Balancing the Style-Content Trade-Off in Sentiment Transfer Using Polarity-Aware Denoising

要約

テキストによる感情の転送は、感情に依存しない内容を維持しながら、文の感情の極性を反転する (肯定から否定、またはその逆) ことを目的としています。
現在のモデルは感情を変えるのに良い結果を示していますが、転送された文の内容の保存は不十分です。
この論文では、極性を意識したノイズ除去に基づく感情伝達モデルを紹介します。このモデルは、生成されたテキストの感情属性を正確に制御し、コンテンツを大幅に保存し、スタイルとコンテンツのトレードオフのバランスを取るのに役立ちます。
私たちが提案するモデルは、感情伝達プロセスの 2 つの主要な段階を中心に構造化されています。共有エンコーダーを使用したより優れた表現学習と、個別の感情固有のデコーダーを使用した感情制御生成です。
実証結果は、私たちの方法が、スタイル転送の精度と流暢性の点で競争力を維持しながら、コンテンツの保存の点で最先端のベースラインを上回っていることを示しています。

要約(オリジナル)

Text sentiment transfer aims to flip the sentiment polarity of a sentence (positive to negative or vice versa) while preserving its sentiment-independent content. Although current models show good results at changing the sentiment, content preservation in transferred sentences is insufficient. In this paper, we present a sentiment transfer model based on polarity-aware denoising, which accurately controls the sentiment attributes in generated text, preserving the content to a great extent and helping to balance the style-content trade-off. Our proposed model is structured around two key stages in the sentiment transfer process: better representation learning using a shared encoder and sentiment-controlled generation using separate sentiment-specific decoders. Empirical results show that our methods outperforms state-of-the-art baselines in terms of content preservation while staying competitive in terms of style transfer accuracy and fluency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google