論文の概要: Multi-Aspect Controllable Text Generation with Disentangled Counterfactual Augmentation

• arxiv url: http://arxiv.org/abs/2405.19958v1
• Date: Thu, 30 May 2024 11:25:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-31 14:38:07.777367
• Title: Multi-Aspect Controllable Text Generation with Disentangled Counterfactual Augmentation
• Title（参考訳）: 異方性拡張による多視点制御可能なテキスト生成
• Authors: Yi Liu, Xiangyu Liu, Xiangrong Zhu, Wei Hu,
• Abstract要約: マルチアスペクト制御可能なテキスト生成は、複数の側面から生成された属性のテキストを制御することを目的としている。 そこで本研究では,多視点制御可能テキスト生成方式であるMAGICを提案する。 実験により、MAGICは不均衡な特性相関シナリオとバランスの取れた特性相関シナリオの両方において、最先端のベースラインよりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 20.15822422715231
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-aspect controllable text generation aims to control the generated texts in attributes from multiple aspects (e.g., "positive" from sentiment and "sport" from topic). For ease of obtaining training samples, existing works neglect attribute correlations formed by the intertwining of different attributes. Particularly, the stereotype formed by imbalanced attribute correlations significantly affects multi-aspect control. In this paper, we propose MAGIC, a new multi-aspect controllable text generation method with disentangled counterfactual augmentation. We alleviate the issue of imbalanced attribute correlations during training using counterfactual feature vectors in the attribute latent space by disentanglement. During inference, we enhance attribute correlations by target-guided counterfactual augmentation to further improve multi-aspect control. Experiments show that MAGIC outperforms state-of-the-art baselines in both imbalanced and balanced attribute correlation scenarios. Our source code and data are available at https://github.com/nju-websoft/MAGIC.
• Abstract（参考訳）: マルチアスペクト制御可能なテキスト生成は、属性の生成されたテキストを複数の側面から制御することを目的としている(例えば、感情から「ポジティブ」、トピックから「スポーツ」)。 トレーニングサンプルの取得を容易にするため、既存の作業では、異なる属性の相互接続によって形成される属性相関を無視する。 特に、不均衡な属性相関によって形成されるステレオタイプは、マルチアスペクト制御に大きく影響する。 本稿では,多視点制御可能テキスト生成方式であるMAGICを提案する。 属性潜在空間の反実的特徴ベクトルを用いたトレーニングにおける非平衡特性相関の問題点を,アンタングル化により緩和する。 推論中、ターゲット誘導逆ファクト拡張による属性相関を強化し、マルチアスペクト制御をさらに改善する。 実験により、MAGICは不均衡な特性相関シナリオとバランスの取れた特性相関シナリオの両方において、最先端のベースラインよりも優れていることが示された。 ソースコードとデータはhttps://github.com/nju-websoft/MAGIC.comで公開されています。

関連論文リスト

• Magnet: We Never Know How Text-to-Image Diffusion Models Work, Until We Learn How Vision-Language Models Function [13.588643982359413]
  属性理解におけるCLIPテキストエンコーダの限界を批判的に検討し,それが拡散モデルに与える影響について検討する。 属性結合問題に対処するための新しいトレーニング不要アプローチである textbf magnet を提案する。
  論文  参考訳（メタデータ） (2024-09-30T05:36:24Z)
• Text Attribute Control via Closed-Loop Disentanglement [72.2786244367634]
  本稿では,コンテンツ保存性を高めつつ,属性のロバストな制御を実現するための新しい手法を提案する。 本稿では,半教師付きコントラスト学習法を用いて,潜在空間における属性のアンタングル化を促進する。 Yelp Serviceレビューデータセット、Amazon Product Reviewデータセット、GoEmotionsデータセットを含む3つのテキストデータセットの実験を行った。
  論文  参考訳（メタデータ） (2023-12-01T01:26:38Z)
• Air-Decoding: Attribute Distribution Reconstruction for Decoding-Time Controllable Text Generation [58.911255139171075]
  制御可能なテキスト生成(CTG)は、望ましい属性を持つテキストを生成することを目的としている。 本研究では,Air-Decoding という新しい軽量デコーディングフレームワークを提案する。 提案手法は,新しい最先端制御性能を実現する。
  論文  参考訳（メタデータ） (2023-10-23T12:59:11Z)
• MacLaSa: Multi-Aspect Controllable Text Generation via Efficient Sampling from Compact Latent Space [110.85888003111653]
  マルチアスペクト制御可能なテキスト生成は、複数の望ましい属性を同時に持つ流動文を生成することを目的としている。 マルチアスペクト制御のための新しいアプローチ、すなわちMacLaSaを導入し、複数の側面に対してコンパクトな潜在空間を推定する。 また,MacLaSaは,高い推論速度を維持しつつ,属性関連性やテキスト品質を高いベースラインで向上させることを示す。
  論文  参考訳（メタデータ） (2023-05-22T07:30:35Z)
• Semantic Space Grounded Weighted Decoding for Multi-Attribute Controllable Dialogue Generation [41.23970507903113]
  本稿では,重み付き復号法で強い制御性を持つDASCという新しいフレームワークを提案する。 複数属性の生成は、複数の属性の埋め込みの発話で直感的に実装される。 実験の結果,DASCは3つの側面を同時に制御することで,生成タスクにおいて高い制御精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2023-05-04T13:35:27Z)
• FAST: Improving Controllability for Text Generation with Feedback Aware Self-Training [25.75982440355576]
  制御可能なテキスト生成システムは、しばしば制御コードを利用して、スタイルや長さといった出力の様々な特性を指示する。 NLPの因果推論に関する最近の研究に触発された本論文は、これらの制御符号に基づく条件付きテキスト生成アルゴリズムにおいて、これまで見過ごされていた欠陥を明らかにする。 トレーニングセットにおけるこれらの相関を減少させるための2つの簡単な手法を提案する。
  論文  参考訳（メタデータ） (2022-10-06T19:00:51Z)
• A Distributional Lens for Multi-Aspect Controllable Text Generation [17.97374410245602]
  マルチアスペクト制御可能なテキスト生成は、単一アスペクト制御よりも困難で実用的なタスクである。 既存手法は, 単一アスペクトから学習した複数のコントローラを融合することにより, 複雑なマルチアスペクト制御を実現する。 本稿では,複数属性分布の交点領域を直接探索して生成する手法を提案する。
  論文  参考訳（メタデータ） (2022-10-06T13:08:04Z)
• Spread Spurious Attribute: Improving Worst-group Accuracy with Spurious Attribute Estimation [72.92329724600631]
  本稿では,最悪のグループ精度を向上させるために,疑似属性に基づくアルゴリズムSpread Spurious Attributeを提案する。 各種ベンチマークデータセットに対する実験により,アルゴリズムはベースライン法より一貫して優れていることが示された。 また,提案したSSAは,フル (100%) のスプリアス特性監視を用いた手法に匹敵する性能を達成できることを実証した。
  論文  参考訳（メタデータ） (2022-04-05T09:08:30Z)
• Controllable Dialogue Generation with Disentangled Multi-grained Style Specification and Attribute Consistency Reward [47.96949534259019]
  マルチ属性制約下で応答生成を行うための制御可能な対話生成モデルを提案する。 一般的に使用される制御属性を,応答生成に対する影響の粒度が異なる大域的および局所的な属性に分類する。 我々のモデルは、応答品質、コンテンツ多様性、制御性の観点から、競争ベースラインを大幅に上回ることができる。
  論文  参考訳（メタデータ） (2021-09-14T14:29:38Z)
• Is Disentanglement enough? On Latent Representations for Controllable Music Generation [78.8942067357231]
  強い生成デコーダが存在しない場合、アンタングル化は必ずしも制御性を意味するものではない。 VAEデコーダに対する潜伏空間の構造は、異なる属性を操作するための生成モデルの能力を高める上で重要な役割を果たす。
  論文  参考訳（メタデータ） (2021-08-01T18:37:43Z)

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。