学习情感记忆以实现无平行数据情感修改

EMNLPAug, 2018

学习情感记忆以实现无平行数据情感修改

Learning Sentiment Memories for Sentiment Modification without Parallel Data

Yi Zhang, Jingjing Xu, Pengcheng Yang, Xu Sun

TL;DR本文提出了一种基于特定上下文下自动提取适当情感信息的方法来实现情感修改且保留情感无关内容的无监督学习，实验结果表明，该方法在内容保留度方面显著改进且达到了最先进水平。

Abstract

The task of sentiment modification requires reversing the sentiment of the input and preserving the sentiment-independent content. However, aligned sentences with the same content but different sentiments are usually unavailable. Due to the lack of such parallel data, it is hard to ext

sentiment modification content preservation unsupervised learning sentiment information state-of-the-art

发现论文，激发创造

无配对情感转换：一种循环强化学习方法

提出了一种循环强化学习方法，用于解决情感翻译任务中的缺乏平行数据问题，并在 Yelp 和 Amazon 两个数据集上成功实现了内容保留性能的显著提升，达到了 1.64 至 22.46 的 BLEU 分数和 0.56 至 14.06。

May, 2018

句子情感的可控转换

本文提出了一种利用情感分类器和自编码器改变句子情感以生成更多训练数据的自动化流程，并使用词向量模型得出了 54.7% 成功率的实验结果。

Jan, 2019

通过上下文扰动和大型语言模型分析新闻报道中的情感极性削弱

通过替换、插入和删除等三种扰动方法以及基于上下文的掩码语言模型，在保持核心语义的同时，最大程度地提高目标新闻方面的所需情感分数，并通过波束搜索算法降低情感极性，实现对情感操纵的类别纠正，从而提供更客观的新闻报道并抑制媒体情感语言偏见。

Feb, 2024

文本情感操作的解耦表示

本论文通过使用解耦表示的方式，提出了一种算法来改变文本的情感而保留语义，可以用于文本操纵、情感分析和语义保留方面。

Dec, 2017

非平行情感语音转换

本文提出了一种非并行数据驱动的情感语音转换方法，通过学习两个分布之间的翻译模型而实现非并行训练，该方法在音频内容编码与情感编码空间中进行情感转换，实现了保留说话人身份和语言特征的情感相关特征转移。

Nov, 2018

无需 (好的) 翻译的跨语言情感分析

本文介绍了一种使用单线性转换来捕捉跨语言情感关系的方法，并演示了如何在非英语环境下应用跨语言情感模型，以实现对英语情感知识的有效利用，从而使得在缺少数据的情况下，以很低的成本分析和提取其他语言的特征成为可能。

Jul, 2017

情感转换中的风格 - 内容平衡：利用极性感知去噪

基于极性感知去噪的情感转换模型，通过在生成文本中准确控制情感属性，以极大程度保留内容，平衡风格和内容之间的权衡，实现了更好的内容保留效果。

Dec, 2023

利用大量弱监督数据进行多语言情感分类

本文提出了一种新的多语言情感分类方法，使用了大量的弱监督数据训练多层卷积网络，通过在多种语言数据集上进行充分的评估，证明该方法的优异性能，达到了同类研究的最高水平。

Mar, 2017

低资源情感分析的迁移学习

本文描述了对库尔德语数据的情感分析数据集的收集和注释，并探讨了几种经典的机器学习和神经网络技术以及数据增强的方法。我们证明了数据增强可以在难度较大的情况下实现高的 F1 分数和准确性。

Apr, 2023

学习生成评论及发现情感

本文探讨了字节级循环语言模型的性质和学习特征，这些特征包括对应于高级概念的分离特征和单元，其中一个单元执行情感分析，这些在非监督学习方式下得到的表述在斯坦福情感树库的二进制子集上实现了最先进的性能，同时也具有很高的数据效率。

Apr, 2017