文件名称：基于矩阵变换的文本风格迁移方法
文件大小：1.09MB
文件格式：PDF
更新时间：2024-05-26 05:52:12
自然语言处理 表示学习 文本风格迁移
文本风格迁移一直是自然语言处理（NLP）中的一个研究热点，近年来，随着文本生成方法的发展，越来越多的工作着眼于不成对（non-parallel）文本风格迁移这一任务.这一任务的目标是，利用不包含一一对应句子的两个或多个不同风格的文本集，学习一个迁移模型，实现改变句子的风格的同时保留句子其他的内容.目前针对该任务，已有一些基于生成对抗网络的迁移算法被提出，但是受限于对抗学习本身的训练不稳定，以及对句子的风格和语义的独立性假设本身不合理，这些方法无法高效的学到迁移效果好的模型.在这篇文章中，我们首次从统计学习的角度给出了文本风格的定义—文本集中语义向量的协方差矩阵，在这种新的观点下，文本的风格依赖于所有句子的语义向量.我们随后提出了一种无学习（learning free）迁移方法，我们只需要预训练一个自编码器来得到句子的语义向量，然后对这些向量进行白化和风格化变换，来实现风格迁移.