of content preservation is critical for real-world applications of style transfer studies, but it has received little attention. To bridge this gap we perform a comparison of various style transfer models on the example of the formality transfer domain. To perform a study of the content preservation abilities of various style transfer methods we create a parallel dataset of formal vs. informal task-oriented dialogues. The key difference between our dataset and the existing ones like GYAFC [17] is the presence of goal-oriented dialogues with predefined semantic slots essential to be kept during paraphrasing, e.g. named entities. This additional annotation allowed us to conduct a precise comparative study of several state-of-the-art techniques for style transfer. Another result of our study is a modification of the unsupervised method LEWIS [19] which yields a substantial improvement over the original method and all evaluated baselines on the proposed task.
• Abstract（参考訳）: テキストスタイル転送技術は、自然言語処理で人気を集めており、有害から神経、形式から非公式、古英語から現代英語など、必要な形でテキストをパラフレーズできるようになっている。 タスクの解決は、いくつかのニューラル/インフォーマル/モダンテキストを生成するのに十分ではないが、元のコンテンツは変更せずに保存することが重要である。 この要件は、例えば特定の種類のピザを特定の住所に一定のタイミングで注文するなど、元のメッセージを保存するために事実情報を保持しなければならないゴール指向の対話のスタイル転送など、いくつかのアプリケーションにおいてさらに重要となる。 コンテンツ保存の側面は, 実世界におけるスタイル伝達研究の応用において重要であるが, あまり注目されていない。 このギャップを埋めるために、形式的転送ドメインの例で様々なスタイル転送モデルを比較します。 様々なスタイル転送手法のコンテンツ保存能力について検討するために,形式的対非公式なタスク指向対話の並列データセットを作成する。 我々のデータセットとGYAFC[17]のような既存のデータセットの主な違いは、名前付きエンティティのようにパラフレーズで保持するために必要なセマンティックスロットを持つゴール指向の対話の存在です。 この追加アノテーションにより、スタイル転送のためのいくつかの最先端技術について正確な比較研究を行うことができた。 本研究のもうひとつの成果は,未管理手法LEWIS [19] の修正であり,元の手法よりも大幅に改善され,提案課題のベースラインがすべて評価された。

関連論文リスト

• 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)
• 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)
• StoryTrans: Non-Parallel Story Author-Style Transfer with Discourse Representations and Content Enhancing [73.81778485157234]
  長文は通常、文よりも談話構造のような複雑な著者の言語的嗜好を含んでいる。 我々は、入力されたストーリーを特定の著者スタイルに転送する必要があるノン並列ストーリー作者スタイル転送のタスクを定式化する。 モデルが自動エンコーダに退化することを防ぐために,学習した談話表現からスタイル的特徴を引き離すための追加の学習目標を用いる。
  論文  参考訳（メタデータ） (2022-08-29T08:47:49Z)
• Studying the role of named entities for content preservation in text style transfer [65.40394342240558]
  フォーマルなテキストスタイル転送のためのコンテンツ保存における名前付きエンティティの役割に焦点をあてる。 テキストスタイル転送におけるコンテンツ類似度評価のための新しいデータセットを収集する。 本稿では,事前学習された形式性伝達モデルの誤り解析を行い,テキストスタイルの転送に使用されるベースラインコンテンツ類似度尺度の性能を高めるために,名前付きエンティティに関する情報を利用する簡単な手法を提案する。
  論文  参考訳（メタデータ） (2022-06-20T09:31:47Z)
• A Review of Text Style Transfer using Deep Learning [0.0]
  テキスト・スタイル・トランスファー(英: Text style transfer)とは、文が書かれた文のスタイルを適応・変更する作業である。 我々は、自然言語理解と生成の分野での現在の成功の原動力となったディープニューラルネットワークの技術的進歩を指摘する。 このレビューは、テキストスタイルの転送プロセス、すなわち表現学習と文生成の2つの重要な段階を中心に構築されている。
  論文  参考訳（メタデータ） (2021-09-30T14:06:36Z)
• 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。